销售渠道分析：提高产出的关键

更新: 7/18/2025 字数: 0 字 时长: 0 分钟

一般而言，商业中的销售渠道主要分为互联网销售渠道、实体店铺销售渠道、电话销售渠道和业务员销售渠道，下面一一进行介绍。

销售渠道分析的基本思路

销售渠道是实现产出的最关键的环节。渠道分析要解答3个核心问题。

• 投入的钱去了哪里？
• 如何把投入转化为产出？
• 到底转化了多少产出？

因此，最基础的销售渠道分析模型，要先呈现出这3点的基本情况，为决策者建立清晰的认知，使其可以把握现状，如图所示。

其中，最重要的是“如何把投入变为产出”这一步。不同的做法，采集数据的手段不同建立的分析模型也完全不一样。

1.简单的销售分析模型

试想一种最简单的销售模式：准妈妈张女士在怀孕期间闲着无聊，想试试做微商。具体的方法就是找到一个上游进货方，然后在微信朋友圈宣传，向朋友一个个推销。在这种模式下销售分析模型就非常简单了。

• 投入的钱去了哪里：进货。
• 如何把投入变为产出：发朋友圈、跟微信好友聊天。
• 到底转化了多少产出：实际销售数量和收款金额。

TIP

注意：在这种模式下，张女士的销售是有天花板的，如果她只向自己的微信好友推销那么上限就是现有的所有好友。如果她愿意加入其他微信群，发展新微信好友，那么就有了新的潜在客户来源。因此，在这种模式下，可以进一步把张女士的收入方式归纳为图所示的分析模型。

有了这个分析模型，张女士就能监控下面的信息：

• 自己发展新微信好友的能力如何?
• 新微信好友转化率如何?能挣多少钱?
• 已经发展了多少个微信好友?
• 开发成功率如何?能挣多少钱?
• 单个客户最大的一笔订单是多少钱?买的是什么产品?

有了这些数据，张女士能清楚地看到到底能不能挣到钱，还可以从某次成功的推销中总结经验，发现好用的话术。

2.门店销售分析模型

假设，张女士在小区里开了一个小店。小店开张以后，小区内来来往往的人很多，张女士在收银台负责收银。

这时候，一个尴尬的情况出现了，收银机不能自动记录客人的手机号，只有购物小票。基于此，分析的思路也要调整，从关注人转移到关注货物上。如何把投入变为产出的关键，也是看哪些货好卖，多做组合销售，把不好卖的货提前清理掉，避免过期/变质。在这种模式下，我们可以进一步把张女士的收入方式归纳为图所示的分析模型。

以上就是典型的门店渠道的分析思路。

注意：门店是自带流量的，张女士在自家小区开店人流量旺盛，从源头上避免了因为选址不利导致失败的问题，其他人开实体店不见得会这么走运。

3.互联网销售分析模型

假设张女士入驻淘宝网开网店，她发现：原来淘宝网还有这么多广告方式，如果花钱做一些推广，便能多吸引一些用户。此时，网店的流量便有了自然流量和广告流量(付费流量)两种。由于互联网渠道更容易记录数据，因此可以把用户“看到广告图片 → 点击进店 → 查看产品详情 → 加入购物车 → 付款的全流程都记录下来。此时可以参考的数据就更多，能展示出整个流程的情况，如图所示。

以上就是典型的互联网渠道的分析思路。通过这个例子可以看出：渠道不同、数据采集方式及数据量不同，分析的思路也不一样。因此当分析销售渠道时，我们应第一时间了解该渠道的业务流程与数据采集方式，这样才能找对思路。

通过例子我们还能看出：商业分析作用于销售渠道，最大的帮助并不是直接计算出一条“成功必备法则”，而是把销售的过程梳理清楚，让经营者清晰地看到业绩在哪里产生。

有了这些基础认识，我们才可以进一步解答下面的问题:

• 销售目标应该定多少?
• 目前已经完成了多少?
• 还差多少才能完成?
• 按目前的时间进度，能不能完成?
• 谁完成得好？谁完成得不好?
• 完成好的人，有哪些行为?
• 完成不好的人，又是怎么做的?
• 在整个销售链路中，哪些环节最薄弱?
• 多个销售渠道，哪个好？哪个差?
• 采取的改进措施，有没有见效?

这样，即使数据无法直接计算出“成功必备法则”，但是也能提供充足的材料供决策者思考。

决策者可以清晰地看到现状与目标的差距，根据不同销售渠道的优点和缺点，挑选出比较好的标杆给一线人员学习。这比“两眼一抹黑、单纯靠经验、只听只言片语”做出判断,要强了很多。

当然，在不同业务中，业务流程和数据采集方式不同，分析思路也不尽相同。

因此，以下将从数据最多的互联网形态讲起，一一了解互联网销售渠道、实体店铺销售渠道、电话销售渠道、业务员销售渠道这四大基本渠道的分析方法。

互联网销售渠道分析

1.互联网销售渠道的特点

互联网销售渠道有很多优势，所有行为都在线上操作。因此，理论上能通过数据埋点、系统记录等方式，记录到用户行为的全流程，从而监控销售过程。虽然互联网销售渠道的推广方式五花八门，但是可以归纳出的主流程如图所示。

这里有4个主要流程：

• 站外渠道：除自有App/小程序外的各种渠道(主要是广告渠道)。这些渠道一般通过广告吸引用户进入站内进行交易。
• 落地页：用户从站外渠道进入自有平台后的第一个内部页面。第一个内部页面的设计水平、打开速度，对于能否让用户留下来继续点击/购买有至关重要的作用。
• 转化页：促成用户转化的页面，一般包括产品详情、产品价格、促销活动、评论等内容转化页直接影响用户下单。
• 购买页：付款、填物流信息等完成交易的页面。

2.互联网销售渠道分析的基本思路

由于互联网应用能记录各种数据，因此呈现出的数据指标特别庞杂。为了抓住重点，在分析互联网渠道时，应首先关注以下几点。

• 整个交易流程有几步?
• 每一步有多少个用户?
• 转移到下一步有多少人?
• 一共多少人完成了交易?
• 交易实际付款金额是多少元?

