编辑导语：上篇文章作者结合具体使用场景，与大家分享了对话分析智能平台的设计流程及思考。本文作者将从三个方面继续分享下他做对话分析智能平台设计的几个灵感来源：牛顿、分子计算、行为学家，供大家一同参考和学习。

为了找到提升转化率的有效方式，我们需要把关注度从 结果 转向 过程。在上篇《对话分析智能平台的设计：从无序复杂到有序简单》提出了相应的模型，主要包括三个方面：销售沟通管理，销售人员管理，客户特征洞察。

如何细化这些模型以及如何搭建相应的指标体系呢？特别是面对海量的、非结构化的沟通数据。

01 来自牛顿的灵感

“实际上，指定可解释的范围，这也许是物理学至今最了不起的发现。”

– Eugene P Wigner

牛顿几百年前就能够计算出火星的质量，而且和现在监测到的结果差别很小。而那时候牛顿同学连算盘都没有，只能靠纸笔。假如他要描述10个物体，那就需要1024个方程才能准确计算每个物体的特征，即使采用大型计算机可能也很难得出解，如果数量扩大到整个太阳系呢？

而牛顿的经典力学的巨大成功取决于对复杂系统的简化。

万有引力定律的另一个含义：只需考虑两个物体之间的作用力，而且这些力可以像积木一样互相叠加。

正好九大行星的质量占据了太阳系的大部分，而其它那些小的天体自然就被忽略了（虽然不是很科学）。但通过这样的方式，牛顿成功将1000个方程迅速缩减为45个左右。

那么同样可以对销售沟通要素进行简化：