에피소드 #14: AI 기반 의도 분석에 대한 완전한 가이드

고객을 이해하려면 고객의 의도를 이해해야 합니다. 최신 채널이 도움이 될 수 있습니다. 그러나 어떻게 매일 전송되는 수십억 개의 메시지를 살펴보고 분석할 수 있습니까? 다행히도 도움이 있습니다. 오늘 에피소드에서는 AI가 고객 의도를 이해하고 전반적인 경험을 개선하는 데 어떻게 도움이 되는지 살펴봅니다.

모든 팟캐스트 에피소드

지금 이동

팟캐스트 대본

CXM 익스피리언스입니다. 그리고 늘 그렇듯이 저는 Sprinklr의 CXO인 Grad Conn입니다. 그리고 오늘 우리는 AI에 관한 비교적 긴 일련의 토론을 시작할 것입니다. AI가 왜 중요한지 간단히 말씀드리겠습니다. 저는 앞으로 몇 주 동안 AI에 대해 조금 더 설명할 것이며, 모든 종류의 다양한 기능과 내용을 파헤칠 것입니다. 정말 재미있을 것입니다. 하지만 저는 높은 수준에서 AI에 대해 이야기하고 싶습니다. 그런 다음 Sprinklr 내에서 AI가 인텐트라는 것을 위해 어떻게 사용되는지에 대한 한 가지 측면에 특별히 초점을 맞추고 싶습니다. 그리고 그것은 강렬하지 않습니다. 그 의도는... INTENTS에서처럼. 당신은 무엇을 할 의향이 있습니까? 당신의 의도는 무엇이었습니까? 따라서 의도를 식별하고 이를 실현하는 것은 특히 고객 관리에서 적용되는 사용 사례가 매우 많습니다. 뿐만 아니라 특히 고객 관리에서. 우리는 오늘 그것을 조금 더 두 번 클릭할 것입니다.

그렇다면 왜 AI인가? 그래서 당신은 내가 듣고, 듣고, 배우고, 사랑에 대해 이야기하는 것을 들었습니다. 이것이 Sprinklr의 모든 것입니다. 사람들의 말에 귀를 기울이는 것입니다. 수십억 개의 대화를 가져오세요. 그들은 구조화되지 않았으며 요청하지 않았습니다. 요청하지 않은 것이 좋습니다. 그것이 진실이기 때문에 원치 않는 것이 좋습니다. 구조화되지 않은 것은 어렵습니다. 비정형은 하나의 게시물에 여러 감정, 브랜드, 아이디어가 혼합되어 있기 때문에 어렵습니다. 더 복잡하고 구문 분석이 더 어렵습니다.

오늘날 대부분의 기업이 이를 처리하는 방식은 여전히 ​​이를 무시하는 것입니다. 어렵기 때문이다. 대신 설문조사나 포커스 그룹을 수행합니다. 세상에, 사람들이 여전히 포커스 그룹을 하고 있다는 것이 믿기지 않습니다. 하지만 설문조사가 더 쉽기 때문에 설문조사를 하는 사람들도 있습니다. 그들은 구조화된 데이터이며 CRM 시스템에 넣을 수 있지만 관계형 데이터베이스는 이를 악용하지 않습니다. 너무 쉽죠? 그리고 너무 어리 석다. 누군가가 미국 선거에서 배운 것이 있다면 설문 조사는 작동하지 않습니다. 여론조사는 쓰레기입니다. 요청한 피드백은 거의 항상 사실이 아닙니다. 당신은 원치 않는 피드백을 원합니다. 그것이 당신이 받아야 하는 것입니다. 그래서 듣는 것이 전부입니다.