这样突出主线，可以看清楚到底交易效率如何，实现了多少元的交易额(见图)。

这里有一个细节：站外渠道可能记录不到用户ID，因此不一定有“人数”的数据。比如在微信、直播间投放广告时，可能仅仅能记录到文章阅读量、直播间人数，此时只能用这些数据代替人数。这种数据也是有价值的，因为其可以用来衡量渠道成本。

比如公众号投放，一般按阅读量报价，假设某公众号阅读量在1000人次的文章的广告推广报价为1000元，实际转化了5个用户，则可简单推算出，该公众号的CPM成本为200元/人。这种模式也可以用于各类型渠道的横向对比，以选出高转化率的渠道。

3.互联网销售渠道的基础分析方法：漏斗分析法

由于转化流程比较长，所以在每个环节都有可能有用户流失。整个链路连起来看就像一个巨大的漏斗，同一批用户进入漏斗后，越往后留存得越少。因此，流量转化率分析法也经常被叫作漏斗分析法。

TIP

注意：严格的漏斗分析法，应该包含用户从流程开始到流程结束的全过程。但由于用户注意:流程很有可能从外部平台(流量来源的平台)开始，因此自有平台不一定有起点的数据记录。所以，起点数据有时候用UV(Unique Visitor，独立访客)数简单代替，或干脆只看自有平台登录/注册后的转化漏斗。

举个简单的例子，比如某打车软件进行推广时包括5个步骤：浏览页->落地页->注册页->乘客呼叫司机->乘客最终成单，一共 1000 个 UV抵达推广页，之后每个步骤都有人员流失则可做成图所示的漏斗图。

通过漏斗分析法能看到整条链路的转化情况，从而在推广的时候对整体投入/产出进行估算。比如上例中，已知 1000 人次的曝光能带来 100 个用户转化，转化率为 10%。如果目标是转化 500个用户，就能通过转化率反推：需要至少5000人次曝光才足够。这样在计划阶段能做出更准确的判断。

同时，通过漏斗分析法，我们能看到转化链条中最薄弱的环节。比如在上例中，转化最薄弱的环节在“浏览页->落地页”这一步。发现问题后，我们可以聚焦思考下面的问题。

• 为什么这一步表现最差?
• 是投放渠道有问题还是目标客户本身就少?
• 是投放的广告素材有问题还是用户看不懂?

有了这些思考，就有了下一步进行分析的可能性。

比如上例中，有两种基本假设。

• 渠道不行：这个渠道的转化率就是低。
• 素材不行：换个素材应该就提高了。

有了两种基本假设后，我们就能做一些优化改进，比如可以尝试投放其他渠道，观察转化率。如果其他渠道转化率更好，则证明是这个渠道的问题。或者同一个渠道，换素材再次投放观察转化效果。如果转化率提升，则说明是素材问题。这样利用漏斗分析法，优化渠道表现。

要说明的是：漏斗分析法只能锁定问题，不能解释问题。出问题的环节越靠漏斗的尾部，杂糅进来的影响因素越多，越难直接锁定问题。如表所示，同样两个漏斗，A漏斗的问题出在“浏览页->落地页”环节，基本可以确定是投放环节出的问题，或者投放渠道不对，或者投放素材不行。

但B漏斗问题出在最后一步：付款，杂糅的因素就多了。

• 有可能是投放渠道不行，进来的用户没需求。
• 也有可能是转化页做得太差，用户没兴趣。
• 也有可能是用户有兴趣，只是在等优惠。

总之，各种因素都会造成用户最后一步未购买，因此分析起来很复杂，需要一些高级方法才能解决问题。

4.多流量来源时的分析方法

有可能在流量来源上,同一个店铺,同一件产品,有不同的流量来源,用多种广告方式引流。因此，在数据呈现上可以采用“总->分->总”的形式。

• 先讲清楚，整体投入多少，产出多少。
• 再讲每个渠道的分配投入，各自的产出率。
• 最后对比整体水平，挑出来好渠道/差渠道。

举个简单的例子：一个在线教育机构在5个渠道投放了广告，广告为新用户提供价值699 元的编程体验课(老用户不可购买)。渠道均按曝光收费(CPM形式)，新用户需要先注册在试听1小节后再购买。为了衡量这一次投放的效果，可以呈现的整体数据如表所示。

从整体上看，这次投放挣回来的钱比花出去的钱少，肯定是亏了。并且从投放结构上看，A、B、C这3个低ROI渠道投放太多，导致了失败。但仅基于整体数据，也只能解读到此。如果引入过程数据，就能做出更多的解读，如表所示。

可以看到：相比之下，“试听一购买”的转化率明显比“注册→试听”的转化率更低。很有可能是试听功能不够完善，或者吸引来的用户有偏差，这样就能引发进一步的思考。

当然，如果数据采集更完善，可以更进一步地呈现用户在转化路径上各个页面的活动信息。

• 用户在每个页面的停留时间。
• 用户每次访问，经历的页面数。
• 用户在各个页面的跳出率。

5.流量转化路径的分析方法

这些数据对应的是互联网产品的转化路径。转化路径对于互联网销售渠道转化的意义重大，如果设计的页面不好看，或者操作太复杂，用户会直接关闭页面，就没有后续的转化了。

在设计中，经常存在纠结因素。设计人员经常瞻前顾后，做得太多，害怕用户看不、嫌麻烦、直接跳出；做得太少，又怕没有吸引力。通过这些数据展示，可以将一个用户在自有App /小程序内的行为路径进行清晰的描述,从而发现问题,设计人员再结合用户整体转化情况,对页面设计质量进行评估。

