Episódio 84: Como usar a IA para classificar dados e gerar insights

Ontem aprendemos a descobrir os bilhões de conversas que acontecem agora nos canais modernos. Mas então o que? Como você pode peneirar esses bilhões de conversas para encontrar as proverbiais agulhas no palheiro? Alerta de spoiler: você não pode. Mas, a IA pode. E pode fazê-lo incrivelmente bem. O episódio de hoje é sobre classificar os dados para que você possa usar o que aprendeu para gerar insights acionáveis.

Todos os episódios de podcast

Vá agora

TRANSCRIÇÃO DO PODCAST

Ok, ok, ok. Aqui estamos na Experiência CXM. Sou Grad Conn CXO, diretor de experiência da Sprinklr. E hoje continuamos nossa série sobre descobrir, classificar e engajar.

Uma rápida recapitulação do que estamos fazendo aqui. Estamos motivados, inspirados, acho que inspirado é provavelmente a melhor palavra. Talvez animado, pelos tipos de coisas que estão acontecendo no marketing hoje, em torno de um para um. Falei um pouco sobre Marc Pritchard, e seu compromisso com o one-on-one em massa na Procter & Gamble, e falei sobre a evolução das comunicações de marketing do que costumava ser um cara-a-cara puro, para comunicação de massa no século 20, para o que temos agora no século 21, que é o marketing de conversação, que é um a um e de massa ao mesmo tempo.

Eu estava conversando com um cliente hoje, e eles falariam sobre comunicação bidirecional. Outra ótima maneira de colocar isso. Eles tinham uma grande frase. Foi tão bem colocado. E eu pensei que a pessoa que disse isso era brilhante do jeito que ela colocou. O que ela disse foi, não se esqueça que quando você pensa além dos negócios, e pensa além dos aplicativos, e pensa além do telefone e de todos os outros mecanismos de comunicação, lembre-se de que está falando com um humano. Há um humano sentado do outro lado da mesa. E essa conexão de humano para humano é o que realmente conta.

E isso é para mim o que é tão emocionante sobre para onde estamos indo no século 21. Temos um monte de novos tipos de comunicação que permitem um vai-e-vem que antes não era possível entre marca e cliente. Tempos tão bons.

Estamos falando um pouco sobre o que é preciso para fazer uma plataforma de marketing individual em massa funcionar. E temos três estágios agora, que é descobrir, que é você precisa de acesso omnicanal a todos os canais digitais. Classificar, ou seja, você precisa ser capaz de pegar todos esses bilhões de conversas e de alguma forma classificá-las e classificá-las e entendê-las. E então você precisa se envolver. Quando você ouve alguém com dor, você precisa resolver. Se alguém está feliz, você precisa amplificá-lo. Alguém que tem uma pergunta, você precisa responder. Um a um.

Acho que marketing de conversação é uma boa palavra. Porque muito disso é o que você normalmente faz em uma conversa. Quando alguém está falando com você, você precisa ouvir. Se você não estiver ouvindo, não será muito eficaz na conversa. Você precisa entender o que eles estão dizendo para realmente entendê-lo corretamente. E então, se eles pedirem ou se houver algo que você precise fazer para ajudá-los, você precisa ser capaz de responder a isso.

Então essa é a configuração. Agora, o que fizemos no último show foi que passamos um pouco de tempo descobrindo, e nos aprofundamos um pouco nisso. Hoje, vou detalhar um pouco a classificação. Então, esta será uma discussão sobre IA.

Um pouco sobre IA por um segundo. A IA é realmente composta de três coisas. Existem os algoritmos que são usados ​​para criar essencialmente a rede neural. E esses são realmente razoavelmente padronizados. E não há muita diferenciação possível apenas nos algoritmos. Estamos ficando muito bons nisso. Então, há o algoritmo.

