关于AI人工智能的迅速发展，我们个人从业者更应该不要焦虑，我们应该充分理解业务的营销场景，跟得上AI能力发展，去思考、学习和交流。本文作者继上篇文章继续给大家讲解，感兴趣的童鞋快来看看吧。

一、接着看场景

上篇我们讨论了，客户交互层和业务运营层已经在发展的AI场景，我们现在聚焦在管理运营层，该层级聚焦了营销业务运营的结果，状态，分析监控以及策略优化，这一系列能力的目的其实就是我们经常听到的一个词语：数据驱动的业务运营决策。

各级管理者根据管理权限半径和关注重点，需要关注一些核心的运营指标，客户及市场大盘，和团队绩能等。这三大类涵盖了营销BI的核心数据主题和指标。

这是静态的分析过程，即是查看，比如查看各级团队业绩及目标的达成，并引入适当的分析，这里面分析是指，比如对某团队业绩完成率排名，趋势变化，是否在设定的阈值，环比同比等。还有对市场大盘和客户大盘的剖析，对客户大盘的深度剖析是营销业务的特有指标，相对一般的运营监控系统，营销业务会更加注重客户各个阶段转化率，各城市/市场和竞争对手的资源情况，比如某房产品中介平台，各地运营需要定期汇报当地竞争对手的定价，市场活动，客户挖取情况，某二手车的金融公司也是这样的情况。公司级的市场分析部门需要汇总各种权威网站发布的市场数据，来综合形成市场大盘。

这一层的动态过程是指各级管理者看到各种运营数据，并进行进一步归因分析后，比如看到某区域的客户新增数大量减少，需要定位问题原因。他需要跳转页面进一步下钻到哪个城市，或者跳转主题，看该城市的竞争对手是否出了大招，该城市的销售人力变动，市场政策后，再结合线下的沟通和分析会议，得到真实的下降原因。

进一步是选择采取策略变化，比如降低产品价格，提升渠道佣金，或者降低城市的去年的销售预测和目标。在营销业务里可能涉及的调整有渠道定价，渠道准入政策，客户分配机制，销售资源调整，销售激励及薪酬政策调整，市场销售活动，市场政策和定价策略，产品权益政策，会员权益政策，渠道拓展等。

在我们理解AI能力在营销体系应用一头雾水时，是否要先思考下，其实对营销基本的场景还缺乏整体视角，更别提其和AI能力结合了。

在管理运营层的AI能力：

1. 体现在对获取数据形成洞察的能力，比如上面提到的市场大盘信息，可以使用获取市场信息的数据爬取和聚集能力，直接形成市场洞察。
2. 在从发现问题到正确归因的复杂多维度分析，线下线索的多主题，多角度分析过程，可以直接使用归因模型来支持（专家系统帮你通过多维度数据直接归因形成洞察）；这样成熟的归因模型也可以直接将页面聚集成主题，让管理者直接归因。（某管理者的使用习惯出发，每次看到指标，都要再去点击其他5，6个其他数据，可以形成个性化数据汇集，直接给管理者汇集这个几个数据的视图）。
3. 在行动闭环时，我们发现了某城市数据下降时，打算增加该城市的销售数量，而该增加多少，增加后对成本，对新增客户的数量预计会是多少，会不会超过业务指标，专家系统支持我们快速得到变革的预测，而不是仅仅使用A/B测试，提高优化的效率。

再次说明，大家无论全视角思考AI应用时，大概率不是对AI不理解（非专业AI工程师的要求）而是对营销场景的本身理解和认知不够。（小珠的营销系统规划和设计课程会帮助你具备这样的分析和理解能力）。

二、业界动态汇集

上面2位大咖的发言就是我想说的，AI在CRM领域的应用，已经有十余年的发展了。营销自动化，销售自动化，ABM都是这些领域的典型代表模式。

目前Chat GPT的火爆，使得大家重新审视了AI和CRM结合这个领域。但是这个领域的发展限制大多不是AI技术，而是数据资产底座和营销场景认知不足。

我们再看看CRM巨头，SALES FORCE的AICRM,根据Salesforce 在Dreamforce 大会上介绍的Einstein 平台：Salesforce Einstein 也是 CRM 的唯一一款全面AI 产品。

世界上聪明的 CRM =消费者数据+人工智能 + Salesforce 平台,

从上述公式看出，数据+AI+CRM平台是构建AI CRM的核心要素，这类营销SAAS类的小伙伴可以思考下，国内是否有公司具备数据的底座？（在微软，甲骨文，salesforce三大巨头的数据底座之争中，salesforce尚处于劣势）。

下面是salesforce对Einstein应用的一些描述：

目前为止，鉴于 AI 的复杂性和高昂费用，只有少数企业才能切实利用这项技术。Salesforce Einstein 将彻底颠覆这一局面。现在，任何组织中的所有成员都可轻松利用 AI 分析数据、预测和计划后续步骤，同时自动执行任务和制定决策。凭借 CRM 的全面 AI 产品 Einstein：