举个简单的例子，表展示了针对同一个产品，两个渠道内不同转化路径的效果。通过对比能直观看出，B渠道的流程更短，但转化效果并不好。这样能给设计人员更多的启发，使其去深入研究，到底流程长度的尺度该如何把握。

6.全转化路径分析方法

由于用户在App/小程序内的活动并不单一，常常看看这个，看看那个，因此其行为路径也并非一条，而是多条路径纵横交错。这种全路径的数据监控，也被称为UJM(User Journey Map,用户旅程地图)，清晰的UJM展示,能让决策者看到用户从进入到消费的每个节点的转化率从而找到最薄弱的节点，提升转化率，如图所示。

TIP

注意：由于互联网中toC类交易的主要行为在页面发生，因此流量转化与UJM的方法在互联网运营、产品的分析中还会用到，这是一种基本方法。

UJM方法是最有互联网特色的。在传统企业的实体店铺管理中，其实有类似的分析方法：店铺动线分析。店铺动线分析就是通过观察客户在门店内的行走路线、停留时间，分析门店内每个位置该摆放哪些产品，避免客户不经过店铺内某些区域，浪费门店面积。同时保证最好的产品，出现在最佳的地点。UJM方法的思路与此类似。

但受制于数据采集，在实体店管理中，很难真实采集到客户动线，即使能粗略采集人流数据，也无法将人流与交易关联。UJM方法则在线上成功实现了这一点，通过追踪用户购买之前的路径，能够看出来哪些路径转化率高但流量少，哪些路径占的流量多但转化率低，从而优化交易流程，把流量给予转化好的路径。

7.toB类互联网业务分析思路

互联网toB业务本质上也是漏斗结构，但和toc业务略有区别。toB业务本身流程长、手续多，受洽谈、投标、议价签约等一系列复杂环节的影响，因此toB业务经常表现为从众多渠道获取客户线索，之后安排销售统一跟进，完成洽谈、体验、投标、议价等过程。toB类互联网业务分析思路表现在流程上，如图所示。

8.新兴互联网销售渠道分析方法

以上是基础的互联网渠道分析方法。随着流量转化方式的不同，还有一些变形。比如，“私域流量”的做法，转化路径不是直接让用户进落地页，而是点击广告后先添加一个个人微信号/企业微信号(虽然很有可能是机器人，而不是真人)或先加微信群。加入微信群后，再通过微信群内发送广告，或者朋友圈转发广告，或者一对一聊天等形式促成转化。

这样的流程比直接通过广告转化多了一步-添加个人微信/入群，在数据监控上更难操作(加群的动作较难直接采集数据，可能需要手工统计)。但站在业务角度来看，这样可以把其他平台的流量导流入自己的私域平台，因此可以减少一定的损失(见图 )。

再比如“用户裂变”的做法(见图)：互联网产品不直接从平台购买流量，而是面向用户，提供诸如“拼团”，“拉客返利”等形式的优惠，让用户帮忙参与转发。用户转化产品页面，促成其他人前来交易。在这种方式下，流量的来源就是有用户参与转发。投入成本就是给到用户的佣金/返利，其他的后续分析流程和标准流程是一样的。

实体店铺销售渠道分析

1.实体店铺业务特点

实体店铺渠道是最传统、最常见的销售渠道。它和互联网渠道的逻辑完全不一样！互联网渠道的特点就是分散，不但整个互联网的流量分散在各个 App 或网站里，即使是一个 APP 的流量，互联网公司为了赚更多的钱，也会将其拆散，以不同形式的流量产品卖给企业。类似直通车、钻石展位、达摩盘、淘宝客等形式。

实体店铺渠道的核心特征就是集中。真正的旺铺就那么几个位置，能拿下好位置就意味着源源不断的客流和收入。所以，俗话说：做线下生意,核心就是 1ocation、1ocation、location(位置、位置、位置)！拿到好位置基本就把握住了一切。

典型的好位置有以下几种类型。

• CBD店：在CBD(中央商务区)区域，工作日销量好，周末销量差。
• 步行街店：在商业步行街，主打爆款产品，宣传品牌形象。
• 社区店：临近大型社区，一般门面小，产品品类少，做熟人生意。
• 郊区店：郊区场地便宜，店铺面积大，产品品类多。

2.实体店铺分析难点

但是，同互联网企业不同,传统的线下店铺很难采集人流数据。虽然大家知道有4种好位置,但具体到一个门面“好不好”则很难判断。虽然有技术公司希望通过手机定位等方式监测人流量，但是截至目前，并没有很好地解决问题。其中的核心难点有以下3个:

• 受技术手段与法规限制，无法采集到全部行人数据。
• 已采集的数据精准度不够，无法客观衡量流量。
• 相关部门对于人脸采集等技术手段的限制。

总之，想要严格算清楚到底有多少个客户，非常困难。

真正自己考察过店铺位置的读者，都会有这种强烈的感受：选址是一个玄学。经常会出现在同一个商场同一层楼同一个电梯口，左右相差5米的两个店铺，人气有天渊之别。因此，这个影响店铺销量的核心问题，最后反而很难用数据来解决。现实中常常是依赖经营者自己的能力、直觉、经验、运气来弥补数据的不足。

