要找到最優(yōu)解，就要全局考慮。從技術(shù)上看，這屬于運(yùn)籌優(yōu)化算法中的任務(wù)指派問題，例如打車軟件給司機(jī)派單。行業(yè)中也有一些開源的運(yùn)籌優(yōu)化算法和框架，比如 Google 開源的 Ortools 使找到最優(yōu)解成為可能。

綜上，企業(yè)應(yīng)用大數(shù)據(jù)和機(jī)器學(xué)習(xí)、運(yùn)籌優(yōu)化技術(shù)進(jìn)行線索智能評(píng)分、智能分配，實(shí)現(xiàn)線索優(yōu)選、優(yōu)配，能夠有效提升銷售效能。

我們可以將智能技術(shù)應(yīng)用的優(yōu)勢(shì)總結(jié)如下：

• 相比規(guī)則評(píng)分、規(guī)則分配，智能技術(shù)能綜合全域數(shù)據(jù)和人工智能技術(shù)，評(píng)分更精準(zhǔn)，能更好地支持銷售運(yùn)營(yíng)。
• 根據(jù)業(yè)務(wù)反饋?zhàn)詣?dòng)訓(xùn)練、更新，自適應(yīng)環(huán)境變化。
• 數(shù)據(jù)越完備，預(yù)測(cè)越精準(zhǔn)，數(shù)據(jù)變成了生產(chǎn)力，企業(yè)可以通過數(shù)據(jù)建設(shè)來持續(xù)提升預(yù)測(cè)精準(zhǔn)性。
• 應(yīng)用運(yùn)籌優(yōu)化技術(shù)進(jìn)行線索分配，可以取得全局最優(yōu)，并自動(dòng)適應(yīng)銷售人員變化。

而與此同時(shí)，我們也需要清晰地認(rèn)識(shí)到，企業(yè)應(yīng)用智能技術(shù)面臨的挑戰(zhàn)有四點(diǎn)：

• 數(shù)據(jù)建設(shè)系統(tǒng)。智能技術(shù)應(yīng)用以數(shù)據(jù)為核心，需要有良好的數(shù)據(jù)基礎(chǔ)，因此需要數(shù)據(jù)采集 & 存儲(chǔ) & 分析系統(tǒng)做支撐。
• 智能技術(shù)平臺(tái)。雖然行業(yè)中有很多開源技術(shù)框架，但打通數(shù)據(jù)流和應(yīng)用結(jié)合、特征 & 樣本管理等仍然是一個(gè)大工程。
• 智能技術(shù)人才。優(yōu)秀的、能做出成效的智能技術(shù)人才依舊稀缺且昂貴。
• 實(shí)踐經(jīng)驗(yàn)。相比個(gè)性化推薦，銷售業(yè)務(wù)鏈路更長(zhǎng)、過程更難數(shù)據(jù)化和量化，且涉及到銷售人員管理和激勵(lì)，非常復(fù)雜。智能技術(shù)業(yè)務(wù)關(guān)聯(lián)度更高、數(shù)據(jù)來源也更復(fù)雜，且涉及到和銷售團(tuán)隊(duì)的配合，因此對(duì)技術(shù)團(tuán)隊(duì)和業(yè)務(wù)團(tuán)隊(duì)的跨界經(jīng)驗(yàn)要求很高。

• 結(jié)合神策兩云一平臺(tái)（神策分析云、神策營(yíng)銷云、神策數(shù)據(jù)根基平臺(tái)），為客戶提供數(shù)據(jù)治理、分析、業(yè)務(wù)應(yīng)用一體的綜合解決方案。
• 提供智能技術(shù)平臺(tái)，解決打通數(shù)據(jù)流、應(yīng)用結(jié)合、特征 & 樣本管理等問題；提供行業(yè)模型保障建模效率和效果。
• 提供定制化建模服務(wù)，并保障模型效果。
• 提供落地陪跑服務(wù)，務(wù)求業(yè)務(wù)落地并實(shí)現(xiàn)業(yè)務(wù)價(jià)值。

