《紐約時報》的一篇專欄曾寫道，“大數據”時代已經降臨，在商業、經濟及其他領域中，決策將日益基于數據和分析而作出，而并非基于經驗和直覺?！?/p>
在大數據時代下，為幫助To B企業作出更準確的營銷決策，探跡，一家國內領先的基于大數據和人工智能的企業客戶智能預測解決方案提供公司，在大數據和人工智能的研究道路上不斷探索前行，不斷創造奇跡。
通過市場調研，探跡團隊發現，在美國，以EverString、Mintigo、Infer為代表的提供潛在客戶預測服務的公司已形成成熟市場，為包括IBM、微軟、VMWare等大型To B企業提供銷售預測分析服務。
而反觀國內，銷售預測服務才剛剛興起，企業為了實現精準營銷，提高銷售效率，往往要研究客戶，以便進一步尋找相似的客戶和挖掘存量客戶的需求。但一般企業普遍缺乏足夠的技術能力，因此難以精準定位潛在客戶，導致營銷效果不佳。
探跡CEO黎展敏銳地發現了這一趨勢和痛點，毅然決定進入智能銷售預測領域，做一款能夠解決To B企業銷售痛點的產品，這就是現在的探跡智能銷售預測平臺。
探跡CEO 黎展
探跡成立的初衷，就是幫助國內To B企業實現精準營銷、快速銷售，從而提升銷售效率。因此，其產品服務對象是中大型To B企業，這些企業普遍都有較大的銷售團隊和銷售線索需求，比如難以獲取目標客戶群體的信息、購買的線索與需求不匹配、日常消耗線索數量大和人工搜尋無法支持等等。
針對這些痛點，探跡為企業提供一站式智能銷售預測解決方案。通過不斷分析和挖掘全網在線企業信息，結合企業內部的CRM系統，利用機器學習自動建立量化客戶模型，在探跡超過8000萬家企業知識圖譜中挖掘類似的精準潛在客戶，并進行客戶畫像評分排序。銷售線索可直接在探跡預測平臺上展現，或導回到合作客戶的CRM系統中供銷售團隊使用，無需再靠人工尋找銷售線索和篩選線索。這是把低效率的人工尋找銷售線索的環節，用大數據和人工智能技術轉化成機器自主挖掘分析，節省了大量的人力資源，而且在線索數量和質量上都是巨大的提升。
1)數據方面：探跡擁有國內最大的企業知識圖譜，覆蓋4000多萬家企業和數千個維度，海量數據實時更新;
2)技術方面：大規模分布式爬蟲、機器學習、NLP(自然語言處理)等技術具有非常高的技術門檻，探跡在這些領域投入了大量的科研力量，積累了眾多核心技術，可以給To B企業帶來更精準的預測和更完善的數據;
3)團隊方面：探跡團隊目前擁有來自國內外頂尖高校一流互聯網企業和頂級咨詢公司等的人才。創始團隊均來自中山大學，對大數據、人工智能等技術有深入研究經驗。其中CEO黎展曾成功創辦佳學，并獲得首屆中國“互聯網+”大學生創新創業大賽全國金獎，入選2017年福布斯中國“30位30歲以下精英”榜;CTO陳開冉曾是Google-中山大學實驗室成員，對Boosting，神經網絡、深度學習等有豐富經驗。同時，探跡從國內外一流高校的引入優秀的研發人才，還擁有一支來自IBM、德勤等頂級咨詢公司的咨詢團隊，能夠針對不同行業和不同需求，為客戶深度定制To B銷售預測解決方案。
在與多家企業的合作中，最讓探跡印象深刻的企業是中企動力。2016年9月，探跡開始和中企動力接觸，其客戶主要是制造行業的企業。要在海量的企業數據中，給數據進行行業分類并篩選出所需的關鍵信息，這是大數據領域中一個普遍的難題。探跡進行了多輪技術上的優化，最終實現了機器智能分析，并根據對方的實際需求搭建了專屬預測模型，大大提高銷售線索數據的挖掘效率，在實施初期轉化率就從0.5%上升到3%，現在已經到5%了，線索轉化率有十分明顯的提升。值得一提的是，探跡每個月給中企動力提供的線索數據都在百萬以上，而且數據是實時更新的。
在和中企動力的合作過程中，探跡的線索池也在不斷地豐富擴大，可以說這是一次共贏的合作。
在產品和服務的升級優化上，探跡會繼續探索前行。近期，將會推出一個標準化產品，在海量的企業數據基礎上增加了條件篩選的功能，這些篩選功能不會像當前市面上的產品只有基礎的條件，而是更有深度，且與業務的關聯性更強。用戶可以自行搜索，并直接在該產品內管理銷售線索;而針對銷售團隊規模較小的公司，探跡也將推出名為“云呼”的云電銷服務，既能大幅度降低企業人力成本，還能反饋潛在客戶意向，進一步優化模型。
在商業合作上，探跡近期將會和領英、脈脈進行合作，圍繞精準廣告投放的營銷痛點，打造高效精準的廣告投放解決方案，幫助客戶實現營銷閉環。
正如探跡的價值觀，“創新、開放、進取”，探跡團隊將會秉持著創新、開放、進取的探索精神，在服務企業的道路上不斷前行。