在此，数据能提供辅助参考。但即使数据提供辅助参考，目标也没那么简单能实现。因为决定一间门店销量的因素非常多，如门店位置、周边客群、门店大小、装饰风格、门店陈列、店长水平……·这些因素相互交织，很难严格区分出来每一种的影响力。

3.实体店铺销售渠道分析切入点：业务标签

想做好分析，第一步是对店铺建立统一的描述机制，把这些难量化的情况进行分类，再结合投入/产出指标，对其经营行为进行评价。这种做法叫贴业务标签。

门店位置标签，如 CBD 店、步行街店、社区店、郊区店等。
门店大小标签，如旗舰店、大店、小店等。
门店陈列标签，如门口陈列、促销陈列、堆头陈列、收银台陈列等。
店长水平标签，如无店长经验、有经验但非同行、有同行经验3年以内、有同行经验3年以上等。
店长执行标签，如经营会议、培训、表彰等工作是否执行到位。

这些标签最好向渠道管理部门进行公示，之后直接做进店铺督导们的SOP(Standard Operating Procedure，标准操作流程)手册里，然后通过管理规范贯彻下去，这样才能对店铺情况掌握相对丰富的信息，从而有一定深度的解读：为什么这个店铺经营得好/不好?

同样，对产品也要贴标签，因为很多企业本身对产品有定位。

季节属性：春/夏/秋/冬，季节性产品(或不具有季节性)。
产品档次：在同类型产品中，属于高/中/低档产品(产品上市时一般都有定位)。
产品定位：包括以下几种。
引流产品：价格极低，几乎没利润，只用来吸引客户。
爆款产品：具有竞争力，性价比最高，主打市场。
高利润产品：利润高，受众小，一般和爆款搭配，只卖给忠实的粉丝客户。
组合产品：一般不单独销售，作为爆款搭配的组合销售，丰富产品线。
防御性产品：只为应对对手推出，填补市场空白用，竞争力不高。

这些产品标签在产品研发、生产、上市时,已经有了初步定位,如果能统一管理并统一记录对于解读门店数据有重要帮助。如果没有这些标签，只剩下一个A店铺或B店铺的简单名字，那么是很难进行深入分析的。

4.实体店铺销售渠道分析的基本思路

建立业务标签以后，我们就能对门店进行分类统计了。一般实体店铺都是按地域分区管理的，因此呈现实体店铺销售数据的时候，应该用总分结构，从整体到局部，这样看得才清楚。在总结问题的时候，我们也应该用从整体到局部的展示顺序。

• 整体上有没有问题?
• 局部上哪里有问题，哪里没有问题?
• 局部上哪里是大问题，哪里是小问题?

举个简单的例子，一个公司华东地区7个省份分公司某月份门店销售额，如表所示。

此时看数据应该先看整体：整体达成率为102%(四舍五入保留整数后所得)，完成了任务。这是第一步的结论。

再看7个省份分公司各自完成得如何，会发现有两个分公司其实并没有达标。从差额上看山东分公司的亏空更多，因此是主要问题。这是第二步的结论。

第三步，再看山东分公司的哪些城市做得不好，从里边挑出来问题最大的(如表 6-8所示，仅列举未完成任务的城市)。

厘清顺序并按从大到小的顺序排列，看起来很简单，却是门店分析的基本操作。不像线上渠道,干活的人都坐在一起,门店管理基本都是分区域进行的,要找出重点区域,才好排兵布阵诊断结果，一个点一个点地清理问题。

挑出结果问题以后，可以查看过程指标。在查看过程的时候，优先看该门店的盈亏平衡况。

实体店铺不同于互联网渠道：互联网渠道的流量随时可以买，随时可以加量，随时可以撤实体店铺一旦开始选址开张，就需要大量资本投入，要做调整也很难立即生效。因此，实体店铺在每次复盘过程中，要优先查看整体盈亏平衡情况，为及时止损提供参考。

比如，针对投入/产出现状呈现出了下面的问题(见图):

• 一共有多少门店?
• 已收回投资的/未收回投资的有多少?
• 目前已处于盈利状态的/处于亏损状态的有多少?
• 处于盈利状态，偶尔/持续盈利有多少?
• 处于亏损状态，偶尔/持续亏损有多少?
• 与同期对照，LTV(Life Time Value，生命周期价值)是高还是低?

厘清数据后，可以优先关注下面这些店铺。

• 过去好，目前差的：比如已收回投资，LTV处于同期高位，但目前亏损的店铺。
• 一直差，不见好转的：比如新店持续亏损的，老店已收回投资但LTV处于同期低位且还在亏损的店铺。

这样可以促进思考：是帮助这些店铺解决问题，还是尽早止损，抽身了事?

5.实体店铺中的人、货、场模型

传统的零售门店管理理论认为，应该从人、货、场的角度，解析为什么门店表现得好/不好。

(1)从人的角度分析

• 员工流失严重，人手不足。
• 员工缺乏培训，技巧不足。
• 员工缺乏激励，动力不足。
• 客户结构单一，缺乏优质客户。
• 客户缺乏培育，消费品种单一。

(2)从货的角度分析

• 畅销产品占比太少，缺少吸引力。
• 滞销产品占比太多，徒增成本。
• 产品之间缺少搭配销售。
• 产品价格缺少竞争力。

(3)从场的角度分析

• 店铺所在区域整体流量不行。
• 店铺所在区域有流量，但店铺自身没有流量。
• 店铺有流量，但店铺门面吸引力不足。
• 店铺门面吸引力足，但进店后陈列不合理。
• 进店后陈列合理，但动线有问题，客户停留时间短。

