Voitot:
- Kyky selittää asiakkuudenhallinnan (CRM) datan rakennetta ja tekoälyn roolia segmentoinnissa ja vaihtuvuusanalyysissä.
- Kyky käyttää tekoälyä tuottamaan oivalluksia, yhteenvetoja ja vastausluonnoksia asiakasteksteistä luottamuksellisuusrajoja noudattaen
- Kyky vastuullisesti rajoittaa tekoälyn käyttöä CRM:ssä tunnistamalla henkilötietoihin, harhaan ja automatisoituihin päätöksiin liittyvät riskit
Asiakassuhteiden hallinta (CRM) on järjestelmä ja lähestymistapa, joka kokoaa yhteen paikkaan organisaation kaikki vuorovaikutukset asiakkaiden kanssa (myynti, tuki, markkinointi, viestintähistoria). Salesforce, Microsoft Dynamics, HubSpot ja alkuperäiset ratkaisut ovat esimerkkejä. CRM:n ydin on tarjota "360 asteen näkymä" jokaisesta asiakkaasta: kuka osti mitä, milloin hän otti heihin yhteyttä, mitä valituksia heillä on. Nämä tiedot ohjaavat sekä myyntiä että palvelua. Nämä tiedot ovat kuitenkin myös suurelta osin henkilötietoja, jotka ympäröivät tekoälyn käyttöä suoraan yksityisyyden ja KVKK:n rajoilla.
MIS-asiantuntija käyttää tekoälyä CRM:ssä kahdella akselilla. Ensimmäinen on analytiikka: analyysit, kuten segmentointi, vaihtuvuusennuste, asiakkaan elinkaariarvo. Toinen on tekstinkäsittely: tukipyyntöjen yhteenveto, luokittelu, vastausluonnosten tuottaminen. Molemmissa perussääntö on sama: yksityisyys arvioidaan ennen henkilötietojen luovuttamista tekoälytyökalulle; Asiakkaaseen suoraan vaikuttavat automatisoidut päätökset edellyttävät inhimillistä valvontaa ja oikeutta vastustaa.
Segmentointi ja vaihtuvuusanalyysi
Segmentointi on prosessi, jossa asiakkaat ryhmitellään yhteisten ominaisuuksien perusteella: paljon kuluttavat, uudet asiakkaat, lepotilassa olevat asiakkaat. Hyvä segmentointi varmistaa oikean viestin välittämisen oikealle ryhmälle. Vaihtuvuusanalyysi yrittää ennustaa, ketkä asiakkaat ovat vaarassa vaihtua (ostosten hylkääminen, tilauksen peruuttaminen). Vaihtuvuustiedot vaikuttavat suoraan tuloihin, sillä asiakkaan säilyttäminen on usein paljon halvempaa kuin uuden hankkiminen.
Tekoäly voi tuottaa luonnoksia ja tulkintoja näistä analyyseistä; Kaksi ansaa on kuitenkin otettava huomioon. Ensimmäinen on harha: malli tarkastelee historiallisia tietoja; Jos tiettyyn ryhmään on aiemmin kiinnitetty vain vähän huomiota, malli saattaa oppia, että tämä ryhmä on "arvoton" ja epäreilu syrjintä voimistuu. Toinen on automaattinen päätös: "tämä asiakas menetetään, lopetetaan viestintä" -päätöksen jättäminen yksin malliin on ongelmallista sekä eettisesti että juridisesti. Päätös kuuluu ihmiselle, ehdotus mallille.
Vinkki: Ennen kuin käytät vaihtuvuus- tai segmenttimallin tuloksia, kysy "kulle ryhmälle tämä ero voi olla epäreilu?" Esitä kysymys. Voit jopa saada tekoälyn kysymään tämän kysymyksen; mutta lopullinen oikeudenmukaisuuden arviointi kuuluu ihmiselle.
Asiakkaiden teksteistä saatu näkemys: Yksityisyys
CRM:n rikkain, mutta arkaluontoisin tieto on vapaa teksti: tukipyynnöt, soittomuistiinpanot, sähköpostit. Tekoäly on erittäin tehokas tiivistämään ne, luokittelemaan ne ja luomaan vastausluonnoksia. Nämä tekstit voivat kuitenkin sisältää nimiä, puhelinnumeroita, osoitteita tai jopa terveys- tai taloustietoja. Tästä syystä anonymisointia (henkilön tunnistavien kenttien poistaminen tai peittäminen) käytetään ennen tekstin syöttämistä tekoälytyökaluun. "Asiakkaan A" käyttäminen "Ahmet Yilmaz, asiakasnumero 0532..." sijaan säilyttää luottamuksellisuuden menettämättä näkemystä.
