AI场景分析：电商售前客服机器人的3个价值
产品经理经常把场景挂在嘴边的，所以在聊这个AI场景之前，我们先一句话概括场景的定义：什么人在什么时间什么环境做了什么事，需要什么。
那什么样的场景算是好场景呢？我看了一圈，标准贼多，每位大佬都各抒己见。而七爷不才，只能从三年TOB经验里面总结一点小经验，私以为一个好的tob场景需要满足具备三种价值：
- 商业价值
- 客户价值
- 产品价值
PS：本文并非去回答企业是否值得做一个事情，如果要解答这个问题，我们还需要分析竞品、内部资源等问题，比如有没有能力、有没有优势去做这个事情；以及市场是否处于红海。而这里主要阐述一个场景对于产品经理落地的价值，所以其他因素暂不涉及。
售前AI客户画像
过去几年，AI的浪潮一波波袭来，而在过去一年，AI的风口慢慢小了，甚至之前疯狂追捧的资本也趋于冷静。从AI本身看，有两个原因：
- 目前AI的技术发展已经到了瓶颈期，除非有突破性的技术
- AI落地难度大，各类场景还在探索中
基于第二点，简单来说，如果把AI比作一把锤子工具，真正需要这个锤子的钉子不多，甚至很多看起来是钉子，其实都是螺丝，我只需要一把轻盈的螺丝刀就可以解决问题了。
而今天我想介绍的AI售前客服场景，主要是围绕电商客服工作流程中引入客服机器人的模式，区别于市面上一般的客服机器人，后者定位一般是“节省成本”，但省了多少钱有时候很难跟客户算清，这种模式会导致TOB玩家比较hard。
那为啥说电商场景下就不那么hard呢？我们现在先看下该场景的客户画像：
根据画像内容及对场景的定义，AI售前机器人场景可以理解为：电商售前客服在买家咨询时进行回复，并引导其下单购买，需要机器人辅助更好地完成转化。
那现在我们从商业价值、客户价值、产品价值这三把刀入手，探索该场景的落地表现。
客户价值
AI要落地，最重要的是能否为用户带来价值，而做TOB产品主要围绕两个点来达到这个目标：提效和增收。
在电商售前客服场景里面，基于客户画像录可以进一步描述下企业不同角色的痛点，基于问题来看下机器人是否能够解决。
基于此，AI售前机器人可以从三方面来为店铺解决问题：
- 实时响应，24小时值守，及保证平台响应效率，又能及时回复买家，从而提升后者购买效率
- 智能回复，利用AI问答解决75%以上重复咨询问题，让售前客服专心做销售的活儿，“骗人下单！
- 智能营销，将运营的营销策略完美落地，如二次销售、流失客户挽回、爆品推荐等。
商业价值
商业价值往大了说，就是能否促进TOB企业的业务发展，带来营收；往小了说，客户是否愿意认可其价值，并为其买单。
1. 对TOB企业的商业价值
咱先说大的，如果服务提供商所做的市场规模不大，往往决定了公司的上限，缺乏发展的想象力。另一方面，该场景是否可复制且大规模落地，从而为公司业务带去商业价值。如果市面上只有十几个同款客户，或者每个客户都注定是项目定制化，那这门生意还是要冷静考虑下。
我们先来看一组数据，根据艾媒咨询《2019中国电商半年度发展全景报告》数据显示，中国移动电商用户规模即将突破7亿人次，需求端用户量巨大。
而在供给端，我们以淘宝平台为例子，在《2018年淘宝数据报告》中显示，淘宝上年入超百万的卖家有43.7万，相当于诞生了近43.7万哥上市公司的总经理，进一步有2252位卖家年收入破亿。
要达到上面的业绩，售前部门的流量会相当大，人员配备必须完善，那么就必定会遇到上述电商痛点的问题。顺藤摸瓜，我们从电商市场供需端的规模可以看出，AI售前市场的规模具备很大的想象力。
另一方面，基于客户画像录，电商平台的商家一般都有标准业务流程，特别是同个行业更是几近相似，如家电、鞋业、护肤品。因此，该场景具备可复制性，至于如果标准化，后面讲到产品价值会说，稍安勿躁~
2. 对TOB客户的商业价值
做tob的生意需要跟客户算清账，让客户知道投入产出比，可以是带来多少收入，也可以是省了多少钱。如果算不清楚，或者客户不认可，那这笔生意就很难谈得下来。市面上非售前的客服机器人产品都容易陷入这样的困境中。
我们知道，目前的NLP水平，可能只能解决用户部分咨询问题，很多问题还是需要客服来做回复，所以无法立竿见影说给客户省了多少成本。即使强行算出来一条公式：整体价值衡量=店铺客服人力减少，客户听了也没有那种“买它买它买它”的冲动。
