前面一篇有提到AI在营销获客流程的应用，本篇将从客户成交的角度介绍一下AI的应用。AI应用最终重要之一是：深入业务场景，AI不是独立的能力，需要切入到具体的业务流程中发挥作用。

01 智能产品推荐：破解【价值认知差】的博弈

成熟的传统的SaaS公司一般会有各类的产品：按时长计费、按使用量计费、按一次性交付计费、或混合以上几种计费类型。而续约会比新签更受重视，因为新签客户拓客成本高，需要以不断的续约来实现ARR的稳定增加。以此基础上，AI产品和定价推进就是未来一个比较重要的方案

客户的成交产品和成交金额一般会基于购买诉求、购买力等以下几个维度的信息，然后结合AI对于客户购买产品进行推荐：

1. 客户官网、百度百科、天眼查等公开信息
2. 客户历史购买数据、付款及时性等数据
3. 客户使用数据，包括但不限于活跃账号数、使用时长、高频使用功能
4. 客户所属同一个行业或类似体量的客户的合同金额、ARR等相关数据

再在此基础上，集合商务的人工提示词的输入，以生成客户可能购买商品清单、购买数量、预计折扣率、后台金额等。类似参考如Zendesk的定价引擎分析

02 成交预测系统：【续约概率】的先知预警

SaaS的行业特性，注定了非常注重客户成功，非常主动NRR，不管是在客户运营团队的配置上，还是公司资源的倾斜上，而客户的续约概率是有一定的可预知性的，往往不会突然某一天就断约，而是会在日常使用工具或日常沟通中反应处理。利用BI或AI能为SaaS公司搭建客户成功预警或断约预警的系统。

核心的数据源包括：

（1）客户行为数据

• 使用深度：核心产品能力的使用、留存等数据，具体的指标每个公司都不一样，可以慢慢探索
• 交互质量：与商务等同学的交互质量，日常客服咨询、对新产品的感兴趣程度、上门拜访接受度、客户沟通记录等
• 支付行为：公司付款及时性、增购下单等数据

（2）外部环境感知

• 工商变更：客户法人、股权等重要信息变更（接入天眼查、企查查等API）
• 行业舆情：对外公开的社交媒体信息更新、社交媒体提及或负面新闻等其他公开的信息

在以上的数据输入，针对各客户输出以成交概率或断约概率数据。在这个基础上，以客户的实际续约或断约来反馈给模型，不断提高模型的数据准确性。Zoho CRM等公司有相关的产品，可以通过官网了解。

03 智能合同系统：【履约保障】的范式升级

AI是一种能力一种工具，重点是如何将AI能力与现有的系统进行结合，利用其提高工作效率或流程准确度。虽然SaaS公司是以软件作为售卖的商品，但是在我国的实际情况是，SaaS公司的客户有很多中小客户，或者对公服务，这些存在非常多非标的、线下的流程或服务，比如以下几种常见，而作为企业数字化的一部分，纸质的也是需要变为线上的，所以AI能力在产品落地包括：结构化识别（营业执照认证、关键合同条款提取、流水截图信息提取等）、动态合规检查（订单审批识别、合同高频风险点识别等）。

针对以上场景，来看看AI图片识别等AI能力能在其中怎么应用。除了以上场景以外，还有其他交易过程中可能存在的文件识别，比如发票报销、交易异常检测。

3.1 客户营业执照认证

SaaS公司合作中，客单价比较低的客户一般不会签订合同，而是以线上协议确认等方式实现。而针对于这部分客户，客户认证对于客户信息管理、公司内部撞单管理、内控规范要求等方面就比较重要了，客户提供营业执照是作为认证一种常规的方式。客户营业执照自动认证的流程一般为：

（1）获取客户的客户名称、营业执照等文件信息。这个可以由销售从客户处获取从系统上传，或客户自助进行上传

（2）图片识别能力提供。AI 的 OCR 系统能够利用深度学习模型的强大学习能力，对各种复杂情况进行学习和适应，从而显著提高识别准确率。营业执照的样式比较标准，其样式就那么几种，可以通过图片识别的能力，对营业执照进行识别，提取包括统一社会信用代码、公司名称、类型、成立时间、营业期限、主营业务等内容

（3）提取信息与系统已有信息对比。通过图片识别的信息，与系统中销售维护和跟进的客户名称、合同签约抬头等进行进行比对，如果比对一致，则认为营业执照通过认证，如果比对不一致或者无法比对，则由人工进行介入判断

