美国史上最伟大的人寿保险经纪人本.菲尔德曼曾经说过：“销售就是 98%对人性的理解加上2%的产品知识。”这句名言被人称为“菲尔德曼法则”。然而，这个观点在电子商务世界里似乎并不适用，因为在虚拟世界里，推崇的是将一切尽可能地标准化、自动化，而任何人性化的接触点都被尽量减少、避免和消除。
为了实现这一目标，许多网上的零售商都全力以赴地收集大量关于客户的行为模式以及购买习惯的信息，努力将其转化为显性知识。但事实证明，那不过是些生涩的数字和统计结果而已。
一个令人无法忽视的现实是，即使是那些最成功的、技术上最优越的网络零售商，也不过仅仅能将网站的1%-3%访问用户转化为真正的购买者。这个现实背后的原因，恰恰是因为基于网络的在线销售仍然是一种非常生硬的模式。
关键时刻
那么，我们是否可以将“菲尔德曼法则”运用到网络上，利用技术上的特性，将人性化的接触恰到好处地引入与客户互动的关键时刻中，把电子商务变成一个更有效的销售渠道呢？而这样做的价值又体现在何处？
24/7 Customer是一家位于美国加州坎贝尔城提供业务流程外包服务的公司，它拥有像美国非常受欢迎的信用卡服务机构Capital One、软件巨头Adobe等各类不同的客户。根据24/7 Customer的数据显示，如果将人性化的接触用这种方法带入到网络销售中，能够提高在线客户交流率15%以上。为了实现这一点，24/7 Customer公司开发了一套名为SalesNext(“下一步销售”)的预测软件系统，这个系统能够识别出在线访问用户的类型，将他们分成“热门线索”(即那些具有强烈购买意愿的潜在客户)和“冷门线索”(即那些纯粹是上来闲逛的访问用户)，然后系统再根据这样的分类挑选出那些最有潜力的用户进行个性化的在线对话，以促使他们完成最后的交易。这样的过程就好比是把一个百思买的优秀的售货员所具有的判断力和对时机的把握直接转移到线上的程序中。
在任何一个销售渠道中，从总的客户流量里将那些纯粹闲逛的访问客户从真正的消费者中间分离出来，就像是经过漏斗滤出的液体一样。在一个现实中的大卖场里，营销位于这个漏斗的最上端，是难以精准定位的，因为公司不太可能对进入商场的客户总量进行控制。而决定销售结果的力量则来自漏斗的底部，也就是说，是那些经验丰富的销售员将来到商场的访问者变成了购买者。
然而，在一个典型电子商务环境下的漏斗中，决定性的力量则来自最上端。一个领先的网络营销技术，能够基于客户之前的网上行为模式以及其他的历史性数据分析，将最适合他们过去偏好记录的产品推到用户面前。但是，在这个漏斗的最底部会细到一个水滴——每一个独立的浏览客户。然而因为大多数网站提供的都是一种一成不变的客户体验，最多包括了一个对话的功能，而它所依据的对话模板非常生硬，对任何类型的客户，摆出的都是同样的一副面孔，这使得希望仅仅通过对话就将这些访问者变成购买者变得更加困难。
问题就在于，如何才能将那些磨磨唧唧、“只看不买”的客户与那些“热门线索”的高潜力客户区别开，并将后者引入到一个可以提供个性化体验的对话中，从而驱动他们的购买行为？如果能实现这一点，那么网络零售商也就等于开启了这个漏斗底部的效应。
客户价值评估
许多在线零售商都为客户提供一种即时的人工对话功能，但是24/7 Customer公司的方法的独到之处却是，它能够只为意在购买的访问用户(即“热门线索”代表的客户)提供对话功能。也就是当一个客户在经历了系统中一系列的筛选和过滤后，才被邀请到一个对话的过程中，确保最终进入这个流程的客户都是经过系统预测的，更倾向于那些在进行对话而不是接受自助服务后会产生购买行为的消费者。
毕竟，不必要的调拨资源投入到那些更低成本的自动化渠道中毫无意义。因此，要在网络销售中引入人性化的元素，关键就在于引入的方式以及引入的程度。这就要系统能够具备一些类似人类思维的“悟性”。
当一个用户浏览一个网站时，他的价值会经过一系列标准的评估，包括他是如何得知并访问这个站点的，他是否曾经浏览或在网站上购买过东西，上网的时间和日期、所在的地理位置以及浏览的产品种类信息等等。同时，用户在网站上的浏览轨迹也非常重要。如果这个客户直接就访问到某款数码相机的具体分类页面上，那么就不太可能通过与其进行对话来撼动他的意志，影响他的购买决定。但如果这个客户好像是在三种不同的产品中摇摆不定，那么这时候实时地为其提供一个可以对话咨询的客户服务，就能够帮助他尽快拿定主意。
因此，在这一阶段的目标就是尽可能地将最相关的产品与最感兴趣的用户匹配起来。“规则引擎”的程序是一个用以识别出最具潜在价值客户的分析流程。尽管在网络世界里，虚拟身份弱化了客户特征，但仍然可以从一些现实的视角去寻找隐含客户信息的蛛丝马迹。