학습은 오늘 우리가 많은 시간을 할애할 내용입니다. 문제는 수백만 개의 대화를 끌어들이는 것의 가장 좋은 점은 수백만 개의 대화가 있다는 것입니다. 사람들이 정말로 생각하는 것. 이른바 고객의 소리지만, 청하지 않은 것이기에 진정한 고객의 소리다. 문제는 모든 영역을 다루고 감정과 브랜드를 다루는 백만 개의 대화를 어떻게 읽을 것인가입니다. 그래서 저는 그것에 대해 많은 시간을 할애할 것입니다. 왜냐하면 그것을 할 수 있는 유일한 방법은 AI를 사용하는 것이기 때문입니다. 그리고 Sprinklr는 세계에서 가장 정교한 AI 플랫폼 중 하나를 보유하고 있습니다. 그것은 수년간 그것을 개발해 왔으며 회사로서 우리의 가장 큰 투자 중 하나입니다. 우리는 대규모 데이터베이스를 사용하여 교육하고 대규모 사용자 기반을 사용하여 매일 피드백을 수행하고 있습니다. 그래서 우리는 놀라운 플랫폼을 가지고 있습니다. 그리고 그런 종류의 삶이 어떻게 왔는지에 대해 조금 이야기하겠습니다.

그리고 물론, 사랑의 일부는 사람들이 원하는 것과 그들이 하는 것을 식별하고 나면 실제로 그들을 위해 옳은 일을 할 수 있다는 점에서 나옵니다. 그래서 의도에 대해 조금 이야기하겠습니다. 먼저 고객 관리 맥락에서 이에 대해 이야기하겠습니다. 저는 오늘 치료 팀이 직면한 몇 가지 문제에 대해 조금 이야기하겠습니다. 그건 그렇고, 배경에서 약간의 짖는 소리가 들리면 그것은 우리 개가 악몽을 꾸고 있는 것입니다. 그래서 그녀의 이름은 헤스터, 아주 귀여운 강아지입니다. 어쨌든 오늘날 케어 팀이 직면한 문제는 50% 이상이 해결되지 않거나 일종의 에스컬레이션이 필요합니다. 고객의 52%는 문제가 실제로 해결되기 전에 고객 서비스 전화를 끊습니다. 그리고 32%의 사람들은 30분 이내에 응답을 기대하고 50%의 사람들은 1시간 이내에 응답을 기대합니다.

Customer Care는 사람들이 기대하는 많은 주요 지표에서 실제로 그것을 자르지 않습니다. 전화 및 문의의 양을 주도하는 주요 고객 의도를 식별해야 하는 문제를 해결하기 위해 실제로 수행할 수 있는 작업을 확인하십시오. 그런 다음 이러한 의도를 기반으로 하는 AI 기반 응답으로 에이전트를 활성화할 수 있습니다. 그리고 고객의 의도를 이해하고 처리할 수 있다면 실제로 고객 응답 속도를 99% 이상 높일 수 있습니다. 따라서 대부분의 문의에 대해 해결 시간을 10분 정도에서 몇 초로 줄일 수 있습니다. 메시지의 의도를 이해하고 기계 학습을 통해 이를 식별할 수 있다면 문제를 해결하는 데 도움이 되는 무언가를 가진 사람에게 매우 신속하게 연락할 수 있는 가장 기본적인 것 중 하나입니다.

요즘 AI가 대세입니다. 기업의 57%는 AI가 고객 경험을 향상시킬 것으로 기대합니다. Forrester에서 제공한 것입니다. 그리고 실제로 91%의 비용 절감이 있으며 이는 인간 에이전트를 가상 에이전트로 대체함으로써 달성할 수 있습니다. IBM의 연구입니다. KPMG는 지능형 자동화가 응답 시간을 80%까지 단축할 수 있다고 밝혔습니다. 그리고 EY는 AI가 치료에 배치될 때 후속 리소스 요구 사항이 20배 감소한다고 말합니다. 모든 경영진의 80%는 AI가 생산성을 높인다고 말합니다. 그리고 100%가 아니라는 사실에 놀랐습니다. 그러나 확실히 대부분의 사람들은 AI가 미래를 주도하는 열쇠임을 깨닫고 인식합니다.

