Добивки:
- Способност да се објасни структурата на податоците за управување со односи со клиенти (CRM) и улогата на вештачката интелигенција во сегментацијата и анализата на раздвојување.
- Способност да се користи вештачка интелигенција за производство на увиди, резимеа и нацрти на одговори од текстови на клиентите, притоа придржувајќи се до ограничувањата за доверливост
- Способност за одговорно ограничување на употребата на AI во CRM со препознавање на ризиците од лични податоци, пристрасност и автоматизирани одлуки
Управување со односи со клиенти (CRM) е систем и пристап кој ги собира сите интеракции на организацијата со нејзините клиенти (продажба, поддршка, маркетинг, историја на комуникација) на едно место. Salesforce, Microsoft Dynamics, HubSpot и домашни решенија се примери. Срцето на CRM е обезбедување „приказ од 360 степени“ на секој клиент: кој што купил, кога контактирал со нив, какви поплаки имаат. Овие податоци ја насочуваат и продажбата и услугата. Сепак, овие податоци се исто така во голема мера лични податоци, кои директно ја опкружуваат употребата на вештачка интелигенција со приватноста и границите на KVKK.
Специјалистот за МИС користи вештачка интелигенција во CRM на две оски. Првата е аналитика: анализи како што се сегментација, предвидување на раздвојување, вредност за животниот век на клиентите. Вториот е обработка на текст: сумирање на барањата за поддршка, нивно класифицирање, производство на нацрти на одговори. И во двете, основното правило е исто: приватноста се оценува пред да се дадат лични податоци на алатка за вештачка интелигенција; Автоматизираните одлуки кои директно влијаат на клиентот бараат човечки надзор и право на приговор.
Сегментација и Анализа на раздвојување
Сегментацијата е процес на групирање клиенти врз основа на заеднички карактеристики: високи потрошувачи, нови клиенти, неактивни клиенти. Добрата сегментација обезбедува доставување на вистинската порака до вистинската група. Анализата на „Churn“ се обидува да предвиди кои клиенти се изложени на ризик од отфрлање (напуштање на купувањата, откажување на нивната претплата). Намалувањето на увидот директно влијае на приходите, бидејќи задржувањето клиент често е многу поевтино од стекнувањето нов.
ВИ може да произведе нацрти и толкувања на овие анализи; Сепак, треба да се земат предвид две стапици. Првата е пристрасност: моделот ги разгледува историските податоци; Ако во минатото и се посветувало малку внимание на одредена група, моделот може да научи дека групата како „недостојна“ и неправедна дискриминација е засилена. Втората е автоматска одлука: оставањето одлука како „овој клиент ќе се изгуби, ајде да ја прекинеме комуникацијата“ само на моделот е проблематично и етички и правно. Одлуката е на личноста, сугестијата му припаѓа на моделот.
Совет: Пред да ги користите резултатите од моделот на раздвојување или сегменти, прашајте „за која група може да биде неправедна оваа разлика? Поставете го прашањето. Можете дури и да ја натерате вештачката интелигенција да го постави ова прашање; но крајната проценка на правдата му припаѓа на човекот.
Увид од текстовите на клиентите: Приватност
Најбогатите, но најчувствителни податоци на CRM се бесплатниот текст: барања за поддршка, белешки за повици, е-пошта. Вештачката интелигенција е многу моќна да ги сумира, да ги категоризира и да генерира нацрти на одговори. Сепак, овие текстови може да содржат имиња, телефонски броеви, адреси, па дури и здравствени или финансиски информации. Затоа, анонимизацијата (отстранување или маскирање на полињата што идентификуваат личност) се применува пред да се нахрани текстот со алатка за вештачка интелигенција. Користењето на „Customer A“ наместо „Ahmet Yilmaz, клиент број 0532...“ ја зачувува доверливоста без губење на увидот.
Подготвувањето одговор бара и грижа: одговорот генериран од вештачката интелигенција е флуиден, но може да содржи лажно ветување („парите ќе ви бидат вратени за 24 часа“). Секој одговор до клиентот мора да биде проверен од овластениот претставник пред да биде испратен. ВИ пишува нацрт, човечки праќа.
Три мини случаи: според бројките
Случај 1 - Приватноста заштитена со анонимизација. Во банка, 20.000 барања за поддршка би биле поделени во категории. Текстовите прво беа исчистени од имиња, идентификациски броеви и броеви на сметки, форматирани во формат „Customer X“, а потоа беа дадени на AI. Точноста на класификацијата беше 91% и никакви лични податоци не влегуваа во алатката. Доколку се даде суров текст, би постоел ризик и од прекршување на KVKK и од истекување.
Случај 2 - Зајакнување на предрасудите. Во еден телеком, моделот на исклучување систематски ги означуваше клиентите во регион со мала кампања во минатото како „ниска вредност“ и не беа испратени понуди во тој регион; Загубата се зголеми. Проблемот не беше во моделот, туку со минатите пристрасни податоци и нивна примена без испрашување. По прегледот, одлуката беше ставена под човечки надзор и беше корегирана зонирањето.
Случај 3 - Погрешна посветеност на одговорот на вештачката интелигенција. Во компанија за е-трговија, вештачката интелигенција произведе одговор „вашиот производ дефинитивно ќе биде испорачан утре“ на поплака од клиент; Сепак, времето за испорака беше 3-5 дена. Претставникот го поправи нацртот и го испрати. Ако нацртот беше непроверен, погрешната посветеност ќе создаде незадоволство на клиентите и ризик за репутацијата. Нацртот на вештачката интелигенција никогаш не оди директно до клиентот.
Слаба навестување / Силен навестување
Слаба навестување:
Сумирајте ги овие поплаки од клиенти и напишете одговор.[необработени текстови: вклучувајќи име, телефон]
Ова дава лични податоци на алатката како што е и носи ризик од лажна посветеност.
Моќен потсетник:
Вашата улога: Вие сте аналитичар за искуство на клиентите. Обработете ги следните АНОНИМОЗИРАНИ барања за поддршка: - Подредете го секое барање во категорија (враќање, техничко, наплата, друго).- Извлечете заеднички теми и 3 најчести проблеми.- Доколку се побара нацрт одговор: означете ја [ПОВРДА НА АГЕНТИТЕ] секоја реченица КОЈА СОДРЖИ обврска (датум, износ, враќање); Не давајте цврсти ветувања. - Доколку видите лични податоци во текстот, предупредувајте, не дејствувајте. Барања (анонимни): [Клиент А: ..., Клиент Б: ...]
Моќниот поттик наметнува работа со анонимни податоци, означување на обврските и предупредување за истекување на лични податоци.
Четири шаблони за копирање
1) Класификација на побарувачката:
Подредете ги следните анонимни барања за поддршка во овие категории: [листа]. Наведете ја категоријата и оправдувањето со една реченица за секое барање. Кога се сомневате, напишете[НЕИЗВЕРЕНО]. Барања: [текст]
2) Екстракција на тема/увид:
Од анонимните повратни информации од клиентите подолу, извлечете ги првите 5 теми, приближната фреквенција на секоја од нив и примерен цитат. Додавање коментари кои не се засноваат на податоци. Повратни информации: [текст]
3) Нацрт одговор (отворен за потврда):
Нацртајте љубезен одговор на анонимната жалба подолу. Секоја реченица означете ја со [ПОТВРДУВАЊЕ] што содржи датум, износ или ветување за враќање. Дефинитивно времетраење; Користете безбеден јазик како „ние ќе ве информираме што е можно поскоро“. Жалба: [текст]
4) Контрола на правичност на сегментот:
Испитајте ги следните критериуми за сегментација: Која група на клиенти може да биде систематски обесправена? Наведете ги можните извори на пристрасност и предлози за контрола. Критериуми: [текст]
Табела за споредба: Користење на вештачка интелигенција во CRM
Потрага
Улогата на вештачката интелигенција
Поради доверливост
конечна одлука
Класификација на побарувачката
автоматска етикета
Анонимизирај
Преглед на примерок
Екстракција на тема
увид скица
Анонимизирај
Коментира аналитичарот
превртување предвидување
Резултат/предлог
легитимна цел
човекот одлучува
Нацрт на одговор
нацрт текст
Освен личните податоци
Испраќа претставник
Одлука за сегмент
Предлог
контрола на правдата
Деловна единица + надзор
Вообичаени грешки
- Давање лични податоци на возилото во сурова форма. Директната обработка на текстот што содржи име, телефонски број и TR ID е прекршување на KVKK и ризик од истекување.
- Испраќање на одговорот на вештачката интелигенција директно до клиентот. Лажните обврски и тонските грешки создаваат ризици за репутацијата; Задолжителна е потврда од претставник.
- Препуштање на одлуката за раздвојување/сегмент на моделот. Автоматската одлука ја зајакнува пристрасноста; Предлогот е на моделот, одлуката е на човечката.
- Прифаќање на минати податоци без прашање. Моделот на дискриминација во минатото се предава како „точен“; Неопходна е контрола на правдата.
- Толкување на метриката без контекст. Пред да кажете „задоволството е намалено“, треба да прашате во кој сегмент, во кој период и зошто.
Внимание: податоците за клиентите еден ден се приватност на вистинска личност. Само затоа што излезот е „корисен“ не ја оправдува обработката на податоците на тоа лице без заштита. Анонимизацијата и ограничувањето на целта се предуслови, а не формалностите што треба да се прескокнат заради брзината.
Сумирано
CRM е систем кој ја собира интеракцијата со клиентите на едно место и содржи голема количина на лични податоци. Вештачката интелигенција генерира моќна вредност во сегментацијата, анализата и обработката на текстот; Сепак, приватноста на личните податоци е на прво место: анонимизацијата, ограничувањето на целта и усогласеноста со KVKK се од суштинско значење. Одлуките за раздвојување и сегментирање носат ризик од пристрасност; Предлогот му припаѓа на моделот, одлуката е на личноста. Одговорите со вештачка интелигенција до клиентот нема да се испраќаат без потврда од агентот. ВИ го забрзува увидот, носи одговорност и правда кај луѓето.
Задача за апликација
Поставете сценарио за анализа на пречка за услуга за претплата. (1) Поставете 5 анонимни профили на клиенти (трошење, последна интеракција, број на поплаки). (2) Имајте сегментација и толкување на ризикот произведено со моќен промпт. (3) Прашајте со проверка на правичност која група може да биде неправедна кон барем еден од сегментите произведени од моделот. (4) Вештачката интелигенција нека подготви одговор на анонимна жалба и нека ги означи речениците што содржат обврски. (5) Напишете дека користевте анонимизирани податоци наместо необработени податоци и кои полиња сте ги маскирале.
листа за проверка
- [ ] Ги анонимизирав личните податоци пред да ги дадам на алатката.
- [ ] Го оценив ограничувањето на целта и усогласеноста со KVKK.
- [ ] Ја доведев во прашање пристрасноста и правичноста во одлуката за препуштање/сегмент.
- [ ] Одлуката им ја препуштив на луѓето; моделот произведе само предлози.
- [ ] Не испратив нацрти на одговори со вештачка интелигенција без потврда од агентот.
- [ ] Ги означив и речениците што содржат заложби.