写这个话题的本初是想先写国外的Predictive Marketing市场，毕竟Predictive Marketing相对成熟，做出成绩的案例比较多。但是最近发现越来越多的中国SaaS公司选了这个方向创业。对比国外市场，国内做Predictive Marketing在市场环境上理论上是很难成功的，面对困难他们也是有自己的应对方法，这段时间觉得这个比较有意思，就有了这篇文章。未来会详细再写一篇国外的Predictive Marketing情况。
基于国内讨论这个话题，我想有三个关键词：人工智能、SaaS和EverString。
人工智能是什么，是百度的下一幕，是云栖大会的主话题，是全球的IT未来。而SaaS也是风风火火，对比国外4:6的To B :To C的投资比例，国内1:9的比例加上中小企业在中国日益上升的地位，越来越多的企业选择了To B 的创业方向。而EverString正是一家真正的人工智能＋SaaS的公司（这里特意加上了真正，绝大部份人工智能的SaaS公司只能算得上PR）。
EverString硅谷和北京两边都有组织架构的大数据公司，就把它也放在国内公司的讨论篇中（他们的主要市场在北美），其实大部分国内公司做Predictive Marketing也都是因为EverString在海外的成功让他们看到了中国在这个领域空白带来的机会。通过先介绍它也介绍一下Predictive Marketing。
1 EverString（万维思源）
EverString主要提供企业人工智能服务,是基于大数据和人工智能技术,让机器去学习潜在客户特征,然后告诉下一 个客户是谁,精确到公司名、联系人和联系方式。 然后根据预估转化率为客户提供建议,是直接联系, 投放广告,有待观察,还是干脆放弃 。他们B轮融资（6500万美金）是企业人工智能领域全球最大一次。他们的客户有微软，zenefits（贡献50万美金收入）等一线公司，提高了2、3倍到30倍效率。前SalesforceVP和最近刚来的Waston前CTO是他们的强力雇员。有意思的是他们有开拓国内市场的愿望，但是貌似现在不太顺利。
EverString主要有两大分析产品：
1、现有客户线索（leads）评分，这里Leads是营销领域里代指对企业所销售产品产生兴趣的潜在客户。
2、Predictive Demand Generation挖掘潜在客户，根据企业理想客户画像，匹配EverString数据库中千万客户信息，从而找到更多与之相符的客户形象，建立新的Leads。解决的是销售企业中耗时较长且最困难的环节，找意向客户的问题。
EverString的数据来源：1、外部数据，购买或爬取全球外部11M实时企业数据，20k维度。2、企业内部数据，CRM、营销系统、邮件系统等内部数据。
EverString典型的B2B企业，向顾客提供软件既服务（Software-as-a-Service, SaaS)。对于面向营销的SaaS，可以分为三个层级：
第一层级是CRM，传统的客户关系管理系统依靠信息系统由业务经办人手动将客户信息录入到CRM中对销售信息统一分析管理，面向的销售流程。
第二层级是营销系统，在互联网时代出现像 Marketo 这样的在线营销自动化平台。他们通过分析访问网站的用户画像和转化率来为客户提供服务。
第三层级就是Predictive Marketing，通过不断地主动挖掘和分析全网信息，结合每家企业内部的信息，利用机器学习自动建立量化客户模型为企业提供智能用户分析和推荐服务。在这些层级中，高层级是依赖于低层级的建设和数据打通的。EverString处于第三层级，而Salesforce 和 Marketo 处于第一和第二层级。
但是EverString有今天的成绩是基于国外的一些环境因素：
1、国外企业多年信息化建设的沉淀和软件厂商的开放性。如上文介绍，第三层级获得企业内部数据要基于第一层级和第二层级的数据积累和开放。国内刚刚发展到第一层级，信息化沉淀不足给开展Predictive Marketing带来先天困难。
2、国外外部信息准确且健全，国外企业从企业信息发布到媒体报道再到分析统计机构（政府和非政府都有推动）可以给做Predictive Marketing带来准确的数据，而国内不具备这样的数据环境。比如国内最关注联系信息更是难以保证准确度和实时度。
3、国外客户成熟的SaaS付费习惯。其实即使这样， EverString 的主要收入来源也是中大企业。在国内中大企业需要人为资源，小客户也没有付费习惯。
2、云客
云客是一家创业公司，目标是做Predictive Marketing。用SaaS的模式帮助销售人员获取和管理客户线索，也为用户提供越来越精准的线索信息。
云客遇到的问题和它的解决办法：
1、国内企业信息化建设不足，没有数据沉淀。即使是有信息化建设的企业，由于系统的不开放性无法提供直接的数据连接通道。“云客”的解决方案是自己建设第一到第三层级，搭建从推荐客户线索到整合营销能力到销售过程管理的全信息化销售闭环。也就是提供了CRM+营销系统＋Predictive Marketing全功能的SaaS 平台。
2、外部信息不准确。“云客”的外部企业信息主要来自于爬取和线索交换，但是联系信息的准确度还是太低。云客为了优化这些联系信息，在web端提供了类似于callcenter的呼出电话功能，通过下载量、通话时长、电话标记等指标基于机器学习来优化这些外部信息。
3、信息冷启动，客户可以选择自己企业的行业，“云客”根据客户的企业所属行业为客户提供最初的推荐信息。
亮点：
1、提供了CRM+营销系统＋Predictive Marketing全功能的SaaS 平台。
2、类似于callcenter的呼出电话功能既可以优化外部资源又覆盖了基于“电销”的主要目标客户。
3、移动化办公。
云客需要解决什么？
1、外部信息需要大量操作和学习才能提高准确度，但是由于初期用户太少，增长也不够迅速，准确度很难快速提升。
2、自身的“企业数据库”维度太少，也缺乏数据收集能力。基于现有的“企业数据库”，“云客”提供的客户推荐的准确度是无法达到用户预期的。
3、数据冷启动需要太长的时间，内部数据的很长一段时间是缺失的，用户是缺乏耐心的。
4、一些SaaS初期都遇到的问题，如功能不健全，用户体验不好，没有愿意尝试的付费客户。
作者简介
杨嘉琦，毕业于香港浸会大学，现在奇鱼时代科技有限公司任人工智能方向产品经理。原文首发在知乎专栏轻重，https://zhuanlan.zhihu.com/p/22374905，希望与他私下交流的朋友，可在知乎上找到他。
