销售的关键就是如何挖掘客户需求。
那如何在客户的沟通中做好倾听就是销售人员必须要做好的一件事情了。在倾听的过程中，销售员可以通过客户传达出的相关信息判断客户的真正需求和关注的重点问题。因此好的销售人员一定都是优秀的倾听者。
在这个过程中有两个问题也经常存在：
- 认为已经了解客户的问题客户的需求具有相似性，自然地很多问题也比较类似。听的多了难免会觉得客户不说自己也清楚。但是这些问题背后的诉求、动机等差别还是很大。
- “听客户说”是一种让自己说前的等待 以前在和客户沟通时我自己也发生过类似的情况。很多时候看上去是在“听”客户说，实际上内心里在默默重复自己的“台词”，以便稍后能流利地表达出来。
我们看一个真实的房地产销售的语音对话（***是中介名称，不影响内容理解）。
可以思考一下，你如何来评价这个销售人员的水平呢。
我们也邀请了两位相关领域的专家分享了一下他们的看法：
A专家：房产营销公司CEO 第一通电话最主要的事情是和客户建立信任，然后挖掘客户需求，在这个过程中要表现出自己的专业性。挖掘需求我自己很重要的一个观点是客户要什么不是他的需求，他为什么要才是。所以在问问题时，要问他为什么要在南区买，为什么他的儿子选择南区？是因为在那工作还是其他原因。特别地在问客户为什么的时候要传递出我为什么要了解你，要让客户知道你问这些问题是为了帮助他，这样客户才会愿意回答，才愿意告诉你真实的答案。在这个过程中完成信任的建立，真实需求的采集。
B专家：销售教练 1、 缺少与客户建立信任的动作。就是销售常说的一个破冰。好在客户确实购买目标明确，并未对销售设置障碍，如果遇到有防备心理的客户，销售沟通会无法有效地继续下去。2、缺乏主动的聆听的能力。体现在会忽视客户交流中可以进一步挖掘的信息时，选择忽视，对话中客户提到了2次还在”考虑“，销售却没有做进一步需求挖掘，对客户提到了给儿子住时，也没有进一步挖掘。建议该人员所在的销售组织需要清晰的定义销售管道管理的每个阶段及需要掌握的客户需求信息，需要将阶段性目标和人员的技能、客户心理阶段做相关性映射，并为销售个人建立销售技能评分卡，有针对性的做一对一训练。
如果总结一下的话就是该销售人员在本次对话中：
未对客户需求做进一步的挖掘
那如果把这段语音交给算法来处理，它能检测到这个信号吗？
首先我们把问题定义一下，为了解决这个问题有哪些的难点存在，最后看解决思路是什么。
1、问题定义
输入一段语音对话，通过 “需求跟进检测” 这个业务模型判断是否有上述信号存在，有的话同时定位出对应的语音片段。
2、存在的难点
需要处理的对象是录音对话以及转录后的文本，这种数据有两个明显的特征：口语化和长度较短。 这就带来以下几个技术处理的难点：
- 对话中冗余信息比较多，不够精炼。 例如很多时候会反复说同一句话，比如对话中的 您好您好。
- “啊”、“呀”、“嗯”等口语化词语较多。
- 指代、省略比较多，上述对话中的“两个楼盘” 指代的是福盛天地和衡山影城。 对话本来就是一个有特定背景的连续交互过程，一句话的意义有时要结合上下文才能确定。
- 受限于语音识别技术，转录后的对话文本仍然包含文本错误。
- 表达不规范，类似意思的表述方式比较多。 如果仅仅通过模板去捕捉关键字，显然就不够“智能”了。用专业术语说就是泛化能力不足。
泛化能力是考核机器是否智能的一个很重要指标。
举个例子，为了高考能考出好成绩，高中同学们每天要做各种题目，包括历年的真实考题和模拟题等。平时的刻苦练习就是为了掌握试题的规律，希望能举一反三，学以致用。在面对最后高考时（一般是新题，谁也没做过）能从容应对。这种规律的掌握便是泛化能力。有的同学很聪明考上了名牌大学，很大程度上是该同学的泛化能力好。
