起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識互聯網巨頭下場玩SaaS AI，普通人的戀愛成功率有救了
編輯導語：隨著互聯網的快速發展，SaaS AI也不斷地在發展中，本文作者分享了有關互聯網巨頭發展SaaS AI的情況，講述了其發展態勢以及具體的運用場景，一起來看一下吧。
距離SaaS誕生，已經有22年了。
就在它剛滿20歲的2020年，成功造就了一組跨越時代的數據，也徹底證明了自己的商業價值。
在當年，SaaS鼻祖SalesForce的市值正式傳統軟件巨頭Oracle。
這一數據標志著SaaS在商業價值上，首次超過了傳統軟件，它被只看未來的投資人用錢支持，視為冉冉升起的希望之星。
而有趣的是，SalesForce的創始人曾就職于Oracle并擔任高級副總裁，因受到亞馬遜顛覆式的購物方式的啟發，認為傳統軟件也會迎來這一天。
遂離職創辦了用云端提供軟件服務的SaaS公司SalesForce，創辦后企業一直經營良好，更在2020年來到歷史性的一顆，并在隨后的幾年，保持了對Oracle的市值優勢。
而在中國，SaaS經歷了火熱到沉寂的幾年迷茫，終于在2021年迎來一陣小高潮。
同年企業服務賽道的融資額達到6400億人民幣，較上一年增長105%，創歷年新高。
這一態勢在2022年依舊延續，就在開年不久，細分客戶服務賽道的SaaS企業“售后寶”剛剛完成紅杉中國、老虎環球基金領投的一億元A1、A2輪融資。
資本如此給力，也就讓大家更有機會接觸到SaaS產品，對于普通人而言，耳熟能詳的有：疫情中立了大功的騰訊會議，經常被用來辦公協作的石墨文檔，前段時間因為figma事件熱了一波的藍湖UI。但有一類SaaS服務特別少見，不僅個人用戶見得少，企業用戶也了解不多，它就是AI類的SaaS。
簡單科普一下AI的原理，大致分為兩個部分：
- 標注：比如想做智能醫療，讓機器輔助看CT影像，快速判斷出哪些影像可能有問題。那么首先就要把這些標注的信息告訴程序，讓程序志浩掉什么是正常的，什么不正常。
- 訓練：有了上面大量的標注數據，相當于有了某些特征的統計數據。機器在看一個片子的時候，就能得出這個片子有沒有問題的概率。而得出概率數據背后的邏輯，就叫做算法。
其實這個過程和教育小朋友是一樣的。
同樣是標注。想教育小朋友懂禮貌，那就要通過舉例子讓小朋友明白什么是禮貌，什么是不禮貌，在小朋友的認知中標注下是和非。
例如要主動問好是禮貌的，叫外號是不禮貌的。
同樣是訓練。小朋友在生活中，觀察到相應的場景，就去和腦海中的【禮貌】和【不禮貌】對照，進行歸類，決定自己做還是不做。
如果出現無法歸類的情況，那就會詢問：媽媽，這是禮貌的嗎？此時需要媽媽再次進行標注，完成標注-訓練的小閉環。
AI確實非常有用。很多場景下能釋放人力，做到人腦無法做到的海量計算，以及超多因素的復雜邏輯推斷。
但AI團隊在很多公司還是奢侈品。
- 一是基于成本考慮。算法團隊工資+機器成本+電費，貴就是一個字。更別提訓練機器需要的海量數據，這都是背后有人在進行打標簽的操作，生成喂養機器的養料。所以說，AI是個需要超級富養的娃。
- 二是AI的限制條件。人腦對于信息處理的彈性，是機器無法追上的。機器接收的是固定的數據，吐出的是固定的概率，而人腦會結合當下信息發生的場景，去判斷此時正在發生什么。所以在很多使用場景下，用AI的效果可能還不如用人海戰術。
有一樁AI造成的真實烏龍。2020 年 10 月，蘇格蘭足球冠軍聯賽上，一套全新的 AI 智能轉播系統閃亮登場，它內置了 AI 追蹤技術的攝像頭，可以自動追蹤足球，解放了以往需要在賽場里來回狂奔的攝像師，同時也給疫情無法到場的球迷打了個強心劑——機器自動跟球，體驗肯定差不了。
只是沒想到，比賽剛開始多久，就出現了意外。只是在人群中多看了你一眼，AI就迷上了邊裁的光頭，把它當成了足球去追蹤，邊裁走到哪兒，AI 的鏡頭就轉到哪兒。
哪怕邊裁離球萬里，AI 也會不顧一切調轉鏡頭，盡職盡責地追蹤邊裁的光頭。技術人員迅速進行干預，試圖手動糾正，但無論糾正多少次，AI仍然固執的追尋著全場最閃亮的那個圓。
聊了AI是什么，接著想說說AI的適用范圍。
雖然它經常和一些很科技很有距離感的詞語聯系在一起，但實際卻能解決一些十分生活化的問題，甚至戀愛脫單這種令人頭大的場景，也是它可以大顯身手的地方。
如果你是一個職業紅娘，就可以使用Amazon SageMaker Canvas來解決相親成功率的問題。無需寫一行代碼，只需三個步驟，就能給手上的漂亮姑娘和帥小伙牽起最閃亮的紅線。
首先，你需要準備兩份數據：
- 一份是數據集。即手上已經成功牽手的男女會員的數據，這是用來告訴機器，哪些人成功找到了另一半，他們背后的標簽是什么，性別，年齡，收入，職業等信息分別是什么樣。
