虽然现在国内市场上关于人工智能的讨论、创业和投资风头正劲，可是对于从企业服务到CRM，还是有不同的声音，“国外智能应用很多，国内的时机到了吗？”，“B2B服务需要人工智能吗？”，“除了口号和概念，AI能对于CRM有什么具体帮助？”等等。随着近几年的科技日新月异，我们见识了AlphaGo可以下围棋战无不胜，iPhone上的Siri胜任私人助手，特斯拉电动车上的自动驾驶让司机双手得以解放。

那么，除了这些面向消费者C端用户的应用，智能这个话题在CRM特别是我们销售易的产品上会如何落地呢？

这让我想到了几年前刚加入硅谷一家SaaS企业服务公司的时候，当年人工智能远不如现在这般红火，我从零开始搭建数据科学团队专门负责机器学习相关的产品。几年后公司被思科以37亿美金的价格收购，创下了企业软件收购历史上的更高溢价。

权威科技媒体TechCrunch在解读这次收购时，认为思科意在结合IoT的同时“building a long-term neural network and machine learning story”（建立一个长期的基于神经网络和机器学习的愿景），充分说明了在B2B领域人工智能相关产品的重要性。

在我看来，中国的CRM行业里，人工智能、数据挖掘、机器学习等技术的应用场景更大有可为，在这个时间点恐怕也是更为迫切的。 我们这里所指的智能，在我理解里分为三个层面。第一个层面是数据智能（Data Intelligence）。

在销售易，我们的云平台上沉淀了大量宝贵的用户数据，数据智能就是将这些数据转化成信息，再由信息变成知识，更后将这些知识产生价值的一个过程。这个从数据到价值的链路看起来简单，其实里面的每个步骤包罗了很多工作。

我们用户在CRM里的信息可能横跨SFA，PRM，Service等多个产品线，同时这些原始状态的信息并不能直接使用，所以就需要有一个挖掘和提取的过程将原始的数据形态转换成可以理解和处理的信息形态。其次，我们CRM的业务场景还可以关联很多外部信息，比如市场线索的用户来源轨迹，企业工商信息，标签，维度等等，这些信息有的是以数字，或是文本，甚至是图谱的形式存在，所以就需要我们能将这些异构的数据统一梳理和提炼，不但做到多产品线之间的连接，还能做到内外数据的打通以及多样异构的数据类型的连接。

第二个层面是商业智能（business intelligence）。所有汇集在CRM里的数据包括企业业务系统的方方面面，作为企业管理层和决策层，他们更为关心的就是如何让这些企业业务数据透明化。BI就是通过可以任意定制的报表和可视化仪表盘，将这些数据内在的知识呈现出来，为管理者的决策提供支持。在BI的帮助下，企业信息将会变的更简单、透明和直观化，促进了企业决策流程，并降低了整体运营成本，可以说是企业管理层的一大利器，一个好的CRM必然离不开强大的BI能力支持。 更后一个层面是面向用户的场景化的人工智能（Artificial Intelligence）。

这里面有三个关键词，除【人工智能】之外是【面向用户】的，即传统CRM解决方案仅仅基于流程，在我们新一代的CRM里伴随着SoLoMo（Social，Location，Mobile）的基因，面向用户提供贴心的智能服务。

还有个关键词是【场景化】，意味着所有的智能方面的体验都将切合CRM客户的实际使用场景，结合在产品的细节提供更好的用户体验。举几个具体例子，当销售线索进入系统的时候，系统可以根据线索的各个维度自动打分，同时分配给更合适的销售人员去跟踪；当成单一个客户后，可以根据此客户的企业画像推荐类似客户，帮助销售开阔思路，找到更多的商机；系统还会根据已有信息做实时预测，每个销售对未来都有合理的预期和把握，将销售过程的不确定性大大降低；在拜访客户的时候，系统会自动推荐附近可以顺便回访的已有和潜在客户；在service云，客服可以轻松的利用智能聊天机器人提高效率，常用问题和基于知识库的回答全自动化；这样的场景还有很多很多…… 。

如果说BI是从企业管理者的角度自上而下利用CRM数据推广的智能化，那么面向用户的场景化的人工智能则是能帮助到我们每个CRM系统的使用者，包括销售，客服人员等等，是一个自下而上的过程，两者形成闭环。 说了智能的这三个层面，再从技术的角度看，由前几年的Hadoop到后来的Spark再到更近的深度学习，技术新风潮层出不穷。

我经常会被问到我们是否会像AlphaGo一样将深度神经网络用在产品里呢？其实在这样的场景下，我们只需回到问题的根本，人工智能归根到底是技术上的一种辅助，更终我们是为了提升客户的效率，帮助客户成功。只有我们不忘这个初心，不跟风，不盲从，用好合适的技术工具，才能将智能化的体验落地在CRM里，给用户提供更大的价值。