机器学习在SAP Cloud for Customer中的应用
關(guān)于機(jī)器學(xué)習(xí)這個(gè)話題，我相信我這個(gè)公眾號(hào)1500多位關(guān)注者里，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(huì)發(fā)現(xiàn)，我對(duì)機(jī)器學(xué)習(xí)僅僅停留在會(huì)使用API的層面上。
-
使用Java程序消費(fèi)SAP Leonardo的機(jī)器學(xué)習(xí)API
-
使用Recast.AI創(chuàng)建具有人工智能的聊天機(jī)器人
關(guān)于機(jī)器學(xué)習(xí)在SAP標(biāo)準(zhǔn)產(chǎn)品中的應(yīng)用，Jerry只知道一個(gè)例子，就是機(jī)器學(xué)習(xí)在SAP Cloud for Customer(以下簡(jiǎn)稱C4C)中的應(yīng)用。今天Jerry就把這個(gè)例子分享給大家。如果除了C4C外，您還知道SAP其他產(chǎn)品也已經(jīng)啟用了機(jī)器學(xué)習(xí)，請(qǐng)留言，讓大家也多增長(zhǎng)一些見識(shí)，謝謝。
SAP C4C在1708這個(gè)版本最先引入機(jī)器學(xué)習(xí)的支持，用于銷售場(chǎng)景中的Deal Intelligence(智能交易)和服務(wù)場(chǎng)景中的Automatic Ticket Classification(Ticket智能分類)。根據(jù)SAP官方網(wǎng)站上發(fā)布的信息，到C4C 1802為止，SAP C4C銷售和服務(wù)領(lǐng)域內(nèi)支持的機(jī)器學(xué)習(xí)場(chǎng)景如下：
-
Deal Intelligence
-
Lead Intelligence
-
Account Intelligence
-
Ticket Intelligence
本文Jerry將選擇三個(gè)我熟悉的場(chǎng)景分享給大家。
文章目錄
-
C4C系統(tǒng)啟用機(jī)器學(xué)習(xí)的前提條件
-
C4C系統(tǒng)啟用機(jī)器學(xué)習(xí)的主要步驟
-
機(jī)器學(xué)習(xí)在C4C客戶管理場(chǎng)景中的應(yīng)用
-
機(jī)器學(xué)習(xí)在C4C銷售商機(jī)管理中的應(yīng)用
-
機(jī)器學(xué)習(xí)在C4C銷售報(bào)價(jià)單的產(chǎn)品推薦場(chǎng)景中的作用
C4C系統(tǒng)啟用機(jī)器學(xué)習(xí)的前提條件
C4C機(jī)器學(xué)習(xí)的思路是分析系統(tǒng)內(nèi)已有的歷史數(shù)據(jù)，以進(jìn)行模式識(shí)別，創(chuàng)建統(tǒng)計(jì)模型對(duì)將來的業(yè)務(wù)決策做出預(yù)測(cè)。因此歷史數(shù)據(jù)成為C4C機(jī)器學(xué)習(xí)場(chǎng)景一個(gè)至關(guān)重要的輸入條件。
SAP C4C機(jī)器學(xué)習(xí)對(duì)于歷史數(shù)據(jù)規(guī)模的要求是：對(duì)于相關(guān)場(chǎng)景至少存在過去12個(gè)月的數(shù)據(jù)，數(shù)量不得少于5000個(gè)，并且必須滿足SAP幫助文檔上定義的特征分布。
C4C系統(tǒng)啟用機(jī)器學(xué)習(xí)的主要步驟
C4C機(jī)器學(xué)習(xí)功能在每個(gè)tenant上默認(rèn)處于關(guān)閉狀態(tài)。希望啟用機(jī)器學(xué)習(xí)的客戶需要向SAP提交一個(gè)Incident，按照SAP提供的一個(gè)模板填寫需要啟用機(jī)器學(xué)習(xí)的具體場(chǎng)景。作為一個(gè)SaaS解決方案，絕大多數(shù)復(fù)雜的機(jī)器學(xué)習(xí)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工作中心視圖Predication Services里進(jìn)行的簡(jiǎn)單配置工作。
點(diǎn)擊Model Setup超鏈接進(jìn)行機(jī)器學(xué)習(xí)的模型配置：
注意圖中的"Readiness"這一列，代表當(dāng)前tenant上相關(guān)的歷史數(shù)據(jù)的規(guī)模和分布是否足以滿足SAP定義的創(chuàng)建機(jī)器學(xué)習(xí)訓(xùn)練模型的條件。
