编辑导读：因为疫情的影响，线上办公的需求猛增，传统客户关系管理模式的弊端逐渐显露。除了渠道供应不稳定，难以预估投入产出比之外，客户数据的处理与客户资源的跟踪转化更是变得难以实现。本文将向读者介绍人工智能在客户关系管理工作中的应用现状，帮助读者了解自然语言处理技术在企业数字化运营垂直领域当中的现状。

一、客户关系管理

二、行业发展趋势

三、应用场景剖析

• 客户获取 – 典型的应用包括智能销售机器人，智能外呼机器人等。智能销售机器人能够实时的对客户数据进行分析，为客户提供精准的营销广告投放服务。疫情期间线下营销遇到瓶颈，这使得智能客服成为企业获客渠道的首选。于是，以数据驱动的智能营销有了更深远的渗透率，企业也更加依赖线上智能营销。
• 客户服务 – 典型的应用包括客户数据分析，客户画像生成。用户行为的分析结果可以帮助企业了解真实的用户偏好，从而提升服务的针对性。营销方案作为客户服务的一部分，往往需要投入一定的人力成本。在人工智能技术的帮助下，自动推荐方案不仅可以节省人力，还能确保其生成的内容围绕客户所关心的主题。客户画像的分析结果刚好可以作为参考依据运用于营销方案中，形成智能化的服务闭环。
• 客户管理 – 通过对线上会议内容的记录和解析，实现对会议内容的可视化分析。从会议记录内容中提炼出客户意图等关键信息，有针对性的对售后服务进行追踪。智能化的客户追踪系统能够根据分析结果找出潜在流失客户，从而帮助企业有针对性地采取相应措施，阻止客户的流失，进而达到留存客户的目的。

• 语义识别 – 自然语言理解技术使用计算机模拟人类语言的交际过程，从而实现人机之间的自然语言沟通。通过深度学习技术，对海量的语料数据进行分析和学习，计算机能够更加精准的做到分词，识别，聚类等任务，从而实现更加准确的语言理解能力。自然语言理解技术被广泛运用与智能客户关系管理当中，包括营销机器人与智能会议助手。
• 信息检索 – 信息检索是用户进行信息查询和获取的主要方式，包括文献检索，数据检索以及事实检索。信息检索技术能够帮助用户对客户对数据进行知识挖掘，包括摘要、分类，聚类，以及相似性检索等处理。与深度学习和自然语言理解相结合，可以被运用与客户行为分析与售后服务数据跟踪等场景。
• 自动文本生成 – 自动文本生成是一个依赖语言模型和深度学习实现的技术，通过模拟和推算，机器能够自动生成人类语音的内容，在制定的场景和话题下，机器可以自动撰写一些信息和内容。在客户关系管理场景下，自动文本生成技术能够帮助企业生成营销方案，维护用户品牌的同时，有效的降低人力成本和错误。

四、行业案例介绍

• Zendesk 推出的智能 CRM 方案包括两个部分，知识库管理软件 Guide 和搭载在 Guide 之上的智能机器人 Answer Bot 。Guide与Answer Bot相互协作，共同为企业提供AI客服服务。这套服务能够有效的拓展企业获客渠道的宽度，显著减少客户等待时间，提升客服人员服务效率，从而降低企业客服成本。
• Salesforce 的商业智能分析平台爱因斯坦，把机器学习，深度学习，预测分析和自然语言处理都搬到了 CRM 服务上。这种模式可以通过不断学习进行改善，比如根据销售来源，行业，职位，网站点击和电子邮件等信息进行改进。爱因斯坦智能平台还可以分析 CRM 数据，比如在销售过程中预期客户购买欲望，评估销售达成协议的能力。

五、发展与局限性