在做CRM的过程中，经常听到需求方提到：
“希望系统能够告诉我，哪些用户是高意向用户就好了”这样的诉求，或者是
“领取了优惠券、进入过支付页的都是高意向用户，希望产品按这个建个意向度模型”这类诉求
但按照需求方给出的指标，搭建了一套体系时，又会遇到“意向度指标不好用”，或者基层销售对于意向度的理解不一致等的情况，因此本文就聊聊关于CRM中搭建用户成交转化“意向度”的一点点想法。
一、搭建用户成交转化“意向度”有什么用？
收集到业务需求的时候，产品经理不应该直接思考如何去执行，而是和业务人员沟通，了解现在提出这个业务需求的背景和动机，判断需求是否合理，以及需求是否应该当下执行。
判断当下公司是否需要搭建用户成交转化“意向度”，可以先思考，这个“意向度”模型能够带来什么，一般来说，它的效果有以下几点：
1、提高人效：
节约销售寻找意向用户、跟进无效leads的时间；
2、分层运营，提高转化效果：
避免销售无差别触达用户，根据不同类型的用户，使用不同的运营策略，如对确定成交意向很高的用户，使用电销或者强营销手段来关单；对于中低意向的用户，使用批量的优惠策略触达即可。
二、当下阶段是否最需要的是“意向度”？
当下公司是否需要搭建用户成交转化“意向度”，就需要结合公司的业务现状来考虑了：
如果公司刚在创业初期，面对的都是核心用户群，那么专注打磨产品，比搭建意向度模型更重要；或者如果公司销售人数本来也不多，那这时候用各种能挖掘用户意向的手段来跟单，CRM尽可能更多提供用户的信息更重要。
而当一个公司进入快速发展期，大量获取leads，销售团队也大规模扩张，这时候CRM应该更多地支持团队管理，支持销售SOP动作的制定与执行。
当公司转化进入了一定的瓶颈阶段，或者需要考虑成本因素，要重点提高销售人效，提高转化的时候，就需要建立一套用户成交转化“意向度”了。以我现在在的公司为例，CRMv1.0在上线1年3个月之后，才开启搭建“意向度”模型v1.0，这个时候正是leads量较为平稳，社群销售达到100人左右规模时，需要提高人效和转化的阶段。
三、意向度模型怎么搭建？
大致会需要以下几步：
（1）了解现有较为通用的成交意向度判断模型
（2）基于公司现状，做和意向度相关的指标枚举
（3）数据分析枚举的指标及指标组合与意向度的相关性（选）
（4）系统构建意向度指标模型并预测，初步检验模型有效性
（5）项目实施
（6）跟进数据反馈与迭代模型
1、第1步——了解现有较为通用的成交意向度判断模型：
在进行了一番百度搜索之后，找到以下两个意向度模型进行参考，分别是：BANT模型、GPCTBA/C&I模型。这两套指标并不能直接结构化成为落地的CRM中的意向度模型，更多的是销售在跟进客户挖掘需求，把握客户意向的时候，所需要使用的，但是可以为第二步提供一些思路。
BANT模型：
B：budget预算，目标用户是否有预算，判断用户是否有能力进行购买
A：authority权利，谁说了算，购买决策人是谁（不过了解决策过程，比了解决策人更重要）
N：need需求，这个是核心的用户到底需要什么，看我们的产品是否能够提供给用户对应的价值
T：timeline时间表，用于判断用户的紧急程度
GPCTBA/C&I模型：
其实把用户的need需求拆成了GPC，
G：goal目标，用户的目标是什么，是否可量化可实现。因为有了目标才会有背后的需求
P：plan计划，了解客户为了实现这一目标的计划是什么，这可以看产品是如何为客户提供帮助的
C：challenge挑战，了解客户实施该计划可能遇到什么挑战，这些挑战，正是产品或者销售需要帮助客户解决的问题
C&I：Negative Consequences and Positive Implications（积极影响和消极影响），积极影响可以是目标实现的“梦”，不光是销售要看，产品本身也应该考虑到给用户的积极影响和消极影响，扩大积极面减弱消极面。这也可以分析出客户对于实现自己的目标到底是否紧迫重要。
2、第2步——基于公司现状，做和意向度相关的指标枚举
以我司为例：
我司是to C在线教育公司，销售形态是社群营销，有近百人的销售团队，销售工作现状基本是基于SOP去执行动作，辅以部分高意向用户电话跟进。
我们先从用户角度出发，利用BANT模型理一下，用户购买成交时的决策模型：
理性要素中的“是否急需(Timeline)”可以对应到用户的沟通互动情况、产品试用情况；
理性要素中的“是否有性价比(Budget)”可以对应到用户的基本信息、沟通互动情况；
理性要素中的“是否能带来成果预期(Need)”可以对应到用户的产品使用情况、产品认同感；
感性要素中的3条，都可以对应到用户的沟通互动情况、营销手段效果。
再将这几个意向度模型的指标大类向细节上拆分，可以得到如下的各个指标：
不同指标之间并不是完全相互独立的，比如课堂意向发言的频次，既属于产品认同感，又属于沟通互动情况。
3、第3步—— 数据分析枚举的指标及指标组合与意向度的相关性
数据分析并不是一个必须的步骤，分析是为了对已知的指标和潜在的指标先做一轮初步的判断，并为后续建模的权重提供一些参考，如果资源不足的话直接建模训练也是可以的。
尽管我们的分析设想与指标枚举很全面，实际实施的时候，会遇到数据分析师资源不足、想要的数据取不到等等情况，理想很丰满，现实很骨感。还是以我司为例，曾经推进过2次意向度相关的数据分析：
第一次分析了几个营销手段效果的指标，和用户转化的关系，结果表明：领券、加购物车、进支付页，这3个行为，和用户最终转化有很大的相关性，其中加购物车的用户，最终有83%都转化了。
第二次分析使用决策树，随机森林，xgb三种机器学习的方法，分别跑了上述详细的指标中，营销手段效果、产品认同感、产品使用情况、基本信息中能取到的各个指标，获得了共同的结论是领券、进支付页这两个行为，对于判断用户最终是否转化具有有效性最高。
因此，我们也可以大致的判断，“营销手段效果”的几个指标，在完整的用户转化意向度模型中，应该占的权重较高。如果不实时整体的意向度建模项目，将“营销手段效果”的几个指标直接提供给销售，也是有助于销售筛选leads针对性关单的。
4、第4、5、6步系统构建意向度指标模型并预测，初步检验模型有效性、实施、迭代反馈
第4、5、6步就是真正开始落地这个项目了，我司因为技术资源有限的原因，目前还并没有启动成交转化意向度模型的项目，而是选择了较为经济的将“营销手段效果”的几个指标直接提供给销售的办法，也能一定程度上起到效果。
根据同行的反馈，一个较为准确的意向度模型，所选出来的20%的leads，可以覆盖95%最终转化成交的人。等我推动落地了意向度项目后，再跟大家详细反馈这4、5、6步，以及最终的成果，感谢大家看到这里！~
