值得庆幸的是，标准行业分类 (SIC) 等行业分类法的引入，根据公司的经济活动对其进行分组，在很大程度上消除了这一潜在的痛点，因为它允许企业找到数十、数百或数千家在纸面上属于同一行业的公司。
然而，正如您可能从生活经验中 荷兰电话号码库 学到的那样，消除一个摩擦点往往会导致另一个摩擦点的出现。不幸的是，标准行业分类 (SIC) 代码相对过时、静态，而且往往相当不精确。
这并不是说它们已经过时了。对于一些公司来说，SIC 代码很好用，但根据我们的对话，似乎越来越多的公司并没有达到标准。我们的情况也是如此。
因此，在 Vainu，我们完全停止使用 SIC 代码，并用基于我们的行业分类法Vainu 自定义行业(VCI) 的标签取而代之，这是我们专门创建的分类法，用于弥补使用 SIC 代码时发现的缺点。
多个行业标签
正如博客标题所示，我们将在这篇文章中重点介绍 VCI 的一个非常具体的元素——置信度评分过滤——因此，如果您想了解有关 VCI 的更多信息，我建议您阅读我们的VCI 博客文章。但是，您可以稍后再阅读，因为目前，您需要知道的是，VCI 为公司分配了多个行业标签，而标准分类系统只允许一个。
为了说明这两种方法的区别，这里有一个例子：
公司：Salesforce
标准行业分类：“软件”
Vainu 定制行业：“CRM”、“软件”、“企业软件”、“SaaS”、“信息技术”、“营销自动化”、“云计算”、“销售自动化”、“Salesforce”、“客户服务”
如您所见，VCI 提供了多个标签，并且由于它能够提供多个标签，因此它通常可以更好地向您传达 Salesforce 是什么类型的公司以及它在哪些垂直行业运营。您可能会推测 SIC 代码提供了简单性（一个标签），而 VCI 标签提供了精确性（多个标签）。
行业标签的置信度得分
值得注意的是，所有 VCI 标签都是基于我们的 AI 模型的预测。而且，由于它们是预测，因此实际标签还附带一个预测指标。该预测指标称为置信度得分。
让我们以一些 Salesforce 标签为例：
CRM：置信度得分0.583；置信度阈值 0.24
软件：置信度得分0.630；置信度阈值 0.3
SaaS：置信度得分0.510；置信度阈值 0.3
Salesforce：置信度得分0.337；置信度阈值 0.21
Salesforce 被分配了上述四个标签，因为每个预测的置信度分数都高于该标签的置信度阈值。
现在，置信度得分不等于概率。换句话说，我们并不是说 Salesforce 在 CRM 领域运营的概率为 58.3%。我们实际上说的是，我们非常有信心 Salesforce 在 CRM 领域运营，这一点可以从置信度得分 0.583 明显高于置信度阈值 0.24 中看出。
在排序和缩小或潜在扩大搜索结果总数时，预测的置信度得分非常有用。例如，如果您想查找从事 CRM 领域的公司，您只需在我们的平台上选择“CRM”VCI，您就会得到超过 127,000 家公司。
