近段時間以來，GhatGPT的各種培訓、應用推出與迭代、預測不斷等，讓許多行業的打工人也陷入了焦慮，但銷售自動化對于AI技術的應用不是從今天開始，我們也不必太過于焦慮。本文作者從自身經驗出發，帶你一起審視AI CRM。
(資料圖片僅供參考)
寫在前面
近期，各種GhatGPT的培訓，預測，大佬發言，應用體驗，恍惚間制造焦慮的一波，焦慮中的又一波。
B2B領域從來不該是個節奏，營銷自動化，銷售自動化對于AI技術的應用不是從今天開始，從業者也不該如此焦慮。
讓我們穩穩的，思考，體會，在小珠有限的認知下，拋磚引玉，審視AI CRM。
一、應用系統的三個階段
每年做部門規劃時（向上畫餅）都會提到這三個階段：在線化，數字化，智能化。我們可以從系統能力，應用體驗和數據資產價值3個方面來對比下。
在線化：
將業務規則，流程，業務信息，經過系統性的整理和分析后，在系統中進行運行，存儲，完成業務流程運轉和企業經營運營信息的保護和保存。這是個不可逾越的階段，后續的數字化，智能化都是以數字和信息資產來驅動的。我們必須將業務過程對象化，并且定義嚴謹的數據狀態，IT的世界以0/1為基礎，計算機可以進行高效的計算和處理，但是不能產生“無明確“規則的運行。
在具體操作和執行層面，產品經理描述業務需求不明確，或者分析人員抱怨抽離不出出來需要的數據維度，都是沒有進行合理的業務過程和對象抽象，比如我們在業務中描述客戶，在系統語言中就是業務對象，如何設計具體的字段聚合起來描述對象，客戶名稱，ID , 客戶性別，客戶分類，客戶狀態等。這些字段（數據）的結構設計和抽象是必須建立在對客戶這個業務對象的深入理解，及對其管理過程，分析訴求的前提下。
再往上躍遷即是對象和對象間的關系，流程和流程的交叉交互。有時候我們抱怨對接的業務人員不懂系統或者提不好需求，大體核心原因是無法將一個業務過程結構化下來。
傳統企業在上系統的時候，還沒有涉及業務優化，在抽離和架構業務過程就成了攔路虎。互聯網企業大體不存在這個過程是因為，互聯網業務天然在線，很多業務對象生來就是結構化的。
在線化狀態的系統能幫企業將核心業務過程和對象以數據的形式存儲和保護起來。數據梳理，業務規模能被進一步的統計展示，我知道企業有多少客戶，都是什么地區，他們做業務的基本情況是，我這個大客戶的聯系人是誰？今年特價審批是多少個，總共發放的優惠款項是多少。一句話，系統能夠實現基本的流程，數據統計，信息存儲，固定分析和指標。
體感是業務都跑到線上了，不用逐級遞送審批，在新開城市，業務流程完全可以通過系統快速鋪開，核心業務運營數量和規模也透明了，核心業務對象作為數據資產都保存了下來。
數字化：
業務過程和核心的業務對象都以數據集合的形態存在，并不斷積累運營數據，系統能力如果也足夠支持非核心結構的業務調整（如變化組織結構，增加業務類型，增加流程分支，迭代運行指標，變化權限層級）這些調整和規則升級大多由業務運營及管理人員提出。
在這個過程中，當企業是多個業務條線，遇到反復建設本質相關的系統能力就產生了中臺的建設訴求，中臺的本質是抽象數據處理，功能本質，分析技術同一性能復用和場景分化的關系。
某一段業務過程的在線化完成成熟，抽象和架構合理，數據安全可信，如實反映了業務運營的情況，最容易理解的例子就是，業務人員和管理者發現系統中各種指標，報表都非常可靠，如實反映業務運營的情況，業務運營原來花最多的時間是提各種需求（上面的組織調整，增加類型等）變成了花最多時間來使用系統里各級運營數據和指標，特別是高層，通過指標帶來的洞察，去調整經營策略，去迭代流程和策略。
在具體作業層面，銷售可以每天按照作業工作臺的提升，去開會，去盤點客戶，根據自己制定或者系統個人指標提升的健康度，去調整，我要打電話還是要發消息給客戶，快到月底了，我要提醒客戶一個優惠券要過期了，可以使用下單了，這樣我的業務完成率可以趕上北方區的平均水平。
數字化系統中，數據不僅僅被保存下來，而是能以業務運營積累下的分析方法和經驗，通過數據直接或者間接給出的分析結果，得到業務的洞察幫助業務用戶提出調整的策略，一句話，數據驅動業務運營和作業提效。