3、解决思路
销售和客户的聊天可以认为是问题驱动的，在一问一答相互交互的过程中完成需求的挖掘、确认。那么可以 以问题来结构化聊天内容 （也可以用话题来结构化），分为3个步骤：
- 对话文本预处理
首先通过语音识别技术，将原始的语音聊天转化为文本，然后进入到预处理阶段。这个阶段也包含多个步骤，例如 分词 和 去除停用词 等。
1. 分词
中文是以字为基本书写单位，不过词才是最小的有意义的语言成分。算法能够理解文字，就像我们语文学习一样，也是从分词开始，在理解词的基础上进而理解句子和整篇文章。那么分词准确率的高低就比较关键了。
下面的分词结果是我们直接调用第三方文本处理供应商程序做的测试，效果如下：
对话中提到的楼盘名字的识别还是有问题的。这也说明文本处理技术服务于特定行业时，领域知识是必不可少的。 通用平台的程序接口还不足以直接在产品中使用。
2.去除停用词
停用词是指出现频率很高但实际意义又不大的词，像语气助词、副词、介词、连词等。这些词汇集起来可以形成一个大的词典，称之为停用词库。现在网上有一些通用停用词库，例如：
- 通用中文停用词表
- 哈工大停用词表
- 百度停用词表
- 四川大学机器智能实验室停用词库
停用词库包含的内容是这样：
对话中这些词是非常多的，对有效信息造成了干扰，需要在分词后借助这个词典去除掉。不过每个领域都有自己的语言特色，如同楼盘名称的分词一样，如果能够加上领域专业停用词做补充，那样效果肯定会更好。
如何搭建领域专业停用词库呢？以房地产行业的销售对话数据为例，如下图所示：
当然，还可以结合房地产相关的互联网数据。
对这些数据进行分词、词频统计后，再加上一部分专家经验，就可以和上面的通用停用词库合并，构成 服务于房地产销售领域的的专有停用词库 了。
- 问答句段的判断
问答句段就是由问题和回答组成的一个段落。先判断出对话中的问句，两个问句之间的陈述内容作为回答的候选集（候选是因为还存在不确定性，需要进一步判断）。这样就可以把一通对话分成若干个问答句段，如图所示：
那用算法怎么判断一句话是否是问句呢？
可以通过判断一句话中是否包含 "？"吗， 事情当然没有这么简单。 这个可以作为一个分类问题，综合运用多种技术手段来解决。这也是摹因的一个底层算法模块。
- 话题切换检测
当形成一个问答句段后，还需要进一步判断 “段内”和 “段之间” 是否有话题切换。 在实现上我们构建了一个 话题切换监视器 。 把客户的问答和销售的提问输入后，监视器利用相关性算法做判断，将是否 “话题不相关”的信号检测出来。这个模型目前在进一步的迭代优化中。
通过上面的介绍，相信大家已经了解了摹因是如何利用文本处理技术来检测销售在沟通对话中是否对客户需求做进一步挖掘这一信号的。
有了这个信号后，摹因可以帮助销售经理解决以下3个问题：
1、当销售经理收到系统的提醒后，可以进一步诊断并提供指导建议。
2、设置一个跟踪器，查看该销售遇到类似的情况时处理能力是否有提升。
3、分析最近一段时间整个团队在挖掘客户需求方面的表现。
摹因将纷繁杂乱的语音、文本和视频对话数据 有序化、可视化、智能化 ， 屏蔽掉噪声，帮助团队主动发现数据中的信号，提升了团队能力和客户转化率。
在领域知识的指导下让AI去理解信息的结构和含义 ，从海量的、超出人工处理能力范围外的数据中捕捉一些信号（检测）、得出一些结论（推理）、执行一些操作（流程自动化），这当然会有挑战存在。但也是我们期望达到的目标。
最后推荐一本书：纳特·西尔弗的《信号与噪声》，希望您喜欢。
