问题背景：在某互联网公司的TOB业务线中，虽然能够为平台商家提供SaaS和PaaS类服务，但销售水平不尽人意，沟通话术的质量也较低，导致转化率偏低。因此，计划进行话术培训，以期提升客户的转化率。
1. 原始模型
最直接的方法是定义话术A和话术B两个版本，简单比较转化率，选择表现更好的话术进行使用。
这样做存在哪些问题呢？
2. 高级构建
这种简单做法可能存在多重问题：
最终的结果可能如下图所示，为每个销售人员和客户类型配置最合理的话术，以实现最大化的产出。
3. 第一层基础
先问一个简单的问题：销售人员的SABC级别是如何确定的？
既然有分级，就需要有判定标准。
而建立判断标准本身，就是一项复杂的工作。
上述所有问题的深入探讨，最终才会得到结果。为了简化问题，假设只考虑签约金额，高金额的销售人员就是优秀销售。但问题又来了：应该考察多长时间的表现？一旦引入时间维度，新的复杂性便随之而来：
所有这些问题的解决，都是为了得出一个简单的业务员分级标签。同样，客户评定也面临着类似的复杂情况。
例如，如何评定客户等级：
正因为这些工作过于复杂，衍生出了三种常见的处理方法：
4. 第二层基础
再问，话术A的分类是如何来的？实际上，销售过程中很少只使用一句话，尤其是在B2B销售中，销售人员需要传达很多信息。
这其中至少包括四个部分：
如何对这四个部分的话术进行分类、标记，并纳入分析中，了解销售人员的具体表达。
针对第一个问题，话术本身的标签和分类可以通过以下方式进行处理：
总的来说，只有扎实的基础工作，才能形成最初的话术A分类标签。这部分相对较容易处理，而问题二则更为复杂。
5. 第三层基础
针对第二个问题，核心是数据的采集方式。
因此，衍生出的问题是：
如果没有记录和标签，整个销售过程将处于失控状态，既无法了解所做的工作，也无法与结果建立关联，深入分析几乎不可能。总之，只有有了记录和标签，分析工作才能得心应手。
6. 经验总结
若单独考虑如何找到一个优质话术，似乎在地表建筑阶段就已做得相当完美。然而，实际上如果忽略了基础设施的建设，即使是再华丽的地表建筑也无法建立。在整个流程中，形成一个庞大的体系来解决业务中的小问题，虽然工作量巨大，但效果确实显著。
值得注意的是，这套体系搭建完成后，可以起个响亮的名字，比如CST模型（CUStoMeR SUCceSS test），配合架构图让人耳目一新。
7. 常见问题
为何在实际工作中难以做出有用的分析？根本原因在于：基础设施不足，脱离业务实际。
二者的结合就像盲人骑瞎马。实际情况是：
通常只会依据交易结果进行交叉分析，缺乏深度思考：
当销售部门质疑“到底是销售本身的问题、还是话术的问题、还是产品的问题、还是促销力度不够、还是外部因素？”时，往往一无所获，最终只能无奈地说：“我们找几个销售调研一下吧？”
8. 场景扩展
有些同学可能会说：销售过程的数字化难度较大，但如果是线上交易就简单多了，因为每一步都有数据记录。确实，线上交易记录数据，能够绘制转化漏斗，但当转化率不高时，又该如何分析呢？
这些依然是同样的基础建设。如果不做这些工作，在面对最终转化率低的问题时，运营部门会质疑：“到底是渠道本身的问题、还是文案的问题、还是产品的问题、还是促销力度不够、还是外界因素？”
因此，漏斗图与漏斗分析的本质是不同的。制作漏斗图相对简单，而进行漏斗分析则需要认真设计思路，打好基础，排除干扰因素。很多同学会问：有没有比漏斗模型更高级的分析方法？实际上，只要基础工作做得好，漏斗图随时可以转变为UJM模型。
