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
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。