Episode #14: Panduan Lengkap untuk Analisis Intent yang Didukung AI

Jika Anda ingin memahami pelanggan Anda, Anda perlu memahami niat mereka. Saluran modern dapat membantu. Tapi bagaimana Anda bisa menyaring dan menganalisis miliaran pesan yang dikirim setiap hari? Untungnya, bantuan ada di sini. Dalam episode hari ini, kita melihat bagaimana AI dapat membantu Anda memahami niat pelanggan, dan meningkatkan pengalaman mereka secara keseluruhan.

Semua episode podcast

Pergi sekarang

TRANSKRIP PODCAST

Ini adalah Pengalaman CXM. Dan seperti biasa, saya Grad Conn, CXO di Sprinklr. Dan hari ini kita akan memulai serangkaian diskusi yang relatif panjang seputar AI. Biarkan saya memberi tahu Anda sedikit mengapa AI itu penting. Saya akan sedikit mengungkap AI selama beberapa minggu ke depan, dan kami akan, kami akan menggali semua jenis fitur dan hal yang berbeda. Jadi itu akan menjadi sangat menyenangkan. Tapi saya ingin berbicara tentang AI pada tingkat tinggi. Dan kemudian saya ingin secara khusus fokus pada satu aspek tentang bagaimana AI digunakan di dalam Sprinklr untuk sesuatu yang disebut maksud. Dan itu tidak intens, maksudnya… seperti dalam INTENT. Seperti apa yang ingin Anda lakukan? Apa niat Anda? Jadi, maksud pengidentifikasian, dan menghidupkannya memiliki jumlah kasus penggunaan terapan yang sangat signifikan, khususnya di Layanan Pelanggan. Tidak hanya tetapi khususnya di Customer Care. Kami mungkin akan mengklik dua kali lebih banyak hari ini.

Jadi mengapa AI? Jadi, Anda telah mendengar saya berbicara jika Anda telah mendengarkan, tentang mendengarkan, belajar, dan mencintai. Inilah yang dimaksud dengan Sprinklr, yaitu mendengarkan apa yang orang katakan. Bawa miliaran percakapan yang ada di luar sana. Mereka tidak terstruktur, mereka tidak diminta. Tidak diminta itu baik. Tidak diminta itu baik, karena itulah kebenarannya. Tidak terstruktur itu sulit. Tidak terstruktur itu sulit karena Anda memiliki campuran emosi, campuran merek, campuran ide dalam satu posting. Lebih kompleks, lebih sulit untuk diurai.

Cara sebagian besar perusahaan menghadapinya hari ini adalah mereka mengabaikannya. Karena itu sulit. Sebaliknya, mereka melakukan survei, atau kelompok fokus. Ya Tuhan, saya tidak percaya orang masih melakukan kelompok fokus. Namun ada beberapa orang yang hanya melakukan survei karena lebih mudah. Mereka adalah data terstruktur, mereka dapat memasukkannya ke dalam sistem CRM, database relasional mereka tidak menyimpannya. Sangat mudah, bukan? Dan sangat bodoh. Jika ada yang belajar sesuatu dari pemilu AS, survei tidak akan berhasil. Polling adalah sampah. Umpan balik yang diminta hampir selalu tidak benar. Anda menginginkan umpan balik yang tidak diminta, itulah yang harus Anda dapatkan. Jadi itulah yang mendengarkan adalah semua tentang.

Belajar adalah apa yang akan kita habiskan banyak waktu hari ini. Karena masalahnya, hal hebat tentang menarik jutaan percakapan adalah Anda memiliki jutaan percakapan. Apa yang orang benar-benar pikirkan. Disebut suara pelanggan, tapi itu suara pelanggan yang sebenarnya karena tidak diminta. Masalahnya adalah bagaimana Anda membaca sejuta percakapan yang mencakup keseluruhan, dan mencakup emosi dan merek. Jadi saya akan menghabiskan banyak waktu untuk itu karena satu-satunya cara untuk melakukannya, satu-satunya cara untuk melakukannya adalah dengan AI. Dan Sprinklr memiliki salah satu platform AI tercanggih di dunia. Ini telah mengembangkannya selama bertahun-tahun, ini adalah salah satu investasi terbesar kami sebagai sebuah perusahaan. Kami menggunakan database besar untuk melatihnya dan basis pengguna yang besar untuk melakukan umpan balik sehari-hari tentangnya. Jadi kami memiliki platform yang luar biasa. Dan saya akan berbicara sedikit tentang bagaimana hal semacam itu menjadi hidup.

Dan tentu saja, bagian cinta datang dari setelah Anda mengetahui apa yang diinginkan orang dan apa yang mereka lakukan, Anda benar-benar dapat melakukan hal yang benar untuk mereka. Jadi izinkan saya berbicara sedikit tentang niat. Jadi izinkan saya membicarakannya terlebih dahulu, dalam konteks layanan pelanggan. Saya akan berbicara sedikit tentang beberapa tantangan yang dihadapi oleh tim perawatan hari ini. Omong-omong, jika Anda mendengar sedikit suara gonggongan di latar belakang, itu artinya anjing saya mengalami mimpi buruk. Jadi namanya Hester, anjing yang sangat lucu. Bagaimanapun, tantangan yang dihadapi oleh tim perawatan saat ini: lebih dari 50% panggilan pelanggan tidak terselesaikan atau memerlukan semacam eskalasi. 52% pelanggan menutup panggilan layanan pelanggan sebelum masalah mereka benar-benar terselesaikan. Dan 32% orang mengharapkan tanggapan mereka 30 menit, dan 50% orang mengharapkan tanggapan dalam satu jam.

Layanan Pelanggan benar-benar tidak memotong banyak metrik utama yang diharapkan orang. Lihat apa yang benar-benar ingin Anda lakukan untuk memperbaikinya yaitu Anda harus mengidentifikasi niat pelanggan teratas yang mendorong volume panggilan dan pertanyaan. Dan kemudian dapat mengaktifkan agen dengan respons berbasis AI yang didasarkan pada maksud tersebut. Dan jika Anda dapat memahami dan memproses maksud pelanggan, Anda sebenarnya dapat mempercepat respons pelanggan Anda lebih dari 99%. Jadi Anda dapat mengurangi waktu resolusi Anda dari katakanlah 10 menit atau lebih menjadi detik untuk sebagian besar pertanyaan. Jadi ini adalah salah satu hal yang paling mendasar yaitu jika Anda memahami maksud dari sebuah pesan, dan Anda dapat membedakannya dengan pembelajaran mesin, maka Anda dapat dengan cepat menghubungi seseorang dengan sesuatu yang membantu mereka memecahkan masalah mereka.

Anda tahu, AI adalah masalah besar akhir-akhir ini. 57% bisnis mengharapkan AI untuk meningkatkan pengalaman pelanggan. Itu dari Forrester. Dan sebenarnya ada pengurangan biaya 91%, yang dapat dicapai dengan mengganti agen manusia dengan agen virtual. Itu studi IBM. Anda tahu, Otomatisasi Cerdas dapat mengurangi waktu respons hingga 80%, KPMG menemukan itu. Dan EY mengatakan bahwa ada pengurangan 20X dalam persyaratan sumber daya berikutnya ketika AI digunakan dalam perawatan. 80% dari semua eksekutif mengatakan bahwa AI meningkatkan produktivitas. Dan saya terkejut itu tidak 100%. Namun yang pasti, kebanyakan orang menyadari dan mengakui bahwa AI adalah kunci penggerak masa depan.

