知識星球作為一家致力於
推動人工智慧民主化的公司，
英特爾在人工智慧的應用中
毫無疑問要做“第一個吃螃蟹的人”。
但是人工智慧現在的“味道”究竟好不好，
只有親口品嘗過的企業才知道。
最近，英特爾採用了機器學習技術來收集和分析客戶資料，併進行了商業應用，想知道我們怎麼做？趕快閱讀文章，文末更可獲取完整版白皮書，看英特爾如何透過人工智慧和機器學習提升市場競爭力！
在智慧化的時代，資料無處不在：消費者，機器，甚至是資料本身都可以成為獲取資料的來源。但是如果我們掌握的資料，就像散落的拼圖一樣被存放起來，那麼這些數字時代的“資源”，對企業而言的價值就會大打折扣。
在英特爾，機器學習在業務中的應用正在成為新的利潤增長源之一。在英特爾最近釋出的白皮書中提到的“基於機器學習的資料挖掘平臺正在幫助英特爾重新認知客戶”，因為這一平臺可以幫助英特爾銷售和市場部門解決特定問題：如何利用獲取的資料改進銷售策略，提升效率，並且透過更好的分銷商政策，最終從市場中贏得更多利潤。
我們建立的機器學習平臺提供了一個英特爾客戶群的大圖景，也正是因為讀懂了客戶，我們企業發展的願景和行動才更加清晰。使用這一機器學習系統，英特爾能讓核心代理和銷售代表更好地理解客戶，並且能夠跟客戶談論他們最關心的話題。
作為一家正在轉型過程中的公司，英特爾正在加速開拓新的市場，例如物聯網（IoT）和雲端計算服務。新的市場給英特爾銷售團隊帶來了新的挑戰：如何發現並準確地與客戶群體溝通——他們在關心什麼？他們會對什麼內容感興趣？
在這個資訊過載的時代，電子郵件、Twitter推送和領英訊息都很容易被忽略或刪除。除非，讀者在這些資訊中發現了跟他們當下需求相關的內容。因此，銷售團隊需要瞭解更多的背景資訊才能保證他們的傳播不被視為“垃圾資訊”，而且可以引發讀者的興趣和點選。
我們建立的機器學習平臺，囊括了客戶培訓時積累的資料，我們官方網站訪問的資料，以及過去的銷售資料。
作為資料科學家，我們也知道銷售和市場團隊想認識他們之前沒有接觸過的客戶，我們透過利用新的資料資源幫助他們實現這一標的。其中一個可供利用的資源，就是我們客戶的網站或者其他溝通渠道——比如Twitter，我們透過這些渠道來獲取資料，完善我們的潛在客戶資料庫，並且間接地瞭解了不同客戶的需求。
舉個例子，我們的銷售團隊希望提升英特爾IoT 閘道器產品的銷量。對於我們客戶官方網站的訪問和社交媒體內容的分析可以確定銷售感測器、智慧樓宇控制系統、車隊管理系統或者其他IoT服務的公司，這類公司可能涵蓋很多不同的行業，例如製造業、建築業或者零售業，其中的某些公司，就會對英特爾究竟能提供什麼IoT產品很感興趣，這些公司也就更有可能去開啟我們的推廣郵件。
毫無疑問，這一過程中我們也遇到了一些挑戰。
第一個就是如何進行網站的自動化分類。一些第三方供應商提供了網站分類工具，但我們發現這些工具往往不能靈活地適配我們的需求，他們所提供的資訊不夠有針對性，比如這些工具可能把一家網站簡單地定義為“IT硬體”，但是毫無疑問，我們會需要更多、更細緻的劃分標準來滿足銷售和市場團隊的需求。
藉助我們建立的機器學習系統，銷售團隊可以設定定製化的分類——這裡沒有預先設定好的分類。這種做法讓銷售團隊能夠在銷售過程中進行定義和修改，依據特別的情況來更新設定以滿足相應的需求。機器學習平臺足夠靈活，因此可以快速地適應銷售策略和標的的變化。
另外一個挑戰就是如何去應對混亂的資料集。資料是可以被整理和組織以供更方便地使用的。但事實上，企業資料通常卻是混亂無常，缺乏秩序。英特爾IT部門的資料科學家為了應對這一狀況，必須找到一種能提供深入洞察的創新方式，比如透過細緻的問題分類，資料分析和資料建模，目前的科學前沿技術已經能提供這種經過驗證的演演算法來實現這一標的。
目前，我們已經看到了使用機器學習平臺的出色收益，電子郵件推廣的點選率提升了三倍之多，透過機器學習獲取的分銷商，其完成英特爾培訓的機率是其他銷售渠道的三倍。我們一直持續改進我們的演演算法和機器學習平臺，我們相信我們的努力將收穫豐碩，並且幫助我們的銷售團隊創造額外利潤。
長按上方二維碼關註英特爾商用頻道
獲取英特爾企業級資訊
本文作者：Jeremie Dreyfuss ；英特爾銷售和市場事業部首席資料科學家；
點選閱讀原文，獲取原版白皮書
