Pelnas:
- Gebėjimas paaiškinti ryšių su klientais valdymo (CRM) duomenų struktūrą ir dirbtinio intelekto vaidmenį segmentuojant ir churn analizėje.
- Galimybė naudoti dirbtinį intelektą, kad būtų galima parengti įžvalgas, santraukas ir atsakymų juodraščius iš klientų tekstų, laikantis konfidencialumo apribojimų
- Galimybė atsakingai apriboti AI naudojimą CRM, pripažįstant asmens duomenų, šališkumo ir automatizuotų sprendimų riziką
Ryšių su klientais valdymas (CRM) – tai sistema ir metodas, kuris surenka visą organizacijos sąveiką su klientais (pardavimas, palaikymas, rinkodara, komunikacijos istorija) vienoje vietoje. „Salesforce“, „Microsoft Dynamics“, „HubSpot“ ir vietiniai sprendimai yra pavyzdžiai. CRM esmė – pateikti „360 laipsnių vaizdą“ apie kiekvieną klientą: kas ką pirko, kada su juo susisiekė, kokių nusiskundimų turi. Šie duomenys nukreipia ir pardavimą, ir aptarnavimą. Tačiau šie duomenys taip pat didžiąja dalimi yra asmens duomenys, kurie dirbtinio intelekto naudojimą tiesiogiai supa privatumo ir KVKK ribomis.
MIS specialistas CRM naudoja dirbtinį intelektą dviem ašimis. Pirmoji yra analizė: analizės, tokios kaip segmentavimas, klientų srauto numatymas, viso kliento vertė. Antrasis – teksto apdorojimas: paramos prašymų apibendrinimas, klasifikavimas, atsakymų juodraščių gamyba. Abiejuose pagrindinė taisyklė yra ta pati: privatumas įvertinamas prieš perduodant asmens duomenis dirbtinio intelekto įrankiui; Automatizuoti sprendimai, kurie tiesiogiai veikia klientą, reikalauja žmogaus priežiūros ir teisės prieštarauti.
Segmentavimas ir atmetimo analizė
Segmentavimas – tai klientų grupavimo procesas remiantis bendromis savybėmis: daug išleidžiantys, nauji klientai, neveikiantys klientai. Geras segmentavimas užtikrina, kad tinkama žinutė bus perduota tinkamai grupei. Sumažėjimo analizė bando numatyti, kuriems klientams gresia atsisakymas (atsisakyti pirkinių, atšaukti prenumeratą). Sumažėjimo įžvalga tiesiogiai prisideda prie pajamų, nes išlaikyti klientą dažnai yra daug pigiau nei įsigyti naują.
AI gali parengti šių analizių juodraščius ir interpretacijas; Tačiau reikia atsižvelgti į du spąstus. Pirmasis yra šališkumas: modelis žiūri į istorinius duomenis; Jei praeityje tam tikrai grupei buvo skiriama mažai dėmesio, modelis gali suprasti, kad ši grupė yra „neverta“ ir sustiprėja nesąžininga diskriminacija. Antrasis – automatinis sprendimas: tokį sprendimą, kaip „šis klientas pasimes, nustokime bendrauti“ palikti vien modeliui, yra problemiška ir etiškai, ir teisiškai. Sprendimas priklauso žmogui, pasiūlymas – modeliui.
Patarimas: prieš naudodami churn arba segmento modelio rezultatus paklauskite „kuriai grupei šis atskyrimas gali būti neteisingas? Užduokite klausimą. Jūs netgi galite priversti dirbtinį intelektą užduoti šį klausimą; bet galutinis teisingumo įvertinimas priklauso žmogui.
Įžvalga iš klientų tekstų: privatumas
Turtingiausi, bet jautriausi CRM duomenys yra laisvas tekstas: palaikymo užklausos, skambučių užrašai, el. AI yra labai galingas apibendrindamas juos, skirstydamas į kategorijas ir generuodamas atsakymų juodraščius. Tačiau šiuose tekstuose gali būti vardų, telefonų numerių, adresų ar net sveikatos ar finansinės informacijos. Štai kodėl prieš įvedant tekstą į AI įrankį taikomas anonimiškumas (pašalinami arba užmaskuojami laukai, identifikuojantys asmenį). Naudojant „Klientą A“, o ne „Ahmet Yilmaz, kliento numeris 0532...“, išsaugomas konfidencialumas neprarandant įžvalgos.
Rengiant atsakymą taip pat reikia atsargumo: dirbtinio intelekto sukurtas atsakymas yra sklandus, tačiau gali būti klaidingas pažadas („jūsų pinigai bus grąžinti per 24 valandas“). Kiekvieną atsakymą klientui prieš siunčiant turi patikrinti įgaliotas atstovas. AI rašo juodraštį, žmogus siunčia.
Trys mini dėklai: pagal numerius
1 atvejis – privatumas apsaugotas anoniminiu būdu. Banke 20 000 paramos užklausų būtų suskirstyta į kategorijas. Iš pradžių tekstai buvo išvalyti nuo vardų, ID numerių ir sąskaitų numerių, suformatuoti į „Kliento X“ formatą, o tada perduoti AI. Klasifikavimo tikslumas buvo 91%, o į įrankį nebuvo įtraukti jokie asmens duomenys. Jei būtų pateiktas neapdorotas tekstas, kiltų ir KVKK pažeidimo, ir nutekėjimo rizika.
2 atvejis – išankstinio nusistatymo stiprinimas. Vienoje telekomunikacijų įmonėje churn modelis sistemingai pažymėjo klientus regione, kuriame anksčiau buvo mažai kampanijų, kaip „mažos vertės“ ir į tą regioną nebuvo siunčiami jokie pasiūlymai; Nuostoliai padidėjo. Problema kilo ne dėl modelio, o dėl ankstesnių šališkų duomenų ir jų taikymo be abejonių. Po peržiūros sprendimą prižiūrėjo žmogus, o zonavimas buvo pataisytas.
3 atvejis – neteisingas AI atsako įsipareigojimas. Elektroninės prekybos įmonėje AI pateikė atsakymą „jūsų produktas tikrai bus pristatytas rytoj“ į kliento skundą; Tačiau pristatymo laikas buvo 3-5 dienos. Atstovas juodraštį pataisė ir išsiuntė. Jei projektas nebūtų buvęs patikrintas, neteisingas įsipareigojimas būtų sukelęs klientų nepasitenkinimą ir reputacijos riziką. AI juodraštis niekada nesiunčiamas tiesiai klientui.
Silpnas raginimas / stiprus raginimas
Silpnas raginimas:
Apibendrinkite šiuos klientų skundus ir parašykite atsakymą.[neapdoroti tekstai: įskaitant vardą, telefoną]
Taip įrankiui suteikiami tokie asmens duomenys, kokie yra, ir kyla klaidingo įsipareigojimo rizika.
Galingas raginimas:
Jūsų vaidmuo: esate klientų patirties analitikas.Apdorokite šias ANONIMUOTAS palaikymo užklausas:- Rūšiuokite kiekvieną užklausą į kategorijas (grąžinimas, techninė, atsiskaitymo ir kita).- Išskirkite įprastas temas ir 3 dažniausiai pasitaikančias problemas.- Jei prašoma atsakymo juodraščio: pažymėkite [AGENTS PATVIRTINIMAS] kiekvienas sakinys, KURIAME įsipareigojimą (data, suma, grąžinimas); Neduokite tvirtų pažadų. – Jei tekste matote asmens duomenis, perspėkite, nesielkite. Užklausos (anoniminės): [Klientas A: ..., Klientas B: ...]
Galingas raginimas skatina dirbti su anoniminiais duomenimis, žymėti įsipareigojimus ir įspėti apie asmens duomenų nutekėjimą.
Keturi kopijuojami šablonai
1) Paklausos klasifikacija:
Surūšiuokite šias anonimines palaikymo užklausas į šias kategorijas: [sąrašas]. Kiekvienai užklausai pateikite kategoriją ir vieno sakinio pagrindimą. Jei abejojate, parašykite [UNCERTAIN]. Prašymai: [tekstas]
2) Temos / įžvalgos ištraukimas:
Iš toliau pateiktų anoniminių klientų atsiliepimų išskirkite 5 populiariausias temas, apytikslį kiekvienos iš jų dažnumą ir citatos pavyzdį. Pridedami komentarai, kurie nėra pagrįsti duomenimis. Atsiliepimai: [tekstas]
3) Atsakymo projektas (atviras patvirtinimui):
PAGRINDIMAS mandagus atsakymas į toliau pateiktą anoniminį skundą. Pažymėkite kiekvieną sakinį [PATVIRTINIMAS], kuriame yra data, suma arba grąžinimo pažadas. Galutinė trukmė; Naudokite saugią kalbą, pvz., „mes jus informuosime kuo greičiau“. Skundas: [tekstas]
4) Segmentų teisingumo kontrolė:
Išnagrinėkite šiuos segmentavimo kriterijus: Kuri klientų grupė galėtų būti sistemingai nepalankioje padėtyje? Išvardykite galimus šališkumo šaltinius ir valdymo pasiūlymus. Kriterijai: [tekstas]
Palyginimo diagrama: AI naudojimas CRM
Quest
AI vaidmuo
Dėl konfidencialumo
galutinis sprendimas
Paklausos klasifikacija
auto etiketė
Anonimizuoti
Peržiūrėkite pavyzdį
Temos ištraukimas
įžvalgos eskizas
Anonimizuoti
Analitiko komentarai
nutekėjimo prognozė
Balas/pasiūlymas
teisėtas tikslas
žmogus nusprendžia
Atsakymo juodraštis
teksto juodraštis
Išskyrus asmens duomenis
Siunčia atstovą
Segmento sprendimas
Pasiūlymas
teisingumo kontrolė
Verslo padalinys + priežiūra
Dažnos klaidos
- Asmens duomenų pateikimas transporto priemonei neapdorota forma. Tiesioginis teksto, kuriame yra vardas, telefono numeris ir TR ID, apdorojimas yra KVKK pažeidimas ir nutekėjimo rizika.
- AI atsakymo siuntimas tiesiai klientui. Klaidingi įsipareigojimai ir toninės klaidos kelia pavojų reputacijai; Atstovo patvirtinimas yra privalomas.
- Paliekame modeliui priimti sprendimą dėl atšaukimo/segmento. Automatinis sprendimas sustiprina šališkumą; Pasiūlymas yra modelio, sprendimas yra žmogaus.
- Ankstesnių duomenų priėmimas be jokių klausimų. Praeities diskriminacijos modelis mokomas kaip „teisingas“; Būtina teisingumo kontrolė.
- Metrikos interpretavimas be konteksto. Prieš sakydami „pasitenkinimas sumažėjo“, reikėtų paklausti, kuriame segmente, kuriuo laikotarpiu ir kodėl.
Atsargiai: Kliento duomenys vieną dieną yra tikro asmens privatumas. Vien todėl, kad išvestis yra „naudinga“, nepateisina to asmens duomenų tvarkymo be apsaugos. Anonimiškumas ir tikslo ribojimas yra būtinos sąlygos, o ne formalumai, kuriuos reikia praleisti dėl greičio.
Apibendrinant
CRM – tai sistema, kuri renka klientų sąveiką vienoje vietoje ir talpina didelį kiekį asmeninių duomenų. AI sukuria galingą vertę segmentuojant, analizuojant ir apdorojant tekstą; Tačiau asmens duomenų privatumas yra pirmoje vietoje: anonimiškumas, tikslo ribojimas ir KVKK laikymasis yra labai svarbūs. Priimant sprendimus dėl atsisakymo ir segmentų kyla šališkumo rizika; Pasiūlymas priklauso modeliui, sprendimas – žmogui. AI atsakymai klientui nebus siunčiami be agento patvirtinimo. AI pagreitina įžvalgą, suteikia žmonėms atsakomybę ir teisingumą.
Taikymo užduotis
Nustatykite prenumeratos paslaugos dingimo analizės scenarijų. (1) Tinka 5 anoniminiams klientų profiliams (išlaidos, paskutinė sąveika, skundų skaičius). (2) Turėkite segmentavimo ir rizikos interpretaciją, sukurtą naudojant galingą raginimą. (3) Atlikdami teisingumo patikrinimą užklauskite, kuri grupė gali būti nesąžininga bent vienam iš modelio sukurtų segmentų. (4) Paprašykite AI parengti atsakymo į anoniminį skundą projektą ir pažymėti sakinius, kuriuose yra įsipareigojimų. (5) Parašykite, kad vietoj neapdorotų duomenų naudojote anoniminius duomenis ir kokius laukus užmaskavote.
kontrolinis sąrašas
- [ ] Asmeninius duomenis anonimizuojau prieš pateikdamas juos įrankiui.
- [ ] Įvertinau paskirties apribojimą ir KVKK atitiktį.
- [ ] Aš suabejojau šališkumu ir teisingumu priimant sprendimą dėl atsisakymo / segmento.
- [ ] Palikau spręsti žmonėms; modelis pateikė tik pasiūlymus.
- [ ] Nesiunčiau AI atsakymų juodraščių be agento patvirtinimo.
- [ ] Taip pat pažymėjau sakinius, kuriuose yra įsipareigojimų.