與傳統(tǒng)評分模式和預(yù)測模型相比，引入了人工智能的評分會更加精確和科學(xué)，文章就人工智能在CRM評分中的運(yùn)用展開了全方面分析，這可能是國內(nèi)在這個方向可以看到的唯一資料了。

文章內(nèi)容源于一些實踐，希望讀者對CRM業(yè)務(wù)架構(gòu)實現(xiàn)有一定了解，例如線索管理、銷售漏斗、商機(jī)管理、銷售預(yù)測等；也希望對預(yù)測營銷領(lǐng)域有稍微了解，例如潛在客戶獲取和潛在客戶評分等。

人工智能和企業(yè)服務(wù)

最近在思考，為什么企業(yè)服務(wù)要與人工智能結(jié)合，個人覺得有這兩點(diǎn)：

• 不管是因為人力成本增加還是其他紅利的流失，企業(yè)越來越關(guān)注效率，人工智能的使命本身也是破局效率瓶頸。
• 之前企業(yè)信息系統(tǒng)主要關(guān)注在系統(tǒng)之間信息孤島這個痛點(diǎn)，未來隨著開放平臺的發(fā)展，我們將更加關(guān)注企業(yè)業(yè)務(wù)過程數(shù)據(jù)與外部數(shù)據(jù)的結(jié)合。

我個人從事的領(lǐng)域主要還是在AI+CRM。2017我們也看到，AI應(yīng)用在CRM中已趨勢是大廠已經(jīng)全面應(yīng)用，甚至有的已經(jīng)是多年，小廠都在及時布局，熱鬧程度一點(diǎn)都不亞于在線客服。技術(shù)應(yīng)用也很廣泛，例如圖像識別的應(yīng)用，國外saleforce識別庫存、國內(nèi)外勤365識別翻拍照片識別；語音識別和NLP的應(yīng)用，呼叫中心質(zhì)檢和知識挖掘、Chorus.ai分析語音記錄；還有智能助手、自動化步驟推薦、業(yè)績預(yù)測和聯(lián)系時間建議等。

之前聊過一些預(yù)測營銷，在預(yù)測營銷的兩個主功能中大家最感興趣的是「潛客推薦」，但最近我個人做得比較多的還是另外一個，就是「評分」。

評分對于CRM的意義

最近太多人與我討論評分意義的問題，其實一個產(chǎn)品主要解決“場景”中的問題。CRM在中國還是一個To Boss 的產(chǎn)品，讓銷售管理者時時刻刻了解現(xiàn)有商機(jī)形勢下完成銷售目標(biāo)的風(fēng)險是評分目前最大的應(yīng)用點(diǎn)。而此場景中的前提是商機(jī)總量要有一定規(guī)模，這樣確定優(yōu)先級和規(guī)模預(yù)測意義才會大。如果是一個大單性質(zhì)的銷售團(tuán)隊，十人以下，每人跟進(jìn)的項目幾個，銷售過程基本全部依賴“關(guān)系”，確實評分沒有任何意義。

評分在CRM中不是什么新鮮事，之前都是類似于調(diào)查問卷的形式，針對一些維度由銷售人員和 Coach來打分確定項目形式，國內(nèi)的某產(chǎn)品和國外的ORACLE都看得到，主要還是基于線下的，這種模式下各維度權(quán)重基本屬于人為猜測。而人工智能的技術(shù)發(fā)展使評分可以變得更加自動化，效率更高，應(yīng)用面也更廣。

評分對于CRM，我覺得核心意義主要在兩點(diǎn)：

提升銷售效率，實現(xiàn)收入最大化

這里主要還是提高“人效”。一方面評分使組織能夠?qū)⑻幚淼膬?yōu)先排序從一種很大程度上的主觀過程轉(zhuǎn)變成一種分析性的科學(xué)方法，有效降低了人與人之間認(rèn)知的差別。另一方面機(jī)器承擔(dān)了之前人更多的工作，大幅提升工作效率。

讓銷售業(yè)績預(yù)測更加科學(xué)和準(zhǔn)確，提高了收入預(yù)期的置信度，可以提前預(yù)知風(fēng)險

銷售業(yè)績預(yù)測對于管理者是一個極為關(guān)注但又無法科學(xué)量化的數(shù)字。

傳統(tǒng)CRM銷售預(yù)測還是基于銷售漏斗的商機(jī)階段贏率加權(quán)來預(yù)測（∑銷售商機(jī)金額*贏率（%）的加權(quán)總和），這其中階段和贏率都是是一個人為確定的，看似科學(xué)其實可落地和準(zhǔn)確度堪憂。

如果引入了基于人工智能的評分，數(shù)據(jù)方面，內(nèi)部數(shù)據(jù)+上下游系統(tǒng)數(shù)據(jù)+CRM系統(tǒng)數(shù)據(jù)使數(shù)據(jù)維度更加全面，算法上引入機(jī)器學(xué)習(xí)的評分模型可以不斷調(diào)整，所以用自動化的評分代替贏率才是科學(xué)預(yù)測業(yè)績的最佳解決方案。

