基于人工智能的编排的制作方法

本文描述的实施例总体涉及人工智能(ai)，并且更具体地涉及基于ai的营销、销售和客户生命周期策略的编排以帮助公司发展其业务和客户关系。现有技术的说明尽管基于计算机的自动化不断普及，但传统的营销、销售和售后客户生命周期策略仍然是手动设计并执行的。这是由于需要大量的人类判断力和创造力来协调营销策略，确定营销和销售推广的时机，并了解随着时间的推移吸引现有客户的最佳方法。我们需要的是克服这些自动化障碍的解决方案，以便很多营销，销售和客户生命周期策略可以在很少或没有人工参与的情况下自动编排，以实现规模，以及快速，主动的动作，以实现更好的结果。

背景技术：

技术实现思路

1、因此，公开了用于克服一个或多个自动化障碍的基于ai的编排的系统、方法和非暂时性计算机可读介质。例如，某些实施例可以利用机器学习来为计算机注入人工智能，该人工智能能够取代当前各种营销、销售和客户生命周期策略的编排所需的人类判断和创造力。

2、在一个实施例中，一种方法包括使用至少一个硬件处理器以：接收一个或多个编排设置；通过以下将推荐引擎应用于表示多个公司账户的数据管道：接收与多个公司账户相关联的活动数据，接收与多个公司账户相关联的企业统计数据，基于活动数据计算一个或多个参与度指标，其中一个或多个参与度指标指示多个公司账户中的每个公司账户的参与度水平，将一个或多个预测模型应用于活动数据和企业统计数据中的一者或两者以生成预测输出，将策略推荐模型应用于编排特征，该编排特征包括参与度指标和预测输出，以生成一个或多个推荐策略，将联系人推荐模型应用于联系人数据以生成一个或多个推荐联系人，以及将一个或多个推荐策略与一个或多个推荐联系人组合以生成包括一个或多个推荐动作的编排；以及执行编排。

3、一个或多个编排设置可以包括编排目标。编排目标可以定义一个或多个进入标准，其中该方法进一步包括使用至少一个硬件处理器以基于一个或多个进入标准来选择多个公司账户作为多个可用公司账户的子集。编排目标可以定义一个或多个退出标准，其中该方法进一步包括使用至少一个硬件处理器以在执行编排之后基于满足一个或多个退出标准的公司账户来衡量编排的成功。

4、一个或多个编排设置可以包括策略集，其中策略推荐模型被约束为仅将来自该策略集的策略合并到一个或多个推荐策略中。

5、对于可用于由策略推荐模型推荐的至少一个策略，一个或多个编排设置可以包括要与至少一个策略相关联的至少一个营销活动的标识符。

6、一个或多个编排设置可以包括对是否要自动执行编排的指示，其中该方法包括使用至少一个硬件处理器以：当指示为自动执行编排时，自动执行编排而无需用户干预；以及当指示为不自动执行编排时，请求编排的用户批准，以及仅在已经接收到用户批准之后执行编排。

7、活动数据可以包括已映射到多个公司账户的在线活动的表示，其中计算一个或多个参与度指标包括对第一类型的在线活动的权重高于第二类型的在线活动。

8、一个或多个预测模型可以包括配置文件模型，配置文件模型基于企业统计数据来预测多个公司账户中的每个公司账户与销售机会之间的匹配，其中编排特征包括针对多个公司账户的所预测的匹配。

9、一个或多个预测模型可以包括意图模型，意图模型基于活动数据来预测多个公司账户中的每个公司账户的购买过程内的阶段，并且其中编排特征包括针对多个公司账户的所预测的阶段。

10、编排特征可以进一步包括至少企业统计数据的子集。

11、一个或多个推荐策略可以包括将客户账户添加到营销活动。将一个或多个推荐策略与一个或多个推荐联系人组合可以包括将用于将客户账户添加到营销活动的策略转换为用于将推荐联系人中的已经与多个客户账户中的一个客户账户相关联的一个推荐联系人添加到在编排设置中识别的营销活动的动作。

12、一个或多个推荐策略可以包括购买要添加到编排的新联系人。

13、将一个或多个推荐策略与一个或多个推荐联系人组合可以包括将用于获取(例如，购买)新联系人的策略转换为用于获取(例如，购买)推荐联系人中的尚未与多个公司账户中的一个公司账户相关联的一个推荐联系人的动作。

14、策略推荐模型可以包括多个模块化策略特定模型，其中多个模块化策略特定模型中的每个模块化策略特定模型被训练以基于与公司账户相关联的编排特征来确定相应策略是否应当被用于多个公司账户中的每个公司账户。

15、联系人推荐模型可以利用一个或多个预测模型来预测与多个公司账户相关联的每个联系人与销售机会的相关性，并且基于所预测的相关性生成一个或多个推荐联系人。联系人推荐模型可以进一步利用一个或多个预测模型来预测多个联系人中的尚未与多个公司账户相关联的每个联系人与销售机会的相关性。

