什么是"潜在客户中的机器学习"场景？
机器学习用于领导智能场景。使用它，理财返利，打开的潜在客户的分数被计算出来并显示给用户，同时在侧面板上显示其他几条信息。
我如何在工作中使用它？
通过机器学习识别具有高转换潜力的开路导线。得分将表明潜在客户转化为机会的可能性。将潜在客户按得分降序排序，潜在客户可按转换的可能性排序。销售团队可以主动跟踪这些潜在客户进行进一步处理。
因此，大数据分析学习，潜在客户情报支持销售团队改进潜在客户转换关键数字。
潜在客户得分基于0-100的范围。得分有三个区间-非常可能结束、可能结束和不太可能结束
当前图例定义如下：
0-50=红色=不太可能结束51-75=黄色=可能75-99=绿色=很有可能
稍后它将根据客户数据动态变化。
侧面板上提供了有关潜在客户的各种其他信息，这些信息在评估潜在客户时会非常有用。例如：活动约定，显示为潜在客户执行的电子邮件、电话、任务等的数量。它还显示lead处于当前已分配状态的天数。侧面板还显示引线的最后状态，并指示当前状态是正向发展还是负向发展。
侧面板上显示的这些详细信息是现成的，大数据行业分析，当前无法更改。
如何配置它以使用？
配置步骤与Opportunity等相同。唯一的变化是为Lead Scoring scenario创建模型。
前提条件：
您需要拥有C4C产品的Enterprise Edition许可证。由于机器学习使用了Lead到train的历史数据，因此有助于在系统中获得一年的Lead。因此，如果您正在实现C4C，那么等待几个月，然后激活服务。大约5000个或更多的线索将是一个最低的起点。它也有助于用尽可能多的标准字段输入的数据来维护Lead。数据也应该均匀地分布在数据集中。例如，详尽的状态模式，其中的状态记录了潜在客户的所有可能的生命周期状态以及每个状态中相似数量的潜在客户。因此，如果lead仅作为正式形式输入到系统中，则模型将无法预测lead的其他状态。
实施过程：
C4C中所有交付的机器学习场景的实施步骤都是相同的。以下是详细信息-Ralf的免费博客Kammerer:
预检查数据
检查客户数据，企业大数据分析，了解上述前提条件部分中详细说明的要点。
目前这些检查是手动的。在未来的版本中，将提供报告来帮助您自己检查这些场景下系统的准备情况。
激活潜在客户评分租户决定
您需要决定使用哪个租户来训练模型，以及在哪个租户中激活模型。由于拥有实时Lead数据对于培训模型非常重要，因此在拥有最准确数据的租户上进行此操作非常重要。
生产租户
建议直接在生产租户中激活它，因为通常有最准确的数据。由于该功能只是一个"读取"功能，因此没有损害生产数据的风险。而且，该特性只能在开始时提供给一些测试用户。
测试租户
通常测试租户中没有足够的数据，因此，创建预测模型在那里进行测试是没有意义的。
生产租户的副本
另一种选择是使用"生产"数据记录测试生产租户副本中的功能。
缺点
需要额外的租户。这可能会导致额外的成本，具体取决于您的许可证。
由于数据没有不断变化，因此模型中的动态测试不如生产租户中的测试。
必须在生产中重新创建模型，并且由于一段时间后的数据不同，可能会导致测试以外的其他结果。
激活
必须更新此功能由SAP激活。
应在租户中为组件LOD-CRM-ML创建事件，该事件应在租户中激活。
请请求激活机器学习场景"Lead Scoring"。
在将来的版本中，可以通过作用域打开该功能。
应创建新的业务角色，以便分配授权查看lead workcenter中相关的lead intelligence侧窗格。
业务角色应由客户/实施合作伙伴创建，并且必须在事件中指定，以请求SAP激活交易智能。
SAP将增强此角色，以便在UI上显示新功能。
角色将然后必须由客户分配给相关用户。
此程序将在将来的版本中被替换，并且该授权将由管理员授予，就像C4C中的任何其他授权一样。
训练机器学习模型
在您可以使用lead intelligence功能之前，您必须创建特定于客户的培训模型，用于预测潜在客户的得分。要训练您的自定义模型，请转到管理工作中心并选择"预测服务"视图。
从可用场景列表中选择Lead scoring场景，并使用action Add model（此场景列表是为机器学习提供的开箱即用的，特价云服务器，在未来的新版本中，将添加更多场景。）以创建新模型。