그럼 인텐트가 무엇인지 말씀드리겠습니다. 따라서 AI Sprinklr 직관을 사용하면 브랜드가 고객의 의도를 더 잘 이해할 수 있도록 메시지를 자동으로 분류할 수 있습니다. 예를 들어, 누군가는 다음과 같이 말할 수 있습니다. 나는 이것을 지난 달에 샀습니다. 최근에 작동이 중지되었고 계속 깜박이는 빨간색 표시등이 있습니다. 어디에서 새 것을 얻을 수 있습니까? 일종의 고전적인 게시물이죠? 그런 식으로 사람들이 늘 하는 말. 정말 강력한 AI 엔진이 없다면 그것을 끌어내기가 매우 어렵습니다. AI 엔진이 그것을 읽고 아, 누군가 매장 찾기가 필요하다고 말할 수 있기 때문입니다. 그리고 그들은 장치 오작동이 있습니다. 그들은 단어가 다소 엉성하더라도 메시지의 의도를 분석합니다. 그래서 의도하고 메시지를 분석하고 의견, 쿼리, 마케팅 메모, 뉴스, 불만, 제안, 감사, 그리고 훨씬 더 많은 것을 식별한 다음 콘텐츠를 집합으로 분류합니다. 사전 정의된 의도 카테고리의. 그리고 우리는 각 고객과 협력하여 이것이 무엇인지 알아내며 40, 50, 60, 100이 될 수 있습니다. 브랜드에 따라 다양한 의도가 있을 수 있습니다.

다른 예를 들겠습니다. 누군가 내 장치를 교체하고 싶다고 말할 것입니다. 당신의 상점은 언제 열립니까? 권리? 여기서 의도는 매장 타이밍입니다. 그리고 다시, 장치 교체, 맞죠? 그렇다면 이 사람에게 장치를 제공하고 매장 시간을 얻는 방법은 무엇입니까? 의도를 뽑아내고 식별할 수 있다는 이 아이디어는 우리가 메시지를 보낼 위치를 알고 있기 때문에 라우팅을 훨씬 더 잘할 수 있게 해주고, 응답 관리에서는 우리가 그들에게 무엇을 말해야 하는지 알기 때문에 훨씬 더 잘 알 수 있습니다. 그리고 상담원이 정말 빠르게 대응할 수 있도록 도와드릴 수 있습니다.

그리고 기본적으로 기술적으로 작동하는 방식은, 당신이 그런 종류의 일에 관심이 있다면, 본질적으로 내가 지난 달에 이 기기를 구입한 것과 같은 메시지를 다른 사람이 가지고 있고 충전하는 데 너무 오래 걸린다는 것입니다. 이제 어디서 교체할 수 있습니까? 그런 다음 메시지의 각 단어가 토큰화됩니다. 따라서 메시지는 토큰으로 나뉩니다. 그런 다음 구문 감지가 발생합니다. 따라서 구문 감지는 실제로 다양한 유형의 의도와 관련된 단어를 추출합니다. 그러면 기본적으로... 충전하는 데 너무 오래 걸리는 것과 같은 것은 초기 메시지에서 추출할 수 있는 문구가 될 것입니다. 그리고 그것은 느린 충전이라는 의도로 번역됩니다. 그리고 그것을 대체할 수 있는 곳은 토큰 세트입니다. 이는 인텐트에서 대체를 의미하는 구문입니다. 느린 충전은 불만이고 교체는 요청이기 때문에 교체가 일반적으로 주요 의도로 간주됩니다.

따라서 의도에 실제로 자신도 우선 순위를 둡니다. 그리고 나서 우리가 할 수 있는 것은 라우팅을 위해 이러한 것들을 설정하는 것입니다. 따라서 식별된 의도에 따라 메시지는 해당 유형의 의도 처리를 전문으로 하는 특정 에이전트에게 라우팅될 수 있습니다. 실제로 대화형 챗봇을 만들 수 있습니다. 따라서 그들은 인텐트를 사용하여 특정 인텐트에 속한 메시지에 자동 응답을 제공합니다. 그런 다음 에이전트 지원을 위해 ID를 사용할 수도 있습니다. 따라서 FAQ 채팅 봇은 인텐트를 사용하여 고객이 자주 묻는 질문에 답변할 수 있어 정말 유용합니다. 내 말은, 나는 종종 질문이 있고 누군가와 정말로 이야기할 필요가 없습니다. 단지 그 장소가 몇 시에 문을 닫고 언제 문을 닫는지 알고 싶습니다. 또는 어떻게 고칠 수 있습니까? 그리고 챗봇이 그렇게 할 수 있다면, 저는 그걸로 충분합니다.

그리고 가장 좋은 것은 물론 보고하는 것입니다. 따라서 의도 분석을 사용하여 서로 다른 고객 메시지 이면에 숨어 있는 압도적인 강도에 대한 통합된 수치를 제공할 수 있습니다. 그리고 이를 통해 기업은 서로 다른 모든 채널을 통해 들어오는 엄청난 양의 메시지를 받아들일 수 있습니다. 최신 채널이라는 것을 기억하세요. 맞죠? 사회적인 문제만 있는 것은 아닙니다. 따라서 포럼, 리뷰 사이트, 블로그, 모든 메시징 플랫폼, 모든 소셜 플랫폼, 웹사이트 채팅, 들어오는 내용을 구문 분석할 수 있습니다. 그리고 여러분이 할 수 있는 것은 사람들이 궁금해하는 다양한 종류의 모든 것을 볼 수 있다는 것입니다. 그리고 이것이 주요 의도입니다. 따라서 아주 간단한 원형 차트를 만들 수 있습니다. 그리고 많은 사람들이 일반적으로 만족하고 있고 많은 사람들이 일반적인 불만을 가지고 있을 수 있습니다. 배송 문제, 위치 문제, 광고 문제, 장바구니 문제, 경력 문제, 작업 문제, 주문 세부 정보, 지점 및 매장 정보, 로열티 프로그램 질문, 인사말, 지원 필요, 가용성... 계속... 사과, 첨부 파일, 충성도 손상 , 깨진, 원하는 만큼 추가할 수 있습니다. 그리고 어떤 종류의 사업에 종사하느냐에 따라 분명히 서비스 사업에 종사한다면 많은 대체자를 볼 수 없을 것입니다. 하지만 당신은 더 나은 것을 만들거나 더 많은 것을 하거나 더 많이 하거나 그런 종류의 것들을 많이 보게 될 것입니다.

케이스 해결, 처리되는 케이스의 수, 처리된 인바운드 메시지의 수가 놀라운 증가를 실제로 볼 수 있기 때문에 이것은 오늘 Sprinklr에서 제공되는 더 흥미로운 것 중 하나입니다. 봇에 의해. 그래서 우리는 실제로 WeChat 계정이 있는 한 사례를 보고 있습니다. 사례 해결 속도가 2.4배 빨라지고 25% 더 많은 사례를 처리할 수 있으며 130만 개의 인바운드 메시지 중 거의 100개에 달하는 메시지를 처리할 수 있습니다. 수천 개가 봇에 의해 처리될 수 있었습니다. 그리고 그들은 케이스 편향을 할 수 있고, 그것은 많은 의미가 있습니다. 그리고 당신이 이것을 더 많이 할수록 당신은 그것을 더 잘하게 됩니다. 의도를 더 잘 식별하고 필요한 사람들에게 올바른 응답을 더 잘 받게 됩니다.

이것은 Springlr의 구매 기능입니다. 관심이 있으시면 웹 사이트를 통해 문의하십시오. 그것이 바로 오늘 우리가 AI에서 이야기할 내용입니다. 그래서 서명을 할게요. CXM 경험을 위해. Grad Conn입니다. 내일 뵙겠습니다.