基于落地實(shí)踐，我們梳理了神策智能技術(shù)平臺(tái)的三大特點(diǎn)：第一，神策智能技術(shù)平臺(tái)和神策兩云一平臺(tái)有機(jī)結(jié)合；第二，集成運(yùn)籌優(yōu)化框架并構(gòu)建智能分配模型，解決類似于線索分配的運(yùn)籌優(yōu)化問題；第三，構(gòu)建行業(yè)化模型框架、沉淀行業(yè)模型，把行業(yè)共性，如特征的加工方式、特征集合、樣本構(gòu)建方式、模型效果分析方式等固化。

具體來說，特征加工方面，如判斷郵箱地址是個(gè)郵還是企郵，判斷用戶填寫公司名稱的真實(shí)性；模型分析方面，如在線教育要按照科目、年級(jí)、校區(qū)、活躍情況做模型效果分析。固化行業(yè)共性，同時(shí)沉淀系統(tǒng)，能夠有效保障建模的效率和效果。

與此同時(shí)，在實(shí)際服務(wù)客戶的過程中，我們總結(jié)了如下實(shí)踐認(rèn)知：

1、數(shù)據(jù)采集要完整，時(shí)間要對(duì)齊，避免時(shí)序混亂

（1）數(shù)據(jù)完備。包括用戶行為數(shù)據(jù)、CRM 數(shù)據(jù)、用戶來源和屬性數(shù)據(jù)、銷售跟進(jìn)數(shù)據(jù)等。

（2）跟進(jìn)記錄完備，時(shí)間對(duì)齊。App 合規(guī)采集的用戶行為數(shù)據(jù)一般不會(huì)出錯(cuò)，但線索分配、跟進(jìn)等記錄因?yàn)樯婕暗戒N售管理和 CRM 系統(tǒng)，容易出現(xiàn)缺失或時(shí)序混亂，從而影響模型效果，企業(yè)務(wù)必最初就做好數(shù)據(jù)洞察，并盡早解決數(shù)據(jù)錯(cuò)誤。

（3）要避免特征穿越。CRM 中一些字段是銷售跟進(jìn)甚至成交后才填寫的，如果缺少屬性變更時(shí)間及對(duì)應(yīng)的時(shí)間戳，很容易出現(xiàn)特征穿越，造成模型效果好但實(shí)際應(yīng)用差的情況。

（4）在數(shù)據(jù)治理之前，建議先和銷售人員溝通，了解其判斷線索質(zhì)量所需要的數(shù)據(jù)，做針對(duì)性的數(shù)據(jù)治理。

2、模型訓(xùn)練環(huán)節(jié)，最重要的是確定應(yīng)用場(chǎng)景和目標(biāo)線索

如何判斷應(yīng)用場(chǎng)景和目標(biāo)線索？通常情況下，其判斷標(biāo)準(zhǔn)如下：

（1）場(chǎng)景和目標(biāo)線索的預(yù)測(cè)是否對(duì)銷售有幫助？如果銷售跟進(jìn)線索的成本非常低，那么做線索質(zhì)量評(píng)分的價(jià)值就不大，因?yàn)?ROI 太低。

（2）可行性如何？比如對(duì)半年內(nèi)沒有活躍的線索進(jìn)行質(zhì)量區(qū)分難度很大。

（3）如何做？選用什么樣的數(shù)據(jù)？比如半年內(nèi)沒有活躍的線索，大概率要用到第三方數(shù)據(jù)輔助判斷，樣本構(gòu)建和模型訓(xùn)練、模型分析要相對(duì)應(yīng)。

3、選定合適的指標(biāo)

相比 AUC、準(zhǔn)確率 & 召回率等指標(biāo)，LIFT 提升度更適配業(yè)務(wù)度量.