銷售自動化中的評分實踐

CRM銷售管理的核心觀點(diǎn)是銷售自動化（Sales Force Automation），銷售自動化是信息技術(shù)和銷售管理結(jié)合的最佳管理實踐，其中流程中的三個對象也是被廣泛利用，分別是線索、客戶和商機(jī)。

線索評分關(guān)注的是契合度（相關(guān)度）

線索（Leads）：線索是最不確定的潛在客戶，有可能完全不是企業(yè)的目標(biāo)客戶，也可能僅僅是一些錯誤的信息片段。線索來源非常廣泛，有可能是客戶隨便在網(wǎng)站提交了詢價信息，也有可能是企業(yè)通過爬蟲從其他平臺獲取的信息，也有可能是購買的電話名單。

因為線索的不確定性，需要對線索做兩件事，一是清洗線索甄別可能轉(zhuǎn)化為目標(biāo)客戶，另一個是將篩選出的優(yōu)質(zhì)線索分配給最合適的人。所以評分上我們應(yīng)該關(guān)注線索與理想客戶畫像的契合度：

契合度需要靜態(tài)畫像和也需要動態(tài)跟蹤意向特征。如何甄別一個線索是不是潛在客戶，我們需要先建立理想客戶的客戶畫像，內(nèi)部數(shù)據(jù)主要是CRM內(nèi)部數(shù)據(jù)，而外部數(shù)據(jù)針對B2B企業(yè)可以結(jié)合企業(yè)數(shù)據(jù)構(gòu)建（如工商、企業(yè)網(wǎng)站、招聘、財報、新聞等），針對B2C客戶可以結(jié)合社交數(shù)據(jù)構(gòu)建。除了靜態(tài)畫像之外，機(jī)器需要持續(xù)跟蹤線索（如招聘更新、最近新聞、社交媒體更新等），當(dāng)線索出現(xiàn)有利特征后需要主動提醒更新分?jǐn)?shù)。

契合度最好做到“千人千面”。不同的銷售，擅長開發(fā)的客戶對象可能區(qū)別很大，評分模型最好做到針對個人，最優(yōu)的分配機(jī)制可以最大化“人效”。

客戶評分關(guān)注在健康度和價值

關(guān)于客戶的分析有很多模型，如RFM、忠誠度、生命周期、信譽(yù)、貢獻(xiàn)等，我覺得可以歸納為健康度和價值。健康度代表客戶可以持續(xù)為企業(yè)帶來收益的能力，而價值決定企業(yè)需要投入的資源。除了評分有效的引入提醒機(jī)制是非常有必要的，一切都為了預(yù)期業(yè)績的最大化。

商機(jī)評分關(guān)注的是成單概率和優(yōu)先級

商機(jī)：商機(jī)是更高質(zhì)量的線索，是真正的潛在成單機(jī)會，也叫單子或是項目。銷售對商機(jī)要進(jìn)行有計劃地，持續(xù)的跟進(jìn)接觸，最終轉(zhuǎn)化為贏單。因為銷售資源有限，銷售人員應(yīng)該多些精力關(guān)注在成單概率最高和最緊急的商機(jī)上。

所以評分上應(yīng)該關(guān)注是成單概率和優(yōu)先級，準(zhǔn)確的預(yù)測成單概率可以讓銷售業(yè)績預(yù)測置信度大幅提高。

上文在線索評分中我們了解過契合度，基于商機(jī)評分我們要引入新的維度叫參與度（粘度），其實在線索評分中也可以加入此維度（如網(wǎng)站訪問次數(shù)、關(guān)鍵頁面瀏覽等）。參與度是動態(tài)的，表示客戶對于商機(jī)的參與情況或者說項目跟進(jìn)的形勢。

當(dāng)然參與度和契合度理解起來還是太技術(shù)，在系統(tǒng)中我們可以將這兩個維度拆解為以下更加直觀的雷達(dá)圖。在分析過程中除了數(shù)據(jù)的處理，NLP、機(jī)器學(xué)習(xí)和語音識別（錄音數(shù)據(jù)）也是必不可少的。

總結(jié)

對比傳統(tǒng)的評分模式，引入了機(jī)器學(xué)習(xí)的預(yù)測模型更加智能和自動化，因子的影響度更加準(zhǔn)確。因此，預(yù)測性評分會根據(jù)客戶的特點(diǎn)告訴你理想的客戶應(yīng)該是什么樣子，現(xiàn)在的形勢下我們可能獲得多少業(yè)績，而不是靠猜測。

但在數(shù)據(jù)方面，數(shù)據(jù)要夠全面、完整和及時，需要獲取從營銷到客戶著陸再到交易的全過程數(shù)據(jù)。針對數(shù)據(jù)建模，業(yè)務(wù)的個性化也是是實踐中不得不面對的難題，因為解決問題的邊界清晰是人工智能成功的必要前提。

作者：楊嘉琦，奇魚時代AI產(chǎn)品經(jīng)理，寫過2年代碼，這三年主要做To B產(chǎn)品規(guī)劃設(shè)計，目前主要專注在人工智能與To B產(chǎn)品結(jié)合。

本文由 @楊嘉琦 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來自PEXELS，基于CC0協(xié)議