跨國資料基礎架構公司 Equinix 正透過 AI 來提煉出最佳潛力的合作夥伴,這些夥伴將有助於推動新客戶的獲取,並且會優先考慮那些根據預測可能產生最高訂單價值的夥伴。這項舉措證明了資料所具備的營收生成潛力。
文/Thor Olavsrud‧譯/Christy
自 2018 年以來,跨國資料基礎架構公司 Equinix 一直在充分利用機器學習(ML)。這歸功於一項使用 ML 概率模型的提案,該提案用於預測潛在客戶購買 Equinix 產品的可能性。這個計劃自其創立以來已為公司貢獻了數百萬美元的收入。
然而,自從該計劃啟動以來,隨著 Equinix 的發展演變,為了加速對客戶的獲取和擴張,公司對於合作夥伴通路的依賴程度也逐漸增加。因此,在 2021 年,Equinix 重新檢視了其潛在客戶的開發平台,更進一步地引入了一種以資料為基礎的銷售潛在客戶方法,運用 AI 來識別那些最適合協助公司在全球以及特定地區和國家推動新銷售的合作夥伴。
這是因為在某些地區、行業和領域,Equinix 的通路合作夥伴們具有獨特的優勢,能夠滿足客戶對無偏見指導、整合解決方案和高級服務的需求。以聯邦部門為例,關鍵之處在於要找到那些具有必要許可證和已建立關係的合作夥伴。
[ 加入 CIO Taiwan 官方 LINE 與 Facebook ,與全球 CIO 同步獲取精華見解 ]
該公司的資訊長 Milind Wagle 解釋:「釋放 AI 的巨大潛力,進而為我們的業務帶來實質的影響,這是我們 IT 組織的一個重要優先事項。其中一個完美的應用案例就是,為我們的通路計劃建立一個創新的、機智的且基於 AI 的潛在客戶開發引擎,這讓我們能夠結合 AI 技術的創新力量,為公司建立競爭市場差異化,並有助於提升我們的客戶和合作夥伴的體驗。」
這個計劃被稱為「AI 驅動的合作夥伴潛在客戶開發」,它的目標在於明確指出哪些潛在客戶最適合透過 Equinix 直接銷售,哪些則適合透過間接合作夥伴或通路銷售服務。這項計劃於 2023 年獲得了 Equinix 的 CIO 100 Award 卓越 IT 大獎,其具有兩個目標:首先,確定最有潛力推動新客戶獲取的合作夥伴,其次,優先考慮那些被預測將產生最高訂單價值的合作夥伴。
Equinix 的應用 AI 戰略和分析資深總監 Ted Dangson 表示:「這使得 Equinix 能夠將投資和資源集中在最適合進行聯合銷售和轉銷活動的合作夥伴上。」
這項計劃模型的成果以及儀表板的審查不斷地顯示,資料科學可以讓 IT 部門協助銷售團隊更精確地定位,並使用 AI 和 ML 技術提高收入。
預測的力量
Equinix 的資深資料科學家 Ram Bala 介紹了自己手頭上的任務。
Ram 說道:「在合作機會識別和合作夥伴優先順序方面,Equinix 有獨特的需求。全球有超過 1,300 家科技供應商和服務提供商,這些廠商都經過了嚴格的審查流程才會被認可為 Equinix 的合作夥伴,並且在過去三年中,他們已經和 Equinix 註冊了超過 9,000 筆交易。從聯邦機構的角度來看,僅僅在美國就有許多合作機會和大量的提案請求(requests for proposals, RFPs),因此有必要識別與 Equinix 相關的哪些 RFP 和合作夥伴是最適合進行聯合銷售的。」