例如，同样是在浏览昂贵珠宝的客户，如果他们的IP地址是来自富豪云集的比弗利山而非其他一些经济欠发达的地区，就更可能产生购买行为。可是，同样重要的是，这个程序的辨识能力是基于过去的交易。因为随着时光流逝，这样的境况会发生变化，评价机制则需要能够显示出这样的变化，例如，来自底特律高档住宅区伯明翰的客户现在在购买昂贵物品时就没有过去那么爽快了，特别是比起波士顿郊外的一些新兴住宅区来。
当一个用户被识别为一个“热门线索”后，另外一个过滤机制就开始启动，以决定是否邀请他来参加到对话中，也就是说，网上购物平台中会内置一个分析程序用以判断。对于一个客户来说，对话功能是否是能够说服他进行购买行为的唯一方式。
就类似于在西尔斯卖场里大型电器部的销售顾问，他们凭借长期的经验所磨练出来的直觉，在心里默默地对来往的客流进行扫描，总能适时地选择那些看起来有着明确购物目的的客户进行接洽介绍。
简单说来，决定邀请哪些客户进入到一个对话流程中来不过是个简单的时间次序问题。但问题是，卖场有足够的客户代表来应付所有的对话吗？当然，零售商可以通过雇用更多的客户代表，以尽可能地为更多的客户提供人工咨询服务。但反过来这也意味着，公司其实不过是无的放矢，接触了更多的冷线索，而线索越冷，也就是意味着潜在贡献的利润率越低。所以，这样做不过是将资源浪费在那些最终不太可能购买任何产品的用户上，无益于增加企业价值。
而在战略性的层面来说，系统程序必须能够确定出产生最大利润率的客户代表数量。更进一步的统计建模就需要为每个客户挑选到合适的客户代表，可能会依赖一些标准，诸如某一品类的客户代表的最佳业绩，这样的衡量可以避免一些隐含不合理的平均，就好比再优秀的二手车的销售经纪人也不太可能在一个家蒂梵尼店里取得同样的业绩。
制胜细节
现在，正式开始对话了。
在这个阶段目标非常简单，即如何把销售的艺术转化为科学。当西尔斯的职员接近一个潜在客户时，他必须凭借一些视觉或言语上的线索，依赖于过去的经验来做出一系列的即时判断：这个客户是否是关注细节的，或者他喜欢更柔性的接触？我的推销方式太直接，他是不是已经开始有抵触情绪了？如果这个客户好像已经变得失去兴趣了，现在是否是为他提供折扣的时机了？等等。
在24/7的网上客户对话规划表上，也许无法呈现出一个经验丰富的销售员在与客户进行面对面的交谈中，通过察言观色所感知到的每一个细微的差别。但是，它通过对成千上万的对话记录进行分析，细致地对文字和数据进行开掘，把握字里行间所包含的信息，以求尽可能地将人工客服代表所运用的销售技巧变成自动化的语言。
例如，对文字信息的处理和挖掘，总结出了销售人员应该如何与客户对话从而获得最佳效果的一些经验。这些洞察的结果建立在广泛的神经语言学研发的基础上。根据神经语言学的理论，由于人类感知世界的方式不同，可以被分为三种类型：听觉型、视觉型以及肌肉运动知觉型。
按这样的分类，接下来就可以制定出有效的沟通战略，以说服消费者产生购买行为。例如，听觉型的消费者，会倾向于吸收产品的细节信息，因此一个有效的销售策略可能是，“让我给您介绍一下这台相机的像素和一些突出的功能吧”。而视觉型的消费者需要关于产品外观的信息。因此，销售人员可以说，“这款相机的外壳有三种非常闪亮的颜色，而且体积很小，特别适合放在衬衣口袋里”。而对于那些肌肉运动知觉型的客户，将会使用那些触动情感的言语(广告)，例如，“您会非常喜欢这个相机握在手里的平衡感，这让您能够完美地记录孩子毕业典礼上每一个令人感动的瞬间”。
Adobe公司2007年7月开始启用了这样带有智能的网上对话系统，从那时起，这个公司在那些进行对话的客户中就获得了15%的销售增长。而且那些使用了在线对话功能的客户，其满意度明显比没有使用在线对话或是使用电话服务的客户要高。这样的软件系统真正地激活了“关键时刻”，就是当消费者遇到问题的时候恰到好处地出现在那里。客户无须再去搜索问题的答案或是为了等候接通客服热线而排队。这代表了在未来的网络零售中，与客户沟通的模式将有一个崭新的开始，因为它将技术与人性化的元素用一种强大的方式联系在一起。
一个运行良好的销售对话系统，是由预测性的数学模型驱动的，能够显著提升网上零售商的利润率和客户忠诚度，同时削减成本。当然，这样的解决方案并不是一个一成不变的流程。就好比西尔斯百货的一楼里精明的导购员，他能够学会从每一个进入店里的客户身上发现一些端倪，日积月累，与客户对话的能力也变得越来越高明。一个销售中对话的真正力量，在于学会判断什么时候有效，什么时候没用，随着预测性的数据和文字开掘技术的升级，还能不断地更新系统中的过滤机制和销售技巧，真正将现实中优秀的销售员们察言观色的能力移植到网络上，从<