这种分析思路是对的，但问题是，如果是一名有经验的区域经理、巡店督导、咨询顾问在现场实地办公，可以轻松地把这些原因罗列清楚。对于不在现场实地办公的总部管理部门这些情况几平一无所知!同样，对于缺少经验的创业者，也需要付出很大的代价才能掌握。

单纯采集人、货、场中的数据就是一个大工程。目前，有一些技术手段可以辅助这个目标的达成。

• 针对客户的数据，通过推出微信卡包、电子会员卡，引导客户关注小程序/下载 App，以扫码优惠的形式，将客户消费记录与会员ID捆绑，从而了解客户的信息。
• 针对工作人员的数据，通过移动端导购工具，将导购常用的产品知识库与向客户发优惠券功能、给客户打电话功能打包。引导导购使用工具，从而了解导购的销售行为。
• 针对货的数据，通过统一的ERP(Enterprise Resource Planning)、WMS(WarehouseManagement System)系统管理库存和物资调动情况，掌握门店真实库存。

利用上述技术手段，再配合业务标签就能尽可能多回收一些数据。假设已经回收了足够的数据，那么可以针对门店进行进一步的分析，如表所示。

如果没有这么多系统采集的数据，那么只能用最基础的数据进行替代。一般情况下，最有可能缺失的是业务标签(缺少标准化管理办法)和员工行为数据(没有数字化工具给员工行为无法采集)，会员数据也会缺失较多(太多订单没有关联会员卡)，能用的只有销售数据与库存数据，于是便于行事的方法是计算以下指标。

• 人效 = 门店总销售收入 ÷ 员工数，如果人效低于平均水平，说明员工有问题。
• 坪效 = 门店总销售收入 ÷ 营业面积，如果坪效低于平均水平，说明卖场/门店陈列有问题。
• 产品结构 = 各产品销量占整体销量的比例，通过观察与标杆门店的差异，发现问题。
• 销售收入 = 订单数 x 每单平均价格。如果平均价格较低,说明客户结构差,购买力不足。
• 每单平均价格 = 每单平均产品件数 x 每件产品平均价格，如果每单平均产品件数很少，说明交叉销售做得不好。

以上是传统零售行业经常看的指标，这些只是权宜之计。在门店数字化建设水平提升以后，是可以通过数据采集丰富数据，实现完整的分析的。

电话销售渠道分析

1.电话销售渠道的基本特点

电话销售是一种常见的销售渠道，也是不太受人们欢迎的销售渠道。每当接起电话，听到“您好，您需要贷款/买房/买保险吗?”时，大部分人会选择直接把电话挂掉。这就是电话销售渠道的核心问题:成功率太低。同样，短信渠道、邮件渠道联系客户的成功率也特别低，行业平均成功率在 1%~2%。

不得不说，站在数据角度，电话/短信/邮件销售反而是数据相对完善的。不像实体店铺店员行为、店铺表现、店长水平都潜在水下，电话销售的行为是很清晰的，如图所示。

在电话销售流程中，我们可以清晰地看到下面的数据：

• 有多少名单等待拨打/已经拨打?
• 有多少名销售员正在拨打?
• 什么时间拨打出去的?
• 拨打完了有没有人接听?
• 接通以后是成功还是失败了?
• 一批名单一共有多少个，成功多少个，失败多少个?
• 成功的名单一共卖出多少件产品，挣了多少钱?

因此，电话销售的最基本模型也是漏斗模型，通常在第一步接通后，即过滤了大部分名单。 接通后客户不立即挂掉的概率，实在太低了。

在店铺分析中，非常棘手的“店员行为无法记录”问题，在电话销售这里非常容易解决。因为电话外呼的流程、话术、知识库，完全可以交给CATI系统(Computer-AssistedTelephone Interviewing System)解决。销售呼出使用的话术，客户问到的问题怎么回答，在系统里直接调用知识库就行了。销售员拨打电话的行为，比如接通率、销售成功率、单次通话时间，也可以用系统记录。然而，这些数据可以拿来计算，但是没什么用处，因为成功率真的太低了，最多有 2%的成功率，让决策者、管理者、分析师，甚至从事电话销售的团队都心灰意冷，以至于在电话销售的外呼房间里,看到最多的就是红底黄字的、打鸡血的口号，如:“成功要靠自己的奋斗!

2.电话销售渠道的分析思路

面对这种局面，在电话销售渠道，衍生出两个流派。

一个是蛮力流，完全放弃智商，靠人海战术硬堆出业绩来。这个流派看数据的时候，只看最后的结果数据。

• 今天有多少名销售员在拨打电话?
• 一共拨打了多少个电话?
• 一共成交了多少个订单?
• 一共卖出了多少钱?

过程完全放弃！比如某公司就推出了经典的“双100”考核：每天成功接通100个电话，有效通话(剔除直接挂断，需有1次以上对话)时间大于100分钟!有的公司甚至在电话销售员的工位上方装了提示灯：一旦员工停止拨打超过xx分钟就有提示音!