LIFT 提升度是對(duì)評(píng)分從高到低排序后各個(gè)分檔的累計(jì)轉(zhuǎn)化率相對(duì)基準(zhǔn)轉(zhuǎn)化率的比值，體現(xiàn)了模型 Top N 的數(shù)據(jù)對(duì)目標(biāo)轉(zhuǎn)化的召回率，以及相對(duì)平均采樣的優(yōu)勢(shì)。

4、務(wù)必做 A/B 測(cè)試驗(yàn)證

對(duì)于轉(zhuǎn)化周期長(zhǎng)的實(shí)施需求，做好 A/B 測(cè)試能夠幫助企業(yè)量化說明應(yīng)用價(jià)值。

利用 A/B 測(cè)試進(jìn)行線索篩選，是指不針對(duì)銷售而是線索做 A/B 分組，并采用不同的線索篩選方式；對(duì)于私海標(biāo)注，則線索不分組，銷售根據(jù)有無私海標(biāo)注分組；對(duì)于線索優(yōu)配，則線索、銷售都分組，做 A/B 測(cè)試效果對(duì)比。

在模型應(yīng)用階段，過程數(shù)據(jù)采集和分析非常重要，一方面便于效果歸因和改進(jìn)，另一方面能幫助企業(yè)盡早發(fā)現(xiàn)問題。

通過實(shí)踐和行業(yè)調(diào)研，神策總結(jié)了智能技術(shù)應(yīng)用帶來的收益：

• 線索篩選在歷史線索回?fù)茍?chǎng)景下會(huì)帶來轉(zhuǎn)化率提升。具體提升數(shù)字以及持續(xù)時(shí)間跟歷史線索規(guī)模和沉淀歷史線索的速度有關(guān)。
• 結(jié)合線索質(zhì)量、銷售能力，以及銷售對(duì)線索的偏好進(jìn)行線索分配，從而實(shí)現(xiàn)整體最優(yōu)，線索整體轉(zhuǎn)化率大幅提升。
• 私海線索質(zhì)量區(qū)分能全面提升私海優(yōu)質(zhì)線索轉(zhuǎn)化率。

5、線索優(yōu)選 & 優(yōu)配是技術(shù)問題，同時(shí)也是業(yè)務(wù)問題和管理問題

（1）企業(yè)要循序漸進(jìn)開展工作，避免影響業(yè)務(wù)和團(tuán)隊(duì)管理。循序漸進(jìn)要求從效果明確、對(duì)團(tuán)隊(duì)管理和業(yè)務(wù)影響比較小的開始調(diào)整。比如歷史線索回?fù)啤v史線索回?fù)撇粫?huì)對(duì)銷售團(tuán)隊(duì)管理產(chǎn)生影響且產(chǎn)生效果不依賴外部，因此是最佳的切入點(diǎn)。然后是私海高質(zhì)量線索標(biāo)注以及低質(zhì)線索排除。做好這兩點(diǎn)后，基本能夠證明模型有效，并且已經(jīng)和業(yè)務(wù)方磨合好。接下來就可以開展基于銷售分檔和線索分檔的線索優(yōu)配，其解釋性強(qiáng)、可控性好，在這個(gè)基礎(chǔ)上銷售團(tuán)隊(duì)管理的調(diào)整比較容易，比如績(jī)效考核方式的調(diào)整。取得了效果以后，再用算法做線索分配，實(shí)現(xiàn)效果覆蓋。

（2）滿足銷售業(yè)務(wù)和團(tuán)隊(duì)管理的規(guī)則約束。銷售團(tuán)隊(duì)管理有諸多約束，比如線索分配要公平，不能把高質(zhì)量線索全都分配給好銷售。即使用算法做線索分配，也需要滿足銷售業(yè)務(wù)和團(tuán)隊(duì)管理的規(guī)則約束。

（3）要有相當(dāng)規(guī)模的銷售團(tuán)隊(duì)和線索規(guī)模，才能發(fā)揮智能技術(shù)的杠桿效應(yīng)。銷售團(tuán)隊(duì)規(guī)模太小，或線索量太小時(shí) ROI 太低，不值得實(shí)施線索優(yōu)選和優(yōu)配。

實(shí)事求是地看，數(shù)據(jù)智能落地的過程很難達(dá)到 100% 成功率，一方面因?yàn)閿?shù)據(jù)不夠完整；另一方面受特征穿越、建模后目標(biāo)線索調(diào)整等的影響，會(huì)導(dǎo)致項(xiàng)目過程曲折。因此企業(yè)應(yīng)用智能技術(shù)前要慎重考慮，規(guī)避風(fēng)險(xiǎn)。