您当前的位置是:  首页 > 新闻 > 国际 >
 首页 > 新闻 > 国际 >

Salesforce承诺提供“开箱即用”的人工智能应用程序

2017-01-11 16:08:38   作者:   来源:ZD至顶网   评论:0  点击:


  Salesforce在Einstein人工智能上采用了一种应用程序优先的方法。这和公共云人工智能产品形成了鲜明的对比,采用这种做法的部分原因是该公司汲取了从Salesforce Wave学到的教训。
  这个世界上没有足够多的数据科学家,所以Salesforce依靠自动化和以应用程序为中心的方法来将其Einstein人工智能功能带给大众。
  在上周于旧金山举行的Salesforce分析师峰会上,公司高管们分享了该公司在两年多的时间里工作的详细情况,目标是建立高度自动化的数据管理和机器学习通道,以大规模提供预测和建议。这项工作从Exact Target预测客户旅程开始,许多(虽然不是全部)Salesforce的AI采集被插入同一自动化通道。该公司高管表示,此系统可以扩展,因为所有的数据收集、数据准备、功能选择、模型构建、超参数调整和评分都是自动处理的。
  Salesforce表示,该公司花了两年多的时间开发自动化数据管理和机器学习通道,以大规模推动针对客户的预测。
  根据Salesforce提供的数据显示,这种数据管理和机器学习通道已经每天对潜在客户提供多达3亿条预测/推荐/打分的建议。它是Sales Cloud Einstein、Service Cloud Einstein和Marketing Cloud Einstein应用程序的引擎,这些应用程序已经推出或者将在今年内推出。下一步将推出的将是Sales Cloud Einstein应用程序,它将在2月份的Salesforce Spring 2017版本中推出。
  Einstein的高级副总裁兼总经理John Ball也是一位KXEN的“老兵“,Salesforce聘请他是因为看重他在自动化分析方面拥有的经验。John Ball表示,”我们的一个试用客户开始尝试(Einstein Predictive Lead Scoring),然后销售额增长了25%“。
  Einstein应用程序的目标是帮助人们专注于真正重要的事。例如,Predictive Lead Scoring可帮助销售人员关注最有前途的潜在客户。Opportunity Insights——另一个销售类Cloud Einstein应用程序于2月份推出,能够帮助销售人员设定下一个优先事项。对于那些仍然没有完成销售任务的销售人员来说,这意味着下一个最有可能达成的交易;而对于那些已经完成销售任务的销售人员来说,就可以培养自己的潜在客户群。
  爱因斯坦应用程序并不适合每个公司。首先,它需要大量的数据来推动自动化、基于机器学习的预测。如果你每个月处理的潜在客户少于100人,那么人类就可以处理这些工作,他们能很好地把握哪些潜在客户应该是高优先级的。Ball表示,只有当数据的体量巨大,使用Einstein应用程序才有意义。
  这不是说Einstein只适合大公司。数据量才是应用程序的关键。例如,许多小型营销团队每月都会发送数百万封电子邮件。因此,Predictive Scoring&Audiences和Automated Send-Time Optimization——今年将出现在Marketing Cloud中的两款应用程序即使对于小公司来说也是很有意义的,只要他们在进行大规模的市场营销。
  Ball表示,现在,Salesforce正在采集和选择简单明了的Einstein应用程序,只要“开箱即用“。但随着时间的推移,公司计划开发更复杂的应用程序,可能需要一些咨询和业务流程更改才能进行部署。还有计划支持自定义Einstein应用程序,但在Salesforce表示,在这里需要的也只是具备点击式处理能力的开发人员,而不需要数据科学人才。
  在更复杂的应用程序或自定义应用程序功能露面之前,Salesforce提供了Analytics Cloud Einstein Smart Data Discovery的特别分析和推荐功能,该软件由9月收购的Beyond Core提供支持。这种独立的基于机器学习的引擎允许您从Salesforce、关系型数据库或Hadoop加载并浏览数据集,并回答四个问题:发生了什么?为什么会发生?将会发生什么?我该如何改进?
  这四个问题的答案分别是描述性、诊断性、预测性和规范性分析,以基于文本的“故事“的形式提供,可以导出为Word文档或PowerPoint演示文稿。您还可以通过Salesforce Analytics Cloud Wave引擎生成支持数据可视化。
  Smart Data Discovery旨在让业务分析师探索数据并调查成本、盈利能力和客户生命周期价值等指标。与其他Einstein应用程序一样,您需要足够多的数据。Beyondcore的“老兵“表示,引擎需要至少10,000行数据来发现相关性和模式,并产生可靠的预测和规范性建议。
  我对Einstein的进展和竞争形势的看法
  Salesforce采取了应用程序优先的方法,部分原因是从2014年底Analytics Cloud最初发布失败中汲取的经验教训。正如我在去年写的,Wave的第一次迭代太昂贵了,太过侧重大型企业,打包的内容太多,太像是一个传统的商业智能平台。去年的重装上阵强调了随时可用的Sales Wave和Service Wave应用程序,旨在实现开箱即用。
  Einstein是一种内置于Salesforce平台中的功能,而不是像最初的Wave方式那样引入“人工智能云“。Wave分析功能也内置在平台中,但是最初的Analytics Cloud云打包和定价方法——平台费用加上面向开发人员的昂贵的构建器许可证——是行不通的。有了Einstein,Salesforce从应用程序着手,以后再为开发人员添加自定义功能。
  关于Einstein的一个重要而关键的问题是这些应用程序需要花多少钱?Salesforce高管对这个问题仍然含糊其辞,只是表示一些功能将是免费的,而大多数应用程序将涉及每用户/每月或每次预测费用。据说在购买Einstein应用程序时,尤其是通过BeyondCore和Demandware(现在的Commerce Cloud)的情况下,定价将和客户现在所支付的价格相一致。
  看看竞争对手,Oracle在其Oracle Adaptive Intelligent Applications中也采用了还预先构建应用程序的方法。Oracle在9月份公布了六个计划中的自适应智能应用程序(Adaptive Intelligent Applications),并表示它们将在12至18个月内粉墨登场。有不少人都希望在2017年上半年至少能够见到这些应用程序中的一部分。
  公共云供应商亚马逊和微软已经针对人工智能采用了服务库方法,将完成应用程序所需的把机器学习、自然语言处理、机器视觉、情绪分析和其他服务结合在一起的工作留给了开发人员。他们为开发人员提供了模板、示例脚本和其他内容进行指导,但是没有提供随时可用的应用程序。我们期待微软能够在提供客户体验特定服务方面做得更多,而且,或许在其Dynamics应用程序产品组合中提供更接近于完成的人工智能应用程序。
  IBM在过去五年中利用其Watson认知计算推动将AI重新回归版图的努力值得称道。它现在有一个分叉的战略,IBM本身在追求更复杂的机会,同时还为不断增长的开发人员社区构建Watson平台认知服务。
  IBM自己就提供关于活动自动化、市场洞察、实时个性化、客户体验分析和客户旅行分析的认知营销解决方案。同时,Watson开发商合作伙伴,例如Influential、SocialFlow和Equals3,也提供Watson支持的认知市场营销解决方案。无论是来自IBM还是独立开发人员,这些解决方案都可能需要与记录系统集成。相比之下,Salesforce(以及Oracle,等到该公司发布它的应用程序时)提供了即时运行的人工智能应用程序,它是其软件即服务应用程序的扩展。如果Salesforce是您的CRM记录系统,Einstein将是添加人工智能最简单明了的首选对象。
  ——Doug Henschen

专题