可能有同行友商说大客户愿意付出成本带来长期的ROI，但大公司的问题在于真正要提效，需要内部各流程的优化，甚至要做各种系统对接，这种模式容易局限到一个个定制化项目中，无法带来可复制的模式，且大客户就那么几家，狼多肉少，就跟前面说的一样，对TOB玩家来说，hard！而小客户更不用说了，我现在不是不想省钱，但最重要的是如何在寒冬中赚钱！
至于AI售前机器人场景，基于客户价值说到的，实时响应、智能回复可以帮客户省钱，除此之外，智能营销还能帮客户提升转化效率、带来新增业绩，犹如客服机器人中一抹曙光，照耀着寒冬中那些“客户爸爸”。
那事情就变成一道让“数学家之王”–高斯都感动落泪的公式：
整体价值衡量=每个客服询单转化率提升+整体店铺新增业绩提升+店铺客服人力减少
在这条公式中，即使店铺客服人力减少的效率短期不明显（机器人需要维护时间），但营销的效果却可以立竿见影，快见效的增收+长期的提效足以证明“客户爸爸”的精准眼光和远见，所以：姐妹儿们，兄弟儿们，买它买它买它！
产品价值
客户价值有了、商业价值也有了，但在提供解决方案之前，还需要考虑第三把刀的锋利程度，即该场景的产品价值，换成人话就是：有没有机会做成一个好的产品。
那何为好的产品呢？这个问题太大，七爷不敢随意造次，但我可以以小见大，至少有几个主要条件需要满足的：可复用性、标准化、投入产生比、可延展性。
1. 可复用性：优质数据可回流
做AI产品最重要的就是数据，犹如汽油对汽车、电力对电器、奶茶对于我！而AI售前场景可以积累一大堆数据之外，还可以保证优质数据回流。
这话怎么讲呢？一般good case的衡量，要么是用户评价（大部分不会评价，导致数据量受限），要么就是人工标注（人力成本大），而AI售前场景可以用户是否购买为主要标准，让机器人学习该类case，形成闭环，最终达到可复用的效果：
用户咨询产生数据–>机器人判断用户是否购买–>企业根据该指标及细化指标来迭代机器人—>机器人更智能地跟用户沟通
2. 标准化：形成行业AI营销方案
容易形成品类、行业数据图谱，可应用于同品类、同行业其他商家（标准化）
在商业价值阐述中埋下了一个伏笔，即如何形成产品标准化。在客户画像录中也讲了，电商中同行业业务流程差异小，而如果细分到同个品类，买家咨询内容或者运营营销策略更是相似。
因此一方面，我们可以构建行业或者品类知识图谱，用于智能回复；另一方面，利用每个品类的营销策略，构建对应AI营销包，做智能营销。整一套AI营销方案标准化之后，我们便可用于同行业、同品类的其他商家，产品交付起来就两个字：舒服！
3. 投入产出比：客户价值兑现难度
这里的投入产出比是指对于服务提供商来说的，整套解决方案落地后是否真正能客户买单，再深一层次就是，能否帮助用户解答问题并且成单，真正实现吹水出去的客户价值，而不只是画饼。
在AI售前场景中，客户咨询场景范围有限，诸如商品、物流、活动、议价等，有限范围的回复效果，就目前NLP的水平还是可以达到不错的效果；而且，买家一般有购买意向才进来咨询，AI机器人只需要解答并有技巧地引导（智能营销），成单概率比在大街上咨询路人是否需要健身来得大呢。
4. 可延展性：产品具有可延展性
可延展性是指企业能够从核心竞争力产品中衍生出一系列的新产品和新服务以满足客户的需求，从而带来更大的业务发展。
一个产品小而美是不错的道路，但如果老板想走另一条路，想要更大的想象空间，一个客服工具是不够的。
幸运的是，产品经理如果开始做AI售前场景，而老板又想要你画出个大饼，那也不是不可以。这里我们根据电商实际场景做扩展，简单列举部分新的服务：
- 为大部分商家提供质检服务，高效提升客服主管的工作效率
- 为有研发能力的商家提供会员系统、ERP系统对接的服务，解答售后等场景咨询
- 为大型商家提供不同商品的客服培训、考试系统，以促进客服快速上手；
- 为大客户提供BI数据分析，了解销售前线情况，从而推动整体业务发展.
写在最后
阐述了AI售前场景的三方面价值之后，其实可以看到这确实是一颗不错的钉子，值得那个锤子锤一锤。
当然，这不是重点，之所以长篇大论，目的是让自己思考一个好的AI场景是怎么样的，以及只有清楚了解所做场景的价值，才能更好地去落地。
本文作者 @steseven 。
版权声明
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！
