引

“驚心動魄”的雙十一終于過去了，你剁手了嗎？

據統計，截至12日零點，今年天貓全球狂歡節的成交額已經突破了2684億，其中，光是語憶服務的電商客戶，就為此貢獻出了28億的成交額。

語憶在對分析了今年雙十一前后的天貓數據之后，發現了一條規律：絕大多數情況下，同一時間段內，相同品類店鋪的詢單轉化率與該品類店鋪的總體售前客服服務得分基本上呈正相關性。客服的服務得分是通過對服務禮節、服務能力、服務態度、服務過程等等指標的綜合計算得分。其中，橫坐標表示日期，縱坐標分別是客服服務得分和咨詢之后的成交訂單數。

（如圖所示，藍線代表詢單成交量，綠線代表客服服務質量）

這也就是說明，雖然詢單轉化成功率是很多元素綜合作用的結果，但似乎是繞不開售前客服服務質量這個指標的。作為一名售前客服，讓前來咨詢的客戶主動完成下單的動作并不是一件容易的事。想要客戶被自己的銷售話術引導產生購買行為，還要建立在充分了解客戶心理需求的基礎上。

那么，售前客服是如何抓住消費者心理，說服用戶主動購買，促成詢單轉化的呢？這個方法又是否能做進一步優化呢？

本文將對此做具體探討。

一、售前客服立足于消費者心理之上

有一個牙膏公司的產品很受歡迎，每年的利潤都比前一年超過20%，但是這個月卻只增長了14%。公司老板對此十分擔憂，希望有人能提出對策。這時有一個年輕人站了出來，說他可以解決這個問題，但是必須先支付5w酬金。老板想了一下同意了，年輕人說：把牙膏的口徑擴大1毫米。這一年，公司的利潤超過了40%。

這個年輕人的建議為什么能使牙膏公司獲得這么大的利潤？其實就是找準了消費者的心理訴求。消費者心理是人們在生活消費過程中，在日常購買行為中的心理活動規律及個性心理特征。在傳統線下銷售中，市場研究人員都會通過研究消費者心理來策劃營銷活動，以提高公司的銷售業績。

然而隨著互聯網技術的發展，電商經濟作為一個新興經濟在市場活動中占據著越來越大的份額，消費心理的使用場景也從線下擴展到了線上。在線上銷售中，售前客服作為和客戶直接交流的重要角色，承擔著消費者購物的引導工作。想要讓前來咨詢的客戶主動完成下單動作，客服的銷售話術必須建立在消費者心理之上。

消費者心理是影響消費者購買行為的重要因素之一。當我們分析消費者購買行為以及購買過程的心理，會發現，線下與線上，有很多可以借鑒的地方，也有很多不一樣的地方。（比如店員線下叫導購，線上叫客服MM……）如下圖所示，售前客服可以利用銷售話術來強化用戶需求、為用戶提供豐富的信息以及縮小用戶心理預期和產品實際性能之間的差距，從而促使消費者做出購買決策。

誠然，并不是所有的消費行為都是由消費心理引發的，但是如果售前客服的銷售話術都能立足于消費者心理之上，勢必也將會提高銷售行為的轉化率。以此為目的，下文我們就來探討一下，如何從消費者心理出發，優化售前客服的銷售話術。

二、優化銷售話術，提高詢單轉化

消費者心理是指消費者發生的一切心理活動，以及由此推動的行動行為，包括消費者觀察商品引起需求、搜集商品信息、選擇商品品牌、決策購買、使用商品形成的心理感受和心理體驗等等。想要提高消費行為的轉化率，售前客服的銷售話術就要以消費者心理為基礎。下文將會參考消費者心理，為售前客服提供在不同情境下，三種銷售話術的優化方法。

1、明確消費者的實際需求

在探尋消費者的需求之前，我們首先要知道，什么是“需求”。需求是指對具有支付能力并且愿意購買某種物品的欲望。因此，做為售前客服，首先要評估顧客的購買能力，其次才是挖掘顧客的需求。

