机器学习在SAP Cloud for Customer中的应用

关于机器学习这个话题，我相信我这个公众号1500多位关注者里，必定有不少朋友的水平比Jerry高得多。若是您看过我之前两篇文章，您就会发现，我对机器学习仅仅停留在会使用API的层面上。

• 使用Java程序消费SAP Leonardo的机器学习API
• 使用Recast.AI建立具备人工智能的聊天机器人

关于机器学习在SAP标准产品中的应用，Jerry只知道一个例子，就是机器学习在SAP Cloud for Customer(如下简称C4C)中的应用。今天Jerry就把这个例子分享给你们。若是除了C4C外，您还知道SAP其余产品也已经启用了机器学习，请留言，让你们也多增加一些见识，谢谢。

SAP C4C在1708这个版本最早引入机器学习的支持，用于销售场景中的Deal Intelligence(智能交易)和服务场景中的Automatic Ticket Classification(Ticket智能分类)。根据SAP官方网站上发布的信息，到C4C 1802为止，SAP C4C销售和服务领域内支持的机器学习场景以下：

• Deal Intelligence
• Lead Intelligence
• Account Intelligence
• Ticket Intelligence

本文Jerry将选择三个我熟悉的场景分享给你们。

文章目录

• C4C系统启用机器学习的前提条件
• C4C系统启用机器学习的主要步骤
• 机器学习在C4C客户管理场景中的应用
• 机器学习在C4C销售商机管理中的应用
• 机器学习在C4C销售报价单的产品推荐场景中的做用

C4C系统启用机器学习的前提条件

C4C机器学习的思路是分析系统内已有的历史数据，以进行模式识别，建立统计模型对未来的业务决策作出预测。所以历史数据成为C4C机器学习场景一个相当重要的输入条件。

SAP C4C机器学习对于历史数据规模的要求是：对于相关场景至少存在过去12个月的数据，数量不得少于5000个，而且必须知足SAP帮助文档上定义的特征分布。

C4C系统启用机器学习的主要步骤

C4C机器学习功能在每一个tenant上默认处于关闭状态。但愿启用机器学习的客户须要向SAP提交一个Incident，按照SAP提供的一个模板填写须要启用机器学习的具体场景。做为一个SaaS解决方案，绝大多数复杂的机器学习启用步骤都由SAP工做人员完成，剩下须要由C4C客户在C4C tenant上完成的步骤仅仅是在C4C工做中心视图Predication Services里进行的简单配置工做。

点击Model Setup超连接进行机器学习的模型配置：

注意图中的"Readiness"这一列，表明当前tenant上相关的历史数据的规模和分布是否足以知足SAP定义的建立机器学习训练模型的条件。

若是条件不知足，点击"View Report"能看到具体是历史数据的哪一个维度不知足：

历史数据准备好以后，经过点击下图Model表格的工具栏上的按钮"Add Model"建立机器学习的模型，训练并激活模型，而后就能在C4C的业务场景中使用机器学习提供的强大功能了。

这些按钮背后的技术细节所有被SAP封装好，确保客户的相关人员即便没有任何机器学习的技术背景，也能在C4C系统上快速启用机器学习的功能。

咱们注意到上图有一列"Data Source", 表明该场景须要的模型是否支持之外部文件的方式将历史数据导入系统。"Auto Extraction"则表明直接使用当前tenant的数据做为历史数据。

等模型训练结束后状态变为Active，就能够开始在C4C业务场景中使用机器学习了。

机器学习在C4C客户管理场景中的应用

使用机器学习进行客户管理，咱们能够获得客户360度全方位的视图。

打开SAP C4C的客户工做中心，在客户列表里选中任意一个客户进入明细页面，能在右边看到一个名为Insights的区域。

这些客户的360度视图是基于C4C内部和外部的数据源分析得出的,有助于销售人员进行更有针对性的客户计划和销售。C4C的外部数据源采用的是第三方数据提供商Bombora。