- 另一份是預測集。是現在還沒有簽手成功的會員資料，你需要讓機器預測他們是否能夠找到另一半，以及找到另一半的可能性是多高。
接著，你需要導入數據集。
把相親結果作為預測字段，系統會匹配上適合的分析方法，例如結果是【是】【否】的這類問題，就適合用二元模型。接著點擊預覽模型，機器就開始乖乖的工作和分析了。
只需要幾分鐘，系統就會生成一個簡單的結果，在如圖紅框處，會依次展示哪些標簽和成功率有關系。
系統同時提供了每個字段和結果的相關性以及重要程度。
例如你可能發現，籍貫對于是否能確定關系影響不大，而同一要素，對于女性和男性的差別也可能很大。
有了這樣的一些認識，你就可以選擇合適的標簽去生成模型，也就是選擇和結果高度相關的的因素。
如果不確定的話，可以多嘗試幾次，選擇不同的字段組成不同的模型。
最后，使用成功率最高的模型，載入需要預測的數據，等待上一些時間，就會生成一份預測后的數據，標識了每個人相親成功的概率，對于紅娘來說，就可以根據成功概率來安排工作了。
但如果只以現在的條件來預測相親是否成功，選擇成功概率更高的客戶，顯然有悖于讓人人都獲得幸福的愿景。
所以，我們還可以做一些個性化的嘗試。對于一位相親成功概率偏低的女士，我們可以嘗試修改她的各項條件，看到不同條件變化后，對于成功率的影響，從而指導會員的改變方向。
商業上也有一個類似的例子，適用于深受困擾的外呼團隊。
外呼團隊每天會接收大量的銷售線索，在每天固定的工作時間里，如何打通更多客戶的電話，完成客戶轉化，是他們的業務目標。
同樣先是準備數據，導入包含如下特征的數據。然后建立模型，經過多個模型的試驗后，團隊選擇了其中效果最好的模型，開始把數據應用到日常工作里。
在應用了模型預測并改進工作方法后，客服團隊每天面對的列表不再是無序的，而是按照接聽可能性，從高到低依次排列，按照列表依次撥打就好。
最后的效果也很驚人，電話接通率從之前的35.17%，到達了49.4%，幾乎提升了50%。
除了這個場景，我們也可以想出多種多樣的其他可能。
在之前的文章中，其實有聊到過SaaS企業的內部系統應該如何做。（SaaS公司的內部管理系統，怎么做才算對？）我認為其關鍵是服務于企業業務，幫忙降低投入成本，提升留存率。這就要求系統要能夠在銷售環節、成功環節對客戶信息進行分析和預測，從而指導員工的行為。
但如今中國SaaS企業的生存難是公認的，客戶留存率不足使盈虧平衡很難達成。一邊燒著投融資人的錢，一邊去追求奢侈的AI團隊建立，幾乎是不可能的事情。
那怎么辦呢？通過使用Amazon SageMaker Canvas，可以用很低的成本，來邀請一個24小時為你工作的AI團隊。
它們可以在以下幾個場景下孜孜不倦的進行采集和分析，幫助企業經營決策。
場景1：根據成單概率給線索打分。
當市場部搜集過來的線索，可以根據線索特征進行打分，讓銷售優先跟進成功率高的客戶，最大化工作效果。
場景2：預測客戶LTV。
當客戶簽約后，轉為客戶成功團隊維護，此時如果可以預測客戶的LTV（全生命周期價值），就可以更好的給客戶進行分層，以及配備合適的服務資源。
場景3： 挖掘客戶流失傾向。
SaaS是把續費看成第一重要的一種商業模式，所以如果能提早判斷客戶流失傾向，對于SaaS公司無疑有極大的價值，公司可以動員資源去接觸和挽留。
每個人，每個組織，每個商業體，都在無時無刻面臨著決策。
但做決策既需要決策模型，又需要決策環境。
決策模型和思路可以在某些特定問題下公用，例如畢業后選擇大公司還是小公司，社會對每種選擇都有著類似的優劣勢判斷。
但每個人面臨的具體環境，擁有的個性都千差萬別，所以永遠不能直接復用他人的選擇。你可以好好聽別人的建議，但決定終究要自己做。
但AI技術，把個體特征描述成了一組組數據，每個人都代表著個性化的一組數據，把個體放到某個具體場景，應用這個場景的決策模型，就能獲得自己獨一無二的答案。
例如你搜集到了很多大學生畢業后的選擇，以及后期的發展情況，可以錄入系統，獲得決策模型。
然后你把自己的信息錄入系統，進行預測，分別呈現了選擇不同行業不同規模的公司，未來發展的可能性。此時世界打開，向你呈現了一張張藍圖，你只要看到你內心的渴望，然后去追求，就夠了。
同樣的場景，也可以適用在組織和商業體上。
把復雜的運算、可以歸因的邏輯交給機器，解放人類的大腦，挖掘我們的天性和感知，去做更多有創造性的事情，豈不是完美CP。
作者：假裝是運營，微信公眾號：SaaS學姐。
本文由 @假裝是運營 原創發布于人人都是產品經理。未經許可，禁止轉載。
題圖來自Unsplash，基于CC0協議。
看完感覺我至今單身可能不是沒有理由的，哈哈哈
原來戀愛不僅要靠自己，還要靠互聯網的發展呀??