如图2，黄页商机智能分配项目首先对销售工作模式进行了一定的改造（称为密歇根模式），改造后的模式与前面段落概述的传统CRM系统工作模式有一些区别。黄页业务方会将销售团队拆分为两个部分：一部分称为商机组，负责对商机进行初步筛选，以产出有初步沟通、成单意向的商机为目标，并将该类商机以“转出”这一业务动作同步到另一组。另一组被称为销售组，主要负责在获取到商机组“转出”的商机后，继续进行跟进直到成单的环节。当前，针对这两部分销售，我们都进行了人工智能的赋能，本文中，只会对密歇根模式下，为商机组赋能的多目标建模优化进行展开描述，即如何通过引入人工智能方法，提升商机组”转出“的效率，从而提升销售业绩。若读者希望了解更多关于CRM系统逻辑、黄页销售业务背景等内容请参看58技术公众号之前的文章：《AI + CRM 提高企业的 “绩” 和 “效”》，詹坤林，这里不再赘述。
CRM商机智能分配系统中的多目标排序算法
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、营销平台部（CRM）、LBG黄页业务方三方联合启动了商机智能分配项目，将CRM商机分配流程抽象为推荐/搜索场景，将传统机器学习以及深度学习算法应用于CRM系统，为每个销售人员分配适合其跟进的商机，优化成单转化，以提高销售团队业绩，进而提升业务线收入。
本文主要分享在上述场景下，精排多目标建模的方法。文章中，首先对读者需要的背景知识进行了适当补充，并阐述了选择多任务深度学习模型进行落地的原因。之后，重点介绍了场景中使用的多目标建模方法，分五个版本将建模过程中使用的多任务学习模型、损失函数、多目标排序方法、模型优化方案等进行了拆解及分享，并展示了每个阶段相比前一阶段取得的线上效果收益。
多目标排序各大公司落地 - 知乎
https://zhuanlan.zhihu.com/p/341345727
58同城CRM多目标排序算法 - 国际版 Bing
https://www.bing.com/search?FORM=BESBTB&PC=U227&q=58同城CRM多目标排序算法&ensearch=1
58同城智能推荐系统的演进与实践(转) - 白开水加糖 - 博客园
https://www.cnblogs.com/peizhe123/p/7447164.html
多目标优化算法（一）NSGA-Ⅱ（NSGA2）_晓风-CSDN博客_多目标优化算法
https://blog.csdn.net/qq_40434430/article/details/82876572
深度学习在58租房搜索排序中的实践-崔凌云
https://www.slidestalk.com/AICUG/58v326709
58同城CRM多目标排序算法的相关微信公众号文章 – 搜狗微信搜索
https://weixin.sogou.com/weixin?type=2&query=58同城CRM多目标排序算法&ie=utf8&s_from=input&sug=n&sug_type=
DataFunTalk - 知乎
https://www.zhihu.com/org/datafuntalk