由此，提高了营业执照认证的效率，降低了人工成本投入

3.2 纸质合同条款识别

虽然电子合同在近几年非常的活跃，但是在SaaS公司，纸质合同还是一种很常见的签约方式，特别是面向中大企业的非标合同，纸质合同的比例就非常高，而纸质合同的管理比电子合同更复杂。如何实现“合同”与“履约”的一致性，如果有效识别合同中的“高频”风险项，就变得非常重要。

纸质合同识别的使用场景：

• 合同与履约的一致性：针对纸质合同中的关键条款（如合同金额、合同实际、购买商品等）通过AI识别提取，自动与订单中填写的内容进行对比，由此可以提高合同与履约的一致性，减少审批的工作量
• 合同高频风险点识别：搭建公司的法务知识图谱的知识库，将识别的合同进行预警，针对异常合同条款预警法务重点关注。特别是非标合同，合同内容提取可用于与公司内部的法务知识库和外部法律法规数据库进行对比，通过自动识别和检查合同的合规性，以帮助企业避免因合同违规而导致的法律纠纷和经济损失。但是不能完全替代法务，可以作为提供法务效率、减少法务风险的一种工具

在SaaS公司，内部的订单管理作为合同履约的“媒介”，合同识别的流程一般为：

（1）上传合同输入数据，可以是pdf、word等格式的合同文件上传

（2）AI识别合同，与算法的同学合作，由算法同学使用infoextract（主要用于从图片、文档中进行文本提取并结构化输出）提供接口

（3）按规则打分，可以对不同内容的识别结果进行打分，分数的规则可以按照业务重要程度和易错程度综合考虑，如合同是否合法、时间范围是否准确、价格是否符合业务等分别设置分数

（4）数据组装及输出，输出的使用场景一般会与现有CRM系统相结合，嵌入至现有商务链路中：如下所示：

• 嵌入订单履约流程：自动提取内容填入订单中，商务可以根据实际情况对订单内容进行修改和提交；在订单审批过程中，提示订单中哪些内容与合同识别一致，哪些不一致，让订单审批中进行重点关注；
• 合同中自动标记预警：针对上传的纸质合同，有单独的产品能力可以查看合同原稿、AI预警风险点、AI修改建议稿等

3.3 付款截图自动识别

传统的SaaS公司还有一部分在使用线下支付。线下支付，并不只是说刷卡，而有可能是付款到公司的固定支付码，或者对公转账到公司的银行账号，而作为公司资金管理的一部分，需要将流水与合同或订单的匹配，由此就产生了常见的回款流程，销售将客户付款截图上传到公司系统，公司财务与流水进行对账，从而确认匹配关系

支付到固定码的流水与订单的关联就变得很重要，不管是商务日常管理还是财务数据处理。信息固定码付款流程一般为：

1. 商务给客户提供公司的固定收款码
2. 客户将付款截图发给商务
3. 商务在内部系统-回款管理中选择订单，并将付款信息填入，提交付款截图
4. 财务按回款单中填写内容，与三方流水进行对应，针对能匹配到流水信息的回款单进行审批及对账

而这个过程中的第二步和第三步可以运用AI图片识别和流水的自动化对接，从而实现自动对账。

（1）流水的自动化对接。需要与三方系统，如支付宝、微信、银行等对接对接，自动化同步流水信息。这里需要注意的一点是，流水的同步有可能是实时的，也可能是T+1同步，由此自动对账的时间就不一样，这部分单独写文说明

（2）回款管理支持订单关联付款信息。搭建回款单管理，作为实时管理。由商务同学经过回款单功能将付款的截图进行图片上传，系统自动抓取和识别付款方、流水号等字段，需要注意的是，支付宝、微信、银行付款截图中的样式和内容都不一样，能识别的内容也不一样，需要分别进行训练

（3）自动化对账，通过AI结构化识别的信息，与流水进行对账，不同的付款方式可以由不同的对账规则。如流水号一致的直接对账成功，付款方式+付款时间+付款金额+付款方名称等一致也可以作为对账成功的方式之一

（4）人工介入对账，对无法自动化对账的回款单，由人工进行介入识别和审批

以上几个场景，需要与公司的内部系统进行打通，需要结合本身系统已有的一些能力，如果公司本身是采购的系统或者自建但没有对应的产品功能，就需要灵活调整产品方案，在这里，再次强调2点：

• 深入业务场景，AI需要在动态的业务流程中某些典型场景去使用，而不是一个完全独立的工具
• 加强而非替代，在现有的工作中，AI能做到的往往是提高搜索信息效率、提高工作效率，在准确性上还很能完全取代人工，所以现阶段的AI更多的是辅助是加强，而不是完全的替代，这里说的是大部分场景，非绝对