人工智能負(fù)責(zé)處理信息，5G負(fù)責(zé)分享信息，它們的結(jié)合不僅僅是計算機(jī)與數(shù)據(jù)網(wǎng)絡(luò)技術(shù)結(jié)合的延展，更是一次革命性的升級，它將人與人、人與物、人與服務(wù)的連接變成了萬物之間的連接，也就是說，在上一代連接的基礎(chǔ)上，增加了物與物以及物與服務(wù)的連接。從這個角度來重新審視下一代的智能服務(wù)與營銷平臺，就可以有一個比較清晰的認(rèn)知，下一代一定是基于物聯(lián)網(wǎng)和人工智能的，它除了連接人與人、人與服務(wù)以外，還必須有物與物、物與服務(wù)的連接，它是可以直接由物本身發(fā)起服務(wù)請求與營銷推薦的系統(tǒng)。
▲物聯(lián)網(wǎng)時代的智能服務(wù)與營銷平臺架構(gòu)圖
盡管5G已經(jīng)到來，但是物聯(lián)網(wǎng)尚未全面啟動?，F(xiàn)在所說的新一代還沒有辦法包含太多物聯(lián)網(wǎng)的元素，我們可以將未來的基于物聯(lián)網(wǎng)的平臺定義為下一代，將現(xiàn)在可以馬上實現(xiàn)的定義為新一代，那么新一代和上一代相比，到底有哪些革命性的突破呢？
為了回答這個問題，我們首先對上一代的智能服務(wù)與營銷平臺下一個定義。在第三章，我們將智能服務(wù)與營銷平臺分為三個階段，基于軟交換并且具備了一定智能化能力和互聯(lián)網(wǎng)聯(lián)絡(luò)能力的聯(lián)絡(luò)平臺稱為第2.5代電話聯(lián)絡(luò)平臺，在這個基礎(chǔ)上增加服務(wù)與營銷的業(yè)務(wù)就構(gòu)成了一個服務(wù)與營銷平臺。這個平臺的核心是CTI系統(tǒng)，CTI系統(tǒng)負(fù)責(zé)路由。所謂的路由，在服務(wù)場景就是對應(yīng)客戶的服務(wù)請求為其配置合理的服務(wù)資源，在營銷場景就是為銷售分配合適的客戶。第2.5代電話聯(lián)絡(luò)平臺還沒有將電話渠道與互聯(lián)網(wǎng)渠道的路由統(tǒng)一起來，多渠道全媒體的統(tǒng)一路由是新一代所要求的一個重要功能，也是新一代有別于上一代聯(lián)絡(luò)中心的一個重要特征。傳統(tǒng)的路由是基于規(guī)則的，規(guī)則的設(shè)定只能根據(jù)幾個有限的條件，而不可能將所有的條件都考慮進(jìn)去；在業(yè)務(wù)目標(biāo)的指導(dǎo)下給出一個最好的路由預(yù)測，而這恰恰是人工智能最擅長的。
服務(wù)與營銷平臺的核心是路由，新一代就是對這個核心進(jìn)行升級，將基于規(guī)則的路由分配用人工智能最為擅長的預(yù)測能力替代，將規(guī)則路由升級成為預(yù)測式路由。從這個角度來看，新一代就是智能化，這里所說的智能化的核心是以業(yè)務(wù)目標(biāo)為基礎(chǔ)，基于人工智能的預(yù)測式路由、多渠道與全媒體只是智能化在實現(xiàn)業(yè)務(wù)目標(biāo)過程中的通道而已。當(dāng)然，人工智能在新一代中還有另外一個重要的使命，就是通過知識的分享，提高服務(wù)與營銷的效率。
基于服務(wù)目標(biāo)的智能匹配
任何企業(yè)的應(yīng)用系統(tǒng)都是為企業(yè)目標(biāo)服務(wù)的，這個目標(biāo)可以是企業(yè)的使命、企業(yè)的愿景、企業(yè)的戰(zhàn)略或短期內(nèi)的小目標(biāo)。服務(wù)與營銷平臺更是如此，如果我們將服務(wù)也看成是一種營銷行為的話，那么這個系統(tǒng)就是為了實現(xiàn)企業(yè)的營銷目標(biāo)。本書開頭有機(jī)的企業(yè)一章，引用了彼得·德魯克對企業(yè)職能的描述，其中一個重要職能就是創(chuàng)造顧客，營銷就是一個創(chuàng)造顧客的過程，服務(wù)也是營銷。按照這個定義，所有的企業(yè)戰(zhàn)略必須具備營銷的目標(biāo)，而預(yù)測式路由就是為服務(wù)與營銷的業(yè)務(wù)目標(biāo)服務(wù)的。
企業(yè)的所有行為和資源都是為創(chuàng)新和營銷服務(wù)的，讓營銷的效率最大化是服務(wù)與營銷平臺的目標(biāo)，也是企業(yè)的核心目標(biāo)。要達(dá)到這個目標(biāo)，就要找到產(chǎn)品、客戶、市場、銷售人員之間的匹配關(guān)系，進(jìn)而優(yōu)化產(chǎn)品設(shè)計，更精準(zhǔn)地進(jìn)行市場與廣告活動的投放，通過培訓(xùn)或招募來提升銷售人員的銷售技能，然后通過營銷結(jié)果的反饋對這個匹配模型進(jìn)行持續(xù)優(yōu)化。
這個日益優(yōu)化的匹配模型就會成為企業(yè)營銷的金鑰匙，誰先找到它，誰就能夠成為領(lǐng)跑者，并一騎絕塵。然而，這是一個非常復(fù)雜的網(wǎng)狀關(guān)系，產(chǎn)品的特征與元素眾多、客戶與銷售人員的標(biāo)簽層出不窮、市場投入方向千變?nèi)f化，這其中可能涉及成千上萬個變量，如果用基于規(guī)則的模型窮盡，則幾無可能。
以服務(wù)與營銷領(lǐng)域的一個核心問題———客戶流失的預(yù)測模型為例，看一下技術(shù)是如何服務(wù)于這個經(jīng)典業(yè)務(wù)難題的。對許多企業(yè)來說，獲取客戶往往代價很高，故此，客戶流失帶來的損失很大。一旦獲得了客戶，企業(yè)就會通過減少流失率來充分利用獲取成本。在保險、金融、電信等服務(wù)行業(yè)，控制客戶流失大概也是最重要的營銷活動。減少客戶流失，需要先識別出有流失風(fēng)險的客戶，預(yù)測技術(shù)能很好地完成這一任務(wù)。
歷史上，預(yù)測客戶流失的核心方法是一種被稱為回歸的統(tǒng)計技術(shù)。有一些研究聚焦于改進(jìn)回歸技術(shù)，研究人員在學(xué)術(shù)期刊和實踐中提出并檢驗了數(shù)百種不同的回歸方法，回歸就是根據(jù)過去發(fā)生事件的平均值來尋找一種預(yù)測。在機(jī)器學(xué)習(xí)之前，多元回歸提供了一種處理多種條件的有效方法，而且無需計算數(shù)十、數(shù)百甚至數(shù)千種不同條件下的平均值。回歸運(yùn)用數(shù)據(jù)去嘗試找到那個將預(yù)測失誤最小化、擬合優(yōu)度最大化的結(jié)果；回歸將預(yù)測的平均失誤控制到了最低限度，對待大失誤比對待小失誤更加嚴(yán)厲。這是一種強(qiáng)大的方法，尤其是當(dāng)數(shù)據(jù)集相對較小，能很好地感知什么因素對數(shù)據(jù)有用的時候。除此之外，回歸模型渴望產(chǎn)生無偏差的結(jié)果，所以，要是預(yù)測得足夠多，這些預(yù)測就平均概率而言是完全正確的。雖然我們喜歡無偏差的預(yù)測多過有偏差的預(yù)測（比如系統(tǒng)性地高估或低估一個值），但無偏差的預(yù)測也并非完美。因為準(zhǔn)確無比的平均值可能在實際中每次都出錯。
為了調(diào)整這種由于統(tǒng)計算法本身所產(chǎn)生的大的偏差，在實際的企業(yè)客戶流失預(yù)測模型的設(shè)計中，會由經(jīng)驗豐富的業(yè)務(wù)專家主導(dǎo)，根據(jù)經(jīng)驗與自己的判斷來調(diào)節(jié)優(yōu)化模型，清除模型中明顯的錯誤因子，并加上主觀有效因子。這種做法往往能夠得到很好的效果，但是由于它對專家有很強(qiáng)的依賴度，一旦專家發(fā)生錯誤，模型可靠度就會受到質(zhì)疑，并且在無數(shù)個可能的變量中，專家也受限于自身經(jīng)驗和主觀因素。
這一問題在人工智能應(yīng)用之前幾乎是無解的，所以優(yōu)秀的客戶流失模型管理必須依賴優(yōu)秀的專家。解決這一問題的最佳做法是通過人工智能，應(yīng)用其強(qiáng)大的計算能力以及基于神經(jīng)網(wǎng)絡(luò)的算法學(xué)習(xí)能力。與回歸不同，機(jī)器學(xué)習(xí)的預(yù)測可能平均起來是錯誤的，但當(dāng)預(yù)測失誤的時候，它并不會失誤太多。按統(tǒng)計學(xué)家的說法，允許偏差，以求減少方差。機(jī)器學(xué)習(xí)和回歸分析之間一個重要的區(qū)別是新技術(shù)的開發(fā)方式，發(fā)明一種新的機(jī)器學(xué)習(xí)方法時還需證明它在實踐中能運(yùn)作得更好；相反，發(fā)明一種新的回歸方法，首先要證明它在理論上是有效的。強(qiáng)調(diào)實踐效果，給了機(jī)器學(xué)習(xí)創(chuàng)新者更多的實驗空間，哪怕他們的方法生成的估計結(jié)果平均來看不正確或存在偏差。在這種自由實驗的推動下，機(jī)器學(xué)習(xí)借助過去10年的豐富數(shù)據(jù)和高速計算機(jī)實現(xiàn)了快速的進(jìn)步。
然而，從20世紀(jì)90年代末期到21世紀(jì)初期，那些利用機(jī)器學(xué)習(xí)預(yù)測顧客流失的實驗僅取得了有限的成功。雖然機(jī)器學(xué)習(xí)的方法有了穩(wěn)定的進(jìn)步，但回歸的方法依然表現(xiàn)得更好。數(shù)據(jù)仍然不夠豐富，計算機(jī)的速度也不夠快，無法使其利用機(jī)器學(xué)習(xí)做事情。2016年，一切都改變了。使用機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)來預(yù)測流失的模型整體比其他所有方法表現(xiàn)得都好。是什么發(fā)生了改變呢？首先是數(shù)據(jù)和計算機(jī)終于足夠好，讓機(jī)器學(xué)習(xí)占了上風(fēng)。20世紀(jì)90年代，建立足夠大的數(shù)據(jù)庫很難。比方說，一套經(jīng)典的流失預(yù)測研究只使用了650個客戶的數(shù)據(jù)，不到30個變量。
2004年，計算機(jī)的處理和存儲都有了進(jìn)步。機(jī)器學(xué)習(xí)方法逐漸能跟回歸一較高下了。如今，研究人員根據(jù)數(shù)千個變量和數(shù)百萬客戶展開流失預(yù)測。計算能力的提高意味著可以處理大量的數(shù)據(jù)，除了數(shù)字，還包括文本和圖像。例如，在移動電話流失模型中，研究人員除了使用標(biāo)準(zhǔn)變量（如賬單額度大小和支付準(zhǔn)時性）之外，還調(diào)用了通話記錄數(shù)據(jù)（以小時為單位）。
利用可用數(shù)據(jù)，機(jī)器學(xué)習(xí)方法也變得更好了。成功的關(guān)鍵因素是，如何從數(shù)百個可用變量中進(jìn)行選擇，以及選擇使用哪一種統(tǒng)計模型。當(dāng)時最好的方法，不管是機(jī)器學(xué)習(xí)還是經(jīng)典的回歸，都通過結(jié)合直覺與統(tǒng)計檢定來選擇變量和模型?，F(xiàn)在，機(jī)器學(xué)習(xí)方法（尤其是深度學(xué)習(xí)方法）允許模型具備靈活性，這意味著變量彼此之間可以按照意想不到的方式相結(jié)合。在開始計費(fèi)的月初就積累了大量通話時間、高額電話賬單的人比到月末才累積大量通話時間的人流失的可能性更低。此外，周末異地通話、付費(fèi)時間遲、大量發(fā)短信的人尤其容易流失。這樣的結(jié)合難以預(yù)料，但對預(yù)測有極大的幫助。由于難以預(yù)料，建模人員在使用標(biāo)準(zhǔn)的回歸模型進(jìn)行預(yù)測時，無法將這些結(jié)合后的信息包含在內(nèi)。機(jī)器學(xué)習(xí)把一些結(jié)合與交匯事關(guān)重要的選擇權(quán)交給了機(jī)器，而不是程序員。機(jī)器學(xué)習(xí)深度方法的改進(jìn)，意味著可以有效地將可用數(shù)據(jù)轉(zhuǎn)化為對客戶流失的準(zhǔn)確預(yù)測?，F(xiàn)在，機(jī)器學(xué)習(xí)方法明顯優(yōu)于回歸和其他各種技術(shù)。
回到營銷領(lǐng)域中產(chǎn)品、客戶、市場與銷售人員之間的模型建立與優(yōu)化，會發(fā)現(xiàn)其需要的變量遠(yuǎn)遠(yuǎn)大于客戶流失模型，而且這些職能幾乎隸屬于企業(yè)的所有部門。在人工智能得以廣泛應(yīng)用以前，沒有企業(yè)會去嘗試建立這一模型，企業(yè)的營銷決策基本掌握在其核心管理層，不可能通過模型進(jìn)行企業(yè)管理。
現(xiàn)在我們有了機(jī)器學(xué)習(xí)這一預(yù)測技術(shù)，就有可能找到企業(yè)的最優(yōu)營銷模型。當(dāng)然，它和所有的人工智能應(yīng)用一樣，需要數(shù)據(jù)、訓(xùn)練、反饋與持續(xù)的優(yōu)化。
先來看數(shù)據(jù)，對于這樣一個復(fù)雜的機(jī)器學(xué)習(xí)模型來說，建立模型的數(shù)據(jù)很重要，這些數(shù)據(jù)包括客戶畫像數(shù)據(jù)、銷售畫像、產(chǎn)品的各類數(shù)據(jù)（如定價、定位等），它們都會成為模型中的變量，參與到模型的建設(shè)中。
訓(xùn)練數(shù)據(jù)可以是歷史數(shù)據(jù)，其中包含營銷流程所需要的變量與目標(biāo)結(jié)果。機(jī)器學(xué)習(xí)可以通過歷史數(shù)據(jù)訓(xùn)練找到初始算法模型，這個初始算法模型的優(yōu)劣取決于預(yù)測算法、變量的詳盡程度以及目標(biāo)結(jié)果的準(zhǔn)確度。經(jīng)過歷史數(shù)據(jù)訓(xùn)練過的模型就可以上線使用，當(dāng)然，為了確保使用預(yù)測算法后的業(yè)務(wù)目標(biāo)不低于基于規(guī)則的路由方式，可以用人工智能與規(guī)則并行，同時采用人工核對優(yōu)化的方式進(jìn)行模型優(yōu)化。上線后的模型就可以在實際的環(huán)境中持續(xù)優(yōu)化改進(jìn)，以提升業(yè)務(wù)價值與業(yè)務(wù)目標(biāo)。
智能服務(wù)與營銷平臺是這種預(yù)測式技術(shù)最好的落地場景，因為其工作的過程中貫穿了客戶服務(wù)請求、服務(wù)與產(chǎn)品的推薦等流程，同時也可以方便地建立與優(yōu)化客戶畫像、銷售畫像與產(chǎn)品畫像。從系統(tǒng)與解決方案層面要做的升級，就是將原有的基于規(guī)則的路由升級成基于人工智能的預(yù)測式路由，再進(jìn)行用戶畫像、員工畫像與產(chǎn)品畫像的建設(shè)與持續(xù)豐富。
擁有了基于人工智能的預(yù)測式路由能力的智能服務(wù)與營銷平臺，才稱得上是新一代的智能服務(wù)與營銷平臺。這個預(yù)測式路由能力，用在客戶服務(wù)上是基于服務(wù)目標(biāo)的智能匹配，用在營銷上就是基于營銷目標(biāo)的智能推薦。
服務(wù)目標(biāo)可以是客戶最高滿意度、最高銷售轉(zhuǎn)化效率、最低服務(wù)代價，或多個服務(wù)目標(biāo)的加權(quán)排序。有了服務(wù)目標(biāo)以后，所有的預(yù)測行為都以目標(biāo)最大化為出發(fā)點(diǎn)。
現(xiàn)在我們看到基于業(yè)務(wù)目標(biāo)的智能匹配服務(wù)流程是這樣的：我們假設(shè)某企業(yè)的客戶服務(wù)目標(biāo)權(quán)重次序是客戶滿意度40％，服務(wù)效率30％，銷售轉(zhuǎn)化率30％。
顧客帶著自己的畫像進(jìn)入企業(yè)的服務(wù)門戶來獲取服務(wù)請求，智能門戶經(jīng)過預(yù)判識別出了客戶的服務(wù)意圖，并針對三個服務(wù)目標(biāo)的權(quán)重進(jìn)行比對，根據(jù)計算結(jié)果，將客戶的服務(wù)請求轉(zhuǎn)到了智能服務(wù)機(jī)器人，因為此時的客戶滿意度與轉(zhuǎn)化率的指標(biāo)都無從判別，而智能機(jī)器人比人工的服務(wù)效率更高這一點(diǎn)是毋庸置疑的。
但是在機(jī)器人服務(wù)的過程中，發(fā)現(xiàn)機(jī)器人的置信度不夠，會出現(xiàn)客戶滿意度風(fēng)險，這時必須將服務(wù)請求轉(zhuǎn)到人工，而轉(zhuǎn)接哪一個座席也必須符合服務(wù)目標(biāo)的要求。讓客戶畫像、員工畫像在服務(wù)目標(biāo)下進(jìn)行匹配，而這個匹配過程所形成的模型是可以用歷史數(shù)據(jù)進(jìn)行訓(xùn)練、在服務(wù)過程中進(jìn)行動態(tài)優(yōu)化的。
▲基于服務(wù)目標(biāo)的智能匹配架構(gòu)圖
基于營銷目標(biāo)的智能推薦
預(yù)測應(yīng)用于服務(wù)是為了提升服務(wù)目標(biāo)，同樣，預(yù)測應(yīng)用于營銷也是為了提升營銷目標(biāo)。如果我們將服務(wù)與資源稱為匹配的話，營銷就是一個推薦過程。
當(dāng)下，人工智能的發(fā)展讓推薦無處不在，我們所讀的新聞、搜索廣告、微視頻、電商商品全部來自人工智能的推薦算法，它們的目標(biāo)都是營銷。算法所依據(jù)的是商家所收集的客戶行為數(shù)據(jù)，將數(shù)據(jù)處理后抽象出客戶畫像，然后推薦匹配的信息或商品。
▲基于營銷目標(biāo)的智能推薦示意圖
▲基于營銷目標(biāo)的智能推薦架構(gòu)圖
基于營銷目標(biāo)的智能推薦是為了找到商品與客戶、客戶與市場活動、客戶與銷售、營銷過程與話術(shù)的對應(yīng)關(guān)系，從而實現(xiàn)營銷目標(biāo)的最大化。智能推薦需要的基礎(chǔ)數(shù)據(jù)是客戶畫像、員工（銷售）畫像、商品畫像等，需要的訓(xùn)練數(shù)據(jù)是歷史數(shù)據(jù)，進(jìn)而建立推薦模型，再在營銷過程中動態(tài)優(yōu)化。
預(yù)測對企業(yè)資源的優(yōu)化
企業(yè)的產(chǎn)品與員工是其最為重要的資源，通過創(chuàng)新來迭代產(chǎn)品以順應(yīng)市場需求；通過人力升級，不斷優(yōu)化人力資源，這些都是企業(yè)成功的基本要素。智能服務(wù)與營銷平臺連接著產(chǎn)品、客戶、員工，如果人工智能的預(yù)測匹配與推薦充分發(fā)揮作用，就可以在產(chǎn)品畫像、客戶畫像與員工畫像之間找到最優(yōu)化的匹配模型，一切以企業(yè)終極的業(yè)務(wù)目標(biāo)為導(dǎo)向。
模型的參數(shù)是產(chǎn)品畫像信息、客戶畫像信息與員工畫像信息，通過參數(shù)的調(diào)節(jié)就可以發(fā)現(xiàn)它們對業(yè)務(wù)目標(biāo)的量化影響。也就是說，可以通過人工智能的預(yù)測模型反向找到更加符合業(yè)務(wù)目標(biāo)的匹配關(guān)系，這些匹配關(guān)系包含以下幾個部分：
▲產(chǎn)品的設(shè)計與定價如何改變才能適應(yīng)目標(biāo)客戶群；
▲哪種類型的員工技能圖譜更能夠提升客戶滿意度或獲得更好的銷售業(yè)績；
▲怎樣的市場投放能更有效地找到目標(biāo)客戶群；
▲與產(chǎn)品所對應(yīng)的目標(biāo)客戶群擴(kuò)展。
這些問題都是企業(yè)的核心問題，如果能夠找到答案，就破解了企業(yè)的營銷密碼，可以用來指導(dǎo)人力資源部的員工招聘、員工技能提升計劃；可以指導(dǎo)、優(yōu)化產(chǎn)品設(shè)計，定義產(chǎn)品價格；可以指導(dǎo)市場部門進(jìn)行精準(zhǔn)市場投放，成為打開企業(yè)成功之門的金鑰匙，這才是服務(wù)與營銷中人工智能應(yīng)用的最核心的驅(qū)動力。
人工智能的應(yīng)用是一個養(yǎng)成過程，其間離不開大量的人工訓(xùn)練與調(diào)優(yōu)操作，對目標(biāo)的精準(zhǔn)定義，各個維度的客戶、產(chǎn)品、員工數(shù)據(jù)的收集，最終才生成精準(zhǔn)畫像。這個過程不會一蹴而就，相反，在開始的時候由于數(shù)據(jù)的準(zhǔn)確性或積累量的缺失，模型算法的不成熟，會達(dá)不到基于規(guī)則的應(yīng)用，甚至?xí)绊懙娇蛻魸M意度與銷售業(yè)績。如果不繼續(xù)堅持優(yōu)化與數(shù)據(jù)的豐富，必定是個失敗的項目。然而，一旦突破了原有基于規(guī)則的臨界點(diǎn)，人工智能的價值就會爆破性增長，隨著數(shù)據(jù)積累的豐富與算法的進(jìn)一步優(yōu)化，極易出現(xiàn)贏家通吃的局面。當(dāng)然，新的挑戰(zhàn)也可以用更為領(lǐng)先的算法來獲得更強(qiáng)的競爭力，但是有一點(diǎn)是肯定的，成功者一定是那些掌握了金鑰匙的人，而這把金鑰匙，一定是以人工智能技術(shù)為基礎(chǔ)鑄造而成。
知識圖譜構(gòu)成了企業(yè)的信息庫
知識圖譜就是把所有不同種類的信息連接在一起而得到的一個關(guān)系網(wǎng)絡(luò)。建設(shè)一個知識圖譜系統(tǒng)，需要包括：知識建模、知識獲取、知識融合、知識存儲和知識應(yīng)用五大部分：
▲知識建模：構(gòu)建多層級知識體系，將抽象的知識、屬性、關(guān)聯(lián)關(guān)系等信息，進(jìn)行定義、組織、管理，轉(zhuǎn)化成現(xiàn)實的數(shù)據(jù)庫。
▲知識獲?。簩⒉煌瑏碓?、不同結(jié)構(gòu)的數(shù)據(jù)轉(zhuǎn)化成圖譜數(shù)據(jù)，包括結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)（解析）、知識標(biāo)引、知識推理等，保障數(shù)據(jù)的有效性和完整性。
▲知識融合：將多個來源、重復(fù)的知識信息進(jìn)行融合，包括融合計算、融合計算引擎、手動操作融合等。
▲知識存儲：根據(jù)業(yè)務(wù)場景提供合理的知識存儲方案，存儲方案具備靈活、多樣化、可拓展特性。
▲知識應(yīng)用：為已構(gòu)建知識圖譜提供圖譜檢索、知識計算、圖譜可視化等分析與應(yīng)用能力。并提供各類知識計算的ＳＤＫ（軟件開發(fā)工具包），包含圖譜基礎(chǔ)應(yīng)用類、圖譜結(jié)構(gòu)分析類、圖譜語義應(yīng)用類、自然語言處理類、圖譜數(shù)據(jù)獲取類、圖譜統(tǒng)計類、數(shù)據(jù)集獲取類、數(shù)據(jù)集統(tǒng)計類。
企業(yè)信息庫所謂的機(jī)器人服務(wù)與機(jī)器人營銷，其實就是一個知識分享的過程。NLP（自然語義理解）解決的是聽得懂的問題，也就是說，機(jī)器人所能回答的所有問題都已經(jīng)通過人工維護(hù)到知識庫中，機(jī)器人所要做的唯一一件事情就是理解客戶的問題，并從知識庫中提取正確的答案推送給客戶。這樣的機(jī)器人是不具備推理、計算和總結(jié)能力的。從目前的技術(shù)發(fā)展來看，人工智能是不可能具備思考能力的，這個能力還會由人類來承擔(dān)，這也許就是未來人類最為獨(dú)特的價值。
知識圖譜就是將知識通過屬性和標(biāo)簽連接起來，由原來的知識點(diǎn)變成知識面，由一維變成二維。增加了一個維度后，知識與知識之間就具備了關(guān)聯(lián)性，有了關(guān)聯(lián)性以后就可以進(jìn)行推理、計算和總結(jié)，知識越多，從中獲得的信息也就會越多，于是知識庫就變成了企業(yè)的信息庫，成為企業(yè)重要的資源。
企業(yè)大腦
如果我們將一個企業(yè)類比成一個人的話，由知識圖譜所構(gòu)成的信息庫就是這個人所擁有的知識，基于業(yè)務(wù)目標(biāo)的推薦與匹配就是這個人的決策機(jī)制，而客戶畫像、員工畫像、產(chǎn)品畫像等就是人的決策依據(jù)。這些信息和算法模型就構(gòu)成了人的大腦。也就是說，被人工智能賦能過的企業(yè)，除了擁有人類管理團(tuán)隊的智慧以外，還會在運(yùn)營的過程中生長出一個人工智能大腦。這個人工智能大腦擅長預(yù)測，而人類管理者則擅長思考與決策，人工智能的預(yù)測結(jié)果則是人類管理者最好的決策依據(jù)，這樣就可以在更高層面形成企業(yè)管理的人機(jī)耦合。
人工智能擅長在大數(shù)據(jù)量的訓(xùn)練下尋找預(yù)測模型，而且這個模型一旦建立完成，就可以持續(xù)地為企業(yè)提供服務(wù)，并在服務(wù)的過程中不斷優(yōu)化。優(yōu)秀的人類決策團(tuán)隊擅長在小數(shù)據(jù)樣本的情況下進(jìn)行抽象，但是所抽象的模型會因為個體的不同而南轅北轍。人工智能會嚴(yán)格地按照算法模型與預(yù)先設(shè)定的參數(shù)與業(yè)務(wù)目標(biāo)去執(zhí)行，而人類在執(zhí)行過程中可能會受到身體狀態(tài)、情感、道德觀等影響。遇到明顯的預(yù)測結(jié)果錯誤時，人工智能并不自知，而人類則會通過思考來回避明顯的邏輯錯誤。
在引進(jìn)人工智能之前，企業(yè)的治理金字塔架構(gòu)是決策、管理與執(zhí)行，管理層是公司的中間層，起著承上啟下的作用。向下傳遞決策者的戰(zhàn)略規(guī)劃，并細(xì)化可執(zhí)行的目標(biāo)，引導(dǎo)執(zhí)行者完成關(guān)鍵的結(jié)果；向上提供決策信息，補(bǔ)充決策依據(jù)。
▲傳統(tǒng)的企業(yè)治理金字塔架構(gòu)圖
企業(yè)引進(jìn)人工智能以后，中間層就會變成由人工智能的預(yù)測算法模型為核心的企業(yè)大腦與人類管理者的耦合。人工智能所預(yù)測的算法模型經(jīng)過人類管理者的審核，所需要的主觀參數(shù)也由人類設(shè)定，人工智能的大腦自動推薦與匹配，轉(zhuǎn)由人工智能自動執(zhí)行任務(wù)，或路由給人工執(zhí)行。遇到人工智能置信度不夠或沒有足量訓(xùn)練的場景，人工智能會將管理任務(wù)交給人類管理者，由后者決定或是升級到?jīng)Q策層決定，這類情況會主要集中在一些突發(fā)事件或是關(guān)鍵的管理任務(wù)處理。金字塔頂部的決策層則會得到由人工智能大腦所收集的信息與決策依據(jù)，也可以是由人類管理者經(jīng)過過濾與處理過的信息。而執(zhí)行層也會是由人機(jī)耦合來實現(xiàn)，執(zhí)行層的人工智能是預(yù)測算法的另一種表現(xiàn)形式，如NLP、知識圖譜等。
▲人工智能時代的企業(yè)治理結(jié)構(gòu)圖
企業(yè)的觸點(diǎn)與觸角
本書一開篇就提到過將客戶和企業(yè)的接觸點(diǎn)稱為企業(yè)的觸點(diǎn)。觸點(diǎn)多種多樣，傳統(tǒng)的觸點(diǎn)是企業(yè)的經(jīng)營場所、平面廣告、視頻廣告、線下的市場活動等，互聯(lián)網(wǎng)為企業(yè)增加了更多的觸點(diǎn)，如官網(wǎng)、APP、公眾號、搜索引擎、第三方網(wǎng)站、第三方APP、小程序等。企業(yè)市場部的目標(biāo)就是最大可能地增加有效觸點(diǎn)并擴(kuò)大其分布，有效觸點(diǎn)越多，意味著企業(yè)的產(chǎn)品與形象越容易被目標(biāo)客戶感知。然而，什么樣的觸點(diǎn)才是有效觸點(diǎn)呢？
有效觸點(diǎn)是可能被客戶關(guān)注并形成轉(zhuǎn)化的觸點(diǎn)，客戶會聯(lián)系企業(yè)、直接購買、添加有效信息，轉(zhuǎn)化為企業(yè)私域流量。傳統(tǒng)的觸點(diǎn)是單向的，不具備記錄能力，無法量化有效性，互聯(lián)網(wǎng)觸點(diǎn)可以通過對客戶的點(diǎn)擊、關(guān)注、信息留存等進(jìn)行記錄，但卻缺乏與客戶之間互動的能力，也不能進(jìn)行主動的智能服務(wù)與營銷。
將觸點(diǎn)賦能成為觸角觸點(diǎn)賦能就是在觸點(diǎn)上增加交互能力和千人千面的展現(xiàn)能力。如果事先獲得觸點(diǎn)群體的畫像，就可以根據(jù)畫像由企業(yè)大腦進(jìn)行觸點(diǎn)信息匹配，所謂的觸點(diǎn)信息匹配就是向不同的客戶群體推送適合的信息。觸點(diǎn)上的交互能力就是聯(lián)絡(luò)入口，客戶通過觸點(diǎn)獲得信息，通過交互與觸點(diǎn)進(jìn)行互動，需要營銷機(jī)器人與客戶交流，根據(jù)客戶提供的信息進(jìn)行產(chǎn)品與服務(wù)的推薦，并自動完成相關(guān)的服務(wù)與營銷流程。如果發(fā)現(xiàn)營銷機(jī)會或是識別出高端客戶，則將交互轉(zhuǎn)接到人工，由人工進(jìn)行進(jìn)一步的服務(wù)與營銷。這種被賦能過的觸點(diǎn)就成為了觸角，這個觸角受控于企業(yè)大腦，成為企業(yè)有機(jī)體的一部分。
控于企業(yè)大腦，成為企業(yè)有機(jī)體的一部分。線下的傳統(tǒng)觸點(diǎn)則可以通過二維碼或ＮＦＳ（網(wǎng)絡(luò)文件系統(tǒng)）等作為入口方式進(jìn)入小程序、公眾號、APP等，進(jìn)而獲得觸點(diǎn)上的賦能。
