Salesforce刚发布了第三季度财报，AI应用的年经常性收入（ARR）已经达到14亿美元，同比增长114%，明显高于其9%的整体增长率。
虽然占整体收入的比例还不到15%，但毫无疑问增长很快，而且已经成为Salesforce增长的主要引擎。
更重要的是，Salesforce 的AI应用底座Data 360，已经成为Salesforce抵御Google、OpenAI等AI巨头最有力的护城河。
我认为，它也将成为SaaS公司转型AI所普遍采用的一种战略。
为什么这么说呢？因为Data 360能够提供企业AI最需要的东西：业务上下文。
举个例子，当销售人员下午要去拜访A公司的CTO王总，让AI生成拜访建议，AI应该怎么做呢？
首先，AI必须了解A公司和王总的相关准确信息，比如A公司的销售订单、服务工单，以及最近3个月的拜访记录等。
AI可能还需要计算本次商机的赢单率。然后，AI才能给到销售人员靠谱的建议，比如：
王总最近对售后服务很不满意，本次商机的赢单率明显下滑。建议下午见面先不要谈新订单，而是提供售后问题的解决方案，然后介绍一下他最近感兴趣的节能产品。
毫无疑问，AI方案的有效性绝大部分都取决于准确、实时的业务上下文，而这就是Data 360解决的核心问题。
Data 360最核心的架构是叫数据模型对象，简称DMO。DMO主要帮助AI搞清楚3个问题：
比如，在传统CRM、ERP等系统中，客户、毛利率等概念都是以后台表的形式存储，AI根本看不懂。
但是在DMO中，可以把客户、毛利率定义为“对象”，然后给每个对象都加上元数据描述。比如：这是产品的毛利润率，毛利率的计算方式为售价减去成本，再除以售价。
然后，我们可以把 “毛利率”对象和ERP后台字段做一个关联，这样AI不但能够正确理解“毛利率”，而且还可以从ERP中获取到最新的毛利率数据。
比如，客户的重要属性就包括：客户等级、客户地址等。通过这些属性，AI就能够更深入的理解业务。
比如，我们新建了两个对象：客户，销售订单，然后把两个对象做一个关联，那么AI就可以查询到客户的历史销售数据。
实际上，通过DMO，Data 360给AI构建起了一个清晰的业务图谱，通过这个业务图谱，AI就可以快速、准确的理解业务全貌。
你可能会说，这样的业务图谱并不是什么核心竞争力，比如Palantir的Foundry平台，也可以构建业务图谱。
首先，Salesforce在Data 360中，融入了自己多年的行业Know How。
举个例子，如果你用的是Palantir平台，那么哪怕是客户、商机这样最基本的对象，你都要从零开始梳理和定义。
但是在Data 360，营销业务常见的对象、属性和关系，比如客户、客户生命周期价值、商机等，全部都已经定义好了，这就大大降低了客户的成本与风险。
另外，Salesforce还在Data 360中融入了很多营销管理最佳实践。
比如：客户可能会通过多个渠道触达我们，而营销洞察的关键，就是要把这些碎片信息整合成完整的客户画像。
比如，User_A可能在官网论坛讨论过某个数据库方案，同时，尾号为4567的电话刚投诉过我们的技术服务，如果能够识别出User_A、电话4567其实都是A公司的CTO王总，那么销售人员去拜访客户时，就能做出针对性的准备。
为了实现这个最佳实践，Data 360就专门提供了身份解析功能，能够帮助AI识别不同渠道的客户身份，从而做出更准确的营销洞察。
除了最佳实践，Data 360的另一个差异化能力，就是他天生具有行动能力。
比如，当Data 360检测到客户流失风险大幅度提升，大模型就可以自动生成挽救方案，如果方案内容包括售后部门紧急介入问题的解决，并且让销售人员安排一次拜访，那么它就可以直接在CRM系统生成一张高优先级的服务工单，并且通过企业IM（比如Slack）给对应的销售人员推送一条消息，建议他尽快拜访客户的CTO。
其实，这些软件能力是SaaS公司最擅长的事情，在AI时代，这些能力并不会被淘汰，而是成为AI的“手和脚”。
所以，如果客户应用了Data 360，那么其实就应用了“从数据，到大模型，再到执行”的一整套解决方案。
而AI公司如果要构建这一套方案，显然并不简单。而他们最好的选择，其实就是成为Salesforce的供应商——而这确实是Google、OpenAI等公司的现实选择。
所以我认为，在AI时代，如果SaaS公司能利用好它的行业Know How以及软件基础，那么它不但不会被淘汰，反而会迎来新的增长。
最后，欢迎加入中国最大的产品经理群，近5万人已加入，有免费资料包，还有高管群：加入中国（可能）最大的产品经理微信群
也欢迎了解我亲自主理的 B 端产品经理星球，【三天无条件退款】，点击领取优惠券：《独家B端产品课程，仅 2 元/小时》
ToB老人家