导语
人工智能在商业关系管理中的崭新应用为企业带来了前所未有的机遇。通过整合AI技术，合作伙伴关系管理系统得以自动化处理繁琐流程，减少人为错误，提高数据处理速度和准确性。这种革新性的整合不仅提升了企业的运营性能，还为商业关系的发展注入了新的活力。AI在伙伴关系管理中的作用日益凸显，为企业创新、增长和可持续发展提供了强大的引擎。
——长江三角洲城市经济协调会
创意经济合作专委会
本篇关键词
伙伴关系管理、人工智能赋能的伙伴关系管理、定制合作伙伴服务
摘要
伙伴关系管理（PRM）是一套B2B公司用于管理与合作伙伴、经销商和其他第三方关系的方法、工具、策略和基于网络的能力的组合。将人工智能（AI）整合到PRM中有助于通过消除人为错误、更快、更准确地处理数据来自动化流程和程序。随着学者和实践者对AI-PRM的关注不断增加，本研究基于动态能力观（DCV）和吸收能力理论，构建了一个概念模型，以了解B2B公司采用AI-PRM及其对商业价值的影响所需的要素。由于在学术研究中AI-PRM仍然相对较新，现有文献中没有特定的量表可用于捕捉其采用的具体因素和前提条件，因此我们探索了一组新的度量标准。我们使用来自427家B2B公司的数据测试了概念模型，结果显示当AI-PRM系统体现在定制合作伙伴服务和合作伙伴参与中时，公司的运营绩效得到改善，从而产生了商业价值。
引言
全球伙伴关系管理（PRM）市场预计将在2023年达到6.79亿美元，并预计以每年17.24%的复合年均增长率增长，到2027年将达到1664.1亿美元。这巨大的复合年均增长率证实了PRM对渠道销售的必要性。它是一种计算机介导的能力，是一套可靠的系统、实践、程序和工具，企业用于通过与渠道合作伙伴、他们的客户和其他第三方的互动和关系管理来有效执行渠道销售的能力。因此，PRM允许依赖合作伙伴代表其销售产品或服务的公司优化成本，自动化常规合作伙伴流程，通过销售推动有效地增加渠道销售，简化业务流程，并通过销售推动增加收入。
在实践中，伙伴关系管理解决方案常常与客户关系管理（CRM）解决方案混淆。然而，它们之间存在重大区别。简化而言，CRM侧重于最终客户，由直接与客户合作的公司使用，而PRM解决方案则由具有间接销售渠道的公司使用，以简化供应商、其合作伙伴和合作伙伴的客户之间发生的过程。然而，PRM系统也带来了一些挑战。例如，尽管它允许合作伙伴（即转售商）分析各种最终客户数据，包括需求、购买习惯、频率和订单大小，但在实践中，他们无法准确分析这大量的客户数据。一些较大的合作伙伴会开发额外的算法（例如，人工智能或机器学习）以生成报告，但这项任务仍然复杂，而且通常成本较高，因为应用程序开发过程通常是外包的。因此，有必要将人工智能（AI）引入现有的PRM系统。这样做可以减轻合作伙伴的工作负担，并可能改善他们的客户关系活动。另一方面，有效的AI-PRM系统还可能帮助供应商公司改善它们与最终客户之间的信息交流，从而实现运营卓越。尽管AI-PRM对公司、其合作伙伴和最终客户的好处显而易见，但有关了解可能推动合作伙伴采用的AI-PRM系统特征的研究仍处于早期阶段。本研究旨在回答以下研究问题：（1）跨销售渠道有效采用AI-PRM系统的先决条件是什么？（2）AI-PRM系统的采用如何提高公司的业务价值？
通过使用来自427家公司的数据，我们的研究以动态能力观（DCV）和吸收能力理论为基础，提供了重要的理论和实践意义。我们表明，定制的合作伙伴服务和合作伙伴参与是AI-PRM采用的相关先决条件。换句话说，随着AI-PRM系统在公司及其合作伙伴的业务活动中更为融入，公司提供的服务更加符合合作伙伴及其最终客户的需求。此外，在这项研究中，我们为管理人员和系统开发人员提供了有关成功跨销售渠道采用AI-PRM系统所需进行的活动的有用见解，从而最终提高公司的业务价值。
理论背景
1. AI-PRM的兴趣发展
关于公司内部采用AI-PRM系统的论文文献呈现三个支柱。第一个支柱来自有关在商业中使用人工智能的一般文献，涵盖了一般销售、产品和更具体的服务。这些文献强调了人工智能对业务运营的贡献，但并未专门关注间接销售及其合作伙伴关系活动的公司。