智能化：
自實現了數字化能力后，系統也逐步掌握了數字化運營，數據驅動的商業智慧和“動作/規則/流程/”因和“結果/效率/質量”果的關系，并且不斷提煉這個關系，使得自己更加聰明，也更加會學習。
智能化體系中，不僅僅業務人員能夠實現頭腦中掌握的核心策略，還能自己發現甚至幫助業務提煉通過人的計算能力，收集能力，分析能力，作業能力無法實現的策略提煉。比如，智能分析系統中，當管理者看到某區域的業績下降異常時，之前他需要一層層下鉆，或者分析更多相關數據，排查，對比后，找到原因，而智能分析系統，能直接告訴他最可能的原因和洞察。當他把調整策略制定后，系統也可以掩飾通過已有數據和趨勢，調整價格后推演的下季度業績。
在作業層面，系統更加聰明地幫助銷售收集，定制客戶信息，給出行動建議，如果行動是發郵寄/信息給聯系人，可以幫助他完成內容編制。之前需要該銷售不停的google /百度/聯絡或詢問大客戶的情況，根據經驗分析我是否要上門拜訪了。
在智能化系統中，作業人員更加聰明或者直接產出了交互內容和洞察，管理運營人員大大減少分析和時間和提升業務分析的效果。他們的工作重心應該集中在如何和自己的AI協同，訓練AI和自己形成互補，比如管理人員更好更多的和BI助手溝通，電銷Leader 把合適的話單給到外呼機器人，客戶管理者及時評價機器人的服務效果，大客戶銷售給AI做到客戶信息洞察打分。研發和產品要持續做場景提煉，結構化和數據處理。
這三個層次建設的節奏不是全部業務范疇的齊頭并進，而是場景獨立成長和突破。
二、營銷場景與AI能力的火花
小珠不是技術專家，是個學自動化技術出身的營銷數字化人，畢業設計做過模式識別幫助醫生診斷的項目，控制領域中也經常接觸仿真，控制的專題。作為外行，淺嘗一下，歡迎批評指正。
我們一起樸素地理解下AI – artificial intelligence 人工智能，機器人，計算機算法算力實現人的能力。人有哪些能力？聽，看，聞，觸摸，思考，行動，走，跑，跳，畫，說等。總體可以歸納為識別-思考-輸出（行動）。
再看下標準的定義：人工智能（Artificial Intelligence），英文縮寫為AI。它是研究，開發用于模擬，延伸和擴展人的智能理論、方法、技術及應用系統的一門新的技術科學。在這個概念下我們再體會下剛剛提到的數字化系統和智能系統的差別。
人工智能是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。這些領域和上面的聽，看，思考，行動等諸多能力對應。
近些年來，我們在企業應用系統和互聯網營銷體系里遇到的相關技術主要表述為語言識別，圖像識別，自然語言處理，機器學習，專家系統等領域。
這些能力具體表現為：
機器學習是人工智能的核心能力之一，它使得計算機可以通過學習數據和模式來自主地改進和優化算法，從而實現更加準確和高效的任務處理。
自然語言處理是指計算機對自然語言進行理解、分析和生成的能力，包括語音識別、語義理解、機器翻譯等。
計算機視覺是指計算機通過圖像和視頻等視覺信息進行理解和分析的能力，包括圖像識別、目標檢測、人臉識別等。
我們再回歸到營銷場景本身：因為行業不同營銷的場景千差萬別，這里小珠繪制了一個大C業務的基本場景，比較符合在線教育，房產，保險，金融等業務形態。
大部分產品和項目人員，可能無法繪制業務總圖，這樣在梳理，結構化業務時就非常零散，點狀，塊狀，不具備抽象的前提，也無法系統性規劃和設計，這里小珠采用的是“客戶生命周期分析法“和”應用系統分層法“在小珠的“營銷系統規劃設計”課程中有詳細介紹“。需要晉級高級產品經理和整體架構項目的同學可以學習交流。
簡單介紹下這個場景的背景：一個在線教育的行業，客戶可能通過各種如何學英語的內容, 廣告等，注冊了app， 或者參加各種初級客戶的直播，傳播，試聽課程，變成了公司的熱線索（有可以再觸達的可能，明確意向，交互活躍區別于冷線索）；通過電銷的聯絡，介紹，邀請到去試聽課程，完成了解課程階段的推進，這里通用的客戶生命周期就是“了解你”到“好感你”的轉化，而在這個業態下特有的場景就是試聽，在房產行業，可能就是到現場看房了。
