我们的两位天才数据科学家，刘勇和安德鲁·布鲁克斯，最近展示了外展如何帮助销售代表利用机器学习进行持续学习。在2020年Spark+AI峰会上，他们讨论了机器学习如何为我们的销售参与平台提供动力，以及如何解决所有数据科学家在构建企业级应用程序时面临的一些典型挑战。这项工作扩展了Yong去年关于将意图与销售电子邮件分类的课程。从那以后，时代发生了变化，但有一件事是正确的：销售专业人员生成了大量的数据。在电子邮件、电话和视频会议之间，普通代表每天都要与潜在客户进行数十次互动。他们还负责跟踪各种非销售活动。但是通过机器学习，自动化使销售代表可以自由地专注于关系构建技术，从而改变整个客户体验。当您的销售团队具备高效地完成工作所需的洞察力时，他们会更快地完成交易。请继续阅读，了解外展帮助客户做到这一点的一些方法。了解电子邮件回复中的潜在客户情绪在他们的演示中，Yong和Andrew展示了机器学习如何增强意图报告的能力，销售经理使用这种能力来了解销售代表与潜在客户的谈话内容。这是同类技术中第一个提供全面可视性和对潜在客户意图的智能洞察的技术。意向报告自动将电子邮件答复分类为客户肯定或否定答复的详细原因。例如，一个积极的回答要求更多的信息，或者一个否定的回答说他们已经有了一个解决方案，比虚荣的指标（如开放利率）提供了更多的信息。现在，销售经理可以看到相关内容的建议，以及对其代表进行适当指导所需的洞察力。在我们的平台上已经发生了超过10亿次的交互。通过利用自然语言处理、机器学习和人工智能，外展捕获这些行为的结果，分析它们，并确定因果关系，从而显著改善每个用户的体验和结果。这有助于面向客户的销售代表在处理异议等具有挑战性的情况下采取更好的行动，同时让经理能够快速看到团队成员的改进之处。我们的平台还自动从客户电子邮件中捕获关键信息，帮助销售代表更好地与潜在客户接触。其中一个例子是办公室外的电子邮件回复，占我们内部回复的18%。当平台检测到外出电子邮件回复时，它会自动暂停序列。当潜在客户回到办公室时，这一顺序将恢复，这使得潜在客户与他们的代表预约会议的可能性增加了46%。指导销售代表采取下一个最佳行动Yong和Andrew还演示了自然语言处理如何改进特定的销售参与场景。引导式接洽是一种系统化的方法，它通过帮助销售经理区分哪些重头戏能够在规模上带来最成功的结果，从而利用意图分类。我们的机器学习模型基于对每个收到的电子邮件的意图检测和分类，指导销售代表采取最佳行动来推翻收件人的反对意见。在机器学习模型确定电子邮件响应的意图后，引导式参与确定并向销售代表提供下一个最佳行动。这对于可能还不具备技能、信心和对可用资源的知识来有效跟进异议的新销售代表特别有用。预算异议就是一个典型的例子。我们的机器学习模型自动检测电子邮件的意图，表明反对是因为预算。然后，销售代表可以导航到"异议处理"内容集合，并找到经理建议他们在这些特定情况下使用的模板。在短短几秒钟内，销售代表就可以用经理推荐的最好的模板来回应对预算的棘手异议。（虚拟）路演继续我们的数据科学团队将继续分享他们在机器学习和自然语言处理方面的最佳实践，从2020年10月的NLP峰会开始：应用自然语言处理。要了解企业人工智能场景和销售数字转型的所有信息，请务必注册！