Jadi izinkan saya berbicara tentang apa itu niat. Jadi menggunakan intuisi AI Sprinklr dapat secara otomatis mengklasifikasikan pesan untuk membantu merek lebih memahami niat pelanggan. Misalnya, seseorang mungkin mengatakan sesuatu seperti, saya membeli ini bulan lalu, baru-baru ini, berhenti bekerja dan ada lampu merah, yang terus berkedip. Di mana saya bisa mendapatkan yang baru? Itu semacam posting klasik, kan? Itu seperti, hal yang orang katakan sepanjang waktu. Sangat sulit untuk mengeluarkannya, kecuali Anda memiliki mesin AI yang sangat kuat. Karena mesin AI dapat membaca itu dan berkata, ah, seseorang membutuhkan pencari lokasi toko. Dan mereka memiliki kerusakan perangkat. Mereka menguraikan itu dan itu adalah maksud dari pesan, meskipun kata-katanya agak ceroboh. Jadi bermaksud, menganalisis pesan, dan mengidentifikasi apakah itu opini, pertanyaan, catatan pemasaran, berita, keluhan, saran, apresiasi, dan banyak lagi, banyak, banyak lagi, dan kemudian mengklasifikasikan konten ke dalam satu set kategori maksud yang telah ditentukan sebelumnya. Dan kami bekerja dengan setiap pelanggan kami untuk mencari tahu apa itu, dan mereka bisa 40, 50, 60, 100. Ada banyak maksud yang berbeda, tergantung pada mereknya.

Biarkan saya memberi Anda contoh lain. Seseorang akan mengatakan sesuatu seperti saya ingin perangkat saya diganti. Kapan toko Anda buka? Benar? Maksud di sini adalah pengaturan waktu toko. Dan lagi, penggantian perangkat, bukan? Jadi bagaimana kita mendapatkan perangkat untuk orang ini dan memberinya waktu toko. Jadi, gagasan untuk dapat menarik maksud dan mengidentifikasinya memungkinkan kami menjadi jauh lebih baik dengan perutean, karena kami tahu ke mana harus mengirim pesan, jauh lebih baik dengan manajemen respons, karena kami tahu apa yang perlu kami katakan kepada mereka. Dan kami dapat membantu agen untuk dapat merespon hal-hal dengan sangat cepat.

Jadi pada dasarnya, cara kerjanya secara teknis, jika Anda menyukai hal semacam itu, apakah ada orang lain yang memiliki pesan yang pada dasarnya mereka akan mengatakan sesuatu seperti saya membeli perangkat ini bulan lalu, dan pengisian dayanya terlalu lama sekarang, di mana saya bisa mendapatkannya diganti. Dan kemudian setiap kata dalam pesan diberi token. Jadi pesan dipecah menjadi token. Dan kemudian deteksi frase terjadi. Jadi deteksi frasa sebenarnya akan mengeluarkan kata-kata yang terkait dengan berbagai jenis maksud. Dan kemudian pada dasarnya akan ... hal-hal seperti terlalu lama mengisi daya akan menjadi frasa yang dapat Anda ekstrak dari pesan awal. Dan itu diterjemahkan ke maksud yang disebut pengisian lambat. Dan di mana saya bisa mendapatkannya diganti adalah satu set token, yang merupakan frasa, yang berarti penggantian dalam sebuah maksud. Jadi penggantian itu umumnya dianggap sebagai niat utama, karena pengisian yang lambat adalah keluhan, sedangkan penggantian adalah permintaan, bukan?