接下來，銷售對客戶進行1v1的轉化，介紹課程，介紹價格，在節奏上去“逼定成交”等。完成客戶好感到購買你的轉化；同時后端銷售在成交后促進客戶去使用權益，解決客戶使用的問題，提供好的學習方法，核心目的促進其續費，完成認可你的過程，如果服務口碑良好，客戶甚至愿意介紹推薦自己的朋友購買課程。在社會化廣義銷售策略下，有些家長甚至愿意專注于傭金獲取，這時候我們要對其推薦能力進行賦能，并幫助家長以“成長里程”的方法將學習效果外化，達到傳播和獲客的目的。
三、營銷數字化全場景 （大C類）
請讀者耐心花點時間去理解本圖，比如各層級的劃分等等，也可以去映射你所熟悉的行業的營銷場景，更歡迎與我們溝通探討。
上圖哪個場景或者領域已經被AI 賦能甚至改變了？我曾經試圖在上面的模塊標記，發現5成的場景已經被影響，一方面因為圖片篇幅有限，無法細分場景，一方面從底層能力看：內容產生，分析預測，客戶和市場洞察，機器人流程自動化，情緒意圖洞察的應用演化十分豐富，涉及交互層，運營層和管理層的方方面面。
營銷數字化全場景
（粉色場景/粉色職能/紅色能力及應用為AI應用相對成熟）
我們逐層分析下：
客戶交互層：客戶交互層的營銷數字化改造的主旨是全視角，全生命周期，個性化體驗。其中個性化體驗是我們理解的重點，傳統的經典營銷理論教我們用市場和客戶細分，選擇目標定位，根據這個定位來完成渠道/定價/推廣/客戶的策略。在算法算力大大增強的今天，業界先實現了，投放精準，千人千面的內容以獲取流量和線索已經相對成熟，而交互領域的在技術發展到AI時代，各種個性化的內容傳播會不僅僅發生在投放階段（潛在-線索）階段，商機階段中哪些根據客戶洞察分辨出的客戶會在某次促銷活動中被投放了她感興趣的，反復觀看的某幻妝品的廣告。
1）我們可以看到在營銷矩陣這些非人員傳遞，而由在線工具傳遞的場景里，因AI強大的篩選匹配內容，客戶洞察及內容生成的能力，基本都被改變了。
2）電銷，客服，運營職能在該樣例行業（大C在線教育）明顯的AI應用就是智能機器人，機器人外呼，機器人客服，機器人社區運營等，實現了流程自動化，同時在語音語義識別，自然語言分析的能力，不僅可以替代人員與客戶進行語言，文字的溝通，同時還可以通過情緒，語言，辨識客戶意圖，預判客戶情緒，并提煉客戶標簽，豐富我們對客戶的認知。
在客服回答客戶的疑問，能夠快速辨識客戶的疑問，給出合理的回答， 并調用客戶信息集合生成的洞察，提供給適合客服了解問題的洞察，比如，客戶曾經購買了什么，那么問題大概率來自這類產品，客戶曾經問了什么，去利用這些信息給到咨詢客戶好的體驗。
這本質效果和一個合格的電銷人員，和客戶聊完后要把客戶跟進記錄添加系統一樣，當AI 足夠聰明時，效果要遠好于人員作業。
3）在2）的意味上銷售職能目前還需要在客戶后期轉化保留人為的溝通（本樣例中），而很多AI對銷售的賦能體現在業務運營層。
業務運營層：這層講營銷要素，人，客，產品，內容的運營維度，這里特意強化廣義的內容，因為AI在交互層的落腳點，主要是各種個性化，智能內容的傳播。
本圖的紅色部分都是AI 應用的場景和部分。
客戶部分：對運營層的架構一般從客戶信息的獲取，聚合，加工使用維度+客戶資源的管理維度2個層面展開。在信息加工維度我們在潛在客戶階段的以各種設備號，基本注冊ID為CDP主數據聚集客戶標簽和客戶初級信息，并根據以往線索的質量來優化線索分層的邏輯，并實現精準的投放策略，這是相對成熟的營銷自動化的部分，使用大數據，機器學習的技術提高投放的效果。
在線索及客戶不斷轉化的后期，可以不斷的優化CDP的ID（如電話號碼，身份證）等，來聚合和信息，進行標簽化和畫像的繪制。（畫像的繪制要看使用的場景，具體對信息聚合，主數據，客戶標簽畫像的產品體系和業務理解可以參考小珠的“營銷系統規劃課程”- 客戶畫像和標簽體系；
