销售到底是一门艺术还是一门科学，关于这个话题有太多的讨论。不管从什么角度出发，到最后都会得出一个结论：销售是艺术和科学的结合体，或许还更偏艺术点。
在我们身边，也不难发现好多的销冠，他们好像没遵循什么套路和法则，好像与生俱来的销售能力让他们成绩斐然。
如果这么说的话，那还可以用算法来指导销售这门偏艺术的活动吗？
可以先看看算法与生活的关系，比如：
周末去哪个餐馆吃饭？-大众点评的推荐算法
从家到客户公司，怎么走比较省时间？-地图的路径规划
根据对方的信息，到底要不要去相亲呢？-决策树算法
在哪买房比较好？-主要取决于有多少钱 😭
算法是可以来指导生活的。
销售预测是公司CEO、CFO和销售负责人非常关注的问题。做好了销售预测，就可以更好地进行客户需求管理、制定合理的运营策略，提高公司的利润。
但是，销售预测受到很多因素的影响：物流、库存、市场营销、财务管理等，是个多约束条件下的最优化问题。这时借助算法特别是人工智能技术来解决这个问题就有了很多思考和实践。用百度和Google搜索销售预测，发现很多类似这样的文章：
基于机器学习方法对销售预测的研究
销售预测_销售预测随机森林
基于遗传算法的BP神经网络服装销售预测方法
基于时间序列分析对销售进行预测
...............
前段时间网上也在热烈讨论天猫双11的营收额，有人早在4月份的时候就根据历史数据提前“预测”了出来，方法如下：
第一步：收集历史数据
天猫从09年到18年的营收额：
第二步：观察数据趋势
用折线图简单绘制，还是可以发现些规律。
第三步：做出预测
利用曲线回归等技术预测出最可能的销售额：2675亿左右，真实数据是2684亿。可以说非常准确了。
销售预测是销售管理工作中的一部分。除此之外，销售经理、销售人员、培训、售前支持也在使用各种工具和产品帮助自己更有效的工作。这些工具和产品就构成了销售技术栈 Sales Tech Stack。
销售技术栈从功能上分为以下5类，其实在每一类中都存在着很大的优化空间：
1. 销售智能
通过多种技术手段搜集销售工作中产生的各类数据，形成有效的业务洞察来帮助销售领导者做决策。展示过程，预警风险、揭示问题，让管理者随时了解状况，不用两眼一抹黑的做管理。
2. 销售赋能
销售赋能的管理核心是复制最佳销售实践。在销售周期的每个阶段，哪些沟通方式是最佳实践，如何让业绩不达标的人员学会，掌握，是每个公司老板都关心的问题。
好的销售沟通意味着更多的客户认可，更多的业绩达成。每个年度、季度写在PPT上的销售规划变得不再只是一个想法，而是能够不断被销售人员执行到位的行动。
3. 客户参与
客户与企业的互动不单单是与企业员工的，客户看了哪篇电子文档、参加了哪场线下活动，打开小程序看了什么产品多久，这些行为都应该被企业记录和关注。
市场团队可以借此优化产品、调整展示信息获取更多销售线索，销售团队会知道客户更关心什么，有针对性的选择在合适的时候，基于客户关心的问题，主动联系客户沟通业务。
4. 漏斗、分析、测量
侧重在优化，而优化依赖测量指标。利用销售漏斗和各项KPI指标（业务指标、销售管控指标和销售活动指标等）分析、评估可能出问题的环节来改进。对于漏斗的管理能力，体现了销售组织对流程的管理能力。
5. 管理、辅导
管理者需要一手抓运营、一手抓技能，保证人员不掉队，跟得上，持续的、不断的达成销售目标。包括销售漏斗的管理、客户的规划、销售目标的分解等。销售人员的技能的辅导可以通过角色扮演，专项培训、场景重现等方式，有针对性的改善和提高。
在这5个方面，考虑用算法去提升时要处理的数据类型有很大的不同：
非结构化数据（语音、文本聊天和视频等）中包含的知识是需要人工智能技术和数据科学来加工处理和深度挖掘的。那这些知识可以增强销售团队、培训团队以及市场营销团队与客户的沟通对话能力吗？可以提升绩效指标（转化率、客单价等），进而给公司创造更多收入吗？
我们以最近的一个客户合作案例，看算法可以帮助挖掘出哪些额外的知识来指导销售智能、赋能以及管理和辅导。
客户在软件研发领域，开发人力资源SaaS软件。部分意向客户在网站上留下需求和联系方式，销售团队会电话外呼跟进销售线索，判断有明确的意向后，转给区域客户经理上门拜访跟进交易。
通过算法以话题的形式对沟通内容结构化后，可以发现：
在销售与客户沟通进行需求验证的场景下，优秀销售人员会把30%的时间用来讨论业务需求与挑战，业绩不达标人员则花了将近40%的时间讨论软件如何安装。销售经理可以基于这张图呈现出来的信息让不达标者更多花时间在业务需求与挑战上。
通过把沟通模式进行可视化和量化，批量“复制”优秀销售成为了可能。
除此之外，对沟通内容的结构化剖析还能帮助团队进行归因分析，以及洞察培训和实践落地之间的偏差。
在销售产品时会要求销售人员进行FAB陈述（各公司可能会有不同），即在进行产品介绍、销售政策、销售细节等表述的时候，针对客户需求意向，进行有选择、有目的的说服：
但是在跟客户进行现场沟通时，情况就会复杂很多，预先培训好的“套路” 或答案在被客户质疑、追问或者拒绝打断时，一紧张就没了章法，这是需要持续培训、有针对性地纠正的。
客户有一段时间销售额（历史数据）有下降，但是是什么原因造成的呢？ 根据复盘会大家的陈述，感觉是竞争对手在做大规模的市场推广（其实有些陈述或许是故事，未必是事实）。
通过算法对这段时间全部的语音对话和文本聊天进行分析后，我们发现两点：
当销售与客户沟通时，客户提及竞争对手较少，更多的还是咨询产品。
在强调为什么要选择本公司产品时，许多销售介绍产品的优势和价值时表述也很不到位。甚至有些没有直接回应，切换了话题。
同样的结果，两个不同的原因，会导致销售团队和市场团队采取截然不同的行动。
模式，因果隐藏在这些语音对话和文本聊天中，这些用耳朵听、用眼睛看是总结不出来的。如果要找到，就需要引入人工智能技术和数据科学做知识的提取和计算，当然也要在这些技术的能力边界内找解决路径。
人工智能技术不是万能的，但它也擅长某些方面。