这种做法就是破罐子破摔。既然成功率为 1%，那么理论上只要让员工打 100 个电话，应该就有1个成功的。至于员工不堪重负，造成离职率升高，那再靠人事部门招人就行了。为了配合这种做法，往往销售的产品毛利很高(比如贷款、保险、房子)，给到员工的成功返点也很高，这样能提升工作吸引力。

另一个流派是筛沙流。既然98%的客户注定会挂掉电话，就把98%的客户筛掉，即使不全部筛掉，哪怕只筛掉一部分，也能极大减少无效的工作量。原本拨打100个电话只有1个能成功，假设直接砍掉50个无效电话，现在拨打100个电话就能成功2个!成功率直接翻倍。

想要达到这种效果就得知道客户是否有需求。这时候就得制作客户标签，对“客户需求这个抽象概念进行量化描述，从而找出有可能响应的客户，筛掉不会响应的客户。

举个简单的例子，有一个在线教育机构，先通过线下活动/线上广告/熟人介绍获取客户名单，之后进行电话销售。在电话销售的流程中，员工会邀约客户进行试听，之后促成下单。其主推的产品并非高价产品，因此试听不是硬要求，客户可随时下单(见图)。

面对数据，先观察整体成功率。有几个维度数据可供思考。

• 是否有特定客户，成功率更高。
• 是否有特定渠道，成功率更高。
• 是否有特定流程，食能提升成功率。

简单对比如图所示。

可见，虽然家长年龄/家长性别之前有成功率的差异，但是核心差异还是存在于来源渠道和转化动作之间。熟人介绍的成功率明显更高。

经过这样简单地分析，已经能说明一些问题了:

• 目前收集的家长年龄、家长性别标签,对提升成功率效果不大。群体之间差异不超过1%,没啥实操意义，因此可以考虑换掉，比如换成收集小朋友的年龄等。
• 熟人介绍成功率明显更高，老客户的转介绍奖励可以考虑做起来。
• 在外呼的时候，最好的销售/最佳时间段也要留给这一批名单。
• 线下活动名单质量非常差，可以考虑直接过滤该部分名单，活动形式也需要更换
• 客户只要接听了，转化率都很高，特别是完成试听以后，可考虑更换推广形式，省略无效推广，以试听为主安排推广战术。

进一步看，既然接听后转化率都很高，那么为什么整体转化率低呢？数据对比如图所示。

可见，现有名单质量很差，存在大量无接听问题。

• 整体上看，线下活动名单的质量最差，熟人介绍质量最好。想要通过改善推广形式提升名单质量，至少应该以熟人介绍为主，把无接听率降低到60%(实际上，过低的无人接听率，让人怀疑活动本身有造假的行为了)。

• 即使是熟人介绍的，60%的无接听率还是太高了。很有可能和外呼电话号码(比如被标记为广告电话)或外呼不及时(比如等了一两天才呼叫的，客户已经忘了这个活动了)有关，此时需要结合其他数据来进一步分析。

3.利用客户标签做深入分析

上面的例子是对已注册的客户进行分析，企业已经掌握了客户的基本信息和购买情况。如果是新客户，尚未首次购买，该如何分析呢？这时候，需要在首次接触到客户的时候，收集-些重要的客户信息，用以判断。

收集客户信息的方法有以下3种。

方法一：用利益吸引，让客户提交。

比如客户在银行申请信用卡的时候，银行工作人员会要求客户填写申请单，申请单上包含身份证号码、学历、薪资等敏感信息。但同时，银行也会提供比如在某知名品牌咖啡店刷卡“买1送1”等吸引人的优惠活动。有了基础信息，就能区分客户质量，针对不同客户给予不同的信用卡额度。

方法二：在目标客户集中的场所，现场邀请客户，获取信息。

比如销售婴幼儿奶粉，可以经常为各地的妇幼医院提供赠品，吸引准妈妈们关注;比如推销儿童教育产品，可以经常在大型购物中心让推销员拿着气球/小玩具，吸引小朋友注意，然后让其父母填写信息，邀请他们试听课程。这都是提前获得信息，再二次电话跟进的手段。

方法三：从广告渠道/合作机构获取。

比如商家从短视频App、导购类App、新闻类App获取客户线索。客户在这些 App上的活跃程度高，且可能发生一些有强指向性的行为。比如一个对汽车感兴趣的客户，可能关注下面的信息。

• 持续关注讲解汽车的主播。
• 在App内搜索xx品牌xx型号的汽车信息。
• 在App内对比同一级别、不同品牌汽车的价格。
• 在App内搜索xx品牌xx型号汽车的专卖店。

这些线索，经过平台加工，会以某种广告形式销售给企业。这样，企业就可以掌握客户需求了。

当然，这种线索本质上还是广告，成本会很高。因此，企业之间经常采用联盟的方式，相互交换权益或服务。比如 A、B两个企业联合，推出统一会员卡，客户办卡后既可以享受A企业的权益，又可以享受 B企业的权益。这样就能相对低成本地获取客户信息，实现共赢。

客户标签法是一种基本方法，在后续研究客户需求的时候还会讲到。客户标签法的成败，主要取决于数据采集的质量，数据采集质量又取决于数据采集的决心与手段，只有下大力气做好基础工作，才能实现好的效果。

如今，互联网渠道已经在很大程度上替代了电话渠道。从效率角度思考，很多企业把电话渠道理解为：基于已购买/已联系客户的二次跟进。

这时候已经有了初步的数据采集，再进行电话销售，就能从名单中筛出相对优质的客户，成功率也高了很多。

业务员销售渠道分析

1.业务员销售渠道的基本特点

业务员销售渠道是很常见的销售渠道。实际上，在B2C快消品业务中，业务员已经被电商客服、短视频主播替代了。一个在门店里只会跟在客户后边说“您随便看看”的店员，完全没有网络直播带货的员工那么卖力。

但是，在B2C耐用品业务领域，比如房子、汽车、家具、装修……业务员仍然很重要。只不过他们的名字被换成了“置业顾问”。因为这种耐用品的客户决策流程长，考虑因素多，且产品本身有一定的专业知识门槛，因此需要有一个懂行的人带路，至少要带着客户现场观摩体验几次，之后针对客户做一些个性化方案。这些仍然需要由人来完成。

