Oracle 使用機器學習模型增加現有使用者群雲端業績

Oracle Global Sales 處理 Oracle Cloud Infrastructure (OCI) 解決方案的需求產生。為了更充分地激勵代表並提升銷售業績，團隊必須找出最有可能移轉至 Oracle Cloud 的 Oracle 客戶。

這麼做的目的，是協助銷售代表將注意力放在最適合的現有使用者群可能客戶上，同時保持業務最佳實務。此外，這些能力獲得提升的代表，可以更好地將客戶配對到最符合其使用案例的雲端解決方案，從而提高整體滿意度。

團隊現有的解決方案，並無法適時地處理如此複雜的分析。

為了促進更快的結案與更好的利潤，Oracle Global Sales 決定需要一種專門處理銷售的機器學習模型。這會使用歷史資料來快速建立分數，並指出最佳帳戶。經理會將模型連結至現有的需求產生程序，以簡化將最佳潛在客戶提供給 Oracle 雲端銷售業績預測的程序。

團隊運用 Oracle Labs 建立機器學習智慧模型，將全球需求產生和行銷活動設計轉型。Oracle Labs 使用 Oracle Database 中的機器學習功能來建立可強大且可擴展的模型，以管理 Oracle Cloud 中的 900 萬個產品和客戶資料點，以及 2,400 個評分變數。評分模型需要多年的客戶購買和產業特定資料，才能預測未來的購買行為。

Oracle Global Sales 在現場將機器學習模型連結至多重需求產生程序，以產生具體且可衡量的結果。組織的銷售代表會訓練此模型、對其實用性建立信賴，並長期仰賴此模型，提供立即的專案投資報酬率。

Oracle Database 中的 Oracle Machine Learning 讓 Oracle Global Sales 能夠快速識別出最有可能移轉至 Oracle Cloud 的現有使用者群客戶。銷售人員在每一季都能識別出排行前 5% 的客戶，了解他們在哪些產品上花費最多成本。

Oracle Global Sales 接著便能加速銷售週期，並讓代表能專注於最有機會移轉，且最有可能獲利的雲端可能客戶。銷售人員也可以將目標設定為指定客戶的子客群，這對大型國際客戶特別有幫助。

評分模型與需求產生計畫可針對每個客戶建議最可能使用的雲端產品，並提升客戶滿意度。Oracle Global Sales 也能標記出在區域缺乏業務代表的雲端可能客戶，以便 Oracle 能聘僱適當的人員來滿足其需求。

過去三年來，Oracle Machine Learning 建議的潛在客戶促成的交易量，是其他區域中類似帳戶的三倍，而首要帳戶的成交率更高出 160%。

機器學習模型會建立大型檔案，顯示每個帳戶的分數。結案的銷售是模型最終的成功證明，這些結果會記錄到模型中，用於後續的季度報告與評分。因為模型不斷成功，業務代表都願意投以信任，而不需要經過過多的技術說明或訓練。

分數引擎會將潛在客戶饋送至每日銷售報告，以便代表立即付諸行動。接著，業務代表會施行最佳實務，在最大區域中的最高品質帳戶付出更多努力。