基于因果新科学的认知智能和人机融合机制 – 客户需求探询体系

之一：为什么要问为什么

销售能力实际上是探询和满足客户需求的能力。人工智能若具备从沟通去理解客户真实意图的能力，便有机会将目前的纯人销售推进到人机融合销售，从而解决销售端因对客户需求不理解所导致的痛点，包括销售误导，而达成这种智能销售需要具备的底层技术逻辑是“为什么”。这项因果新科学是由计算机科学家和哲学家朱迪亚・珀尔（Judea Pearl）在30年前提出，因果AI具备三层思维能力，观察、干预、想象，它的问世直接颠覆了深度学习和相关性难以企及的领域 – 对“为什么”的探询。

例如，大数据分析告诉我们，当飓风侵袭某个地区时，那里的商店卖的草莓馅饼销量就会大增。这是为什么呢？没人知道。但有人认为光是有这个信息就够了，看天气预报说要来飓风就多给草莓馅饼备货，何必问为什么，问题是在商业环境中，难道我们只需要大数据和相关性就足够了吗？显然不是！

因果AI“从需求找商品”与眼下互联网平台通过单向推送、有条件限制、存在选择障碍的“从商品找用户”，二者有着本质区别。想要探询客户的真实需求，就不能不去了解需求背后的为什么，以及探询技术的底层逻辑，因果新科学。

为什么因果模型可以做到深度学习做不到的事？大数据讲相关性，用深度学习，方法是对客户已知需求的匹配，没有因果，我们不知道客户为什么买或不买; 而因果是对未知需求的挖掘，底层逻辑是探询客户背后的为什么，这是两者的根本差异。再者，因为多数消费者对自己的保险需求都不会特别理解，导致今天的互联网保险投诉居高不下，客户的满意度较差，所以保险更加适用因果探需，这也反映了一旦客户对自己的需求有了更好的了解，保险业有机会改善多年来亟待解决的痛点 – 销售误导。

随着互联网潜在增量的耗尽，各家公司的策略重心从流量获取逐步转变为存量客户经营，尽可能提升留存客户的转化率和转化深度。由于互联网当前的整个技术体系是以大数据为基础，交互的场景也基本是以网页为介质，对于非网页构建的场景，特别是依赖“人”（服务者）提供服务场景的，缺乏比较准确的预测和有效的管理。在金融保险销售流程中，人提供销售服务的工作往往是销售转化的最后一公里，这一公里的绩效与数据质量息息相关。同时，人的引入也是因果AI改变传统互联网最核心的地方，因为人的引入，可使得：

• 场景的交互方式、用户的需求表征、数字化的维度不一样，

• 更立体的交互方式，

• 更注重用户的个性化偏好，

• 更注重用户的隐私和公平，

• 更智能化的资源决策和调度。