基于人工智能的评分

[Habib01]

基于这些因素，您可以通过以下方式之一计算赢得交易的概率：

传统计分


传统计分

传统方法是使用 CRM 中配置的规则（或条件）来分配分数。
请考虑以下示例：

如果客户属于“制造业”，您可以为其分配 5 分；如果客户属于“电信业”，您可以为其分配 7 分。同样，您可以为每封电子邮件奖励 3 分，为每次通话奖励 6 分。
您可以设置规则，直接将概率分配给交易的各个阶段。随着每个阶段的推进，概率会增加。例如，处于“价 乔治亚电报数据库 值主张”阶段的交易概率可能为 50%，而处于“交易对价”阶段的交易概率可能为 80%。
在传统的评分系统中，定义评分规则的责任落在了销售主管身上。这个过程不仅繁琐，而且容易出错，经常导致评分不准确。管理员经常需要花费大量时间审核结果，并反复修改规则。



基于人工智能的交易评分

Vtiger 采用基于 AI 的学习模型来克服传统评分方法的弊端。AI 模型会根据历史数据确定评分规则。随着训练数据的增加，评分流程也会不断改进。
我们始终推荐 AI 评分，而非其他方法。我们不妨先从“数据不会说谎”这句老生常谈开始。但以下是一些实际原因。

人工智能可以检测人类可能无法观察到的数据模式。
AI 预测基于数据，而非情绪。因此评分是准确的。（不过，我们也可以让 AI 考虑情绪数据。