当CRM遇见ChatGPT,AI如何帮销售打造“最强大脑”

news2024/11/24 12:45:31

导读:这一轮AI浪潮将对CRM企业带来哪些新机遇?

ChatGPT诞生至今不过100多天,但它已经对很多行业产生了巨大影响。

企业直面市场的一线战场——销售、营销、客服等领域也是如此。以ChatGPT为代表的人工智能技术热潮正在改变着传统营销、销售的运营模式,成为推动企业重塑竞争力的关键力量。

“智能化将成为很多行业接下来的一个热点。围绕ChatGPT等生成式AI技术,销售易已经与一些客户共创做了很多创新尝试。比如,过去销售拜访完客户需要花大量时间整理拜访记录,现在AI可以根据客户沟通记录,自动生成质量非常高的客户需求抽取与整理。”

当CRM遇见ChatGPT,背后其实是一个更大的话题:在充满不确定性的时代,企业如何借助数据智能实现精细化运营,赋能一线员工,源源不断地“预见”下一个商机?这一轮AI技术浪潮将对CRM企业带来哪些新机遇?


近日,销售易技术副总裁罗义向「智能进化论」分享了他的观点与洞察。

 

智能化已成为CRM客户的刚需

ChatGPT为代表的生成式AI技术,正在成为企业应用数据智能的一个关键里程碑。在CRM领域,企业客户对数据智能的需求与日俱增。

实际上,CRM领域的数据智能不是新话题。在营销、销售、服务等CRM核心环节,如何挖掘数据价值,为企业提供更优决策,最终提升客户满意度,一直是CRM的核心价值。

罗义认为,智能化首先要解决数据的问题,数据的质量、数量和维度是实现何种程度智能化的关键。目前,还有很多数字化转型中的企业,处在没有解决数据采集与治理的阶段,这将直接影响数据智能下一步的实际落地。

罗义认为,如果从CRM本身的发展历程看,其中的智能化能力可以分为以下三个发展阶段。

智能化1.0阶段,以不断升级的BI功能为代表。基于企业在营销、销售、服务等关键环节的数据采集、治理与分析,CRM借助BI工具完成初步的数据分析与洞察。在这一阶段,“人人BI”曾是销售易主打的一个差异化优势,旨在降低BI分析工具的门槛,让BI不再局限于特定管理人员,而成为每一个一线业务人员的数据分析工具。

在智能化1.0阶段,受限于数据质量与智能化能力,企业可以从数据中获得的洞察有限,而且属于事后分析,无法满足更多个性化、预见性的需求。

智能化2.0阶段,以基于用户画像的个性化推荐为代表。随着新零售场景的普及,借助数字化工具,企业与消费者触点的范围和频率都极大提升,海量客户数据的积累成为更精准的用户画像和“千人千面”个性化推荐的基础。

在智能化2.0阶段,企业已经初步运用了一些人工智能技术,可以对客户需求有更深入的一些洞察。但智能化场景依然有限,智能化技术与业务场景的结合还有很大发展空间。

智能化3.0阶段,更普惠的人工智能和机器学习将重塑CRM领域的智能化体验。ChatGPT为代表的生成式AI技术和大模型加速了这一进程。未来,人工智能在CRM领域的应用场景比人们想象的更多,包括但不限于商机线索、潜客挖掘、销售预测、智能客服、数字员工等等。

“一个典型的场景就是营销环节中的销售线索打分。过去,打分往往是基于专家经验形成的一套人工设置的权重规则。现在大模型将AI模型开发的门槛降低,机器学习可以基于客户历史数据和特定场景,训练出更精准的打分系统,并与现有的CRM系统和工具平台无缝打通。”罗义表示。

 

用AI赋能一线员工,CRM智能化的抓手

可以看出,CRM中智能化能力的不断进化,离不开一条贯穿的主线,即客户核心需求。

企业客户在智能化这一块,主要有两大维度的需求:一个是管理和运营的角度,不但要降本增效,更重要的是提升精细化运营的维度,通过数据驱动的价值洞察,为企业运营的关键决策提供支撑。另一个是对于一线业务人员的赋能,包括营销人员、销售人员、客服人员等等,让AI技术对他们的工作真正产生有价值的增量。”罗义表示。