第二个主要支柱基于更传统的文献，该文献奠定了CRM在通过支持各种业务功能、改善与客户关系以及提升业务价值方面改善业务运营和绩效的传统。最近，这一文献流派得到了一些研究的丰富，旨在回答与CRM系统中AI的角色相关的各种研究问题。对AI-CRM的兴趣产生了一系列新的文献，显示在采用AI-CRM之前组织准备工作的重要性，以及AI-CRM技术如何增强与最终客户的关系管理以及组织的整体数字化过程。CRM文献的这两个流派（即传统流派和基于AI的视角）提供了对PRM工具感兴趣的研究人员宝贵的见解。
鉴于我们在介绍中讨论的CRM和PRM工具之间的关键差异（例如，直接销售与间接销售；关注与客户的关系与关注与销售渠道成员的关系，包括转售商及其客户），这意味着传统的CRM工具对于管理间接销售渠道内的关系是无效的，学者们认识到有必要进行学术研究，以回答主要关注PRM的研究问题。受以前关于PRM的研究以及业务运营和基于AI的CRM中AI重要性的启发，我们首先概述AI-PRM系统的特征，然后制定AI-PRM系统在销售渠道内采用的先决条件和后果的概念模型。
2. AI-PRM的特征
嵌入AI的PRM系统能够比传统PRM更有效、更高效地执行各种任务，这归功于AI算法的自动化能力。AI的自动决策和推荐能力有效地发展了PRM内与合作伙伴相关的流程。这导致更有效的伙伴学习、有效的伙伴规划能力、简化不同伙伴流程以及伙伴和供应商之间的知识共享。AI-PRM解决方案提供定制的伙伴服务，通过预测伙伴的需求并通过促进其采用）也优化了服务。AI-PRM系统用于预测客户的需求，这些需求来自各种数据来源。因此，它对于不同的部门，如沟通和营销、库存、IT和销售都是有益的。例如，AI-PRM通过提供对伙伴销售漏斗中每个潜在客户的更大可见性，优化了销售流程。在营销方面，AI-PRM解决方案允许公司的营销主管管理与第三方影响者和沟通冠军的关系。
采用AI-PRM解决方案的公司对其合作伙伴和合作伙伴的最终客户有多方面的数据访问，这也可能引发有关数据隐私、安全性和脆弱性的问题。因此，AI-PRM数据保护政策对于AI-PRM的采用至关重要。由公司信任使用AI-PRM的合作伙伴，反之亦然，成为战略合作伙伴。他们提供广泛的数据访问权限，进而帮助公司改善运营，使合作伙伴和公司双方受益。
AI-PRM对公司业务价值的贡献取决于合作伙伴与AI-PRM的互动以及他们有效使用的能力。根据合作伙伴的能力、地点和产生收入的能力对合作伙伴进行分段是为了推动更好的合作伙伴参与。一旦公司完全将AI-PRM解决方案引入其销售渠道，其与合作伙伴互动的实践和流程将整合到公司的核心业务运营中。因此，采用AI-PRM系统可以帮助合作伙伴更好地与供应商公司合作）。
3. 动态能力理论和吸收能力理论
本研究使用DCV和吸收能力理论来识别在销售渠道内采用AI-PRM解决方案及其后果的相关因素。前者将动态能力视为一种更高阶的能力，通过三个维度概念化：感知能力，抓住能力和变换/重组能力。因此，在采用AI-PRM解决方案的背景下，公司可以将AI-PRM视为外部资源并利用这些机会来应对动态的市场需求。然而，仅抓住外部资源可能不能完全达到目的。他们还必须具备感知新机会或资源价值的能力，并迅速重新配置和编排外部采集的能力，同时利用内部资源应对动态商业环境。在这种吸收之后，公司需要正确利用这些机会以实现商业利润。这是吸收能力理论的核心思想，它将公司的动态能力视为捕捉外部机会并将其转化为竞争优势的机制。