• 销售人员能够先于顾客了解他们的需求，从而预测潜在业务机会并超出客户期待
• 服务人员可以预测情况，避免潜在问题发生，提供主动的服务
• 营销人员可以开展预见性的活动，营造前所未有的个性化客户体验
• IT 人员则可以将智能融入每个角落并为员工和客户创建更加智能的应用程序

微软作为另一个CRM领域巨头，我们比较熟悉的Dynamics365，早在2022年6月微软即推出了Viva Sales的全新销售人员体验应用，微软表示该应用“重新定义卖家体验并提高生产力”，旨在将其Office和视频会议程序与客户关系管理软件（微软旗下软件以及竞争对手的客户关系管理软件）连接起来 。

它可以让客户管理应用的用户们同步这些产品与微软Outlook通讯簿、日历或Teams会议与聊天系统之间的信息等。Viva Sales还使用人工智能（AI）工具扫描通话以及与客户的互动，分析客户情绪，看看哪些行动和营销材料运作良好，并向销售代表提供反馈意见。

微软将其定义为：一款全新的智能化CRM互联应用，该应用允许销售代表在Outlook联系人列表中将某些联系人标记为客户，这将使交互功能与客户管理程序同步。Viva Sales通过日历连接，查看何时召开客户会议，并向用户显示哪些其他的联系人或LinkedIn链接与他们的客户相关。在Teams召开的会议中，销售代表可以查看与客户相关的所有数据。（这里还是强化数据底座能力，及与Linked in平台的数据打通，国内saas 小伙伴思考下，国内用脉脉吗？国人一定不用邮件，那么微软同产品生的能力在国内就无法彻底施展，国内的生态对标是什么？企业微信吗？生态是否足够开放）。

Viva Sales与任何销售方的CRM软件合作，实现数据输入自动化，并为使用Microsoft 365和MicrosoftTeams的销售方提供AI驱动的智能。（这里与Enistein的差别？欢迎巨头的前辈们指正。）我想将这个生态定义为：

全新智能化的CRM 互联应用=生态数据+微软人工智能+微软生态产品+ 任何CRM平台。

近期火爆的Dynamics365Copilot已经植入到微软office的全家桶，Copilot 用于辅助用户在 Microsoft 365 应用和服务中生成文档、电子邮件、演示文稿等，由 OpenAI 的 GPT-4 技术驱动，像一个助手一样出现在 Microsoft 365 应用的侧边栏，作为一个聊天机器人，让 Office 用户可以随时召唤它，在文档中生成文本、根据 Word 文档创建 PowerPoint 演示文稿，甚至帮助使用 Excel 中的数据透视表等功能。销售，市场，人员已经可以在Copilot的帮助下，撰写邮件，绘制广告物料等。

销售易：本周发布了智能找客户的应用场景

对于已经掌握了具体客户画像的销售人员，或按照地区、行业划分销售组织的企业来说，如何能更加精准找到潜在客户呢？销售易发布的智能- 找客户-能够解决以上问题。销售易集成了海量工商数据，在此基础上提供了强大的标签引擎提供包含行业、地区、员工数、成立年限、公司类型等10个维度在内的数百个标签，销售人员通过标签筛选，即可快速锁定某地区某行业的所有客户，同时支持一键转化为线索/客户，方便销售人员快速跟进。

1. 10个维度、数百个客户标签，让筛选更精准！
2. 通过客户列表查看企业信息，提前洞察，规避风险
3. 一键添加线索/联系人，快速补充目标潜客支持公司名称、人员姓名检索，提升打单速度功能还支持检索公司名称、人员姓名等，销售人员可以通过该功能快速找到对应客户，快速了解企业控股情况、分公司情况等，辅助销售人员决策，提升打单速度。

这个场景的典型结构=海量工商数据+并已经掌握了客户画像（地区/行业）+一键查找。

三、数据生态与冰山下

啰嗦一大段，反复强化一个词：数据底座，没有数据底座的AI CRM只是个DEMO。

我曾经负责过某互联网公司数据中台的搭建，对于数据的基础工作的难，苦，累深有感触体会，企业内部想要实现数据运营，基础层要做个数据的来源统筹，加工，分析，场景化，而且数据中台的价值在大多数公司都不是一层一层建设的，可以分场景的从数据底层到应用层建设。

所以我们不可能一下子建设好数字化再到智能化系统，可以逐个主题突破，回应上面的在线化，数字化，智能化的系统差别，期望中国市场涌现出可以自信说真正全场景的AI CRM。

对于个人从业者，不要焦虑，一方面对营销场景又深刻的认知，对基本营销场景的片面，零散认知，是不足以帮助你完成对AI应用的设计和想象的。

充分理解业务的营销场景，跟得上AI能力发展，并牢记数字化，智能化的顺序，判断数据底座的充分性，判断业界数据生态的可能性，任何一点去思考，学习，交流，都好过焦虑，企业应用不可能照搬照抄，从业者也不能急于求成。