Hirdetés
. Hirdetés

Mesterséges intelligencia alapú automatizált előrejelző szoftver sikeres tesztje egy hazai behajtócégnél

|

Az Xdroid Kft. magyar informatikai cég, a piacon elsősorban ügyfélszolgálatok számára kínált mesterségesintelligencia-alapú beszéd- és érzelemfelismerő megoldásairól volt ezidáig ismert (VoiceMiner, illetve külföldi piacra értékesített érzelemalapú előrejelző megoldás, a RankMiner). (x)

Hirdetés

Az idei évben az Xdroid új megoldással bővítette meglévő rendszerét, mégpedig a nagytömegű adatokon alapuló üzleti előrejelzést kínáló MorphoRank modullal, melyet sikeresen teszteltek egy hazai, behajtással foglalkozó cégnél.

Hirdetés

„Egy informatikai vezetőknek szóló konferencián találkoztunk a tartozások behajtásával foglalkozó cég képviselőjével, ahol éppen előadást tartottunk. A vezető elmondta, hogy több tízezres ügyfélkörük van, kialakult üzleti jó gyakorlatok és sztenderdek mentén zajlik a munka, de úgy érzi, megfelelő elemzésekkel támogatva tovább növelhető a behajtási hatékonyság. Ugyanakkor nincs lehetőségük nagy projektet indítani, leginkább egy, az üzleti folyamatba beilleszthető kész megoldást keresnek. Mi pedig éppen tesztkörnyezetet kerestünk az új megoldásnak” – mondta Bódogh Attila, az Xdroid Kft. ügyvezetője.

Számos hazai vállalat küzd hasonló problémákkal: a rendelkezésre álló üzleti adataikat már többé-kevésbé korszerű riportokkal, adattárházzal támogatják, de sok esetben a menedzserek leterheltsége miatt ezeket az információkat nincs lehetőségük hatékonyan felhasználni és beépíteni a folyamatokba. Klasszikus megoldás erre a szabályalapú rendszerek bevezetése, de ezek megfelelő színvonalon történő megvalósítása a legtöbb esetben speciális adatbányászati eszközöket és magasan felkészült szakértői csapatot, majd folyamatos gondozást igényel. Mindezek időigénye, költségvonzata pedig erősen behatárolja azokat az üzleti területeket, ahol ezzel valóban megéri foglalkozni.

Az Xdroid Kft. csapata ezt a piaci rést igyekezett betölteni egy automatizált eszközzel, mely adatbányászati eszközök ismerete és szakértői csapat nélkül képes konkrét cselekvési javaslatot adni nagytömegű üzleti adatok elemzésén alapulva.

Hogyan is néz ki a gyakorlatban egy ilyen megoldás? Mint mindig, a behajtási cég esetében is konkrét üzleti elképzelés volt: amennyiben meg lehetne mondani azt, hogy a megkeresés után várhatóan melyik ügyfél fog fizetni és mennyit, úgy a megkeresési sorban érdemes lenne előre venni a gyorsabban és többet fizető ügyfeleket. Ezzel nemcsak a nyitott ügyek számát és a kintlévőségek mértékét lehetne gyorsabban csökkenteni, hanem a cég cash-flow pozíciója is javulna. Az ügyfelek sorbarendezését lehetővé tevő előrejelzést az Xdroid MorphoRank eszközétől várták. Az előrejelzés itt is a korábbi és folyamatban lévő ügyfelekhez kapcsolódó üzleti adatokon alapult, az alaprendszerből minden ügyfélhez elérhető volt a kintlévőség mértéke, tartozás ideje, felszólítólevelek száma, valamint számos egyéb üzleti adat.

A hagyományos adatbányászati projektek esetében az ügyfél az adatszolgáltatásig látja a folyamatot: a szakértők innen visszavonulnak és az általuk ismert célszoftverekkel felépítenek egy „modellt”, amiben az előrejelzési tudás van. A modell építése, módosítása általában a szakértő kiváltsága, ehhez „halandó ügyfél” nem nyúlhat, ez a projektek első szakaszában még nem okoz többnyire gondot, de az idő előrehaladtával egyre inkább fáj, így vagy elviseli az ügyfél ennek költségét, vagy szép lassan az íróasztal fiókjába kerülnek az eredmények. Ezzel a klasszikus problémával szakított az Xdroid, hiszen rendszerüket az üzleti ügyfelek számára fejlesztették, ahol az adatokat akár az ügyfél is feltöltheti, majd a modellépítés automatizáltan, a motorháztető alatt zajlik.

De miért nincs így ez mindenhol? Leegyszerűsítve azért, mert egy hatékony modell építéséhez számos emberi döntést kell hozni: egyrészt számos különböző feladatra eltérő megközelítéseket, eltérő modellezési módszereket érdemes használni, másrészt sok modell külső paramétereket vár, amelyek döntő befolyással vannak a modell használhatóságára, az eredmény jóságára. Az Xdroid csapata több mint két évtizedes hang- és adatbányászati tudás birtokában, valamint a modern technológia adta lehetőségek kihasználásával ezt a problémát oldotta fel. Technológiai oldalon a rendszer az üzleti alkalmazásokban többnyire kihasználhatatlan grafikus videókártyák teljesítményét is felhasználja a működéshez. Ezzel számos matematikai művelet közel két nagyságrenddel gyorsabban tud futni. Ez nemcsak az előrejelzések pontosságát növeli, hanem hozzájárul az automatizálhatósághoz és az igényelt hardver költségének drasztikus csökkentéséhez. A szoftverplatform hangbányászati moduljaiban is alkalmazott újítással 30 gépből álló klaszter helyett egyetlen gépen is képesek feldolgozni napi több tízezer beszélgetést.

