ZDNet至顶网软件频道消息:SAP整合收购的客户关系管理产品和营销产品推出综合套件。SAP去年购买了电子商务公司Hybris,今年五月又收购了目标销售专业商SeeWhy。
SAP表示,新套件的名字为Customer Engagement and Commerce,旨在为企业提供一个综合方案,使得企业能为客户在所有数字频道提供实时体验。
Hybris首席战略官Brian Walker表示,“我们的目标是使SAP客户在他们的ERP和CRM的投资基础上更容易地利用Hybris的优势。当然,我们同样会非常注重非SAP客户,使其也能够利用Hybris的优势和能将Hybris整合到任何环境中。”
Walker称客户能在各种系统之间交换诸如客户数据之类的信息,以产生一个单一的客户概貌。他表示,“数字频道、销售、服务和市场营销现在使用的都是同一套数据存储,用在客户数据、库存和供应链数据及业务流程同类数据方面——这些数据存储来自消费者或B2B或电信客户的探索、研究和购买模式,当然,还有处理订单的模式。“
Customer Engagement and Commerce套件涵括Hybris和HANA In-memory计算,还包括用于销售的SAP云(SAP Cloud for Sales),用于服务的SAP云(SAP Cloud for Service),用于市场营销的SAP云(SAP Cloud for Marketing)和用于社交的SAP云(SAP Cloud for Social Engagement)等SAP产品。
Walker称已有不少客户将这些产品放在一起使用,但现在SAP将这些产品整合在一起加以完善,以加快部署。
根据Hybris(英国)产品战略副总裁Stefan Schmidt介绍,整合后的一个重要区别是提供了API,API可在原来独自运行的各种产品上运行。
Schmidt表示,“譬如说您想知道客户的一些东西及客户做了什么订单,或客户根据您发给他的电邮安排的活动,至于这些数据是来自Hybris、来自CRM系统还是来自客户服务模块,这些都不重要了。“
“这些数据都会从一个层进来,因而客户可以更快地开发移动应用程序和在线应用程序,可以将这些数据整合到他们的固定设备上或是融入其他一些他们想用的各种平台里。”
“通过将所有这些东西经过协调统一在一套API里,各种整合点就变得更容易一些。显然,我们也增加了其他更多的之前没法提供的功能。”
Schmidt指出,假如一个企业要为客户提供一个有吸引力的情境产品,就不仅需要来自CRM系统的历史数据和Hybris里订单,而且还需要短暂型的数据,例如当前浏览活动和电子邮件活动。
他表示,“我需要了解您所处的情境,以期能提供整件事的正确状态。我们把不同的信号与信息搁在一起。在这之前,要这样做会是一个大项目。用的时间会更长。可以做到,但是件更难的事。现在,我们把这些作为一个产品放在一起提供给客户。“
Hybris的Brian Walker称,SAP的产品也可以解决一些实际问题,例如显示一致性的定价和库存量,许多公司仍然在设法解决这种事。
他表示,“客户无论是致电呼叫中心,或是在移动设备上在网上查询,价格都是一致的,库存数据是一致的,显然,我们也要对于作为客户的您有一个一致的了解,这样我们就可以更好地为您服务。”
SAP会继续将Customer Engagement and Commerce套间里的软件作为独立产品出售。Walker指出,“也有客户会说,‘我只想要这一块,或是那一块。’但我们也知道,假以时日,许多客户会实现这些功能的。”
“他们在寻找解决方案,可以帮助他们打造他们所需要的东西,可能是用绑在套件里的更好的解决方案取代目前已经有的功能或技术,也可能是利用客户已经拥有的部分资产及对其进行延伸。”
“客户将这些结合在一起,拥有强大的综合性企业能力,但又在前端具有高度的灵活性。譬如,客户想试试谷歌眼镜这种可穿戴设备对他们来说意味着什么,他们就可以在Hybris的基础上很快这样做。Customer Engagement and Commerce解决方案的前端在此类应用上大有作为。“
好文章,需要你的鼓励
这项研究由德累斯顿工业大学等机构的研究团队完成,旨在解决主动学习未被广泛应用的问题。研究者构建了包含460万种超参数组合的实验网格,系统分析了各参数对主动学习性能的影响。研究发现,不同策略实现间存在显著差异,基于边缘的不确定性策略整体表现最佳,随机选择约4000个超参数组合即可获得可靠结果。这些发现为设计可重现、可信赖的主动学习实验提供了明确指导,有助于降低入门门槛,促进技术在实际应用中的普及。
这项由英国爱丁堡大学和上海人工智能实验室研究者共同完成的工作提出了LongBioBench,一种用于评估长文本语言模型的新型基准测试框架。通过使用人工生成的虚构人物传记作为测试环境,该框架在保持可控性的同时,提供了更真实的评估场景。研究对18个长文本模型的测试表明,即使最先进的模型在检索、推理和可信任性方面仍存在显著挑战,特别是上下文长度增加时。研究还揭示了现有合成基准测试的设计缺陷和长上下文预训练的局限性,为未来模型开发提供了重要指导。
SuperWriter是一项来自新加坡科技设计大学和清华大学的突破性研究,通过模仿人类"先思考后写作"的过程,彻底改良了AI长文生成能力。该研究团队开发的框架包含三个关键阶段:规划、写作和修改,使AI能像专业作家一样进行结构化思考。实验结果表明,经过训练的SuperWriter-LM模型不仅超越同等规模的所有AI模型,甚至在某些领域表现优于规模更大的顶级模型,为AI辅助写作开创了新的可能性。
香港大学与阿里巴巴达摩院合作开发的LayerFlow是一种突破性的层级视频生成技术,能同时生成透明前景、完整背景和混合场景视频。该技术通过创新的框架设计将不同视频层级作为子片段连接,并引入层级嵌入使模型区分各层级。面对高质量训练数据稀缺的挑战,研究团队设计了三阶段训练策略,结合Motion LoRA和Content LoRA,实现了图像和视频数据的联合训练。LayerFlow不仅支持多层视频生成,还能实现视频分解和条件层生成,为视频创作领域带来革命性变革。