如何評估顧客的購買能力？最簡單的方法就是查看顧客以往的購買頻率、購買總額、消費習慣等數據。至于怎么挖掘顧客的需求，就需要明確客戶的心理訴求，即什么樣的客戶，在什么場景下，需要采取怎樣的方式，解決什么問題。

舉個例子，一個顧客想要美白精華，那么她的本質需求就是想解決皮膚不白的問題。所以，她如果前來咨詢，更關注的核心點應該是：這個美白精華的美白效果到底怎么樣。那么，售前客服就應該在回答的時候，給她描繪一種場景：列舉用過這款美白精華之后， 美白效果非常明顯的例子。

需要注意是，在描述“痛點干需”時，用戶直接告知“我要什么”，可以通過發文字、圖片、視頻等等清晰的描述出來，這類需求需求屬于直接需求。除此之外，還有一種是“隱形”需求，用戶在頭腦中有想法但沒有直接提出、不能清楚描述的需求。這種需求是需要售前客服去引導的。如果要激發用戶的隱形需求，售前客服要深入了解用戶才能更好地滿足他們的隱形需求。

2、放大產品的價值錨點

這個方法運用到的消費心理是“沉錨效應”。通常來說，顧客在做購買決策的時候，思維往往會被得到的第一信息左右，就像沉入海底的錨一樣，把消費者的思維固定在某處，而用一個限定性的詞語或規定動作作為導向，達成行為效果的心理效應，就被稱為“沉錨效應”。

最典型的案例就是，售前客服經常會被顧客提問說：“別的店鋪只要XX元，你們家的為什么會貴這么多，貴在哪兒了？”顧客在判斷一個商品的價值是否值得相應的價格時，往往會采用對比的方法做出決策。因此，售前客服想要引導顧客下單，也可以采用對比的方式來突出商品的優勢。

譬如，有一個顧客想買補水面膜，她在一款一百元價位的面膜和二百元價位的面膜之間做選擇，她會問出售二百元價位面膜的店鋪你們家為什么賣那么貴，這個時候，售前客服就可以說，相比于一百元的面膜，我們家的面膜多了xx成分，而且這個成分某某大牌也用到了，但是XX品牌的售價是近千元，所以二百元的定價其實是非常優惠的。

這個例子就是利用了“沉錨效應”，利用對比，突出目標產品的性價比，讓顧客覺得，我買這個產品遠比買其他產品要有價值。

3、 強化顧客的互惠心理

羅伯特·西奧迪尼在寫《影響力》這本書中，講述的第一個影響力就是“互惠原理”。互惠原理認為：我們應該盡量以相同的方式，回報他人為我們所做的一切。由于互惠原理的影響力，我們感到自己有義務在將來回報我們收到的恩惠、禮物、邀請等等。

中國有句老話，“吃人家的嘴軟、拿人家的手段”，因為互惠原理能夠使他人產生多余的負罪感、增加對你的信任感、回報別人的責任感。而在線上銷售中運用互惠原理，是為了增加客服和顧客之間的信任，降低成交難度，讓潛在客戶來購買。

怎么運用互惠原理呢？

打個比方，有一個孕婦想買電熱毯，但是又害怕電熱毯有輻射，這時候售前客服就可以說，電熱毯是通電的，一定會有輻射的，然后給顧客建議，但是提前2個小時打開預熱，暖好被窩就關掉，再躺進去就會好很多。實在擔心的話，可以去買帶外機的產品，那個沒有輻射。顧客由于受到互惠心理影響，通常都會下單購買。

綜上所述，售前客服可以通過明確消費者的需求，并運用“沉錨效應”和“互惠心理”，優化銷售的話術，以此突出產品的價值，增加相互之間的信任感，引導顧客心甘情愿完成購買的動作，提高詢單轉化的成功率。但同時，這也就意味著客服要花費更多的時間和精力去研究消費者語言背后的心理需求，以及消費話術的包裝轉化。在客服質檢方面，對話的復雜性就會大大增加，考核的難度也會相應加大。

