数码母婴项目结项报告

1、数码母婴项目结项2015-4-11中使用的公司数据一部分涉及到敏感信息，请仅在公司范围内使用和中涉及的数据和分析模型的解释权归京东商城所有责任分析人：陈闪闪目录分析背景：2统计口径：2项目效果：3结果概述：4 SKU 特性分析：51.1 成功 SKU 分析：51.2成单时长分布：61.3 区域成单占比分析：5二 用户成单场景类型概况：62.1 用户成单场景占比分析：72.2 咨询类、订单类用户成单场景分析：72.3成单时段特征分析：8三 员工销售能力分析：103.1 员工胜任力心理测试分析：103.2 员工能力阶梯模型简介：11四 未来销售模式探索：114.1 基于用户的精准化：11五 关键结

2、论：131 / 14分析背景：在新经济常态下，企业对呼叫中心提出更高的要求，需要呼叫中心除了承担传统的服务功能外，向、销售，从成本中心到利润中心。呼叫中心由原来的客户服务为主逐渐增加“服务中的营销”、“服务中的销售”，甚而通过用户行为和问题数据的收集，结合大数据技术的挖掘，发现潜在销售机会同时产出创新机会。数码母婴项目是基于产品条线业务细分，为顾客提供品类的专业服务方案的服务探索；打造养新服务模式下的服务；最终通过服务过程提高顾客的转换率，助力销售，精准，协助中心向利润中心转变。统计口径：1.数码母婴项目目标用户群包括 7W 数码用户和 7W 母婴用户，用户特征为购物冲动型、能力为土豪、购物活

3、跃度为非常活跃咨询时间为 2014 年 12 月 29 日至 2015 年 4 月 8 日时间段内所有用户发起的咨询信息2.3.用户咨询/场景指用户通过线上 IM 与进行的咨询会话，未包含4.订单量均指父单量，订单金额指后金额5.有效咨询时长=最后一句话时间-会话响应时间6.转化率=用户 24h 内子订单量/咨询量（用户 24h 的咨询量，1h 内多次咨询记为 1 次）7.及时成单量=挖掘用户需求，在服务过程中引导用户下单并提供订单号的量8.客单价=商品销售的总金额/成交单量；客单量=商品销售数量/成交单量9.由于目前底层数据未对线上咨询内容进行详细分类标注，故对咨询内容进行的分析均为手动统计

4、2 / 14项目达成效果侧：通过对绩优员工进行系统性的分析，发现成单量较高的优秀员工具有集中的性格特点，根据-的性格测分类法这些集中的性格分别为ENFP/ENTJ，同时对绩优员工的（沟通能力、应变能力、学习动服务意识）、（基础业务知识能力、商品认知专业度、回电技巧、重点用户处理能力、流程知晓及意见反馈能力）、（用户需求挖掘能力、销售意识&技巧），三大能力模块进行了建模从而对员工能力进行了量化，可将不同能力的员工进行分层，后期对员工针对性的输入能力点有效了员工的服务质量。用户侧：针对发起用户性格不同和咨询内容不同，为有效提高服务质量，对待不同性格的用户提供不同的应对措施；针对咨询内容的不同，完成

5、用户不同咨询场景销售方式的搭建、同时制定销售类话束400条；对用户的成单条件和特征进行了初步的分析和判断，出在咨询场景和订单场景中用户的成单概率最高；最后针对有需求但中途掉线的用户，接受下单的用户，静默下单的高价值用户等建立了外呼模式触发标准，旨在采用主动外呼的方式，在让用户感受服务爆点的同时积极挖掘用户需求，提供个性化的商品服务，提高用户粘性。SKU：通过运营沉淀，可以证明，商家给定SKU在用户群体咨询问题类型复杂，缺乏精准，用户认可度较低，导致成功率较低，同时由于用户的选择性差异、需求以及路由规则的不同，采销给定SKU，在过程中效果甚微，同时如把控不当易造成用户体验降低。通过与用户间的交互

6、挖掘用户潜在需求，达人项目组已经掌握一系列的商品的客户挖掘方案，和SKU步骤，因此为用户个性化商品，达到的效果更加理想。3 / 14温和型、表现型、支配型、分析型可将用户划分为销售能力专业能力通用能力结论概述：2014 年 12 月 29 日至 2015 年 4 月 8 日，数码母婴用户共成功 256 单，普通技能（原订单线+后 PC 综合）线成功 151 单；成单场景中咨询类（购物指南+商品咨询）、订单类（订单修改+订单取消）成单占比最高，分别为 72%和 12%；普通技能线因活动日期原因，用户 24H 内父订单转化率为 23%50.2%，用户咨询中下单率为5%7%；成单用户与交流时长为一般

7、用户咨询时长的近 5 倍，传统的对 6 上限，不适用于开展销售服务。4 / 14一、SKU 特性分析1.1成功 SKU 分析成功的商品中，、家用电器以及电脑成单量最高，数码家电类为 63%，母婴为 2%，用户母婴商品通常为静默下单。1.2成单时长分布7.5min33.7min5 / 14250.0180.016200.0140.012150.010100.0080.00650.00400.00200.00090SKU 种类占比120% 80100%86% 88% 89% 90% 91% 92%100%7083%77% 81%6070% 74%80%61% 66%5056%50%60%40430