如果條件不滿足，點(diǎn)擊"View Report"能看到具體是歷史數(shù)據(jù)的哪個(gè)維度不滿足：
歷史數(shù)據(jù)準(zhǔn)備好之后，通過點(diǎn)擊下圖Model表格的工具欄上的按鈕"Add Model"創(chuàng)建機(jī)器學(xué)習(xí)的模型，訓(xùn)練并激活模型，然后就能在C4C的業(yè)務(wù)場(chǎng)景中使用機(jī)器學(xué)習(xí)提供的強(qiáng)大功能了。
這些按鈕背后的技術(shù)細(xì)節(jié)全部被SAP封裝好，確保客戶的相關(guān)人員即使沒有任何機(jī)器學(xué)習(xí)的技術(shù)背景，也能在C4C系統(tǒng)上快速啟用機(jī)器學(xué)習(xí)的功能。
我們注意到上圖有一列"Data Source", 代表該場(chǎng)景需要的模型是否支持以外部文件的方式將歷史數(shù)據(jù)導(dǎo)入系統(tǒng)。"Auto Extraction"則代表直接使用當(dāng)前tenant的數(shù)據(jù)作為歷史數(shù)據(jù)。
等模型訓(xùn)練結(jié)束后狀態(tài)變?yōu)锳ctive，就可以開始在C4C業(yè)務(wù)場(chǎng)景中使用機(jī)器學(xué)習(xí)了。
機(jī)器學(xué)習(xí)在C4C客戶管理場(chǎng)景中的應(yīng)用
使用機(jī)器學(xué)習(xí)進(jìn)行客戶管理，我們可以得到客戶360度全方位的視圖。
打開SAP C4C的客戶工作中心，在客戶列表里選中任意一個(gè)客戶進(jìn)入明細(xì)頁面，能在右邊看到一個(gè)名為Insights的區(qū)域。
這些客戶的360度視圖是基于C4C內(nèi)部和外部的數(shù)據(jù)源分析得出的,有助于銷售人員進(jìn)行更有針對(duì)性的客戶計(jì)劃和銷售。C4C的外部數(shù)據(jù)源采用的是第三方數(shù)據(jù)提供商Bombora。
通過Insights面板，我們能夠獲得通過機(jī)器學(xué)習(xí)得出的每個(gè)客戶的購買傾向的分?jǐn)?shù)，并且能看出就我們關(guān)注的某一話題，該客戶的行為和傾向到底如何。Bombora會(huì)從該客戶相關(guān)的B2B網(wǎng)站上捕捉能夠反映該客戶購買傾向的各種線索。當(dāng)檢測(cè)到客戶在某個(gè)話題上的線索數(shù)量有明顯增加時(shí)，我們稱這個(gè)客戶就該話題表現(xiàn)出了一個(gè)Surge（抱歉，Jerry實(shí)在不知道這個(gè)單詞如何翻譯成中文）。我們會(huì)給出Surge的分?jǐn)?shù)，范圍在1到99之間，每周更新一次。
SAP C4C會(huì)將某個(gè)客戶總的Surge分?jǐn)?shù)顯示在屏幕右側(cè)Insights面板內(nèi)，同時(shí)顯示出Surge分?jǐn)?shù)最高的前三個(gè)話題。下圖Surge分?jǐn)?shù)前三的話題依次為:Artificial Intelligence, Machine Learning和Collaboration Software。
在C4C工作中心視圖Predication Services的Third Party Data可以對(duì)Insights面板里需要關(guān)注的話題進(jìn)行配置：
機(jī)器學(xué)習(xí)在C4C銷售商機(jī)管理中的應(yīng)用
在銷售商機(jī)（Opportunity）列表里選中某個(gè)商機(jī)，能看到右邊會(huì)使用機(jī)器學(xué)習(xí)的方式給該商機(jī)打的分，該分?jǐn)?shù)代表選中商機(jī)的贏單概率。
上面顯示的分?jǐn)?shù)是基于SAP C4C tenant上過去12個(gè)月的銷售數(shù)據(jù)，經(jīng)過訓(xùn)練之后的機(jī)器學(xué)習(xí)模型計(jì)算出來的。分?jǐn)?shù)越高，贏單率越大，因此銷售代表可以更有針對(duì)性的把資源放在優(yōu)先級(jí)更高的商機(jī)上去。分?jǐn)?shù)會(huì)每天更新一次。
為了讓機(jī)器學(xué)習(xí)計(jì)算出來的得分更準(zhǔn)確，需要C4C系統(tǒng)里至少存在5000條歷史商機(jī)數(shù)據(jù)，并且這些歷史商機(jī)數(shù)據(jù)里的"贏單"或者"輸單"狀態(tài)盡可能均勻分布。
