使用機器學習進行客戶管理，我們可以得到客戶360度全方位的視圖。

本文以SAP Cloud for Customer的客戶管理應用為例，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，在客戶列表里選中任意一個客戶，能在右邊看到一個名為Insights的頁面。

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

通過Insights面板，我們能夠獲得通過機器學習得出的每個客戶的購買傾向的分數，也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，范圍在1到99之間，每周更新一次。

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Insights面板里需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，以及后續任務（Followup-task）的總數。

Pipeline（銷售管道）

銷售管道有時候也叫銷售漏斗，是一個非常形象的概念，是銷售過程控制的重要分析工具，適合銷售流程比較規范，周期比較長，參與的人員比較多的復雜銷售過程的管理。顧名思義，所有具有購買需求的潛在用戶位于銷售漏斗的頂部。

• 漏斗的上部：將自己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（如兩個互為競品的品牌中選一個）
• 漏斗的下部：基本上已經確定購買本企業的產品，只是有些手續還沒有落實的潛在用戶。
• 漏斗的底部：期望能夠成交的用戶。

根據所處整個銷售過程的位置，以及銷售成功的概率，我們通常需要對處于漏斗各個層次的銷售狀態確定一個百分數來代表該用戶銷售的成功率。

比如，處在漏斗上部的潛在用戶其成功率為20％，處在漏斗中部的潛在用戶其成功率為50％，處在漏斗下部的潛在用戶其成功率為 70％。從潛在用戶到最后成功簽約，流程每推進一步，用戶名單就會減少一些，看起來是個倒金字塔形狀，也就是個漏斗形狀，所以將其形象地稱為銷售漏斗。

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

Win Rate（贏單率）

基于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。

總結

以上是生活随笔為你收集整理的机器学习在客户管理场景中的应用的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。