Dangson 表示,透過適當的資料管理、傾向性分析、機器學習和商業智慧工具的應用,他的團隊於 2021 年意識到 Equinix 能夠分析來自合作夥伴和最終客戶的資料,以確定哪些客戶最適合透過 Equinix 的直接銷售服務,而非透過合作夥伴和轉售商的間接銷售。此外,它還能夠將最終用戶的需求與合作夥伴提供的服務相匹配,並且提供洞察力分析,以協助所有相關各方加速收入增長。
Dangson 的團隊與 Equinix 的合作夥伴、聯邦銷售和市場行銷團隊緊密合作,以便尋找機會。一開始,他們尋找可能具有可以解決其應用案例的現成解決方案的供應商,但最終決定與 Equinix 的 IT、資料科學和工程團隊合作,自行建立一個客制的 AI 模型框架。
在這項工作的過程中,Ram 和他的資料科學團隊進行了廣泛的分析,包括內部和第三方資料,以便確定哪些資料集對於制定有效的合作夥伴優先順序的資料科學策略是最重要的。
「我們運用與潛在客戶和合作夥伴相關的公司概況和技術概況資料屬性,同時依賴來自開源聯邦資料庫的過去政府合同和獎項資料,」 Ram 說道。「此外,我們從文本文件和PDF中獲取資訊,這些文件提供了大量有關即將到來的機會和 RFP 的資訊。我們還透過 Equinix 內部資料集識別了類似配置的客戶和合作夥伴之間相關的過去關係。」
接下來,團隊開始建立機器學習模型,利用這些資料來:
- 針對企業合作夥伴優先順序制定全球和國家級的評分和建議
- 確定政府發起的與 Equinix 相關的的數位轉型項目,並針對聯邦機構的合作夥伴優先順序制定國家級和機構級的評分和建議
- 科學驗證現有的合作夥伴,並確定新合作夥伴的優先順序
- 透過直接銷售或間接銷售找出最好的最終潛在客戶
- 重新調整通路銷售目標,讓合作夥伴能夠啟動潛在客戶,開展資料驅動的銷售工作。
Dangson 表示,Equinix 的合作夥伴潛在客戶開發平台運用自然語言處理(NLP)算法,從 RFP 文件中存取相關的摘要,並為每個機會提供了相關性的評分。他指出,這些算法還為他們的建議提供了支持的理由。
他說道:「這些額外的細節已經徹底改變了最終用戶解釋和使用模型預測的方式,從而使得採用率逐漸上升,並取得總體上的成功。」
Ram解釋著,資料的標註以及訓練機器學習模型所需的樣本不足,這是這個專案面臨的最大挑戰。因為缺乏經過標註的資料,所以難以建立高精確度且計算效率高的模型,來辨識政府機構中與 Equinix 相關的 RFP 文件。而且由於樣本標註不正確,所以難以訓練一個能夠有效地選擇合作夥伴的機器學習模型,這可能會影響企業的銷售策略和結果。
Ram 繼續說著:「為了解決這些問題,我們採用了來自不同學術和企業研究機構的技術。我們花了將近四個月的時間開發出最低可行性產品,另外五個月才開發出可擴展且可整合的端到端解決方案。」
交付與創新
Equinix 表示,在部署這個解決方案後,最終用戶覺得這個方案是讓他們的工作變得更輕鬆、更快速且更準確的一項重要工具。在其 2023 年第二季度盈利報告中,該公司表示,這項合作夥伴計劃佔了 40% 的訂單和將近 60% 的新客戶。
Ram相信,推動像是這樣以 AI 驅動的合作夥伴潛在客戶開發的數位轉型專案,取得成功的關鍵在於能夠在交付與創新之間取得平衡。
他說:「我們的目標是培養一個創新蓬勃發展的環境,確保它與交付可衡量的商業價值和最大化投資回報的目標保持一致性。當我們在整個組織中推廣這種創新文化時,我們開始看到變革性提案逐漸獲得注意。這個旅程不僅促進了創造力,積極影響了團隊士氣,還創造了一個能接受失敗並將其轉為寶貴學習經驗的環境。」
(本文授權非營利轉載,請註明出處:CIO Taiwan)