在B2C服务行业中，比如健身、美容、幼儿教育等也是如此。这些服务的客户体验，有一大半是销售、教师、美容师、教练等现场服务给予的，所以人的工作依然很重要。

在B2B行业更是如此。

• 企业需要的服务(软件、财税、数据、咨询、设备、原料)都有一定的专业性，需要专业的人。
• 企业的决策流程很长，需要招标、洽谈、业务/技术评审(看产品是否满足业务/技术需求 )、采购评审(看价格、交货时间、工期、付款要求 )、体验样品、确认方案、竞标、议价、签约等复杂流程，需要专人持续跟进。
• 企业决策复杂，众多部门(业务、技术、采购、财务、审计)牵扯其中，因此需要有人与公司各个部门的人联系，对关键决策人做工作。

2.业务员销售渠道的基本分析思路

业务员销售渠道拥有复杂的流程，在理论上也能像互联网渠道一样，做转化漏斗，从接到销售线索到最终签约，可能经历漫长的过程，每个环节都有可能有客户流失，如图所示。

其他行业可能没有这么复杂，但是基础的环节都有，所以可以做成简版的漏斗图形。

• 线索(首次接触到客户)。
• 体验(看房、看机器、试听……)。
• 议价(讨论价格，问优惠)。
• 签约(终于成交了)。

3.业务员销售渠道的分析难点

这里又出现了一个关键问题：数据怎么采集。对于传统的业务员管理，只在签约时才会记录客户信息、客户订单、跟进签约的业务员是谁。这种粗放的管理方式会引发很突出的问题对总部的管理人员来说，完全不知道成交之前发生了什么，这样既不能分析客户为什么下单又不能分析到底客户少是因为销售员的工作没有做好，还是产品/营销/服务出了问题；对销售部门本身也是一种伤害，因为管理太粗放，会引发很多利益纠纷，比如抢客户、订单一类。

所以，很多企业先建立的是线索管理制度。线索是哪个销售员首次负责跟进的/首次提交到公司系统的，这个线索以后就归该销售员所有。为了避免出现“各人自扫门前雪”的情况，很多企业还配套建设了帮助机制。比如在某房产中介App中，哪个业务员提交了买房客户信息该客户就归他负责。当该客户需要看房，而业务员本人又没有时间的时候，系统就会派发一个“带看”任务，无论哪个业务员帮助带客户看房，都能拿到一笔小奖金，这样就能缓解互不帮忙的问题。

有了线索收集机制，在整个链路里就至少能多计算3个指标，如图所示。

① 线索数：每个业务员单位时间内能跟进的线索是有限的，要控制优秀业务员的线索量。
② 签约时间：从拿到线索到签约的时间。一般在采购中，这个时间是有窗口期的，拖得越久，本身成功率就会越低，所以计算出这个指标可以提醒业务员“赶快跟进！时间不等人”。
③ 全流程成交率：签约数/线索数，检验每个业务员的跟进质量。

通过这3个指标，连同基础的签约数、签约金额，能初步勾画出业务员渠道的数量与质量从而进行稍微精细一点的管理。

4.利用MOT管理提升分析能力

但是，仅做到这一步，销售过程中依然是没有数据可采集的，这样很难利用数据改进流程这时候需要用到MOT(Moment Of Truth ，关键时刻)管理的方法。在MOT时刻获取最重要的信息，并且帮助业务员成功。

很多行业都有MOT。

• 产品采购：客户要求打样的时刻。
• 软件销售：客户要求体验样品的时刻。
• 美容服务：客户首次体验服务的时刻。
• 儿童教育：小朋友第一次试听课程的时刻。
• 房子：客户看房且讨论户型、配套细节的时刻。

另外，还包括所有业务中客户开始讨论价格的时刻。

这些时候，需要销售员为他们提供帮助。

• 当客户对产品有疑问时，需要准确地回答。
• 当客户表示不满时，需要合理地满足。
• 当客户对比竞品时，需要恰当地解释。
• 当客户要求优惠时，能查到真实的优惠，以及了解出价策略。。

以上工作如果交给一个优秀的业务员，其完全可以靠个人能力与经验解决。但是如果业务员没有足够的能力，那么就需要全凭自己的记忆和口才解决。

因此可以借此机会，向业务员提供辅助工具，在帮助其解决问题的同时，掌握客户信息。

• 产品知识库：产品功能、图片、案例。
• 竞品知识库：竟品基础信息，应对竞品的话术。
• 体验记录表：客户体验了哪一个产品/样品。
• 体验数据记录：如果是线上产品，则记录体验功能店、体验时长、体验反馈。
• 优惠信息表：当期正在参与的优惠有多少，输入客户信息，显示符合客户的优惠有多少。
• 客户方案记录：业务员直接在系统内为客户配置产品方案，并申请价格优惠。

这些辅助工具能方便业务员查询信息、减少工作量，同时能收集客户信息。

收集来的信息有以下两重用途。

• 第一，为客户贴标签，掌握更多客户的需求。
• 第二，为业务贴标签，了解更多业务员的能力。

比如，在B2B的软件销售中，客户体验样品的记录可由系统收集，报价可以通过系统录入，多了这两步(见图)。

• 客户是否体验了样品?
• 客户从初次洽谈到体验样品，用时多久?
• 客户体验了哪一版样品?
• 客户体验了样品的哪些功能点?
• 有几位客户体验，各自情况如何?
• 体验完样品是否进入议价阶段?
• 体验完样品到进入议价阶段，用时多久?
• 体验完样品的成交率。

