所謂客戶關係管理軟體(Customer Relationship Management，下文簡稱 CRM)，是一種旨在管理和改善企業與其客戶之間關係的應用類軟體。客戶關係管理軟體系統的宗旨是：為滿足每個客戶的特殊需求，同客戶建立聯絡，透過軟體提供的各種同客戶不同渠道的互動，以及隨之產生的業務資料，從中提煉挖掘出客戶的不同需求，並在此基礎上進行一對一個性化服務。

常規的客戶關係管理軟體包括銷售管理、商務管理，資料彙總和分析，市場營銷管理、客戶服務系統以及客戶呼叫中心等模組。在全球企業向數字化轉型的浪潮中，客戶關係管理系統已經成為企業運營不可或缺的工具之一。

隨著近些年人工智慧的技術研究不斷取得進展，大量原本在傳統 CRM 系統裡需要使用者手動操作才能完成的業務流程，藉助人工智慧技術可以得到大量簡化甚至完全達到自動化。作為世界上最優秀的企業管理軟體提供商之一，SAP 在傳統的本地部署(On-Premises)系統架構和 Saas(Software-as-a-Service) 領域都推出了對應的解決方案，其中後者，部署在雲端的 SAP CRM 解決方案，名叫 SAP Cloud for Customer(簡稱 C4C). 筆者在 SAP 成都研究院曾經從事過該系統的開發工作，本文將 C4C 和人工智慧相關的業務流程和實現分享出來，希望對社群裡致力於人工智慧技術如何落地的朋友們有所啟發。

![](https://img-blog.csdnimg.cn/img_convert/99ca0602cf9dd56fb9243f3dd17b5057.png)

SAP Cloud for Customer(下文簡稱 C4C) 在 1708 這個版本里最先引入使用人工智慧的支援，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)。到 C4C 1802 版本為止，SAP C4C 在銷售和服務領域內經由人工智慧增強的場景如下：

- Deal Intelligence

- Lead Intelligence

- Account Intelligence

- Ticket Intelligence

# 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，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 條，並且必須滿足 SAP 官方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 裡進行簡單的配置工作。

點選 Model Setup 超連結進行機器學習的模型配置：

![](https://img-blog.csdnimg.cn/img_convert/390ba2e3f3c0ad49904eaffeda80e603.png)

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：

![](https://img-blog.csdnimg.cn/img_convert/caf3af227b1c609d020cbcd1cd688f83.png)

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。

![](https://img-blog.csdnimg.cn/img_convert/cc2437a785f2d3dd2eb2ec9bb42fc732.png)

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。

![](https://img-blog.csdnimg.cn/img_convert/c67a51228af16ea00a7037aaffcdddf2.png)

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。

![](https://img-blog.csdnimg.cn/img_convert/c43a49686755de355f751ea15ec1a9c2.png)

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.

![](https://img-blog.csdnimg.cn/img_convert/dd8490448e83d3be1514d645daa4d5e6.png)

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，我們會給出Surge 的分數，範圍在 1 到 99 之間，每週更新一次。

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
- Collaboration Software

![](https://img-blog.csdnimg.cn/img_convert/06b271e7034017dfbdfa682a25f7bc83.png)

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：
![](https://img-blog.csdnimg.cn/img_convert/dd27ab6e3bb88565ca75194963350ff9.png)

# 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。

![](https://img-blog.csdnimg.cn/img_convert/85dc4839206a0e7950db52b752d5ae98.png)

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）：

![](https://img-blog.csdnimg.cn/img_convert/75fea2ae6862fc9a4bd4f1d4dc7783d8.png)

# 機器學習在 C4C 銷售報價單的產品推薦場景中的作用

大家平時在電商網站上買一個東西后，系統會自動向我們推薦一些其他我們可能會感興趣的商品，這些推薦就是系統背後的人工智慧模組，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。

![](https://img-blog.csdnimg.cn/img_convert/b14905c708b0ae1e4697be77382cfc08.png)

建立一個新的 Product List(產品列表)，裡面包含了需要銷售的產品：下面的例子有兩個產品，ID為 1042416 和 10001380.
![](https://img-blog.csdnimg.cn/img_convert/7f24ea71c6a8fe53a9ffca3517519af1.png)

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。

![](https://img-blog.csdnimg.cn/img_convert/8dca7b3575a54b59f6c01da0a5140342.png)

引入 AI 的支援後，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.

![](https://img-blog.csdnimg.cn/img_convert/c4b0ec4e64ec0d02484423a2d01bd5de.png)

下圖是我從 ABAP 程式語言除錯機器學習 API 呼叫得到的 JSON 響應在 JSON 編輯器裡開啟的截圖。

可以看到 C4C 的人工智慧模組給 ID 為 P140101 和 P140100 這兩個產品計算的相關分數是 90 和 83.

![](https://img-blog.csdnimg.cn/img_convert/bc5d41ee536b779254410722325c77e0.png)

以上就是人工智慧技術在客戶關係管理軟體中的一些應用，希望能夠對致力於將人工智慧技術應用到實際業務場景中的同仁們有所幫助，感謝閱讀。

人工智慧在客戶關係管理軟體銷售和服務模組中的應用

相關文章