启动Clari推动AI的速度和规模 将企业数据捆绑在一起

是否有可能将位于公司周围的数据混乱并将其组合成新的有用的东西?一家企业软件初创公司希望表明机器学习可以在旧记录中找到新的宝藏。

六岁的加利福尼亚州桑尼维尔的Clari表示，人工智能可以在企业软件中做一些“非常大”的事情，这超出了客户关系管理和人力资源规划，即使它与这两个领域相关。该公司可以对交易进行建模，以查看可能的结果，并将洞察力传播到整个公司办公室的团队，不仅包括销售，还包括营销和客户支持。

Clari在10月以前外形有联合创始人安迪·拜恩的采访，由ZDNet的科林·巴克。该公司成立于2013年，已从红杉资本(Sequoia Capital)和贝恩资本(Bain Capital)等顶级投资者筹集了7000多万美元。Byrne和CTO Venkat Rangan之前创建了企业软件制造商Clearwell Systems，其收入达到1.2亿美元，并将其出售给赛门铁克。

周三，Clari宣布其软件现在不仅具有销售团队的功能，而且还适用于营销和客户服务人员。它还宣布与一系列为这些功能的各个部分提供服务的程序集成。

以前软件插入Salesforce数据和电子邮件系统，它现在可以连接到Chorus.ai，Dialpad，DiscoverOrg，Gong.io，Highspot，Outreach，PFL，RingCentral，Salesloft，Sendoso，Showpad和Yesware的数据。

Clari将所有这些数据源集成为一个收入平台，以弥合构成公司“上市”工作，销售到营销和客户支持的功能。前提是机器学习可以在这些数据之间建立联系，使其在数据位于各种存储库中时不会有用。

在这种情况下，AI是旧的和新的混合。使用的主要工具是所谓的隐马尔可夫模型，或称为“HMM”，这是20世纪60年代首次使用的统计程序，通过观察后退工作来确定系统中看不见的事态。

Clari的首席技术官Venkat Rangan说，HMM被用作“确定机会真实状态的模型之一”，这意味着业务机会。这只发生在“支持向量机(SVM)分类器识别特征之后”。SVM是一种机器学习方法，在20世纪90年代开始流行。

此外，“我们引入的其他模型是GBDT [梯度增强](决策树的变体)和LSTM(深度神经网络)用于预测预测，”Rangan说，指的是长期短期记忆，处理顺序数据的机器学习方法，例如时间序列的信息。

所有这一切都意味着要清理整个组织，电子邮件，应用程序，有时是Microsoft的Excel中分散的混乱数据。“很多痛苦”是首席执行官安迪·伯恩(Andy Byrne)在2013年与公司财富500强公司谈话时发现的。

“我们发现存在数据质量问题，[销售]代表不希望手动将他们的销售电话输入CRM，管理人员无法了解正在发生的事情，实际发生的情况。”

“公司最重要的流程之一，”他说，“在Excel Hell中”，意思是，代表们只是将他们关于预期的笔记转储到电子表格中。

通过周三宣布的平台方法，公司中更多的参与者可以看到漏斗中不同点的情况。Byrne称，随着产品传播到其他团队，这已经形成。“营销代表已经开始使用人工智能来预测需要多少管道来实现未来的收入目标，”Byrne说。“另一个目标是客户成功和更新团队;我们不知道他们使用我们来管理和预测他们的客户流失。”

Byrne说，所有这些都是为了汇集“无数​​信号，信号总数”。

该过程从“自动捕获”功能开始，其中软件挖掘出各种应用程序中捕获的所有数据，例如缺少电话号码或约会。Byrne说，在一家财富500强企业中，系统首次部署时，“我们在几分钟内就找到了52,000人[记录]，并且有超过19,000个被管理的机会”，这些机会没有以任何正式方式登录。“没有人能够看到代表们与所有这些人交谈。”

CRM和Salesloft以及RingCentral之间的联系使得“所有这些系统，Chorus和Outreach以及Marketo和Eloqua以及Hubspot都拥有丰富，开放的API，”产品副总裁Kurt Leafstrand表示。“因此它相对简单”，而不是试图与传统的ERP应用程序集成并从中提取。

随着HMM和随之而来的机器学习技术检查数据中的“对象”，例如交易，“分析成功交易的所有路径，哪种交易最像是另一笔交易，我们赢了或输了，”Leafstrand解释道。他表示，该技术“可以看到之前几个季度，几个月，几周以来的所有趋势”。

HMM建立了一个交易模型，可以梳理出假设。然后，“我们从Salesforce获得两年的销售数据，这是一个时间机器，让我们回过头来弄清楚我们的模型预测会发生什么的准确程度，这样我们就可以验证我们正在建造的模型， “叶斯特兰德说。

当然，有许多企业软件公司突然用AI来打造自己的品牌。ZDNet撰写了关于创业公司People.ai的文章，该文章由Andreessen Horowitz支持，旨在解决更新Salesforce记录的惯性。另一个是InsideSales，它分析CRM数据以尝试找到导致成功销售的模式。

“有大量公司试图解决销售问题，”Byrne承认道。“我们绝对是破土动工，我们没有看到那些人在规模和速度上做这种事情，我们可以做到，并得到验证结果。”

“没有人在所有这些不同的系统中连接所有这些不同的信号，”他说。“去年，我们分析了超过500亿个数据点，代表着我们客户价值2000亿美元的管道。”

一些非常大的CRM供应商，观察Byrne，声称也这样做，“但它需要8个月，而我们的产品在同一天内启动并运行并增加价值。”

Leafstrand表示，该公司计划提供更多深度学习技术。他说，这项目前处于测试阶段的技术解决了“收入问题中最复杂的部分，即新的问题”。“这些机会尚不存在但会存在;这是我们从深度学习中获得真正好处的第一个地方，它提供了一些非常新颖的见解，以预测不存在的东西。