而企业的精细化运营往往是以赋能一线员工为抓手。销售易2022年推出的两款数据智能产品“智能获客”和“下一步最佳行动”(Neo Suggest)就是用AI技术赋能一线销售人员的典型例子。

过去,to B领域的销售人员寻找潜在客户,通常是以签约标杆客户为参照物,在第三方数据平台搜索与之在业务场景、需求相类似的其他企业。

这种“Look-Like”模式也是销售易“智能获客”产品的底层逻辑。“智能获客”通过拆解、提炼赢单客户的特征画像,可以让销售人员直接在销售易CRM系统内检索100+维度的相似客户信息。

过去,批量获得的潜客是否已经在企业库内,同一线索其他同事是否正在跟进等情况,销售并不清楚。现在,在销售易CRM 内,销售人员可以将“智能获客”获得的潜在客户一键转化为线索,自动筛选掉不符合的标的。目前,“智能获客”已经在上百家企业客户中落地应用。

“‘智能获客’最典型的应用场景是那些目标客户具备长尾特征,以及需要按区域拓展市场的业务。”罗义介绍。

“下一步最佳行动”(Neo Suggest)则可以看作一个销售冠军复制工具。

过去,销售技巧是一项非常个人化、因人而异的技能,金牌销售的经验很难被其他销售模仿和复制。借助AI技术,去挖掘金牌销售的经验中到底有哪些是可以进行标准化沉淀的,这就是Neo Suggest。

场景化、实时性是Neo Suggest的优势。通过学习客户历史数据,并智能判断当前商机推进阶段,Neo Suggest其可以根据销售与客户当下沟通的上下文场景,对销售人员下一步的行动提供个性化推荐。

比如,在确定客户采购意向后,Neo Suggest会建议销售人员对关键决策人员进行一对一拜访。当项目推进至需求确认阶段,需要进一步完善方案时,Neo Suggest将调出能提供相关支持的3位方案专家名单,并评估出最建议联系的方案专家。到了报价环节,Neo Suggest会自动从库内挑选合适的报价模板,并自动填写产品、价格等商机信息,销售只需确认细节即可一键发送给客户。

相比传统的基于人工经验和固定规则的智能化系统,“智能获客”和Neo Suggest均基于深度学习算法开发。“智能获客”从客户历史数据等多维数据训练而来,能够从更丰富的维度挖掘出潜在商机,Neo Suggest的语义理解能力则可以根据沟通上下文,智能提供实时销售策略建议。

我们的AI算法是站在能否解决客户实际业务痛点的维度,站在落地的维度。”罗义表示。

CRM企业如何拥抱AI新浪潮?

过去几年间,AI技术与CRM领域的融合,让行业内涌现出不少通过AI技术在单点场景实现突围的明星初创公司。比如,提供销售情报分析和下一步最佳成交策略的gong.io, 以及国内对标企业Megaview,提供AI预测模型和智能数据分析的Clari,提供海量商业联系人信息的Zoominfo等等。过去几年间,这些企业都获得了资本追捧。

如今,ChatGPT引领的AIGC技术浪潮,对CRM企业将带来哪些新机遇?

一个明显的趋势是,中外CRM企业都在积极拥抱新技术,尝试将AIGC技术融入自身产品和业务场景。

今年3月,全球最大的CRM厂商Salesforce推出了生成式AI工具Einstein GPT, 用于生成个性化的销售宣传、营销内容以及代码。针对旗下即时办公通讯软件Slack,Salesforce也发布了一款ChatGPT应用,主要提供对话要点总结、研究工具和写作辅助等新功能。

对于单点突围和平台整合两条路径, 销售易倾向于走后者的路径。“在智能化方面,很难一家公司在所有细分领域都做到最好。我们希望保持平台的开放能力,去跟这些细分领域的玩家整合,给客户去提供一个更有价值的端到端的一体化方案。

