Как ИИ и машинное обучение улучшают качество обслуживания клиентов

Что могут сделать искусственный интеллект (AI) и машинное обучение (ML) для улучшения качества обслуживания клиентов? AI и ML уже активно участвуют в онлайн-покупках с самого начала онлайн-покупок. Вы не можете использовать Amazon или любой другой сервис покупок без получения рекомендаций, которые часто персонализируются на основе понимания продавцом ваших особенностей: истории покупок, истории просмотров и, возможно, многого другого. Amazon и другие интернет-компании хотели бы изобрести цифровую версию (возможно, мифического) продавца, который знает вас и ваши вкусы и может безошибочно направить вас к продуктам, которые вам понравятся.

Все начинается с данных

Чтобы сделать это видение реальностью, нам нужно начать с тяжелой работы на заднем плане. Кто ваши клиенты? Вы действительно знаете, кто они? Все клиенты оставляют после себя след данных, но этот след данных представляет собой последовательность фрагментов, и эти фрагменты трудно связать друг с другом. Если у одного клиента несколько аккаунтов, подскажите? Если у клиента есть отдельные учетные записи для служебного и личного использования, можете ли вы связать их? И если организация использует много разных имен (мы помним презентацию, в которой кто-то говорил о сотнях имен - в буквальном смысле - разрешенных для IBM), можете ли вы найти единственную организацию, ответственную за них? Опыт клиентов начинается с точного понимания того, кто ваши клиенты и как они связаны. Очистка списков клиентов для устранения дубликатов называется разрешением объекта; Раньше это была сфера деятельности крупных компаний, которые могли позволить себе значительные группы данных. Сейчас мы наблюдаем демократизацию разрешения образований: сейчас стартапы, которые предоставляют программное обеспечение и сервисы для разрешения сущностей, которые подходят для малых и средних организаций.

Как только вы узнаете, кто ваши клиенты, вы должны спросить, насколько хорошо вы их знаете. Получение целостного взгляда на действия клиента имеет решающее значение для понимания его потребностей. Какие данные у вас есть о них, и как вы их используете? ML и AI теперь используются в качестве инструментов сбора данных: при обработке потоков данных, поступающих от датчиков, приложений и других источников. Сбор данных о клиентах может быть навязчивым и этически сомнительным; по мере того, как вы будете понимать своих клиентов, убедитесь, что у вас есть их согласие и что вы не ставите под угрозу их конфиденциальность.

ML принципиально не отличается от любого другого вида вычислений: правило «мусор в мусоре» все еще применяется. Если ваши данные о тренировке низкого качества, ваши результаты будут плохими. По мере роста числа источников данных увеличивается число потенциальных полей данных и переменных, а также вероятность ошибок: ошибки транскрипции, типографские ошибки и т. д. В прошлом, возможно, было возможно вручную исправить и восстановить данные, но исправление данных вручную является склонной к ошибкам и утомительной задачей, которая продолжает занимать большинство ученых данных . Как и в случае с разрешением объектов, качество данных и восстановление данных стали предметом недавних исследований, и начинает появляться новый набор инструментов машинного обучения для автоматизации очистки данных .

Машинное обучение и ИИ автоматизируют множество различных корпоративных задач и рабочих процессов, включая взаимодействие с клиентами. Мы все испытали чат-ботов, которые автоматизируют различные аспекты обслуживания клиентов. Пока что чат-боты больше раздражают, чем помогают, хотя хорошо продуманные, простые «часто задаваемые вопросы» боты могут привести к хорошим показателям привлечения клиентов. Но мы находимся только на ранних стадиях обработки и понимания естественного языка - и в прошлом году мы видели много прорывов . По мере того, как улучшается наша способность создавать сложные языковые модели, мы увидим, как чат-боты проходят через ряд этапов.: от предоставления уведомлений до управления простыми сценариями вопросов и ответов, до понимания контекста и участия в простых диалогах и, наконец, до личных помощников, которые «осведомлены» о потребностях своих пользователей. Поскольку чат-роботы улучшаются, мы ожидаем, что они станут неотъемлемой частью обслуживания клиентов, а не просто досадой, с которой вам придется работать, чтобы добраться до человека. И для того, чтобы чат-роботы достигли этого уровня производительности, они должны будут включать рекомендации и персонализацию в реальном времени. Им нужно будет понимать как клиентов, так и человека.

Обнаружение мошенничества является еще одной технологией, которая в настоящее время переваривает машинное обучение. Обнаружение мошенничества ведет постоянную битву между хорошими парнями и преступниками, и ставки постоянно увеличиваются. Художники-мошенники изобретают более изощренные методы для онлайн-преступлений. Мошенничество больше не является личным: оно автоматизировано, как в случае с ботом, который скупает все билеты на события, чтобы они могли быть перепроданы спекулянтами. Как мы видели на многих недавних выборах, преступникам легко проникнуть в социальные сети, создав бота, который заполняет разговоры автоматическими ответами. Гораздо сложнее обнаружить этих ботов и заблокировать их в режиме реального времени. Это возможно только при машинном обучении, и даже тогда это сложная проблема, которая решается только частично.

Достижения в области речевых технологий и обнаружения эмоций еще больше уменьшат трения в автоматизированном взаимодействии с клиентами. Мультимодальные модели, сочетающие различные виды входных данных (аудио, текст, зрение), позволят соответствующим образом реагировать на запросы клиентов; клиенты могут показать вам, что они хотят, или отправить видео в реальном времени о проблеме, с которой они сталкиваются. В то время как взаимодействие между людьми и роботами часто ставит пользователей в жуткую «жуткую долину», можно с уверенностью сказать, что клиенты будущего будут чувствовать себя более комфортно с роботами, чем мы сейчас.

Но если мы собираемся доставить клиентов на другую сторону жуткой долины, мы также должны уважать то, что они ценят. Приложения AI и ML, которые влияют на клиентов, должны соблюдать конфиденциальность ; они должны быть в безопасности ; и они должны быть честными и беспристрастными. Ни одна из этих задач не является простой, но технология не улучшит качество обслуживания клиентов, если клиенты в конечном итоге почувствуют себя оскорбленными. Результат может быть более эффективным, но это плохой компромисс.

Что машинное обучение и искусственный интеллект сделают для удобства клиентов? Это уже много сделано. Но есть гораздо больше, что он может сделать - и что он должен сделать - в создании бесперебойного обслуживания клиентов в будущем.