關於機器學習這個話題，我相信我這個公眾號1500多位關注者裡，一定有很多朋友的水平比Jerry高得多。如果您看過我以前兩篇文章，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程式消費SAP Leonardo的機器學習API

• 使用Recast.AI建立具有人工智慧的聊天機器人

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(以下簡稱C4C)中的應用。今天Jerry就把這個例子分享給大家。如果除了C4C外，您還知道SAP其他產品也已經啟用了機器學習，請留言，讓大家也多增長一些見識，謝謝。

SAP C4C在1708這個版本最先引入機器學習的支援，用於銷售場景中的Deal Intelligence(智慧交易)和服務場景中的Automatic Ticket Classification(Ticket智慧分類)。根據SAP官方網站上釋出的資訊，到C4C 1802為止，SAP C4C銷售和服務領域內支援的機器學習場景如下：

• 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大家。

文章目錄

• C4C系統啟用機器學習的前提條件

• C4C系統啟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作用

C4C系統啟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資料，以進行模式識別，建立統計模型對將來的業務決策做出預測。因此歷史資料成為C4C機器學習場景一個至關重要的輸入條件。

SAP C4C機器學習對於歷史資料規模的要求是：對於相關場景至少存在過去12個月的資料，數量不得少於5000個，並且必須滿足SAP幫助文件上定義的特徵分佈。

C4C系統啟用機器學習的主要步驟

C4C機器學習功能在每個tenant上預設處於關閉狀態。希望啟用機器學習的客戶需要向SAP提交一個Incident，按照SAP提供的一個模板填寫需要啟用機器學習的具體場景。作為一個SaaS解決方案，絕大多數複雜的機器學習啟用步驟都由SAP工作人員完成，剩下需要由C4C客戶在C4C tenant上完成的步驟僅僅是在C4C工作中心檢視Predication Services裡進行的簡單配置工作。

點選Model Setup超連結進行機器學習的模型配置：

注意圖中的"Readiness"這一列，代表當前tenant上相關的歷史資料的規模和分佈是否足以滿足SAP定義的建立機器學習訓練模型的條件。

如果條件不滿足，點選"View Report"能看到具體是歷史資料的哪個維度不滿足：

歷史資料準備好之後，透過點選下圖Model表格的工具欄上的按鈕"Add Model"建立機器學習的模型，訓練並啟用模型，然後就能在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全部被SAP封裝好，確保客戶的相關人員即使沒有任何機器學習的技術背景，也能在C4C系統上快速啟用機器學習的功能。

我們注意到上圖有一列"Data Source", 代表該場景需要的模型是否支援以外部檔案的方式將歷史資料匯入系統。"Auto Extraction"則代表直接使用當前tenant的資料作為歷史資料。

等模型訓練結束後狀態變為Active，就可以開始在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，我們可以得到客戶360度全方位的檢視。

開啟SAP C4C的客戶工作中心，在客戶列表裡選中任意一個客戶進入明細頁面，能在右邊看到一個名為Insights的區域。

這些客戶的360度檢視是基於C4C內部和外部的資料來源分析得出的,有助於銷售人員進行更有針對性的客戶計劃和銷售。C4C的外部資料來源採用的是第三方資料提供商Bombora。

透過Insights皮膚，我們能夠獲得透過機器學習得出的每個客戶的購買傾向的分數，並且能看出就我們關注的某一話題，該客戶的行為和傾向到底如何。Bombora會從該客戶相關的B2B網站上捕捉能夠反映該客戶購買傾向的各種線索。當檢測到客戶在某個話題上的線索數量有明顯增加時，我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）。我們會給出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分數顯示在螢幕右側Insights皮膚內，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為:Artificial Intelligence, Machine Learning和Collaboration Software。

在C4C工作中心檢視Predication Services的Third Party Data可以對Insights皮膚裡需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）列表裡選中某個商機，能看到右邊會使用機器學習的方式給該商機打的分，該分數代表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個月的銷售資料，經過訓練之後的機器學習模型計算出來的。分數越高，贏單率越大，因此銷售代表可以更有針對性的把資源放在優先順序更高的商機上去。分數會每天更新一次。

為了讓機器學習計算出來的得分更準確，需要C4C系統裡至少存在5000條歷史商機資料，並且這些歷史商機資料裡的"贏單"或者"輸單"狀態儘可能均勻分佈。

Insights標籤頁裡顯示的分數和Key Feature（關鍵指標）全部是從C4C後臺透過HTTP請求，以JSON格式返回到前臺進行渲染。

這個JSON格式的響應明細如下(從Chrome開發者工具Network標籤頁裡觀察到的）：

機器學習在C4C銷售報價單的產品推薦場景中的作用

大家平時在京東或淘寶上買一個東西后，手機app會自動向我們推薦一些其他我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我們以前的購買習慣透過一定的演算法計算出來的。

C4C同樣支援使用機器學習根據銷售訂單歷史資料進行向上銷售(Up Selling)和交叉銷售(Cross Selling)產品推薦。

我們可以在Machine Learning Scenarios（機器學習場景）的列表裡看到Product Recommendation（產品推薦）這個場景。透過點選按鈕Add Model建立一個新的機器學習模型，點選Train進行訓練，確保訓練成功完成，狀態變為Active, 說明該模型可用。

建立一個新的Product List，裡面包含了需要銷售的產品：下面的例子有兩個產品，ID為為1042416和10001380。

如果是傳統的產品推薦場景，假設當我在銷售訂單的行專案裡維護了上述兩個產品的ID後，還想推薦一些其他的產品，則需要透過人工的方式將這些推薦的商品維護到Product list的"Proposed Products"標籤頁裡，如下圖紅色區域所示。

有了人工智慧加上機器學習後，就可以省去這些人工配置的步驟和工作量。我給這個Product List加上了一個"203 - Product Recommendation"的場景，如下圖藍色區域所示，希望讓這個Product List裡包含的產品被加入到銷售訂單時，透過人工智慧的方式由SAP C4C系統自動推薦相關產品。

現在我們來做個測試，建立一個新的銷售報價單，將之前維護在Product List的某一個產品，比如1042416，維護在這個銷售報價單的行專案裡，然後C4C系統自動給我推薦了兩個其他產品，ID為P140101和P140100。

下圖是我從ABAP後臺除錯機器學習API呼叫得到的JSON響應在JSON編輯器裡開啟的截圖。可以看到機器學習給ID為P140101和P140100這兩個產品計算的相關分數是90和83。因為機器學習API的具體細節在SAP幫助文件裡沒有提及，這裡不便介紹。

關於機器學習在C4C中的更多應用，請參考SAP幫助文件。感謝閱讀。

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