一、线索相关概念解读
在深入理解线索培育、线索评分、线索画像等概念,以及其对应的神策数据解决方案之前,我们需要先了解一些线索相关的基本概念。
1、线索(Leads)
线索又称“例子”(Leads 的音译),用来描述潜在用户的信息集合,代表一次潜在的营销与销售机会。只有获取了线索,我们的课程顾问、班主任老师们才能开展他们的销售转化工作,最终将用户转化成付费学员、高价值学员。
2、线索到现金流(Leads to Cash)
线索到现金流指的是:从线索进来后,经过运营团队、销售团队层层“引导”,到最终成单转化的全流程。不同的行业流程不尽相同。
比如目前教育行业的主流玩法是,通过投放低价课、引流课吸引用户低价付费,然后引导学员添加班主任企微,完成从公域到私域的转化。接着,班主任会将学员们拉进训练营班级群,在群里督促大家学习,试听课后班主任会进行转化工作。在这整个 LTC 流程中,班主任需要借力各种“工具”来提升转化率、提升工作效率。
3、其他术语
除了上述接触最多的两个概念外,还有常见于 B2B 行业中的 MQL、SQL、SDR 等,此处做一个简单介绍。
MQL(Marketing-Qualified Leads,营销合格线索):MQL 指的是在市场营销的基础上,对企业的产品或服务更有兴趣、更高转化潜力的线索。
SQL(Sales-Qualified Leads,销售合格线索):SQL 指的是经过销售跟进后并被判断为高质量的 MQL。若 MQL 代表着客户还未准备好购买,那么 SQL 就代表着客户已经在决策、购买流程中了。
SDR(Sales Development Representative,销售开发代表):他们的主要工作是对线索进行清洗与初筛,从而提供给销售团队跟进。
可见,所谓的 MQL、SQL 其实也代表着一个线索的不同阶段,由于 To B 的产品与服务采购流程较长,重决策,因此一个线索需要拆分成多个阶段、并且由不同的专业团队跟进、消化。
而对于教育行业来说,To C 的课程与服务用户购买决策链较短,我们只需要理解 Leads、LTC 即可。
二、线索获取方式
线索获取的方式多种多样,不同方式获取的线索数量、质量各有差异,接下来将详细介绍。
1、信息流广告
如 LTC 所述,目前教育的主流玩法是在各个主要媒体平台付费投放免费课、低价课等,从而获取大量的线索。
这一方式获取的线索量较大,但质量相对于其他方式而言较低,如何根据不同的业务阶段制定投放策略、渠道评估体系、提高投放的 ROI,神策数据有完善的渠道追踪方案、渠道效果评估体系解决方案。
2、转介绍/老带新
通过运营私域流量,引导学员/老用户在全学习流程中分享内容,从而带来新用户注册、购买。此方式获取的线索量相对有限,但线索质量普遍较高。
目前投放成本高企,转介绍作为最重要的免费获客方式,越来越受到各个教育公司的重视,如何在保证线索质量的同时提升线索数量,是神策数据为在线教育企业实现的重要价值之一。
3、直播转化
直播带货作为近几年新兴的、火爆的电商模式,同样适用于教育行业的课程销售,直播的平台包括不限于抖音、快手、淘宝、微信视频号。
部分教育公司将直播作为引流获客的方式,在直播间通过低价课获取大量的线索,然后引导用户下载 App、添加班主任微信,进而进行一对一引导转化。当然,也有的公司将直播作为重要的转化场域,配合限时特价、秒杀等方式直接完成高客单价课程的转化工作。
4、其他方式
App 投放:利用应用商店推广、软文营销等方式,提升 App 的下载注册量,从而获取线索。此方式适合用于刷题等工具类的 App,优秀的工具类 App 运营,能带来丰厚的流量;
SEM/SEO:进行关键词投放或搜索引擎优化,提高官网的曝光量,并配合资料钩子等方式获取线索;
渠道代理:线上渠道代理、线下培训机构合作、图书中印制二维码等方式引流,成单后返佣金;
资源购买 & 互换:从数据服务商处购买数据,与其他非竞对公司合作或资源置换。
在线索获取这一环节,诸如像信息流广告投放、转介绍等,神策数据均具备完整的解决方案,鉴于本系列的文章重点在于阐述获取获取线索后的转化监控、线索培育、线索评分、线索画像的解决方案内容,故此处不再展开详阐。
三、线索转化面临的挑战
