如圖2，黃頁商機智能分配項目首先對銷售工作模式進行了一定的改造（稱為密歇根模式），改造后的模式與前面段落概述的傳統CRM系統工作模式有一些區別。黃頁業務方會將銷售團隊拆分為兩個部分：一部分稱為商機組，負責對商機進行初步篩選，以產出有初步溝通、成單意向的商機為目標，並將該類商機以“轉出”這一業務動作同步到另一組。另一組被稱為銷售組，主要負責在獲取到商機組“轉出”的商機后，繼續進行跟進直到成單的環節。當前，針對這兩部分銷售，我們都進行了人工智能的賦能，本文中，只會對密歇根模式下，為商機組賦能的多目標建模優化進行展開描述，即如何通過引入人工智能方法，提升商機組”轉出“的效率，從而提升銷售業績。若讀者希望了解更多關於CRM系統邏輯、黃頁銷售業務背景等內容請參看58技術公眾號之前的文章：《AI + CRM 提高企業的 “績” 和 “效”》，詹坤林，這里不再贅述。
CRM商機智能分配系統中的多目標排序算法
https://mp.weixin.qq.com/s?src=11×tamp=1626537551&ver=3196&signature=ZIohBgZ2RPny-r3TlRJezyuYZBIZYQPxy1G0xBtlXfntjUF0CeBr6mYPayms2N-Wmta1oOAbPrTVnfeP5nnFKlflFuAgENM5Af4R3qFgzfE9p1-mjxoSyukVF8*aqx&new=1
2020年9月，AI Lab、營銷平台部（CRM）、LBG黃頁業務方三方聯合啟動了商機智能分配項目，將CRM商機分配流程抽象為推薦/搜索場景，將傳統機器學習以及深度學習算法應用於CRM系統，為每個銷售人員分配適合其跟進的商機，優化成單轉化，以提高銷售團隊業績，進而提升業務線收入。
本文主要分享在上述場景下，精排多目標建模的方法。文章中，首先對讀者需要的背景知識進行了適當補充，並闡述了選擇多任務深度學習模型進行落地的原因。之后，重點介紹了場景中使用的多目標建模方法，分五個版本將建模過程中使用的多任務學習模型、損失函數、多目標排序方法、模型優化方案等進行了拆解及分享，並展示了每個階段相比前一階段取得的線上效果收益。
多目標排序各大公司落地 - 知乎
https://zhuanlan.zhihu.com/p/341345727
58同城CRM多目標排序算法 - 國際版 Bing
https://www.bing.com/search?FORM=BESBTB&PC=U227&q=58同城CRM多目標排序算法&ensearch=1
58同城智能推薦系統的演進與實踐(轉) - 白開水加糖 - 博客園
https://www.cnblogs.com/peizhe123/p/7447164.html
多目標優化算法（一）NSGA-Ⅱ（NSGA2）_曉風-CSDN博客_多目標優化算法
https://blog.csdn.net/qq_40434430/article/details/82876572
深度學習在58租房搜索排序中的實踐-崔凌雲
https://www.slidestalk.com/AICUG/58v326709
58同城CRM多目標排序算法的相關微信公眾號文章 – 搜狗微信搜索
https://weixin.sogou.com/weixin?type=2&query=58同城CRM多目標排序算法&ie=utf8&s_from=input&sug=n&sug_type=
DataFunTalk - 知乎
https://www.zhihu.com/org/datafuntalk