我們在線索的質量上進行打分和分類，會支持各種場景，比如公海客戶分層，讓好的線索不要沉淀，也可以更近銷售成交特點推薦給適合他/她的線索。
在客戶轉化的諸多場景下，對客戶的洞察會不斷生成，無論是當企業客戶發布重要業務規劃，涉及對產品的需求，我們要提醒銷售適時對客戶拜訪，展示相關產品。也包括本例中，在微信聊天時，客戶透露的一個信息，看出她要推薦課程給孩子同學，系統會自動發送轉介紹政策或者會員介紹的話術對她進行賦能。
這里需要注意是，客戶洞察不是一個單點，在客戶不同周期，身上有多個需要推進業務時，都可以來孵化該場景的洞察，并給出行動建議。機器學習，語言識別，自然語言分析，使得我們收集各種形式的客戶發言，語言，預測其意圖和疑惑，并根據這種情況下，行動和結果的關系，采用（直接交互）或者推薦人員采用行動。
如：一個注冊了英語學習軟件的app, 沉寂X年以上的客戶重新登陸了，根據她的行為，我們判斷她有高的使用意向，并生成了讓Y級以下銷售立即在Z以內的早上N點作業電話，轉化效果最佳。這里X,Y,Z,N可以利用該公司外呼記錄，銷售基本信息，成交客戶數據等歷史海量數據進行分析和學習，回歸到最佳取數值。
我們再看下人員維度，這里的人員，包括我們的銷售（各端），客服，電銷，各種行業里的運營（比如互聯網醫療的在線醫生助手等），他們直接和客戶交互，目前AI對他們的賦能，一類是直接取代和部分取代，另一部分是對這些職能作業的支持：比如對各種郵件內容，話術編寫的支持；也包括IM現場作業時，彈出各種客戶的信息數據。
一個客戶主動電話客服人員時，客服人員的屏幕就可以彈出該客戶的信息，如果只是簡單羅列客戶詳情，我們還不能把這作為AI場景，當彈屏聰明的告訴你，客戶有點憤怒，不耐煩，或者她已經對產品興趣滿滿了，AI就極大的助力的客服的工作。
還有個ABM的例子，之前我們的企業服務特別是服務大客戶的銷售，比如他負責石油巨頭美孚南美市場的數字化系統，他要保持和美孚聯絡人的溝通溫度，還有了解美孚近期是否有關于明年，下半年的需求。他自己要關注美孚是不是要建立數字化工廠，并且考慮MES系統的建設，但是反而裁剪了數字化部門的相關人員。
這意味著在該市場的外采購需求加重。而該部門負責人換了新的負責人，是時候通過郵件再介紹下自己了。沒有ABM之前，他需要自己獲取，可能要瀏覽網頁定期搜索美孚的新聞，并篩選數字化，南美，等關鍵字，現在他不需要，他需要給到關鍵字給AI，并把AI收集線索，和AI給到的行動建議打分，當AI足夠聰明時，他的工作會被大大助力。
當一個客戶考慮購買家電，而恰逢雙11時期，客戶的購買家電的意圖是否可以通過他在電商上的瀏覽行為，他和客服交談的語言所俘獲。以往的購買記錄都是在發放優惠卷下激發的，這個判斷是否正確，要靠AI對以往客戶數據的學習和分析，如果答案是對的，我們可以針對性地當客戶瀏覽時發放這個家電的優惠卷促進客戶的購買。而回到本例，如果銷售在逼定成交時可以給付優惠券，AI可以幫助判斷優惠價是否發放，建議銷售何時發放給客戶。
同樣的市場活動中，AI可以幫助活動舉辦者錨定適合參加的客戶。
在內容維度：需要說明的是，隨著我們對客戶關系推進，線索階段我們對客戶了解少，可以將客戶分成大類，發放適合大類的通用型的內容進行交互，比如統一的郵件，在客戶第一次注冊app時，或者第一次預約試，我們發放了試聽注意事項，試聽注意事項是通用文檔，但是在一些部分可以讓他看起來更加個性和有溫度，比如稱號是客戶的名字，署名改為專屬的銷售等等。而當客戶已經購買了課程并進行了一段時間的學習后，AI可以幫助客戶生成個性的學習報告，成長里程來增加交互的溫度，提升客戶的體驗，在服務成本和客戶體驗上找到最佳匹配。
專欄作家
小珠CRM，公眾號：小珠CRM，人人都是產品經理專欄作家。埃森哲高級自由顧問、知名互聯網企業產品CRM總監，10年+CRM領域經驗；擅長業務分析，CRM體驗0-1破冰，致力于客戶智能與銷售智能研究。
題圖來自Unsplash，基于CC0協議。
責任編輯：Rex_23
營業執照公示信息