機器學習在SAP Cloud for Customer中的應用

關於機器學習這個話題，我相信我這個公衆號1500多位關注者裏，必定有不少朋友的水平比Jerry高得多。若是您看過我之前兩篇文章，您就會發現，我對機器學習僅僅停留在會使用API的層面上。

• 使用Java程序消費SAP Leonardo的機器學習API
• 使用Recast.AI建立具備人工智能的聊天機器人

關於機器學習在SAP標準產品中的應用，Jerry只知道一個例子，就是機器學習在SAP Cloud for Customer(如下簡稱C4C)中的應用。今天Jerry就把這個例子分享給你們。若是除了C4C外，您還知道SAP其餘產品也已經啓用了機器學習，請留言，讓你們也多增加一些見識，謝謝。

SAP C4C在1708這個版本最早引入機器學習的支持，用於銷售場景中的Deal Intelligence(智能交易)和服務場景中的Automatic Ticket Classification(Ticket智能分類)。根據SAP官方網站上發佈的信息，到C4C 1802爲止，SAP C4C銷售和服務領域內支持的機器學習場景以下：

• Deal Intelligence
• Lead Intelligence
• Account Intelligence
• Ticket Intelligence

本文Jerry將選擇三個我熟悉的場景分享給你們。

文章目錄

• C4C系統啓用機器學習的前提條件
• C4C系統啓用機器學習的主要步驟
• 機器學習在C4C客戶管理場景中的應用
• 機器學習在C4C銷售商機管理中的應用
• 機器學習在C4C銷售報價單的產品推薦場景中的做用

C4C系統啓用機器學習的前提條件

C4C機器學習的思路是分析系統內已有的歷史數據，以進行模式識別，建立統計模型對未來的業務決策作出預測。所以歷史數據成爲C4C機器學習場景一個相當重要的輸入條件。

SAP C4C機器學習對於歷史數據規模的要求是：對於相關場景至少存在過去12個月的數據，數量不得少於5000個，而且必須知足SAP幫助文檔上定義的特徵分佈。

C4C系統啓用機器學習的主要步驟

C4C機器學習功能在每一個tenant上默認處於關閉狀態。但願啓用機器學習的客戶須要向SAP提交一個Incident，按照SAP提供的一個模板填寫須要啓用機器學習的具體場景。做爲一個SaaS解決方案，絕大多數複雜的機器學習啓用步驟都由SAP工做人員完成，剩下須要由C4C客戶在C4C tenant上完成的步驟僅僅是在C4C工做中心視圖Predication Services裏進行的簡單配置工做。

點擊Model Setup超連接進行機器學習的模型配置：

注意圖中的"Readiness"這一列，表明當前tenant上相關的歷史數據的規模和分佈是否足以知足SAP定義的建立機器學習訓練模型的條件。

若是條件不知足，點擊"View Report"能看到具體是歷史數據的哪一個維度不知足：

歷史數據準備好以後，經過點擊下圖Model表格的工具欄上的按鈕"Add Model"建立機器學習的模型，訓練並激活模型，而後就能在C4C的業務場景中使用機器學習提供的強大功能了。

這些按鈕背後的技術細節所有被SAP封裝好，確保客戶的相關人員即便沒有任何機器學習的技術背景，也能在C4C系統上快速啓用機器學習的功能。

咱們注意到上圖有一列"Data Source", 表明該場景須要的模型是否支持之外部文件的方式將歷史數據導入系統。"Auto Extraction"則表明直接使用當前tenant的數據做爲歷史數據。

等模型訓練結束後狀態變爲Active，就能夠開始在C4C業務場景中使用機器學習了。

機器學習在C4C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。

打開SAP C4C的客戶工做中心，在客戶列表裏選中任意一個客戶進入明細頁面，能在右邊看到一個名爲Insights的區域。

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，而且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（抱歉，Jerry實在不知道這個單詞如何翻譯成中文）。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：

機器學習在C4C銷售商機管理中的應用

在銷售商機（Opportunity）列表裏選中某個商機，能看到右邊會使用機器學習的方式給該商機打的分，該分數表明選中商機的贏單機率。

上面顯示的分數是基於SAP C4C tenant上過去12個月的銷售數據，通過訓練以後的機器學習模型計算出來的。分數越高，贏單率越大，所以銷售表明能夠更有針對性的把資源放在優先級更高的商機上去。分數會天天更新一次。

爲了讓機器學習計算出來的得分更準確，須要C4C系統裏至少存在5000條歷史商機數據，而且這些歷史商機數據裏的"贏單"或者"輸單"狀態儘量均勻分佈。

Insights標籤頁裏顯示的分數和Key Feature（關鍵指標）所有是從C4C後臺經過HTTP請求，以JSON格式返回到前臺進行渲染。

這個JSON格式的響應明細以下(從Chrome開發者工具Network標籤頁裏觀察到的）：

機器學習在C4C銷售報價單的產品推薦場景中的做用

你們平時在京東或淘寶上買一個東西后，手機app會自動向咱們推薦一些其餘咱們可能會購買的商品，這些推薦就是背後的機器學習框架基於咱們之前的購買習慣經過必定的算法計算出來的。

C4C一樣支持使用機器學習根據銷售訂單歷史數據進行向上銷售(Up Selling)和交叉銷售(Cross Selling)產品推薦。

咱們能夠在Machine Learning Scenarios（機器學習場景）的列表裏看到Product Recommendation（產品推薦）這個場景。經過點擊按鈕Add Model建立一個新的機器學習模型，點擊Train進行訓練，確保訓練成功完成，狀態變爲Active, 說明該模型可用。

建立一個新的Product List，裏面包含了須要銷售的產品：下面的例子有兩個產品，ID爲爲1042416和10001380。

若是是傳統的產品推薦場景，假設當我在銷售訂單的行項目裏維護了上述兩個產品的ID後，還想推薦一些其餘的產品，則須要經過人工的方式將這些推薦的商品維護到Product list的"Proposed Products"標籤頁裏，以下圖紅色區域所示。

有了人工智能加上機器學習後，就能夠省去這些人工配置的步驟和工做量。我給這個Product List加上了一個"203 - Product Recommendation"的場景，以下圖藍色區域所示，但願讓這個Product List裏包含的產品被加入到銷售訂單時，經過人工智能的方式由SAP C4C系統自動推薦相關產品。

如今咱們來作個測試，建立一個新的銷售報價單，將以前維護在Product List的某一個產品，好比1042416，維護在這個銷售報價單的行項目裏，而後C4C系統自動給我推薦了兩個其餘產品，ID爲P140101和P140100。

下圖是我從ABAP後臺調試機器學習API調用獲得的JSON響應在JSON編輯器裏打開的截圖。能夠看到機器學習給ID爲P140101和P140100這兩個產品計算的相關分數是90和83。由於機器學習API的具體細節在SAP幫助文檔裏沒有說起，這裏不便介紹。

關於機器學習在C4C中的更多應用，請參考SAP幫助文檔。感謝閱讀。

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: