Hagnaður:
- Geta til að útskýra uppbyggingu gagna um stjórnun viðskiptavina (CRM) og hlutverk gervigreindar í skiptingu og straumgreiningu.
- Hæfni til að nota gervigreind til að búa til innsýn, samantektir og svardrög úr texta viðskiptavina, á sama tíma og trúnaðartakmarkanir eru haldnar
- Hæfni til að takmarka á ábyrgan hátt notkun gervigreindar í CRM með því að gera sér grein fyrir áhættu persónuupplýsinga, hlutdrægni og sjálfvirkra ákvarðana
Stjórnun viðskiptavinatengsla (CRM) er kerfi og nálgun sem safnar öllum samskiptum stofnunar við viðskiptavini sína (sala, stuðningur, markaðssetning, samskiptaferill) á einn stað. Salesforce, Microsoft Dynamics, HubSpot og innbyggðar lausnir eru dæmi. Hjarta CRM er að veita „360 gráðu útsýni“ yfir hvern viðskiptavin: hver keypti hvað, þegar þeir höfðu samband, hvaða kvörtun þeir hafa. Þessi gögn stýra bæði sölu og þjónustu. Hins vegar eru þessi gögn einnig að miklu leyti persónuleg gögn, sem umlykja beinlínis notkun gervigreindar með friðhelgi einkalífs og KVKK mörkum.
MIS sérfræðingur notar gervigreind í CRM á tveimur ásum. Í fyrsta lagi er greining: greiningar eins og skipting, spá um útfall, lífsgildi viðskiptavina. Annað er textavinnsla: draga saman stuðningsbeiðnir, flokka þær, búa til drög að svari. Í báðum er grunnreglan sú sama: friðhelgi einkalífsins er metin áður en persónuupplýsingar eru gefnar til gervigreindartækis; Sjálfvirkar ákvarðanir sem hafa bein áhrif á viðskiptavininn krefjast eftirlits manna og andmælaréttar.
Segmentun og straumgreining
Aðgreining er ferlið við að flokka viðskiptavini út frá sameiginlegum eiginleikum: háum eyðslu, nýjum viðskiptavinum, sofandi viðskiptavinum. Góð skipting tryggir að rétt skilaboð komi til rétta hópsins. Viðskiptagreining reynir að spá fyrir um hvaða viðskiptavinir eru í hættu á að hætta (hætta við kaup, segja upp áskrift). Churn innsýn dregur beint inn í tekjur, þar sem að halda í viðskiptavini er oft mun ódýrara en að eignast nýjan.
AI getur framleitt drög og túlkanir á þessum greiningum; Hins vegar þarf að huga að tveimur gildrum. Hið fyrra er hlutdrægni: líkanið lítur á söguleg gögn; Ef lítil athygli hefur verið veitt tilteknum hópi í fortíðinni getur líkanið lært að hópurinn sé „óverðugur“ og ósanngjörn mismunun styrkist. Annað er sjálfvirk ákvörðun: að yfirgefa ákvörðun eins og „þessi viðskiptavinur mun glatast, hættum samskiptum“ við líkanið eina er vandamál bæði siðferðilega og lagalega. Ákvörðunin tilheyrir manneskjunni, uppástungan tilheyrir fyrirmyndinni.
Ábending: Áður en þú notar niðurstöður úrfalls- eða hlutalíkana skaltu spyrja "hvaða hópi gæti þessi aðgreining verið ósanngjarn?" Spyrðu spurningarinnar. Þú getur jafnvel látið gervigreind spyrja þessarar spurningar; en endanlegt mat á réttlæti er mannsins.
Innsýn frá texta viðskiptavina: Persónuvernd
Ríkustu en viðkvæmustu gögnin í CRM eru ókeypis texti: stuðningsbeiðnir, símtöl, tölvupóstur. Gervigreind er mjög öflug við að draga þau saman, flokka þau og búa til svörunardrög. Hins vegar geta þessir textar innihaldið nöfn, símanúmer, heimilisföng eða jafnvel heilsufars- eða fjárhagsupplýsingar. Þess vegna er nafnleynd (fjarlægja eða hylja reiti sem auðkenna mann) beitt áður en textinn er færður í gervigreindarverkfæri. Með því að nota „Viðskiptavinur A“ í stað „Ahmet Yilmaz, viðskiptavinarnúmer 0532...“ varðveitir trúnað án þess að missa innsýn.
Að semja svar krefst einnig aðgát: gervigreindarviðbrögðin eru fljótandi en geta innihaldið fölsk loforð ("peningarnir þínir verða endurgreiddir eftir 24 klukkustundir"). Viðurkenndur fulltrúi þarf að athuga hvert svar til viðskiptavinar áður en það er sent. AI skrifar drög, manneskjur sendir.
Þrjú Mini Cases: By the Numbers
Mál 1 - Persónuvernd varið með nafnleynd. Í banka væri 20.000 stuðningsbeiðnum skipt í flokka. Textarnir voru fyrst hreinsaðir af nöfnum, kennitölum og reikningsnúmerum, sniðin í „Viðskiptavinur X“ sniði og síðan gefin til gervigreindar. Flokkunarnákvæmni var 91% og engin persónuleg gögn fóru inn í tólið. Ef hrátextinn væri gefinn væri hætta á bæði KVKK-brotum og leka.
Mál 2 – Efling fordóma. Í einni fjarskiptakerfinu merkti churn-líkanið kerfisbundið við viðskiptavini á svæði þar sem lítil herferð hefur verið í fortíðinni sem „lágt virði“ og engin tilboð voru send til þess svæðis; Tapið jókst. Vandamálið var ekki með líkanið, heldur með fortíðarhlutdrægum gögnum og beitingu þeirra án þess að spyrja. Eftir yfirferð var ákvörðunin sett í mannlegt eftirlit og deiliskipulag leiðrétt.
Tilfelli 3 - Röng skuldbinding um gervigreind svar. Í rafrænu verslunarfyrirtæki framleiddi gervigreind „varan þín verður örugglega afhent á morgun“ svar við kvörtun viðskiptavinar; Hins vegar var sendingartími 3-5 dagar. Fulltrúi leiðrétti drögin og sendi þau. Ef drögin hefðu ekki verið stöðvuð hefði röng skuldbinding skapað bæði óánægju viðskiptavina og orðsporsáhættu. AI drögin fara aldrei beint til viðskiptavinarins.
Veik kvaðning / sterk kvaðning
Veik kvaðning:
Taktu saman þessar kvartanir viðskiptavina og skrifaðu svar.[hráir textar: þar á meðal nafn, sími]
Þetta gefur tólinu persónulegar upplýsingar eins og það er og felur í sér hættu á fölskum skuldbindingum.
Öflug tilvitnun:
Hlutverk þitt: Þú ert sérfræðingur í upplifun viðskiptavina. Vinndu úr eftirfarandi ANONANOZERÐAR stuðningsbeiðnir:- Raðaðu hverri beiðni í flokk (skil, tækni, innheimtu, annað).- Dragðu út algeng þemu og 3 algengustu mál.- Ef beðið er um drög að svari: merktu [UMBÚNAÐARSTAÐFESTING] hverja setningu sem INNIHALDUR skuldbindingu (dagsetning, upphæð, skil); Ekki gefa fast loforð. - Ef þú sérð persónuleg gögn í textanum skaltu vara við, ekki bregðast við. Beiðnir (nafnlausar): [Viðskiptavinur A: ..., Viðskiptavinur B: ...]
Öflug tilvitnun knýr fram á að vinna með nafnlaus gögn, merkja skuldbindingar og vara við leka persónuupplýsinga.
Fjögur afritanleg sniðmát
1) Eftirspurnarflokkun:
Raðaðu eftirfarandi nafnlausu stuðningsbeiðnum í þessa flokka: [listi]. Gefðu flokkinn og eina setningu rökstuðning fyrir hverja beiðni. Ef þú ert í vafa skaltu skrifa [ÓVISS]. Beiðnir: [texti]
2) Þema/innsýn útdráttur:
Úr nafnlausum athugasemdum viðskiptavina hér að neðan, dragið út 5 efstu þemu, áætlaða tíðni hvers og dæmi um tilvitnun. Bætir við athugasemdum sem eru ekki byggðar á gögnum. Umsagnir: [texti]
3) Drög að svari (opið til staðfestingar):
DRÖG að kurteislegu svari við nafnlausu kvörtuninni hér að neðan. Merktu hverja setningu með [STAÐFESTING] sem inniheldur dagsetningu, upphæð eða skilaloforð. Ákveðin lengd; Notaðu öruggt orðalag eins og "við munum láta þig vita eins fljótt og auðið er." Kvörtun: [texti]
4) Stýring á sanngirni hluti:
Skoðaðu eftirfarandi skiptingarviðmið: Hvaða viðskiptavinahópur gæti orðið kerfisbundið óhagstæður? Listaðu mögulegar uppsprettur hlutdrægni og stjórnunartillögur. Skilyrði: [texti]
Samanburðarmynd: Notkun gervigreindar í CRM
Leit
Hlutverk gervigreindar
Vegna trúnaðar
endanleg ákvörðun
Eftirspurnarflokkun
sjálfvirkt merki
Nafnlaus
Skoðaðu sýnishorn
Þema útdráttur
innsýn skissu
Nafnlaus
Sérfræðingar gera athugasemdir
spá um hrun
Einkunn/tillaga
lögmæt markmið
maður ákveður
Drög að svari
textadrög
Nema persónuupplýsingar
Sendir fulltrúa
Hlutaákvörðun
Tillaga
réttareftirlit
Rekstrareining + yfirumsjón
Algeng mistök
- Að gefa persónulegar upplýsingar til ökutækisins í óunnin mynd. Bein vinnsla á texta sem inniheldur nafn, símanúmer og TR auðkenni er KVKK-brot og hætta á leka.
