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。
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整合的。
開啟sap c4c的客戶中心，在客戶列表裡選中任意乙個客戶，能在右邊看到乙個名為insights的頁面。
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畫和銷售。c4c的外部資料來源採用的是第三方資料提供商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**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乙個surge。我們會給出surge的分數，範圍在1到99之間，每週更新一次。
sap c4c會將某個客戶總的surge分數顯示在螢幕右側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工作中心檢視predication services的third party data可以對insights面板裡需要關注的話題進行配置：
顯示和該客戶過去一年內接收和傳送的電子郵件，**，會議，以及後續任務（followup-task）的總數。
銷售管道有時候也叫銷售漏斗，是乙個非常形象的概念，是銷售過程控制的重要分析工具，適合銷售流程比較規範，週期比較長，參與的人員比較多的複雜銷售過程的管理。顧名思義，所有具有購買需求的潛在使用者位於銷售漏斗的頂部。
根據所處整個銷售過程的位置，以及銷售成功的概率，我們通常需要對處於漏斗各個層次的銷售狀態確定乙個百分數來代表該使用者銷售的成功率。
比如，處在漏斗上部的潛在使用者其成功率為20％，處在漏斗中部的潛在使用者其成功率為50％，處在漏斗下部的潛在使用者其成功率為 70％。從潛在使用者到最後成功簽約，流程每推進一步，使用者名單就會減少一些，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標籤會顯示和該客戶相關的銷售漏斗涉及的總金額，以及當前處於正在進行中的銷售機會數和銷售**單個數。
基於過去一年銷售資料計算出的贏單率，贏下的單子總的金額以及輸掉的單子對應的總金額。
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。
機器學習在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。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整合的。開啟sap c4c的客戶中心，在客戶列表裡選中任意乙個客戶，能在右邊看到乙個名為insights的頁面。這些客戶的3...
機器學習在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。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整合的。開啟sap c4c的客戶中心，在客戶列表裡選中任意乙個客戶，能在右邊看到乙個名為insights的頁面。這些客戶的3...
陣列過濾在機器學習中的應用
機器學習過程中，計算誤差 矩陣 時經常會遇到要在矩陣中進行標籤值與 值之間的比較，可以使用資料過濾方法來解決 error mat ones 5,1 print 比較之前 n error.t label mat 1,1,1,1,1 t pred mat 1,1,1,1,1 t error pred l...