卖货文案不会写?试试这5个方法(二)

​本文继续分享:卖货文案不会写?有这18个文案写法就不愁!

02

激发购买欲望

文案无法创造购买商品的欲望,只能唤起原本就存在于百万人心中的希望,梦想,恐惧或者渴望,然后将这些 “原本就存在的渴望” 导向特定商品。

简言之,文案不是创造购买欲,而是激发购买欲。

牢记一句话:理性的说服是后天的学习成果,而感性的诱惑是先天的本能。

1.感官占领

人类几乎所有的体验感受都来自他的感官,比如眼睛,鼻子,耳朵,当你告诉读者你的产品美味可口时,他的感官是没有被调动的。

怎么做的?

假设读者正在使用你的产品,然后描述体验产品时,眼睛、鼻子、耳朵、舌头、身体和心理的直接感受。

眼睛:你看到了什么?

你卖一款特别浓稠的希腊酸奶,写“浓稠可口”是不够的,我们要写“像乳白色的奶香冰激凌一样,只能用勺子挖着吃”。

鼻子:你闻到了什么?

你卖香薰蜡烛,不要写“香味浓郁”,而是写“北非百合花的高雅花束,混合着刚割下的青草香气与高山上清新空气的味道”。

耳朵:你听到了什么?

你卖音响系统,不要写“震撼音效”,而是写“当电影里一辆摩托车呼啸而过时,马达的轰鸣声从左耳冲到右耳”。

舌头:你尝到了什么?

你卖甜酒,不要写“酸甜可口”,而是写“鲜活的桃汁,轻快的柠檬酸,混合着绵密的微气泡在口腔中跳跃”。

身体:你感受到了什么?你触摸到了什么?

你卖凉席,不要写 “这款凉席清爽透气”,而是写 “躺在这款凉席上,你会感受到清爽透气,像是凉席底下轻轻吹过田野的清风,躺上半小时后,你会惊讶地发现:背上居然不出一滴汗”!

心里:你的内心感受到了什么?

你卖卡丁车体验项目,不要写“惊险刺激”,而要写 “急转弯的时候,心怦怦跳,忍不住深吸一口气”!

2.恐惧诉求

你是否在卖这样的产品——

省事型:扫地机器人,省得你去扫地;洗碗机,省得你洗碗;还有全自动洗衣机……预防型:防尘螨床单、防甲醛空气净化器、防盗指纹锁、防牙病的电动牙刷、防近视的台灯……治疗型:肩周炎贴、祛痘产品、减脂产品、拯救拖延症的时间管理课程……

这些产品的文案正面去说,常常不够给力,于是我们还要从反面说,这就是大名鼎鼎的 “恐惧诉求”。

写一段文案,让读者觉得 “天啊!扫地太花时间,太痛苦了”!于是,他会更想买你的扫地机。正确的恐惧诉求=痛苦场景(具体、清晰)+严重后果(难以承受)。

第1步痛苦场景:

说 “不读书没前途” 太抽象,无法引起共鸣。因此,我们指出一个具体的痛苦场景——高人谈笑风生,你却无话可讲。读者突然回忆起来了,心被刺痛了!

第2步严重后果:

光刺痛读者是不够的,他可能痛一下就忽略了,你必须指出:这个问题不解决,会带来难以承受的后果。当他发现这一点后,他就会立刻寻找解决方案——你的产品。

在使用恐惧诉求的时候,一定要注意降低决策成本和执行难度。要给对方一个足够简单、容易执行的解决方案。

同时要注意在唤起恐惧的过程中,威胁的易遭受性往往比严重性要更关键。

3.认知对比

通过认知对比去激发购买欲,需要两个步骤——

1)描述竞品:产品差(设计、功能、质量等方面糟糕)+利益少(带给消费者的好处少,甚至有坏处)。

2)描述我们:产品好+利益大。

当然,批评竞品时要有理有据,不能乱骂。看个卖烤箱的文案案例。

修改之前煎烘一体均匀加热,3L黄金空间更高效;上下双层发热管,360度立体加热;加厚钢化玻璃烤箱门,全方位散热系统……修改之后普通烤箱:配置普通内胆,热量不能到达炉腔各个角落,烤大块肉类容易外熟里生。我们的烤箱:配置钻石型反射腔板,3D循环温场,均匀烤熟食物无死角!普通烤箱:无法植入烤叉,功能少,不实用。我们的烤箱:特有360度旋转烤叉,能烤整只鸡和羊腿,外焦里嫩。普通烤箱:普通钢化玻璃,长时间高温烘烤时,有破碎风险。我们的烤箱:经上万次防爆实验,研发出四层聚能面板,经得起千锤万烤。

4.使用场景

绝大多数人都是慵懒、休闲地浏览着,如果一个产品让他们有疑惑?很简单,关闭广告就好了。

所以,你应该把他使用产品的场景一、场景二、场景三……设计好,让读者想象到一天下来,他可以一次又一次地使用产品,不断获得幸福和快感,这样打动他的概率就大大增加了!

那怎么才能想出来那么多使用场景呢?

答案是:洞察目标顾客一天的行程,他总会固定地去某些地方,做某些事,产生某些需求,我们仔细去观察哪些场景下他需要我们的产品?

