1
Umjetna se inteligencija polako uvlači u sve segmente svakodnevnog života. Područje interakcije sa klijentima (kontaktni centri) ima svoje primjere implementacije umjetne inteligencije.
Ono što prvo pada na pamet su svakako chat-botovi, bilo kroz tekstualno ili govorno sučelje. Ovakvi botovi uče iz razgovora (ili „razgovora“) s klijentima te nalaze načine kako mogu pomoći klijentima. Kako svi pričaju o „botovima“ u ovom članku bih pisao o drugim načinima korištenja umjetne inteligencija.
Jedno od područja primjene umjetne inteligencije je učenje iz velike količine strukturiranih ili nestrukturiranih podataka. Na primjer podataka o interakcijama u kontaktnom centru, objava na društvenim mrežama, snimljenih razgovora, transakcija i slično.
Znam te!
Informacije koje imamo o našim klijentima ne nalaze se samo u jednom sustavu. I ne samo to - činjenica je da danas posjedujemo informacije o korisniku koje nisu strukturirane. To dodatno otežava razumijevanje tko je naš korisnik. Čak i ako uspijemo integrirati sve sustave i učinimo informacije dostupnima, to ne znači da će agent u djeliću sekunde znati sve što treba znati o klijentu koji mu je „stigao“ u slušalicu.
Sažetak i karakteristike pozivatelja mogu pomoći agentu u identifikaciji stvarnog problema, u odabiru pristupa u komunikaciji te u identifikaciji prodajnih potencijala. I naravno da to ne može biti jednodimenzionalno već trebamo u višedimenzionalnom sustavu „opisati“ našeg korisnika.
Primjeri kako ga možemo opisati mogu biti:
- stari korisnik
- postoji 70% šansa da će otići od nas u sljedećih 6 mjeseci
- preferira komunikaciju iza 20:00
Umjetna inteligencija može upravo to. Određene strukturirane i nestrukturiranje podatke, te ponašanja korisnika povezati sa karakteristikama koje su nama bitne. Umjetna inteligencija može sama naučiti kako.
Ovakav način opisivanja korisnika ima prednost nad klasičnom segmentacijom jer:
- nisu fiksno definirana pravila već se sustav razvija i uči
- višedimenzionalnost - odnosno ne odnosi se samo na veličinu klijenta, veličinu prodaje i potencijal već možemo analizirati korisnike po bilo kojoj karakteristici
- događa se u realnom vremenu što je posebno bitno jer je korisnik upravo obavio transakciju na internetu što agent mora znati
Ne manje bitna stvar kada sustav umjetne inteligencije upozna našeg korisnika je mogućnost predlaganja rješenja za njega. Na primjer, ako sustav umjetne inteligencije zna da model televizije koji je korisnik od nas kupio nema mogućnost spajanja na WiFi tada kad korisnik nazove jer ima problema sa spajanjem televizora na internet, neće predlagati provjeru postavki WiFi-a na televizoru. Sustav će predložiti nešto što je primjenjivo za konkretnu situaciju.
U ovoj implementaciji umjetne inteligencije pomažemo agentu da razumije tko je klijent sa kojim komunicira te kako mu pomoći. Time ujednačavamo kvalitetu usluge koju naši agenti pružaju i olakšavamo obuku agenata, a istovremeno povećavamo broj zadataka koje agent može odraditi za klijenta.
U sljedećem dijelu ovog teksta bit će govora o tome kako znati da će nas klijent kontaktirati te kontaktirati njega prije.