经过Insights面板，咱们可以得到经过机器学习得出的每一个客户的购买倾向的分数，而且能看出就咱们关注的某一话题，该客户的行为和倾向到底如何。Bombora会从该客户相关的B2B网站上捕捉可以反映该客户购买倾向的各类线索。当检测到客户在某个话题上的线索数量有明显增长时，咱们称这个客户就该话题表现出了一个Surge（抱歉，Jerry实在不知道这个单词如何翻译成中文）。咱们会给出Surge的分数，范围在1到99之间，每周更新一次。

SAP C4C会将某个客户总的Surge分数显示在屏幕右侧Insights面板内，同时显示出Surge分数最高的前三个话题。下图Surge分数前三的话题依次为:Artificial Intelligence, Machine Learning和Collaboration Software。

在C4C工做中心视图Predication Services的Third Party Data能够对Insights面板里须要关注的话题进行配置：

机器学习在C4C销售商机管理中的应用

在销售商机（Opportunity）列表里选中某个商机，能看到右边会使用机器学习的方式给该商机打的分，该分数表明选中商机的赢单几率。

上面显示的分数是基于SAP C4C tenant上过去12个月的销售数据，通过训练以后的机器学习模型计算出来的。分数越高，赢单率越大，所以销售表明能够更有针对性的把资源放在优先级更高的商机上去。分数会天天更新一次。

为了让机器学习计算出来的得分更准确，须要C4C系统里至少存在5000条历史商机数据，而且这些历史商机数据里的"赢单"或者"输单"状态尽量均匀分布。

Insights标签页里显示的分数和Key Feature（关键指标）所有是从C4C后台经过HTTP请求，以JSON格式返回到前台进行渲染。

这个JSON格式的响应明细以下(从Chrome开发者工具Network标签页里观察到的）：

机器学习在C4C销售报价单的产品推荐场景中的做用

你们平时在京东或淘宝上买一个东西后，手机app会自动向咱们推荐一些其余咱们可能会购买的商品，这些推荐就是背后的机器学习框架基于咱们之前的购买习惯经过必定的算法计算出来的。

C4C一样支持使用机器学习根据销售订单历史数据进行向上销售(Up Selling)和交叉销售(Cross Selling)产品推荐。

咱们能够在Machine Learning Scenarios（机器学习场景）的列表里看到Product Recommendation（产品推荐）这个场景。经过点击按钮Add Model建立一个新的机器学习模型，点击Train进行训练，确保训练成功完成，状态变为Active, 说明该模型可用。

建立一个新的Product List，里面包含了须要销售的产品：下面的例子有两个产品，ID为为1042416和10001380。

若是是传统的产品推荐场景，假设当我在销售订单的行项目里维护了上述两个产品的ID后，还想推荐一些其余的产品，则须要经过人工的方式将这些推荐的商品维护到Product list的"Proposed Products"标签页里，以下图红色区域所示。

有了人工智能加上机器学习后，就能够省去这些人工配置的步骤和工做量。我给这个Product List加上了一个"203 - Product Recommendation"的场景，以下图蓝色区域所示，但愿让这个Product List里包含的产品被加入到销售订单时，经过人工智能的方式由SAP C4C系统自动推荐相关产品。

如今咱们来作个测试，建立一个新的销售报价单，将以前维护在Product List的某一个产品，好比1042416，维护在这个销售报价单的行项目里，而后C4C系统自动给我推荐了两个其余产品，ID为P140101和P140100。

下图是我从ABAP后台调试机器学习API调用获得的JSON响应在JSON编辑器里打开的截图。能够看到机器学习给ID为P140101和P140100这两个产品计算的相关分数是90和83。由于机器学习API的具体细节在SAP帮助文档里没有说起，这里不便介绍。

关于机器学习在C4C中的更多应用，请参考SAP帮助文档。感谢阅读。

要获取更多Jerry的原创技术文章，请关注公众号"汪子熙"或者扫描下面二维码: