機器學習在客戶管理場景中的應用

使用機器學習進行客戶管理，咱們能夠獲得客戶360度全方位的視圖。

本文以SAP Cloud for Customer的客戶管理應用爲例，介紹機器學習是如何同傳統的客戶管理應用進行集成的。

打開SAP C4C的客戶中心，在客戶列表裏選中任意一個客戶，能在右邊看到一個名爲Insights的頁面。

這些客戶的360度視圖是基於C4C內部和外部的數據源分析得出的,有助於銷售人員進行更有針對性的客戶計劃和銷售。C4C的外部數據源採用的是第三方數據提供商Bombora。

經過Insights面板，咱們可以得到經過機器學習得出的每一個客戶的購買傾向的分數，也能看出就咱們關注的某一話題，該客戶的行爲和傾向到底如何。Bombora會從該客戶相關的B2B網站上捕捉可以反映該客戶購買傾向的各類線索。當檢測到客戶在某個話題上的線索數量有明顯增長時，咱們稱這個客戶就該話題表現出了一個Surge。咱們會給出Surge的分數，範圍在1到99之間，每週更新一次。

SAP C4C會將某個客戶總的Surge分數顯示在屏幕右側Insights面板內，同時顯示出Surge分數最高的前三個話題。下圖Surge分數前三的話題依次爲:Artificial Intelligence, Machine Learning和Collaboration Software。

在C4C工做中心視圖Predication Services的Third Party Data能夠對Insights面板裏須要關注的話題進行配置：

Activity Management（活動管理）

顯示和該客戶過去一年內接收和發送的電子郵件，電話，會議，以及後續任務（Followup-task）的總數。

Pipeline（銷售管道）

銷售管道有時候也叫銷售漏斗，是一個很是形象的概念，是銷售過程控制的重要分析工具，適合銷售流程比較規範，週期比較長，參與的人員比較多的複雜銷售過程的管理。顧名思義，全部具備購買需求的潛在用戶位於銷售漏斗的頂部。

• 漏斗的上部：將本身企業的產品列入候選清單的潛在用戶。
• 漏斗的中部：將本企業產品列入優選清單的潛在用戶（如兩個互爲競品的品牌中選一個）
• 漏斗的下部：基本上已經肯定購買本企業的產品，只是有些手續尚未落實的潛在用戶。
• 漏斗的底部：指望可以成交的用戶。

根據所處整個銷售過程的位置，以及銷售成功的機率，咱們一般須要對處於漏斗各個層次的銷售狀態肯定一個百分數來表明該用戶銷售的成功率。

好比，處在漏斗上部的潛在用戶其成功率爲20％，處在漏斗中部的潛在用戶其成功率爲50％，處在漏斗下部的潛在用戶其成功率爲 70％。從潛在用戶到最後成功簽約，流程每推動一步，用戶名單就會減小一些，看起來是個倒金字塔形狀，也就是個漏斗形狀，因此將其形象地稱爲銷售漏斗。

SAP C4C的Insights標籤會顯示和該客戶相關的銷售漏斗涉及的總金額，以及當前處於正在進行中的銷售機會數和銷售報價單個數。

Win Rate（贏單率）

基於過去一年銷售數據計算出的贏單率，贏下的單子總的金額以及輸掉的單子對應的總金額。

Total Contract Value（合同總金額）

和該客戶相關的銷售和服務合同的總金額。

Account Receivables：針對某客戶的應收款金額。

要獲取更多Jerry的原創技術文章，請關注公衆號"汪子熙"或者掃描下面二維碼: