概述：

机会评分使用根据过去销售数据训练的机器学习模型来预测赢得交易的概率。这有助于销售代表根据获胜的倾向来确定其交易的优先级。

引入了一个新的侧窗格UI，以显示有关Opportunity得分的详细信息和所选Opportunity的其他相关信息。分数是根据机会最重要的影响因素来确定的。侧窗格中的分数和附加信息根据系统中更改的Opportunity每天更新一次

本博客详细解释了Opportunity机器学习侧窗格的每个部分。

什么是影响因素？

一个影响因素是用来决定分数的机会参数。在计算机会得分时，手游返利，考虑了大约43个这样的参数。

模型训练后，返利app怎么用，它将排名最重要的影响因素。排名靠前的因素可能在10-15个左右。

机会得分：

机会得分是根据排名靠前的最具影响力的因素计算出来的。它是一个相对分数，预测赢得机会的机会。分数越高，赢得机会的机会就越大。例如，如何成为淘客，得分为93的Opportunity比得分为82的Opportunity更有机会获胜。

机器学习服务返回的Opportunity得分的数字范围为0-99，分类为：

75-99（很可能数字显示为绿色）51-75（可能数字显示为黄色）0-50（不太可能，云是什么，数字显示为红色）

关键因素数据：

此数据根据最重要的影响因素显示。排名前2名和后2名在列表中显示。

结束日期表示机会结束的时间线Sales Owner Win Rate查看C4C中每个销售代表的Win Rate。Win Rate的计算方式为赢得的Opportunity数/Opportunity总数。Days in Current Phase指示opportunity在当前销售阶段的天数上次更新后的天数表示此opportunity更改后的天数。

活动参与：

它是每个opportunity的活动累积列表。这是对已发生或计划的业务机会活动的总体总结。这些数据背后没有任何情报。

洞察：

下面显示的洞察来自最具影响力的因素。这些数据来自C4C；然而，它被转换成更易消耗的形式。例如，企业应用平台，关闭数据每季度更改的次数。

限制：

目前，没有自定义字段可以成为"影响因素"的一部分，因为可能无法理解字段背后的语义。无法自定义Opportunity侧窗格。目前无法展开和折叠Opportunity scoring panel。一旦启用，它总是在opportunity worklist中可见。

有用资源：

C4C Deal Intelligence概述：

https://blogs.sap.com/2018/02/22/c4c-machine-learning-deal-intelligence-opportunity-machine-learning/