在B2B软件销售中，基本规律如下。

• 客户不体验样品，成交率不会高，就是随便聊聊。
• 客户体验不好，一定不会体验很久，且会提一堆问题。
• 客户体验完但迟迟不议价，说明没有诚意，只想获取方案。

所以有了数据记录，就能仔细观察用户态度如何，从而及时跟进真正有需求的客户，回避没有需求/骗方案的客户。

业务员的标签也同样重要，特别是新业务员/业绩不好的业务员，他们面临以下问题。

• 对公司的产品不熟悉，与客户讲解时不够清楚。
• 对公司的工具不熟悉，使用频率低、关键功能不会用。
• 对公司的流程不熟悉，经常遗漏重要环节，操作不到位。

如果有了工具能辅助业务员查询产品信息，进行线上培训/线上流程操作，就能记录这些情况。这些工具不但能记录每个业务员的操作频率、操作时长，而且能利用这些数据进行分析区分出这个业务员业绩不好，是自己不努力还是有其他问题。

一个努力的业务员是不可能舍弃公司准备的工具不用的，也不会错过重要的信息，更不会舍弃可以申请的优惠政策。这些行为的表现能在一定程度上说明问题。通过工具的使用率与业绩情况，可以看出哪些人真的有本事不需要依赖工具，哪些人连基本功课都没做好。

然而，即使有这些手段，依然很难完美地解决问题。现实情况就是：有能力的业务员，不使用这些工具，他们只靠个人能力，已经能赢取客户了，对公司的工具依赖很少。

至于没能力的业务员，只教会他们用这些工具就是一项“浩大的工程”，更不要指望他们的使用质量了。所以对于业务员销售渠道，理论上可做众多分析，但实际上又经常陷入无数据可分析的窘境，大部分企业都是在这种总部到一线的博中，尽量维持平衡的。

渠道分析的核心难题：数据质量

在现实工作中，销售渠道的数据经常缺失！如果在工作中发现自己的销售数据一塌糊涂，只有粗略的统计，无法深入分析，那么也不要奇怪，这是正常现象。

制约商业分析助力销售渠道的最大原因就是数据质量问题。数据缺失、数据混乱，在企业中都是家常便饭。并且这些问题并非完全是系统层面的，管理层面的问题更多，因此即使是互联网公司也难逃数据质量陷阱，传统企业更是一塌糊涂。

以下是企业中存在的常见问题。

(1) 互联网销售渠道

• 产品急着上线，埋点工作不细致，数据有缺失……
• 运营部门为完成业绩，纵容刷单等造假行为，甚至主动造假……
• 开发资源太多投在算法上，缺少数据基建投入，数据治理规范松散……。

(2) 实体店铺销售渠道

• 管理不规范，员工自己办会员卡私吞优惠金额，店长任人唯亲……
• 流程不规范，没有销售SOP(Standard Operating Procedure，标准作业程序)，没有系统可以记录SOP，员工工作全靠自觉，过程中只有纸质记录…
• 系统不完善，客户信息分散在店员的手机里，店员行为完全无法记录……

(3) 电话销售渠道

• 名单质量差，只有简单的号码+姓名，没有可以分析的维度……
• 系统不完善，销售员是否拨打过电话，至于通话内容，则完全没记录……
• 管理不规范，销售过程没有SOP，只有口号……

(4) 业务员销售渠道

• 系统不完善，整个销售流程都在业务员自己的手里，公司对这方面不知情。
• 流程不规范，反馈数据的质量缺少监督，缺少审核，领导认为有业绩就行。
• 管理不规范，业务员私下给客户许诺，管理部门睁一只眼闭一只眼，有业绩就行。

总之，管理规范、系统配套、数据基建，三者少一个都会导致销售端数据大量缺失，最后无法做深入分析。更严重的情况是，公司总部连真实销量都无法掌握，对销售渠道失去控制。这在B2B2C模式里非常普遍，中间的经销商做大，导致总部失去控制力的情况比比皆是。

而且，这些问题并非只有小公司才有，大公司也照样普遍。大公司常见的问题举例如下。

系统陈旧：比如某知名运营商，因经营时间久，IT系统非常庞大，很多系统上线时间非常早所以其中的功能并不完善。同时，不同时间段的管理规范又都不一样，导致销售端的数据非常混乱。一线销售管理部门只能“兵来将挡，水来土掩”，使用临时性的办法解决问题，导致垃圾数据越来越多，积重难返。

盲目创新：比如某知名快消品企业的管理层盲目追求“数字化/互联网化”。其各个业务线争先恐后推出App、小程序、H5页面，最多的时候达到120个App、小程序、H5 页面同时在线。企业底层数据没有打通，质量无人过问，各个业务线只报告一个粗略的整体数据就去邀功请赏。最后“数字化”名存实亡，企业只能回头重新从基础建设做起。

野蛮”扩张：比如某短视频网站，其技术能力在互联网行业绝对算一流。然而其将全部的技术能力用于App开发，对销售端并不重视。在销售端，其依然采用的是人海战术，直接从其竞争对手销售团队里挖人，“吃”现成的客户资源。而此企业在销售管理上原始、“野蛮”甚至在一段时间内喊出了“双100(每天打100个电话,每天实现100分钟有效通话)”的口号。虽然销售业绩在短时间内突飞猛进，但是流程上毫无规范，数据缺失多、质量差。

以上问题是普遍存在的，只要做销售分析，就一定会遇到。数据的缺失极大地限制了它在商业分析中发挥的作用。

这里牵扯出了一个更深层次的问题：是否需要为了保证规范经营而牺牲短期业绩？大部分企业的选择是：不要！先盈利再说，所以才会导致以上种种弊端。