8、340%20220%1000%成单数量累计占比3%2%0%对 64 通成单进行分析，成单用户平均咨询时长为 33.7min，为未采取方式的咨询时长的近 5 倍，为避免用户等待时间过长后离线，经测量，同时处理用户数量的理想上限为 3，极限上限为 5；1.3 区域成单占比分析、用户咨询量活跃，同时接受度较高占到总成单量的 38%，他们最为关心商品的安全、和使用感受，因此与其沟通的时间更长，其余地域的用户则主要关心商品的性价比，和配送的时效问题；男女成单量占比21%male.female.79%注：未能对男女用户的咨询次数进行统计，假设男女用户咨询次数相当6 / 14在所有成单用户中，用户接受程度明

9、显高于女性占到 79%，两者消费水平略高于女性。注：未能对各级别用户的咨询次数进行统计，假设各级别用户咨询次数相当在所有成单会员等级中，银牌用户接受程度明显高于其他会员等级占到 65%，商品种类主要涉及数码、二、用户成单场景类型概况：2.1 用户成单场景占比分析针对 315 通推销成功案例进行分析，可以发现其中咨询类成功率最高，占7 / 14成功总量的 72%；其次为订单类、配送类及售后类，占比分别为 12%、5%、3%；对咨询事件概要进行分析，可以发现咨询类占总咨询量15%，累计达 30000 通；订单类取消及修改订单占总咨询量11%，累计达 24000 通；截止 2014.12.29201

10、5.04.08，成功 407 单，累计成交金额为 506272.75 元，每单成交均价为 1243 元：采用销售模式后中心日均销售额预估为 600 万1500 万。2.2咨询类、订单类用户成单场景分析用户咨询类成单占比中，购物指南和商品咨询成单比相当，分别为 39%和 37%；在用户订单类问题中成单占比中成单量最高为取消订单，占比为 58%，其次分别为咨询类、及修改订单类，占比分别为 16%及 13%；根据用户咨询，针对不同的场景制定了场景，同时梳理销售400 余条，已经交付BPO 项目组进行推广和。8 / 142.3成单时段特征分析对咨询/购物指南、商品咨询、取消/修改订单进行分析，咨询/购

11、物指南咨询量最低，商品咨询和取消/修改订单量相当，用户下单前咨询的量相对较低，成单关键在于需要对用户的需求进行挖掘。成单量集中的时间是在 13:0 14:0 、21：0022:00 两个时间段，在这两个时间段中，用户能更加接受的，针对这样的情况，可以开设专项的服务，针对有商品倾向和取消/修改订单的用户做专场的服务。9 / 14三员工销售能力分析3.1员工胜任力心理测试分析注：表中未对员工的入职年限进行筛选，假设员工入职年限相同根据-性格分类法（Myers-Briggs Type Indicator，MBTI），对员工进评后发现，成单量高的员工，均属于外向的性格，性格内向的员工则相对较弱。其中表

12、现为优秀的员工性格测试为ENFP/ENFP（外向/情感/理解）在气质类型测试中被称为“优胜者”，属于理想者的四种类型之一，约占人口的 8.1%。ENFP 表示为外向（E）+（N）+情感（F）+知觉（P）。此类性格的人群健谈、热诚、友善、聪明好奇、爱玩；关心体贴，温柔敏感；富有想象力，颇具创新精神；智慧乐观，适应能力强。（外向/情感/判断）在气质类型测试中被称为“供应者”，供应是提供给他人生活必需品的行为，供应者天生就热衷于为他人服务，保证他们具有物资充足感和群体归属感。无论走到都会承担着社会奉献者的角色，愉快的付出自己的时间和精力，以确保别人的需要得到满足、传统得到维持和发展，并的履行其社会职

13、责。他们占人口的 25%，合作与方便社会是他10 / 14员工成单量性格测试员工A97外向情感知觉员工B58外向情感判断员工C30ENTJ外向思考判断员工C21外向情感判断员工D20ESFP外向感觉情感知觉员工E16J/P内向思考知觉/判断员工F15ISTP内向感觉思考知觉员工G12INFP内向情感知觉员工H7ESFJ外向感觉情感判断员工I2ESFJ外向感觉情感判断们人性结构的关键所在。他们擅长与其助手通力协作，并不知疲倦的关心着所有商品和服务安排的详细事项。3.2 员工能力阶梯模型简介员工能力模型致力于员工综合服务水平，培养良好的销售意识，针对处于不同阶段的员工能有效的针对性培训。四 未来销

14、售模式探索（部分资料来源：通信大数据分析及应用）4.1 基于用户的精准：11 / 14在当前无论是用户的个、乃至言谈都有了非常鲜明的区分，每一个人对商品的性能都有着特殊的要求，传统的以功能和价格来区分用户群体的方法已经不能满足当代用户的需要，作为中心迫切的需要比用户更加了解用户自身，在用户提出需求的时候便能准确及时的为用户提供个性化的商品，为此需要通过大数据的挖掘为用户描画一幅清晰的用户。京东商城为用户梳理的用户应基于客户终端信息、地理位置信息、网购时长、历史购物行为轨迹等丰富的数据，为每个客户打上基本属性、消费行为、时间、地理、业务和购物能力，并借助用户进行客户分群，完善客户的360，能帮助中心深入了解客户行为偏好和需求特征。用户组成概略（1）用户：的用户是数据经营的基础，以用户为中心，通过大、分析等技术和隐私保护措施，建立一套用户视图。中心在客户的基础上对客户特征的深入理解，建立客户与业务、类型、支付方式、在用账户的精准匹配，并在配套服务、市场推送的时机和方式上满足客户的需求。12 / 14数码母婴项目组（2）用户聚类分析：群体特征。在的基础上进行群体聚类，找出关注的群体：如潜在价值用户、高收入群体、青年群体等，挖掘频率高的商品及使用特征，进行定向服务。五关键结论2014 年 12 月 29 日至 2015 年 4 月 8 日，共 接待 1.5 万次咨询（未包含