觸點(diǎn)賦能是賦予觸點(diǎn)服務(wù)與營銷的能力，這種能力體現(xiàn)在機(jī)器人服務(wù)、精準(zhǔn)營銷、多媒體聯(lián)絡(luò)、社交互動等方面。目前的主流展現(xiàn)形式為靜態(tài)網(wǎng)頁、ＩＭ聯(lián)絡(luò)、語音通信等，入口主要是公眾號、小程序、APP與電話。APP是一個非常適合的觸點(diǎn)入口，它能夠以各種形式體現(xiàn)觸點(diǎn)能力。然而，企業(yè)APP很難做成高頻應(yīng)用，所以目前幾乎所有的觸點(diǎn)都會采用公眾號作為入口，其優(yōu)點(diǎn)是簡潔、易于維護(hù)、搭建方便，缺點(diǎn)則是表現(xiàn)形式過于簡單，聯(lián)絡(luò)能力不夠。最好的入口，目前看來應(yīng)該是小程序或是小程序與公眾號結(jié)合的模式，這樣就可以通過觸點(diǎn)將智能服務(wù)與營銷的后臺能力全部發(fā)揮出來，讓觸點(diǎn)成為真正的觸角。
5G時代的高帶寬、低延遲特點(diǎn)讓觸點(diǎn)的能力得到進(jìn)一步發(fā)揮?？梢钥隙ǖ氖?，以下表現(xiàn)形式一定會在5G時代成為主流。
高清短視頻短視頻展示與短視頻社交是４Ｇ的產(chǎn)物，5G時代將進(jìn)一步放大視頻展示的優(yōu)勢，而制作精良的高清視頻將成為企業(yè)觸點(diǎn)展示的主流形式。
視頻聯(lián)絡(luò)視頻聯(lián)絡(luò)在視頻核身、風(fēng)控、信息傳遞方面有語音通信不可比擬的優(yōu)勢，在5G時代，視頻聯(lián)絡(luò)的體驗將得到進(jìn)一步提升，高清視頻聯(lián)絡(luò)、實時微表情檢測等技術(shù)的應(yīng)用會成為觸點(diǎn)聯(lián)絡(luò)的主流。
虛擬現(xiàn)實高帶寬意味著3D通信技術(shù)的應(yīng)用成為可能，具備真實體驗場景的虛擬現(xiàn)實如果得到應(yīng)用，就可以模擬出更多的線下應(yīng)用，在增強(qiáng)客戶體驗的同時，讓聯(lián)絡(luò)發(fā)揮更大的價值。
新一代服務(wù)與營銷平臺的總結(jié)
新一代服務(wù)與營銷平臺的核心是基于人工智能的預(yù)測式路由，預(yù)測式路由用在服務(wù)上就是基于服務(wù)目標(biāo)的智能匹配，用在營銷上就是基于營銷目標(biāo)的智能推薦。預(yù)測式路由將在客戶畫像、員工畫像、商品畫像以及服務(wù)指標(biāo)、營銷指標(biāo)等數(shù)據(jù)的訓(xùn)練下，提煉出企業(yè)資源與營銷目標(biāo)之間的最佳匹配模型，企業(yè)管理者與決策者通過這個模型給出的建議，可以進(jìn)一步優(yōu)化企業(yè)的人力資源、產(chǎn)品設(shè)計與市場投放等，讓營銷與創(chuàng)新具備更高的效率。
知識圖譜將企業(yè)中的知識連接起來，形成二維的企業(yè)信息庫，預(yù)測式路由所提煉的企業(yè)算法模型加上企業(yè)信息庫就成為企業(yè)大腦，企業(yè)大腦和企業(yè)管理者一起運(yùn)營企業(yè)，并通過人機(jī)耦合的方式向決策者提供決策建議與決策依據(jù)，推動企業(yè)不斷進(jìn)步。
用企業(yè)大腦為觸點(diǎn)賦能，就能夠?qū)蜗虻挠|點(diǎn)變成具備聯(lián)絡(luò)能力與智能化能力的觸角，企業(yè)觸角的有效延展就是企業(yè)運(yùn)營規(guī)模不斷放大的過程。5G時代將進(jìn)一步加強(qiáng)觸角的聯(lián)絡(luò)能力，高清視頻聯(lián)絡(luò)將成為主流的聯(lián)絡(luò)應(yīng)用，而基于虛擬現(xiàn)實的3D聯(lián)絡(luò)或許也會成為5G時代的爆點(diǎn)應(yīng)用。
企業(yè)的大腦與觸角構(gòu)成了有機(jī)的企業(yè)，這個有機(jī)的企業(yè)就是新一代服務(wù)與營銷平臺的最好載體，也是新一代平臺的終極目標(biāo)。