- Sendir AI svarið beint til viðskiptavinarins. Rangar skuldbindingar og tónvillur skapa orðsporsáhættu; Staðfesting fulltrúa er skylda.
- Láta ákvörðunina um skiptingu/hluta eftir fyrirmyndinni. Sjálfvirk ákvörðun styrkir hlutdrægni; Tillagan er fyrirmyndarinnar, ákvörðunin er mannsins.
- Samþykkja fyrri gögn án spurninga. Mynstur fyrri mismununar er kennt sem "rétt"; Réttlætiseftirlit er nauðsynlegt.
- Að túlka mæligildið án samhengis. Áður en sagt er „ánægja hefur minnkað“ ættirðu að spyrja í hvaða flokki, á hvaða tímabili og hvers vegna.
Varúð: Gögn viðskiptavina eru einn daginn einkalíf raunverulegs einstaklings. Bara vegna þess að framleiðsla sé „nothæf“ réttlætir það ekki vinnslu gagna viðkomandi án verndar. Nafnleynd og takmörkun á tilgangi eru forsendur, ekki formsatriði til að sleppa vegna hraðans.
Í stuttu máli
CRM er kerfi sem safnar samskiptum viðskiptavina á einn stað og inniheldur mikið magn af persónulegum gögnum. AI skapar öflugt gildi í skiptingu, straumgreiningu og textavinnslu; Hins vegar er friðhelgi persónuupplýsinga fyrst: nafnleynd, takmörkun á tilgangi og KVKK samræmi eru nauðsynleg. Ákvarðanir um straumhvörf og hluti hafa í för með sér hættu á hlutdrægni; Tillagan tilheyrir fyrirmyndinni, ákvörðunin tilheyrir manneskjunni. Gervigreind svör til viðskiptavinarins verða ekki send án staðfestingar umboðsmanns. Gervigreind flýtir fyrir innsýn, færir mönnum ábyrgð og réttlæti.
Umsóknarverkefni
Settu upp atburðarásargreiningu fyrir áskriftarþjónustu. (1) Passaðu 5 nafnlausa viðskiptavinaprófíla (eyðsla, síðustu samskipti, fjöldi kvartana). (2) Láttu skiptingu og áhættutúlkun framleidda með öflugri vísbendingu. (3) Fyrirspurn með sanngirnisathugun hvaða hópur gæti verið ósanngjarn gagnvart að minnsta kosti einum af hlutunum sem líkanið framleiðir. (4) Láttu gervigreindina semja svar við nafnlausri kvörtun og merktu við setningarnar sem innihalda skuldbindingar. (5) Skrifaðu að þú hafir notað nafnlaus gögn í staðinn fyrir hrá gögn og hvaða reiti þú dulaðir.
gátlisti
- [ ] Ég nafngreindi persónuupplýsingar áður en ég gaf þau til tækisins.
- [ ] Ég lagði mat á tilgangstakmörkunina og KVKK samræmi.
- [ ] Ég efaðist um hlutdrægni og sanngirni í ákvörðuninni um uppsögn/hluta.
- [ ] Ég lét fólk eftir ákvörðunina; líkanið gaf aðeins tillögur.
- [ ] Ég sendi ekki drög að svörun gervigreindar án staðfestingar umboðsmanns.
- [ ] Ég merkti líka við setningarnar sem innihalda skuldbindingar.