近年来AI的应用非常广泛，大多数公司都是通过面向企业获取收入的。Salesforce是全球第一的CRM和SaaS平台，Salesforce在AI领域的产品叫Einstein（爱因斯坦），面市已有两三年时间。Salesforce的在线学习平台Trailhead上也已有相应的课程。我们就通过Einstein Trail（Trail即为一个课程单元）https://trailhead.salesforce.com/content/learn/trails/get_smart_einstein来详细了解下AI在Salesforce中的应用。
Einstein的主要作用（也是机器学习的主要作用）：
-
Discover 发现（主要同BI结合）
-
Predict 预测
-
Recommend 推荐
-
Automate 自动化
其实Einstein只是将主流的机器学习算法包装到Salesforce，那么为什么要使用Einstein而不是其它产品呢？
首先，企业的数据在Salesforce中。AI算法都需要数据的输入，虽然将Salesforce的数据导出后运行也可以操作，但Einstein可以直接使用，还能通过Salesforce集成邮件、社交、物联网等外部数据。
方便地定制预测。因为Salesforce是一个强定制平台，客户的数据和AI需求千变万化，有称为AutoML的技术来满足不同客户的AI需求，帮助客户完成数据清洗、特征工程和模型选择等工作。
同样的，AI的结果也可以直接体现到Salesforce应用内。
Einstein在技术上主要包含：
-
Bots 聊天机器人：可以嵌入到网页中作为智能客服等，主要利用NLP自然语言理解能力
-
Voice Assitant 语音助手：作为Salesforce用户的助手，可以通过语音交互来帮助用户如销售代表更好地使用Salesforce产品。
-
Voice Bots 语音机器人：聊天机器人的升级版，加入ASR、TTS等语音处理能力，能够作为电话销售或电话客服与客户交流。
-
Prediction Builder 预测构建器：回归算法预测
-
Next Best Action 推荐系统
-
Discovery BI系统
-
Vision and Language 基于深度学习的计算机视觉、语言系统
Einstein在应用层包含至少以下几点，这些都是与Salesforce CRM应用无缝集成的。
- Activity Capture 活动捕捉：
自动从邮件、日历、电话等中获取信息，记录跟进活动。
- Automated Contacts 自动联系人：
同样的，自动从以上信息源中获取潜在联系人。
- Lead Scoring 线索评分：
按评分展示最有可能成单的线索，使销售的精力集中在优质线索上。这个评分的准确度见仁见智，Salesforce也提出了相应的数据需求：
过去6个月内至少1000条线索
过去6个月内至少120条线索被转化为客户和合同。
过去6个月内至少120条线索在转化过程中创建了商机。
需要最多24小时运行时间来为线索评分。
- Opportunity Scoring 商机评分：
与线索评分类似，按评分展示最有可能成单的商机。有3个方面的促进：成单概率预测、跟进提醒、以及关键时刻展示。
- Account Insights 客户洞察:
通过新闻聚合和语义分析，将与特定客户相关的新闻汇总到该客户的详情页，如收购、扩张等。销售代表决定是否对客户洞察做跟进，也能将这些信息转发给其它同事。有了客户业务发展的全景图，销售团队能够更好地与客户建立长期的友好关系。
- Forecasting 销售预测：
展示预测与Quota、成单与Quota之前的Gap，可以细分到个人，也能展示主要影响因子。
Trail中也通过4个实战项目来加深对Einstein的理解：
- Lead Scoring
通过线索评分结合规则引擎，将评分高的线索直接分配给相应的销售代表。
- Prediction Builder
基于预订的客人历史上跳票的数据，预测当前的预订。
-
Vision
使用API将给定的一张照片归类，与CRM业务并没有直接的关联。
-
Language
通过上传训练数据集的语料，来训练模型判断客户询问的是什么类型的问题。
网友评论