Myös vastauksen laatiminen vaatii huolellisuutta: tekoälyn luoma vastaus on sujuvaa, mutta se voi sisältää väärän lupauksen ("rahasi palautetaan 24 tunnissa"). Valtuutetun edustajan on tarkistettava jokainen asiakkaalle annettu vastaus ennen lähettämistä. Tekoäly kirjoittaa luonnosta, ihminen lähettää.
Kolme minikoteloa: Numeroiden mukaan
Tapaus 1 – Yksityisyys suojattu anonymisoinnilla. Pankissa 20 000 tukipyyntöä jaettaisiin luokkiin. Teksteistä puhdistettiin ensin nimet, tunnusnumerot ja tilinumerot, muotoiltiin "Customer X" -muotoon ja annettiin sitten tekoälylle. Luokittelutarkkuus oli 91 %, eikä työkaluun mennyt henkilötietoja. Jos raakateksti annettaisiin, olisi sekä KVKK-rikkomuksen että vuodon riski.
Tapaus 2 – Ennakkoluulojen vahvistaminen. Eräässä televiestinnässä vaihtuvuusmalli merkitsi järjestelmällisesti asiakkaat sellaisella alueella, jolla aiemmin oli vähän kampanjoita, "arvottomaksi", eikä tälle alueelle lähetetty yhtään tarjouksia. Tappio kasvoi. Ongelma ei ollut mallissa, vaan menneisyyden puolueellisessa datassa ja sen soveltamisessa kyseenalaistamatta. Tarkastuksen jälkeen päätös asetettiin ihmisen valvontaan ja kaavoitus korjattiin.
Tapaus 3 – tekoälyvasteen virheellinen sitoutuminen. Eräässä verkkokauppayrityksessä tekoäly tuotti "tuotteesi toimitetaan varmasti huomenna" vastauksen asiakkaan valitukseen; Toimitusaika oli kuitenkin 3-5 päivää. Edustaja korjasi luonnoksen ja lähetti sen. Jos luonnos olisi jäänyt tarkastamatta, väärä sitoutuminen olisi aiheuttanut sekä asiakkaiden tyytymättömyyttä että maineriskiä. Tekoälyluonnos ei koskaan mene suoraan asiakkaalle.
Heikko kehote / Vahva kehote
Heikko kehote:
Tee yhteenveto näistä asiakkaiden valituksista ja kirjoita vastaus.[raaka tekstit: mukaan lukien nimi, puhelinnumero]
Tämä antaa henkilötiedot työkalulle sellaisenaan ja sisältää väärän sitoumuksen riskin.
Tehokas kehotus:
Roolisi: Olet asiakaskokemuksen analyytikko. Käsittele seuraavat ANONYMOIDUT tukipyynnöt:- Lajittele jokainen pyyntö luokkaan (palautus, tekninen, laskutus, muu).- Poimi yleisimmät teemat ja 3 yleisintä ongelmaa.- Jos sinulta kysytään vastausluonnos: tagi [AGENTSIN VAHVISTUS] jokainen lause SISÄLTÄÄ sitoumuksen (päivämäärä, summa, palautus); Älä tee lujaa lupauksia. - Jos näet tekstissä henkilötietoja, varoita, älä toimi. Pyynnöt (anonyymit): [Asiakas A: ..., Asiakas B: ...]
Tehokas kehote pakottaa työskentelemään anonyymien tietojen kanssa, merkitsemään sitoumuksia ja varoittamaan henkilötietojen vuodosta.