此外,将智能化能力融入行业解决方案也是销售易的优势之一。基于对客户行业的深入洞察,以及PaaS开放能力,销售易可以针对特定行业和场景进行智能化方案的落地,满足客户对智能的个性化需求。

罗义表示,对于最新的AI技术浪潮,包括当前非常火热的大模型,销售易始终保持着足够的敏感度,也在积极与客户共同探索不同场景下的创新。比如,销售易与某头部中央空调客户共创,借助AI技术可以从很长的客户沟通记录中,快速提取出客户房屋面积、房型,对于空调的核心需求、选择倾向性等核心信息,极大提高了销售人员工作效率。

罗义认为,未来通用性的单点场景AI应用会日益普及。但是,这些技术能否助力CRM企业建立更大的竞争优势值得思考。

对于CRM企业,应用AI技术一个更关键的问题是,你有没有提供增量价值。因为对于客户来讲,单点应用或技术用谁都可以解决问题。而我们的优势在于站在落地的维度,不断思考如何将AI技术融合到产品中,在具体业务场景中为客户带来真正价值。”

文中图片来自摄图网

END

本文为「智能进化论」原创作品。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/489649.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

MySQL--group by--聚合函数--内置函数--0415 22

目录 1.聚合函数 1.1 count 1.2 sum 1.3 avg 1.4 max 和 min 2. group by 2.1 group by 的条件筛选——having 2.2 总结 3.日期函数 4.字符串函数 concat replace substring 以首字母大写,其余字母小写的方式显示员工的姓名 5.数学函数 format rand()…

C plus plus ——【继承与派生】

系列文章目录 C plud plus ——【面向对象编程】 C plus plus ——【继承与派生】 文章目录 系列文章目录前言一、继承1.1 类的继承1.2 继承后可访问性1.3 构造函数访问顺序1.4 子类隐藏父类的成员函数 二、重载运算符2.1重载运算符的必要性2.2重载运算的形式与规则2.3 转换运…

数字信号处理学习1

基本上算是没怎么学过数字信号处理这门课,因为本科的时候,专业方向用不上,现在没法子了,专业使然,只能自己自学了,但是我又不知道该从何学起,就买了一本现代数字信号处理,结果发现人…

数据结构/队列实现栈

前言 在学习数据结构的过程当中,我们会学到栈和队列,在本篇文章中,重点讲解的是队列实现栈,在上篇文章中已经简单介绍过栈和队列的使用说明,以及栈实现队列。(2条消息) 数据结构/栈实现队列_Y君的进化史的博客-CSDN博客…

吴恩达ChatGPT网课笔记Prompt Engineering——训练ChatGPT前请先训练自己

吴恩达ChatGPT网课笔记Prompt Engineering——训练ChatGPT前请先训练自己 主要是吴恩达的网课,还有部分github的prompt-engineering-for-developers项目,以及部分自己的经验。 一、常用使用技巧 prompt最好是英文的,如果是中文的prompt&am…

Day961.老城区前端改造 -遗留系统现代化实战

老城区前端改造 Hi,我是阿昌,今天学习记录的是关于老城区前端改造的内容。 什么是“改造老城区”。改造老城区模式 是指对遗留系统内部的模块进行治理,让模块内部结构合理、模块之间职责清晰的一系列模式。 也就是说,在遗留系统…

【Redis】聊一下Redis基础架构

我们知道学习一个技术,最好的方式就是从全局观出发,然后针对不同的点进行拆分,一个个破解。既可以将学到的和已有的知识联系起来,又可以有一定的深度和目的性。 Redis基础架构 对于一个中间件来说,一个是使用层面&…

GO数组切片-线性数据结构

数据结构 类型 什么是类型 ? 内存中的二进制数据本身没有什么区别,就是一串0或1的组合。 内存中有一个字节内容是0x63,他究竟是深恶 字符串?字符?还是整数? 本来0x63表示数字 但是文字必须编码成为0和1的组合 才能记…

【C++】红黑树源码剖析

目录 概述 算法 调整策略 源码 RBTree.h test.cpp 概述 红黑树,是一种二叉搜索树,每一个节点上有一个存储位表示节点的颜色,可以是Red或Black。 通过对任何一条从根到叶子的路径上各个节点着色方式的限制,红黑树确保没有一…

ChatGPT、文心一言、New Bing到底哪个更AI?