Ezen kívül több újszerű megközelítést ötvöztek a termékben, például a klasszikus ügyféladatok elemzésén túl beépítésre került a méltán népszerű kapcsolati hálózatok figyelembevétele. Utóbbi esetben nemcsak a közösségi oldalakon lévő kapcsolati hálózatunkra érdemes gondolni, telefonhívásaink vagy banki utalásainkból is rendelkezésre állhat a megfelelő információ. Ezek elemzése ma többnyire külön eszközt, speciális tudást igényel. A MorphoRankben egyedülálló módon ötvöződik a hagyományos és a kapcsolati adatok kezelése, ezzel új szintre emelve az üzleti előrejelzéseket. Az Xdroid azonban még ennél is tovább ment: rájöttek, hogy mindezek ellenére kevés cégnél áll rendelkezésre a kapcsolati információ. Emiatt a termékbe beépítettek egy automatizmust, ami kapcsolati információk hiányában a rendelkezésre álló hagyományos adatokból, az ügyfelek hasonló viselkedése alapján képes egy vagy több mesterséges kapcsolati hálózatot felépíteni, és azt az előrejelzésben felhasználni.

A konkrét tesztelés során az üzleti oldal az alaprendszerből kinyerte az adatokat, majd a szoftver segítségével sorbarendezte az ügyfeleket várható fizetési hajlandóság szerint. Az éles próbaüzem során az ügyfeleket az előrejelzésnek megfelelő javasolt sorrendben hívták vissza: azokat vették előre, akik várhatóan gyorsabban és többet fizetnek. Az ábrán az ügyfelek befizetéseinek időbeli alakulását láthatjuk. A piros színű vonal a régi, míg a kék színű vonal a szoftver előrejelzéseit figyelembe vevő módszer eredményét mutatja. A régi és az új módszer közötti százalékos különbséget a zöld vonal és a hozzá tartozó jobb oldali százaléktengely mutatja. Az új sorrend alapján megkeresett ügyfelek első tizedében több mint 50%-al nagyobb befizetést, de az első 50%-ban is áltagosan 30%-al több befizetést mértek.

 

Az esettanulmány példáján kívül számos olyan helyzet van, ahol az üzleti erőforrások a lehetséges teljes lista töredékének végrehajtását teszik lehetővé. Ekkor a szoftver további előnye is jelentkezik: a várható bevétel és a tevékenység költségeinek figyelembevételével a szoftver javaslatot ad a profitmaximalizálást jelentő halmazra.

A MorphoRank felhasználása a puszta sorbarendezésnél azonban nem áll meg. Lehetőség van arra is, hogy a lehetséges üzleti döntések közötti választást segítsük vele. Behajtás esetén ez lehet az ügyfél megkeresésének módja, de más területen is alkalmazható, például az értékesítés támogatására. Egy értékesítési kampány során nem lehet az ügyfélnek minden szolgáltatást felkínálni, érdemes a termékek közül a várhatóan legpotensebbet kiválasztani. Illetve egy termék esetében pedig sorbarendezhető az ügyfélkör aszerint, hogy várhatóan ki érdeklődik leginkább az új termék vagy szolgáltatás iránt, hogy csak azokat keressük fel a termékkel. Mivel a szoftver emberi beavatkozás nélkül, szinte valós időben képes az új adatokat felhasználni, emiatt például egy értékesítési kampány közben, online tudjuk újradefiniálni a célcsoportunkat és előrébb venni a termék iránt jobban érdeklődő potenciális vevőket. Ez a módszer megváltoztatja a hagyományos marketing-célcsoportképzésről eddig kialakult képünket is, ahol többnyire adatok elemzésén alapuló, de merev listákkal dolgoznak.

Az Xdroid idei fejlesztésével a megoldást használó cégek ezzel egyedülálló lehetőségként képesek ötvözni az ügyfeleikről elérhető beszédalapú (kulcsszavak, érzelmek, beszédstílus stb.), írásos (email-ek stb.), kapcsolati (rendelkezésre álló vagy automatikusan létrejövő), valamint klasszikus szerződéses és forgalmi adatokat, ezzel növelve saját hatékonyságukat és az ügyfélkiszolgálás minőségét egyaránt.

A platform továbbfejlesztése, bővítése azonban nem áll meg ezen a ponton. Az Xdroid a rendszert a közeljövőben olyan intelligens automatizmusokkal bővíti, amik egy meghatározott cél definiálása után képesek konkrét javaslatokat tenni a cél megvalósulása érdekében. Például az ügyfélszolgálatokon fontos minőségi mutatónak számít az ügyfél véleménye az ügyfélkiszolgálás minőségéről. Az Xdroid megoldása képes automatizáltan összefüggéseket keresni a beszélgetés menete (beszélőváltások, beszélgetési idő, szóhasználat stb.) és az értékelés eredménye között, majd minden egyes ügyintézőnek személyre szabott javaslatokat tenni a saját teljesítménye növelése érdekében. Ilyen és hasonló automatizmusok jelentősen csökkenthetik a menedzserekre, operatív vezetőkre jutó terhelést, és az objektív visszajelzéseket az ügyfélszolgálati munkatársak is szívesebben veszik.

Hirdetés
Ügyfélszolgálati változás!
0 mp. múlva automatikusan bezár Tovább az oldalra »

Úgy tűnik, AdBlockert használsz, amivel megakadályozod a reklámok megjelenítését. Amennyiben szeretnéd támogatni a munkánkat, kérjük add hozzá az oldalt a kivételek listájához, vagy támogass minket közvetlenül! További információért kattints!

Engedélyezi, hogy a https://computerworld.hu értesítéseket küldjön Önnek a kiemelt hírekről? Az értesítések bármikor kikapcsolhatók a böngésző beállításaiban.