Neljä kopioitavaa mallia
1) Kysynnän luokitus:
Lajittele seuraavat anonyymit tukipyynnöt näihin luokkiin: [luettelo]. Anna kunkin pyynnön luokka ja yhden lauseen perustelu. Jos olet epävarma, kirjoita [UNCERTAIN]. Pyynnöt: [teksti]
2) Teeman/yleisön poiminta:
Poimi alla olevasta nimettömästä asiakaspalautteesta viisi suosituinta teemaa, kunkin likimääräinen esiintymistiheys ja esimerkkilainaus. Lisää kommentteja, jotka eivät perustu tietoihin. Palautteet: [teksti]
3) Vastausluonnos (avoinna vahvistusta varten):
LUONNOS kohtelias vastaus alla olevaan nimettömään valitukseen. Merkitse jokainen lause [VAHVISTUS], joka sisältää päivämäärän, summan tai palautuslupauksen. Lopullinen kesto; Käytä turvallista kieltä, kuten "ilmoitamme sinulle mahdollisimman pian". Valitus: [teksti]
4) Segmenttien oikeudenmukaisuuden valvonta:
Tutki seuraavia segmentointikriteerejä: Mikä asiakasryhmä voisi joutua systemaattisesti epäedulliseen asemaan? Luettelo mahdollisista harhalähteistä ja ohjausehdotuksista. Kriteerit: [teksti]
Vertailukaavio: tekoälyn käyttö CRM:ssä
Quest
AI:n rooli
Luottamuksellisuuden vuoksi
lopullinen päätös
Kysynnän luokittelu
automaattinen etiketti
Anonymisoi
Tarkista näyte
Teeman poiminta
näkemys luonnos
Anonymisoi
Analyytikkokommentteja
vaihtuvuusennuste
Pisteet/ehdotus
laillinen tavoite
mies päättää
Vastausluonnos
tekstiluonnos
Paitsi henkilötiedot
Lähettää edustajan
Segmenttipäätös
Ehdotus
oikeuden valvonta
Liiketoimintayksikkö + valvonta
Yleisiä virheitä
- Henkilötietojen luovuttaminen ajoneuvoon sen raakamuodossa. Nimen, puhelinnumeron ja TR-tunnuksen sisältävän tekstin suora käsittely on KVKK-rikkomusta ja vuodon vaara.
- AI-vastauksen lähettäminen suoraan asiakkaalle. Väärät sitoumukset ja sävyvirheet luovat maineriskiä; Edustajan vahvistus on pakollinen.
- Vaihtuvuus/segmenttipäätöksen jättäminen mallille. Automaattinen päätös vahvistaa ennakkoluuloja; Ehdotus on mallin, päätös on ihmisen.
- Aiempien tietojen hyväksyminen kysymättä. Menneen syrjinnän malli opetetaan "oikeaksi"; Oikeusvalvonta on välttämätöntä.
- Mittarin tulkinta ilman kontekstia. Ennen kuin sanot "tyytyväisyys on laskenut", kannattaa kysyä missä segmentissä, millä ajanjaksolla ja miksi.
Varoitus: Asiakastiedot ovat jonakin päivänä todellisen henkilön yksityisyyttä. Se, että tulos on "hyödyllinen", ei oikeuta henkilön tietojen käsittelyä ilman suojaa. Anonymisointi ja käyttötarkoituksen rajoittaminen ovat edellytyksiä, ei muodollisuuksia, joita pitäisi jättää väliin nopeuden vuoksi.
Yhteenvetona
CRM on järjestelmä, joka kerää asiakasvuorovaikutuksen yhteen paikkaan ja sisältää suuren määrän henkilötietoja. Tekoäly tuottaa voimakasta arvoa segmentoinnissa, vaihtuvuusanalyysissä ja tekstinkäsittelyssä; Henkilötietojen tietosuoja on kuitenkin etusijalla: anonymisointi, käyttötarkoituksen rajoittaminen ja KVKK:n noudattaminen ovat tärkeitä. Vaihtuvuus- ja segmenttipäätökset sisältävät harhan riskin; Ehdotus kuuluu malliin, päätös kuuluu henkilölle. Tekoälyvastauksia asiakkaalle ei lähetetä ilman edustajan vahvistusta. Tekoäly nopeuttaa ymmärtämistä, tuo vastuuta ja oikeutta ihmisille.
Sovellustehtävä
Määritä vaihtuvuusanalyysin skenaario tilauspalvelulle. (1) Sovita 5 nimetöntä asiakasprofiilia (kulutus, viimeinen vuorovaikutus, valitusten määrä). (2) Luo segmentointi ja riskitulkinta tehokkaalla kehotuksella. (3) Kysy oikeudenmukaisuustarkistuksella, mikä ryhmä saattaa olla epäreilu ainakin yhdelle mallin tuottamasta segmentistä. (4) Pyydä tekoälyä laatimaan vastaus nimettömään valitukseen ja merkitse lauseet, jotka sisältävät sitoumuksia. (5) Kirjoita, että käytit anonymisoitua dataa raakatietojen sijasta ja mitä kenttiä maskoit.
tarkistuslista
- [ ] Anonymisoin henkilötiedot ennen kuin luovutin ne työkalulle.
- [ ] Arvioin käyttötarkoituksen rajoituksen ja KVKK:n noudattamisen.
- [ ] Kyseenalaistin vaihtuvuus/segmenttipäätöksen puolueellisuuden ja oikeudenmukaisuuden.
- [ ] Jätin päätöksen ihmisten tehtäväksi; malli tuotti vain ehdotuksia.
- [ ] En lähettänyt tekoälyn vastausluonnoksia ilman edustajan vahvistusta.
- [ ] Merkitsin myös sitoumuksia sisältävät lauseet.