Insights標(biāo)簽頁里顯示的分?jǐn)?shù)和Key Feature（關(guān)鍵指標(biāo)）全部是從C4C后臺(tái)通過HTTP請(qǐng)求，以JSON格式返回到前臺(tái)進(jìn)行渲染。
這個(gè)JSON格式的響應(yīng)明細(xì)如下(從Chrome開發(fā)者工具Network標(biāo)簽頁里觀察到的）：
機(jī)器學(xué)習(xí)在C4C銷售報(bào)價(jià)單的產(chǎn)品推薦場(chǎng)景中的作用
大家平時(shí)在京東或淘寶上買一個(gè)東西后，手機(jī)app會(huì)自動(dòng)向我們推薦一些其他我們可能會(huì)購買的商品，這些推薦就是背后的機(jī)器學(xué)習(xí)框架基于我們以前的購買習(xí)慣通過一定的算法計(jì)算出來的。
C4C同樣支持使用機(jī)器學(xué)習(xí)根據(jù)銷售訂單歷史數(shù)據(jù)進(jìn)行向上銷售(Up Selling)和交叉銷售(Cross Selling)產(chǎn)品推薦。
我們可以在Machine Learning Scenarios（機(jī)器學(xué)習(xí)場(chǎng)景）的列表里看到Product Recommendation（產(chǎn)品推薦）這個(gè)場(chǎng)景。通過點(diǎn)擊按鈕Add Model創(chuàng)建一個(gè)新的機(jī)器學(xué)習(xí)模型，點(diǎn)擊Train進(jìn)行訓(xùn)練，確保訓(xùn)練成功完成，狀態(tài)變?yōu)锳ctive, 說明該模型可用。
創(chuàng)建一個(gè)新的Product List，里面包含了需要銷售的產(chǎn)品：下面的例子有兩個(gè)產(chǎn)品，ID為為1042416和10001380。
如果是傳統(tǒng)的產(chǎn)品推薦場(chǎng)景，假設(shè)當(dāng)我在銷售訂單的行項(xiàng)目里維護(hù)了上述兩個(gè)產(chǎn)品的ID后，還想推薦一些其他的產(chǎn)品，則需要通過人工的方式將這些推薦的商品維護(hù)到Product list的"Proposed Products"標(biāo)簽頁里，如下圖紅色區(qū)域所示。
有了人工智能加上機(jī)器學(xué)習(xí)后，就可以省去這些人工配置的步驟和工作量。我給這個(gè)Product List加上了一個(gè)"203 - Product Recommendation"的場(chǎng)景，如下圖藍(lán)色區(qū)域所示，希望讓這個(gè)Product List里包含的產(chǎn)品被加入到銷售訂單時(shí)，通過人工智能的方式由SAP C4C系統(tǒng)自動(dòng)推薦相關(guān)產(chǎn)品。
現(xiàn)在我們來做個(gè)測(cè)試，創(chuàng)建一個(gè)新的銷售報(bào)價(jià)單，將之前維護(hù)在Product List的某一個(gè)產(chǎn)品，比如1042416，維護(hù)在這個(gè)銷售報(bào)價(jià)單的行項(xiàng)目里，然后C4C系統(tǒng)自動(dòng)給我推薦了兩個(gè)其他產(chǎn)品，ID為P140101和P140100。
下圖是我從ABAP后臺(tái)調(diào)試機(jī)器學(xué)習(xí)API調(diào)用得到的JSON響應(yīng)在JSON編輯器里打開的截圖。可以看到機(jī)器學(xué)習(xí)給ID為P140101和P140100這兩個(gè)產(chǎn)品計(jì)算的相關(guān)分?jǐn)?shù)是90和83。因?yàn)闄C(jī)器學(xué)習(xí)API的具體細(xì)節(jié)在SAP幫助文檔里沒有提及，這里不便介紹。
關(guān)于機(jī)器學(xué)習(xí)在C4C中的更多應(yīng)用，請(qǐng)參考SAP幫助文檔。感謝閱讀。
要獲取更多Jerry的原創(chuàng)技術(shù)文章，請(qǐng)關(guān)注公眾號(hào)"汪子熙"或者掃描下面二維碼:
總結(jié)
以上是生活随笔為你收集整理的机器学习在SAP Cloud for Customer中的应用的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 你的项目刚刚启动？是时候考虑Global
- 下一篇： Hyperledger(超级账本)的wo