16、上述任何方法可以单独地或以任何组合的方式体现在基于处理器的系统(诸如服务器)的可执行软件模块中，和/或体现在存储在非暂时性计算机可读介质中的可执行指令中。

技术特征：

1.一种方法，其包括使用至少一个硬件处理器以：

2.根据权利要求1所述的方法，其中所述一个或多个编排设置包括编排目标。

3.根据权利要求2所述的方法，其中所述编排目标定义一个或多个进入标准，并且其中所述方法进一步包括使用所述至少一个硬件处理器以基于所述一个或多个进入标准来选择所述多个公司账户作为多个可用公司账户的子集。

4.根据权利要求2所述的方法，其中所述编排目标定义一个或多个退出标准，并且其中所述方法进一步包括使用所述至少一个硬件处理器以在执行所述编排之后基于满足所述一个或多个退出标准的公司账户来衡量所述编排的成功。

5.根据权利要求1所述的方法，其中所述一个或多个编排设置包括策略集，并且其中所述策略推荐模型被约束为仅将来自所述策略集的策略合并到所述一个或多个推荐策略中。

6.根据权利要求1所述的方法，其中对于可用于由所述策略推荐模型推荐的至少一个策略，所述一个或多个编排设置包括要与所述至少一个策略相关联的至少一个营销活动的标识符。

7.根据权利要求1所述的方法，其中所述一个或多个编排设置包括对是否要自动执行所述编排的指示，其中所述方法包括使用所述至少一个硬件处理器以：

8.根据权利要求1所述的方法，其中所述活动数据包括已映射到所述多个公司账户的在线活动的表示，并且其中计算所述一个或多个参与度指标包括对第一类型的在线活动的权重高于第二类型的在线活动。

9.根据权利要求1所述的方法，其中所述一个或多个预测模型包括配置文件模型，所述配置文件模型基于所述企业统计数据来预测所述多个公司账户中的每个公司账户与销售机会之间的匹配，并且其中所述编排特征包括针对所述多个公司账户的所预测的匹配。

10.根据权利要求1所述的方法，其中所述一个或多个预测模型包括意图模型，所述意图模型基于所述活动数据来预测所述多个公司账户中的每个公司账户的购买过程内的阶段，并且其中所述编排特征包括针对所述多个公司账户的所预测的阶段。

11.根据权利要求1所述的方法，其中所述编排特征进一步包括至少所述企业统计数据的子集。

12.根据权利要求1所述的方法，其中所述一个或多个推荐策略包括将客户账户添加到营销活动。

13.根据权利要求12所述的方法，其中将所述一个或多个推荐策略与所述一个或多个推荐联系人组合包括将用于将客户账户添加到营销活动的策略转换为用于将所述推荐联系人中的已经与多个客户账户中的一个客户账户相关联的一个推荐联系人添加到在所述编排设置中识别的营销活动的动作。

14.根据权利要求1所述的方法，其中所述一个或多个推荐策略包括购买要添加到所述编排的新联系人。

15.根据权利要求1所述的方法，其中将所述一个或多个推荐策略与所述一个或多个推荐联系人组合包括将用于获取新联系人的策略转换为用于获取所述推荐联系人中的尚未与所述多个公司账户中的一个公司账户相关联的一个推荐联系人的动作。

16.根据权利要求1所述的方法，其中所述策略推荐模型包括多个模块化策略特定模型，并且其中所述多个模块化策略特定模型中的每个模块化策略特定模型被训练以基于与所述公司账户相关联的所述编排特征来确定相应策略是否应当被用于所述多个公司账户中的每个公司账户。

17.根据权利要求1所述的方法，其中所述联系人推荐模型利用一个或多个预测模型来预测与所述多个公司账户相关联的每个联系人与销售机会的相关性，并且基于所预测的相关性生成所述一个或多个推荐联系人。

18.根据权利要求17所述的方法，其中所述联系人推荐模型进一步利用所述一个或多个预测模型来预测多个联系人中的尚未与所述多个公司账户相关联的每个联系人与销售机会的相关性。

19.一种系统，其包括：

20.一种非暂时性计算机可读介质，其内存储有指令，其中所述指令当由处理器执行时使所述处理器：

技术总结
本发明涉及基于AI的编排。在实施例中，将推荐引擎应用于表示公司账户的数据管道。一个或多个参与度指标是基于与所述公司账户相关联的活动数据来计算的，并且将一个或多个预测模型应用于与所述公司账户相关联的所述活动数据和/或企业统计数据以生成预测输出。将策略推荐模型应用于编排特征，所述编排特征包括所述一个或多个参与度指标和预测输出的，以生成一个或多个推荐策略。此外，将联系人推荐模型应用于联系人数据以生成一个或多个推荐联系人。所述一个或多个推荐策略与所述一个或多个推荐联系人组合以生成要执行的包括一个或多个推荐动作的编排。

技术研发人员：D·卡莫迪,T·沙阿,A·多什,A·林,S·萨斯曼,Y·丘蒂娜,V·巴贾利亚,A·马朱姆达尔
受保护的技术使用者：第六感因塞斯公司
技术研发日：
技术公布日：2024/4/7