在跨销售渠道采用AI-PRM的背景下，我们认为公司还需要培养其合作伙伴的多项能力（即感知、抓住和变换或重组），以便他们能够采用AI-PRM系统。因此，AI通过PRM促使公司与合作伙伴的最终客户的关系活动，反过来，公司根据通过AI-PRM获得的数据为合作伙伴提供定制的实时服务。这最终将改善合作伙伴与最终客户的互动。为最终客户提供的这些定制服务可以通过提高合作伙伴识别、开发和与供应商共同创造价值的能力来改进，这就是感知能力。合作伙伴还应培养满足客户需求所需的能力，即抓住能力。最后，合作伙伴应具备重新组合资源以创新并应对不断变化的市场环境的能力。这就是重组或变换能力。因此，DCV理论有助于解释，通过开发合作伙伴的感知、抓住和变换能力，可以推动他们采用基于感知、抓住和变换能力的AI-PRM解决方案。
一个合乎逻辑的后续问题是如何培养合作伙伴的动态能力？为了回答这个问题，我们依赖吸收能力理论。这认为组织能够识别新外部信息的价值、消化它并利用它来实现其目标的程度取决于其吸收能力。因此，我们认为公司可以通过合作伙伴吸收适当的外部信息并提高其预期能力和简化能力来培养其合作伙伴的动态能力。为实现这一目标，合作伙伴将需要与其客户数据库进行互动，并有效利用它以吸收数据，以便集成到PRM系统中的AI可以进行数据分析。因此，合作伙伴的吸收能力在AI-PRM解决方案的采用过程中发挥着重要作用。提高吸收能力将允许定制服务，为合作伙伴提供信息和所需的能力，以更好地满足客户的需求，并提高最终客户与公司产品或服务的互动和体验。这应该增加AI-PRM解决方案的采用。换句话说，公司应提高其合作伙伴的吸收能力，以更好地融入合作伙伴的生态系统。
研究模型与假设
H1. 合作伙伴定制服务（PCS）的效率与采用AI-PRM（AAP）解决方案呈正相关。
H2. 合作伙伴参与度（PEN）与采用AI-PRM（AAP）解决方案呈正相关。
H3. 采用AI-PRM（AAP）系统与公司的商业价值（BVU）呈正相关。
H4. 采用AI-PRM（AAP）系统与公司的运营卓越性（FOE）呈正相关。
H5. 公司的运营卓越性（FOE）与公司的商业价值（BUV）呈正相关。
研究方法
由于AI-PRM中的PCS和PEN过程是新的，现有文献没有提供可用于这些构念的测度。因此，在这个探索性研究中，我们需要为这些过程的所有维度开发指标。最终，PCS的测量包括三个反映性的一阶维度：预测合作伙伴需求、优化服务和保护合作伙伴数据；PEN包括三个反映性的一阶维度：合作伙伴分割、合作伙伴保留和知识共享。
采用问卷调查的方法。主研究中包括了27个题项（使用五点李克特量表）。
为了收集数据，我们从印度孟买证券交易所的公司列表中随机选择了40家公司。其中只有24家公司有使用AI-PRM系统的经验或正在考虑实施这样的系统，有14家公司允许他们的管理人员参与调查。只有在B2B背景下从事AIPRM活动的经理才被选择为样本框架，从而得到了一个包含697名经理的名单，最后收到了427份有效问卷。
研究结果
上述5个假设均成立。PCS和PEN与AAP显著相关（H1和H2假设成立）。结果还表明，AAP与BUV和FOE（H3和H4假设成立）显著且正相关。结果还显示FOE与BUV显著且正相关（H5假设成立）。
我们的研究探讨了成功采用跨销售渠道的AI-PRM的不同外生因素。我们研究了三个因素：合作伙伴需求预测，服务流程优化和合作伙伴数据保护，这些因素如何解释合作伙伴定制服务。我们还探讨了合作伙伴分割，合作伙伴保留和知识共享如何反映合作伙伴参与。
当前的研究说明了采用AI-PRM解决方案如何直接提高公司的商业价值。此外，我们的研究发现公司的运营卓越可以作为采用AI-PRM和商业价值之间的关键中介变量，证明了客户关系管理可以提高公司绩效。
参考文献
Chatterjee S, Chaudhuri R, Vrontis D, et al. Adoption of AI integrated partner relationship management (AI-PRM) in B2B sales channels: Exploratory study[J]. Industrial Marketing Management, 2023, 109: 164-173.
微信号：长城创意云
文案 | Sophia
排版 | Sophia
长按二维码关注我们