根據以上內容，小編對銷售話術背后的質檢內容進行了整理，如表二所示：

如今，很多頭部電商團隊為了把這些理論轉化為實際可操作的得分體系，已經制定出了一套符合自身特色，依照不同服務場景、需求進行拆分及細化的話術規則體系，客服的服務得分則取決于其在這個體系中的綜合表現。例如某化妝品店鋪在對自家客服的基礎服務做質檢時，要具體檢查客服的通話文本中是否有“您好”等歡迎語和“好的呢”等結束語。

過去，大部分的電商運營公司對客服質檢都是采用人工質檢的方式。但是人工質檢不僅會消耗大量的時間和人力，而且只能通過抽查的方式對有限的坐席、有限的通話進行考核，同時也無法確保質檢員在大工作量下是否能至始至終維持相同的評判標準進行質檢作業。

那我們就沒有更好的手段解決這個問題了嗎？事實上人工智能已經給了我們答案。

三、AI質檢復雜的對話內容

上文提到，為了提高店鋪的詢單轉化率，我們對售前客服的銷售話術提出了三種優化方法，分別是明確消費者的實際需求、放大產品的價值錨點和強化顧客的互惠心理。為了將這些理論知識轉化為質檢標準，客服管理團隊制定出了一套話術得分規則。然而，現在大多數的客服質檢工作還停留在人工抽查的階段，不管從質量上還是效率上，都難以應付如今的行業需求。于是，我們想到了人工智能。希望它能為我們解決質檢的難題。

近幾年，依賴機器學習、深度神經網絡等技術的不斷深入，人工智能、自然語言處理等相關技術亦得到了爆發式發展。目前針對不同行業、不同領域的智能文本分析需求都出現了前所未有的定制化智能解決方案。

例如客服質檢?？头|檢本質上就是對客服通話文本進行文本分析，并根據既定指標標準，最終對客服的服務質量作出評估。而這恰好就屬于自然語言處理技術的研究領域。自然語言處理技術是一種基于機器學習技術，幫助人類和計算機最終實現完全相互理解及溝通的人工智能技術。利用自然語言處理技術，計算機就能智能而且高效地對每一通對話進行多維解析，接下來就讓我們來看幾個功能示例：

• 情緒分析。當我們說話、動作甚至于輸出的文字上都會帶有一定的情緒表達，有的是直接的，有的是潛意識的。而基于人工智能情緒分析引擎的自然語言處理技術，可以自動分析通話文本中包含的情緒表達。不管是顧客的對話文本，還是客服的，他們的滿意、感激、愧疚等等情緒（最多細分到12維）都可以通過計算機進行實時解讀。

• 觀點聚類。不同于傳統的關鍵詞匹配，觀點聚類不限制具體的詞匯表達，而是通過智能解讀段落大意之上，自動將相似的觀點進行歸類、整合、提煉。例如系統能將“為什么面膜B比面膜A貴了一百多塊錢？”和“面膜B這么貴，它貴在哪里？”統一歸類成觀點：“為什么面膜B貴？”。

• 機器學習。專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能的一種技術。它是人工智能的核心，原理就是通過大量的數據訓練，得出不斷趨向于百分百精確的數據模型。例如系統統一歸類成觀點“為什么面膜B貴”之后，計算機就知道接下來客服的回答應該是“因為面膜B含有XX成分，這個成分比較珍貴……”。從“為什么”到“因為”之間的邏輯關系就是機器學習研究的內容。

人工智能通過運用情緒解析、觀點聚類、機器學習等技術，從更多維度對客服的通話內容進行了解析，不同于常規人力質檢手段，基于這些新技術下產生的洞察在真正意義上做到了實時、全量、深度分析。不管是美妝還是其他的品類，人工智能都能根據不同行業的不同需求，幫助企業在原有的評估體系上增加新的智能維度，讓評估更立體智能。

總結

天貓“雙十一”是一場競賽，在這一天里，成交數字沒有極限，只有超越和再超越。當狂歡落幕，比2684億更值得被記錄的，是這個數字背后蘊藏著的消費機遇和市場潛能。為了適應日新月異的電商經濟，電商運營者需要不斷變換策略，而始終不變的就是要以顧客的核心訴求作為發展基點，只有抓住了消費者的心理，才能在電商經濟中立于不敗之地，市場營銷是如此，客服管理也是如此。

"