Jadi orang yang berniat akan benar-benar memprioritaskan diri mereka sendiri juga. Jadi yang bisa kita lakukan adalah mengatur hal-hal ini untuk perutean. Jadi, bergantung pada maksud yang diidentifikasi, pesan dapat dirutekan ke agen tertentu yang berspesialisasi dalam menangani jenis maksud tersebut. Anda benar-benar dapat membuat bot obrolan percakapan. Jadi mereka akan menggunakan maksud untuk memberikan balasan otomatis ke pesan milik maksud tertentu. Dan kemudian Anda juga dapat menggunakan identifikasi untuk bantuan agen. Jadi bot obrolan FAQ dapat menggunakan maksud untuk menjawab pertanyaan pelanggan yang umum ditanyakan, yang sangat membantu. Maksud saya, saya sering memiliki pertanyaan dan tidak benar-benar perlu berbicara dengan seseorang, saya hanya ingin tahu jam berapa tempat itu buka atau kapan tutup? Atau bagaimana cara memperbaikinya. Dan jika chatbot bisa melakukan itu, bagi saya, saya sudah mengatasinya.

Dan kemudian hal terbaik, tentu saja, adalah untuk pelaporan. Jadi analisis niat dapat digunakan untuk memberikan angka gabungan di sekitar intensitas yang berlaku di balik pesan pelanggan yang berbeda. Dan ini memungkinkan perusahaan untuk menerima semua pesan yang datang kepada mereka melalui semua saluran yang berbeda ini. Ingat, ini saluran modern, bukan? Ini bukan hanya sosial. Jadi, apa pun yang muncul di forum yang ada di luar sana, situs ulasan yang ada di luar sana, blog yang ada di luar sana, semua platform perpesanan yang ada di luar sana, semua platform sosial yang ada di luar sana, mengobrol di situs web Anda, semuanya bahwa hal-hal yang masuk dapat diuraikan. Dan apa yang dapat Anda lakukan adalah Anda dapat melihat, hei, inilah berbagai macam hal yang ditanyakan orang. Dan ini adalah niat utama. Jadi Anda bisa memiliki diagram lingkaran yang sangat sederhana. Dan Anda bisa memiliki, Anda tahu, sekelompok orang umumnya puas, sekelompok orang memiliki keluhan umum. Ada masalah pengiriman, masalah lokasi, masalah periklanan, masalah keranjang pembayaran, masalah karier, masalah pekerjaan, detail pesanan, informasi cabang dan toko, pertanyaan program loyalitas, salam, bantuan yang dibutuhkan, ketersediaan… terus berlanjut… permintaan maaf, lampiran, loyalitas rusak , rusak, seperti yang Anda bisa, Anda dapat menambahkan sebanyak yang Anda inginkan. Dan tergantung jenis bisnis Anda, jelas, jika Anda berada dalam bisnis jasa, Anda tidak akan melihat banyak pengganti. Tapi Anda akan melihat banyak hal yang mungkin membuat lebih baik atau membuat dos atau Anda tahu, melakukan overs dan hal-hal semacam itu.

Jadi, Anda tahu, ini bagi saya adalah salah satu hal yang lebih menarik yang datang hari ini dari Sprinklr karena Anda benar-benar dapat melihat peningkatan luar biasa dalam penyelesaian kasus, jumlah kasus yang ditangani, dan jumlah pesan masuk yang ditangani oleh bot. Jadi kami benar-benar melihat dalam satu kasus, ada akun WeChat, dan mereka bisa mendapatkan peningkatan 2,4X dalam kecepatan resolusi kasus, mereka mampu menangani 25% lebih banyak kasus, dan 1,3 juta pesan masuk, hampir 100 ribuan hanya bisa ditangani oleh bot. Dan mereka mampu melakukan defleksi kasus, dan itu sangat masuk akal. Dan saat Anda melakukan ini lebih banyak Anda menjadi lebih baik dalam hal itu. Anda menjadi lebih baik dalam mengidentifikasi maksud dan Anda menjadi lebih baik dalam memiliki tanggapan yang tepat untuk orang-orang yang mereka butuhkan.

Jadi ini adalah fitur pembelian di Sprinklr. Jika Anda tertarik, Anda tahu, hubungi kami melalui website. Dan itulah yang akan kita bicarakan hari ini di AI. Jadi aku akan sign off. Untuk Pengalaman CXM. Ini Grad Conn dan sampai jumpa besok.