以一名职场人士为例,你的任务是卖一双超轻弹力鞋给他。

·鞋面采用莱卡面料,鞋子轻薄,透气性能佳。

·轻盈柔软得不可思议,它的单只鞋重量只有大约80克,穿上就像是没有穿鞋一样。

·这种莱卡面料不怕水,入水不会被泡坏,出水后水分会速干。

·可以360度卷曲折叠,PVC(聚氯乙烯)的鞋底柔软性优良,无论如何折叠弯曲,鞋子也不会变形损坏。折起来后,很小的包都能塞下这双弹力鞋,占空间小,方便随身携带。

你的目标客户是22岁至35岁职场人士。

你想想,他们在工作日、周末、小长假、年假和大长假里,有哪些时候正需要这双超轻弹力鞋?把你的答案写在纸上,再回来看!

参考答案是来自一篇微信推文,为了充分激发读者购买欲,作者想出了8个使用场景!对照看看,你是否做得更好?

·临时去超市买点东西的时候,出去散步遛狗的时候,一脚蹬上就能出门。

·放一双在车里,替换下高跟鞋或者皮鞋,开车更舒适安全。

·久坐码字的人,需要在办公室准备一双这样的鞋子,替换下高跟鞋和皮鞋。简洁的款式,穿着开会也不失体面。

·在你穿累了高跟鞋,这双弹力鞋能随时拯救你于水深火热中。

·差旅途中坐飞机或者火车的时候,拿来当替换的鞋子,可以舒缓脚部在旅途中的劳累,也比拖鞋更方便上厕所。

·做瑜伽、健步走、普拉提等运动的时候穿着也很舒适。

·在海边沙滩漫步的时候穿着,鞋口紧贴脚踝,沙子不容易灌进去。

·穿着这双鞋在海里游泳或者潜水、浮潜,避免赤脚被碎片或者礁石划伤。

5.畅销

假设你在淘宝,你搜索一款产品,有两家店都在卖。

一家销量很高,好评如潮,一家卖得很少,评论就几条,你会买哪家?

多数人都会买前者。实际上,很多人搜索后,都会按销量由高到低排序,只看排名靠前的商家。

心理学实验证明,74%的人会受从众心理影响。利用人们的从众心理,明示或暗示产品 “畅销”,不但能激发购买欲望,还能赢得读者信任。

当你在大企业,可以列出自己的销量、用户量、好评量等数据,能让读者更想去购买。

香飘飘奶茶 连续五年,成交量遥遥领先,围起来可绕地球十圈。

但是如果你是在中小企业,直接列出销量数据,就会很寒酸。

那么可以尝试突出描述某一次或几次的畅销现象,还可以说卖得快、回头客多或产品被同行模仿,营造出一种火爆销售的氛围,同样给读者这样的畅销感。

看个案例,赵师傅有一手绝活——做烧饼。

1995年,他创业开起了饼店,在15平方米的小店里卖葱油烧饼。烧饼皮脆味美,吃后唇齿留香,迅速聚拢了一批忠实的老顾客,在周边区域十分出名。赵师傅做饼20多年,儿子已长大成人,决定帮父亲在网上卖饼,在当地美食微信大号上投软文宣传,全市外卖配送。

老赵只有单个饼店,论销量,肯定比不过那些连锁店,但是他有自己的特别优势:

历史久、老顾客多。小赵机智地抓住这一点,细致地描述老客人从小吃到大,吃了还要吃,描述烧饼在老客群体中非常畅销,让读者好奇:这饼到底是什么味道,这么好吃,我也想尝尝!看到价格不贵,立刻下单购买。

小赵尝试性地投了两个号,卖了820多盒烧饼,获得600多名新顾客,首次营销迎来开门红!

6.顾客证言

当我们要买一款新产品,而我们从来没买过它时,我们很直接的想法是——看看用过的人怎么说?

我们会发微信问朋友,会点开用户评论,会看普通网民写的测评文章,如果都说好,并且说得真实可信,我们就会情不自禁地下单。

所有作用于人身上的产品,我们都很难对效果打包票,但我们可以用顾客证言来表达。

收集证言不难,重要的是——挑选的证言,必须能击中顾客的核心需求。

一流证言文案=破解更大焦虑+树立幸福榜样+激发向往憧憬。

比如广州一个新兴化妆品品牌推出玻尿酸原液,主打 “补水保湿,百搭促吸收”,引导顾客把原液滴到爽肤水、精华液、面霜里,加倍补水,打出 “千分之3提纯配比,500倍保湿力” 概念。

但是,单纯的成分说明还是缺乏打动力,读者想知道的是:涂在我脸上效果怎样?

这给营销团队出了个难题,每个人肤质不同,同一款产品,用在100个人脸上,有100种效果,谁也无法打包票啊!然而,借助消费者证言,这个难题迎刃而解!

@y★★★0:洗完澡先用爽肤水拍脸,然后加一滴原液到他们家的修护面霜中,第二天感觉自己重回18岁,满脸都是嫩滑的,我的手指都舍不得离开我的脸了。@穗★★★a:很很很保湿,精华乳液里加一滴这个原液,可以省好多精华和乳液。@g★★★6:本来就是搭着美白精华用的,秋天毕竟有点干,意外地发现和修护面膜、美白精华用的话,效果太夸张,简直是刚从美容院出来的效果。

顾客证言可以帮你 “作弊”。他们借用顾客证言,把补水效果描述得淋漓尽致,特别是那句 “美容院出来的效果”,一下子让人对产品充满期待,很多女性毫不犹豫“剁手”。

这些内容是在“揽客魔课堂”里了解到的,希望对你有所帮助!

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值