Hello 各位小伙伴,要说今年最火爆的 IP 有哪些,那一定少不了人工智能(AI),市面上已经相继出现了我们熟知的 ChatGPT(OpenAI)、ChatGPT 国外镜像网站、文心一言(百度)、Ne…

MySQL --- DDL图形化工具表结构操作

一. 图形化工具 1. 介绍 前面我们讲解了DDL中关于数据库操作的SQL语句,在我们编写这些SQL时,都是在命令行当中完成的。大家在练习的时候应该也感受到了,在命令行当中来敲这些SQL语句很不方便,主要的原因有以下 3 点:…

redis的介绍和安装

文章目录 一、redis的介绍和安装1.1 初识redis1.1.1 redis是什么?1.1.2 redis能做什么? 1.2 redis的安装配置 一、redis的介绍和安装 1.1 初识redis 1.1.1 redis是什么? Redis是一个开源的内存数据存储系统,也可以被用作数据库、…

阿里云服务器vCPU和CPU有区别吗?

阿里云服务器vCPU是什么?vCPU和CPU有什么区别?CPU是指云服务器的中央处理器,一个CPU可以包含若干个物理核,一台云服务器ECS实例的CPU选项由CPU物理核心数和每核线程数决定,通过超线程HT(Hyper-Threading&am…

探索三维世界【3】:Three.js 的 Geometry 几何体 与 Material 材质

探索三维世界【3】:Three.js 的 Material 材质 1、Geometry几何体2、Material 材质3、创建平面与材质4、多平面渲染 1、Geometry几何体 Three.js中的几何体Geometry是构成3D模型的基本单元之一,它定义了一个物体的形状和大小。Geometry包含了物体的顶点…

RK3568平台开发系列讲解(网络篇)网络包的接收过程

🚀返回专栏总目录 文章目录 一、内核接收网络包过程二、用户态读取网络包过程沉淀、分享、成长,让自己和他人都能有所收获!😄 📢本篇我们一起来梳理下网络包的接收过程。 一、内核接收网络包过程 硬件网卡接收到网络包之后,通过 DMA 技术,将网络包放入 Ring Buffer;…

PyTorch数据加载工具:高效处理常见数据集的利器

❤️觉得内容不错的话,欢迎点赞收藏加关注😊😊😊,后续会继续输入更多优质内容❤️ 👉有问题欢迎大家加关注私戳或者评论(包括但不限于NLP算法相关,linux学习相关,读研读博…

HTTP 缓存新鲜度 max-age

新鲜度 理论上来讲,当一个资源被缓存存储后,该资源应该可以被永久存储在缓存中。由于缓存只有有限的空间用于存储资源副本,所以缓存会定期地将一些副本删除,这个过程叫做缓存驱逐。另一方面,当服务器上面的资源进行了更…

使用ControlNet控制Stable-Diffusion出图人物的姿势

概述 在Stable-Diffusion(以下简称SD)出图中,我们往往需要对出图人物的姿势进行控制,这里我使用一个比较简单上手的方法,通过ControlNet可以很方便地对画面风格,人物姿势进行控制,从而生成更加…

Python —— Windows10下训练Yolov5分割模型并测试

附:Python —— Windows10下配置Pytorch环境、进行训练模型并测试(完整流程,附有视频)   效果 手机拍摄一段工位视频,上传到win10训练了yolov5分割鼠标的样本后推理效果截图。 训练准备 1、查看自己下载的Yolov5源码是否存在"segment"文件夹,该文件夹下存在分…

【Python入门篇】——Python基础语法(字面量注释与变量)

作者简介: 辭七七,目前大一,正在学习C/C,Java,Python等 作者主页: 七七的个人主页 文章收录专栏: Python入门,本专栏主要内容为Python的基础语法,Python中的选择循环语句…