在获取完线索后,我们要开始展开线索转化工作了。通常,我们将从线索到现金流的全过程简称为“线索转化”,故而“线索转化全链路”需要解决转化监控、线索培育、线索评分、线索画像等一系列疑难杂症,在本篇及后续的文章中,我们逐一分析并破解难题。
当前教育公司在线索转化方面的主要挑战可以概括为三点:
1、转化效果数据反馈不及时
对于数据采集缺失或数字化建设较初级的公司,线索转化数据、营收数据往往需要需要手工查询,导致管理层不能及时了解实时的营收情况,也不利于一线的课程顾问及时地了解自己的工作业绩。
即使对于数字化建设较高级、研发实力较强的公司,内部的 BI 系统也缺乏灵活的维度下钻分析功能,亦或者缺失指标监控与报警机制,或报警机制比较初级,导致转化工作出现异常时无法及时洞察从而采取措施挽救。
2、线索质量无法把控
多种方式获取的线索质量参差不齐,全部依赖于销售人工外呼,又会造成外呼资源的浪费;遇到活动推广带来了大量的线索,又会因为销售团队人员有限,无法及时消化所有线索,导致一部分线索被浪费或跟进滞后错过最佳转化时机。
种种问题的根源在于,缺少必要的线索培育机制将低熟度的线索培养成高熟度,缺少关键的线索评分机制来筛选高质量线索,缺少实时的通知机制告知销售优先触达高意向线索。
3、用户情况不明朗,沟通效果差
即使销售通过电话、企微等方式联系上了用户,也会因为对用户知之甚少,一开始只能频繁地问用户问题“索要”信息,引起用户反感,导致沟通效果差、转化率低下。
当然,不排除个人销售能力强的员工,通过自身能力弥补系统的不足,但若我们能在系统层面解决这一问题,将对销售团队整体的转化率上有质的提升。
四、神策数据提出的解决方案
基于上述诸多挑战,神策数据在线索转化全链路上研究和制定了综合解决方案。
1、单点破局能力强化
以线索质量参差不齐的问题为例,目前主流的解决方法是对线索进行评分,通常的做法是基于不同的规则制定不同的分数,例如用户活跃了加多少分,访问了课程详情页加多少分,加购物车了再加多少分,再配合一定的减分机制。
看似完美的方法,在真正落地时其实困难重重,例如哪些行为要加分?不同的行为分别加多少分?这些细节都会在落地时造成极大的困扰,当然可以利用数据分析、专家经验来解决这些问题,但是每次策略调整都是耗时耗力。更糟糕的是,每一次策略调整都不能保证效果比之前更好,只能通过线上验证来比较好坏。万一效果更差,就白白浪费了这一段验证期的线索量、时间。
所以,在线索质量的问题上,神策数据自研了算法评分机制,基于机器学习技术利用历史数据来构建用户转化概率预测模型,再利用预测结果来进行分级,且当只有训练模型的准确率、召回率达到一定的标准才会上线。一方面利用机器智能决策来解决评分规则的困扰,另一方面又能保证每一次策略迭代都不是“开盲盒”。
2、完整的数据应用闭环
有了线索评分、分级,仅仅是万里长征走完了第一步,如何平衡数据准确性和实时性,如何将这些评分数据与销售转化工作有机结合,也是一个难点。
在数据与业务结合方面,神策智能运营的策略引擎,能够帮助企业实现批量圈选进行线索培育,也可实现实时触发进行关键时机一对一沟通转化。更关键的是,企业可以在神策智能运营中完成转化率、转化效率的内外部多重目标监测,从而实现数据在业务中的闭环应用。
数据在业务中的闭环,除了可应用在线索转化场景,也可拓展延伸到课程续报、流失召回等场景。
3、全链路综合解决方案
除了上述提到的单点能力强化、场景闭环应用外,我们更能提供全链路的综合解决方案,覆盖的场景和能力包括且不限于:
实时的数据 BI 看板,方便管理层及一线销售及时了解业绩
多维度下钻分析,满足销售运营、分析师的数据分析诉求
智能预警及多样通知方式,保障异常情况快速响应与处理
线索转化概率预测,科学高效地解决线索评分与分级问题
智能运营策略引擎,实现数据在业务中的深度应用
Webhook 通道对接,低成本地实现关键时机触达用户
用户标签体系与单用户画像,助力销售一对一转化
企微客情卡,赋能班主任沟通与标签反打、信息记录
……
4、外科手术式建设规划
针对线索转化全链路的解决方案,我们遵循从易到难、从前到后的原则,给出了建议性的建设阶层次、目标,如下图所示:
同时,考虑到不同的公司已有系统不同、数字化水平不同、产品研发能力不同,我们也可以基于企业的实际情况做出诊断分析,给出外科手术式的建设规划方案,精准地解决教育公司目前在线索转化链路中存在的问题。