A segunda coisa é o conjunto de treinamento. Então, os dados com os quais você treinará o algoritmo. Isso é muito importante. Voltaremos a isso em um segundo. E então a terceira parte é o treinamento propriamente dito. O retorno. Quando a IA faz a recomendação, se essa recomendação estiver errada, é preciso haver um mecanismo para dizer que isso não está certo. E assim ele pode se ajustar. Eu pensei que era vermelho, mas era realmente azul. Da próxima vez, não farei essa previsão, porque sabia que estava errado. E serei mais preciso à medida que descemos o caminho.

Conversamos um pouco sobre descoberta, e uma das coisas sobre as quais falamos foram as 400 milhões de fontes de dados diferentes que existem. E obviamente falo sobre isso do ponto de vista da Sprinklr, porque é isso que eu sei e esse é o contexto. Você tem esse palheiro gigante de coisas compostas de plataformas sociais, todas as coisas públicas, certo? Fóruns, coisas como Reddit, sites de resenhas, sites de notícias, blogs, todas as transmissões que estão por aí. TV, impressos, todos os impressos que estão por aí. Rádio, tudo isso está empilhado no palheiro.

Agora, o truque é que preciso encontrar agulhas naquele palheiro. E é uma tarefa razoavelmente complexa. Na verdade, estamos falando de mais de 16 petabytes de informação. E literalmente bilhões de conversas. Como diria Carl Sagan, “bilhões e bilhões” de conversas por aí. E assim, o que fizemos na Sprinklr para resolver esse problema, e geralmente somos considerados provavelmente uma das plataformas de IA mais sofisticadas do mundo, e frente a frente vencerá qualquer plataforma que surja em nosso caminho. Temos oito camadas de IA, mais de 100 idiomas sendo abordados, incluindo alguns dos idiomas mais complexos, como japonês e chinês, que são um pouco mais complicados. Existem 10 bilhões de previsões por dia, com uma precisão de 80% saindo do Sprinklr. 10 bilhões por dia. E agora temos um pouco mais de 1.200 modelos de IA em 60 diferentes setores da indústria. Então essa é uma noção do que está acontecendo lá.

E então encaminhamos isso para um banco de dados. E o banco de dados, só para dar uma noção do escopo aqui, ok. E Sprinklr é, obviamente, muito lá fora. Quero dizer, somos a plataforma CXM líder mundial. E nós somos o distribuidor líder mundial de todo esse tipo de coisa. E estamos coletando mais informações do que qualquer outra pessoa no planeta. Então esses números são números grandes. Mas isso é porque eles são números da Sprinklr. Portanto, no banco de dados CXM, há um bilhão de registros ingeridos por dia. Fazemos 15 bilhões de execuções de automação por dia. Fazemos relatórios em tempo real de 600 bilhões de registros. E há alertas em tempo real em mais de um bilhão de séries temporais diferentes. Só para dar uma noção do alcance disso.

Agora, o que é legal sobre isso é que quando você tem um sistema como esse funcionando, e isso levou seis ou sete anos para ser construído, um esforço muito focado. Uma porcentagem significativa do nosso orçamento de P&D e uma parte muito significativa do que fazemos todos os dias. Depois de construir algo assim, o que você pode fazer com isso. E uma coisa que fazemos, o que é ótimo, é que você pode fazer insights de localização. Portanto, se você é um restaurante de fast food e deseja saber quais de seus locais estão com bom desempenho, podemos isolar o sentimento, positivo e negativo, em locais diferentes. É ótimo para bancos, é ótimo para hotéis. E as pessoas expressam seus sentimentos, então você sabe o que está acontecendo.

Você também pode obter insights de mídia. Na verdade, estamos substituindo algumas das ferramentas de mensagens ganhas de relações públicas mais tradicionais, como o Cision. Essas ferramentas mais antigas estão sendo substituídas pela Sprinklr, em todos os lugares, por algumas das maiores empresas. Porque acessamos mais informações e de forma mais ampla do que eles podem. E dá a você uma visão do que está acontecendo em sua mídia, sua mídia conquistada. Ele permite que você veja os problemas antes que eles se tornem um problema. Portanto, há gerenciamento de crise. Há um monte de coisas sobre governança, o uso de marca, esse tipo de coisa.

Insights de produtos, esta é uma área muito interessante. Estamos trabalhando com muitos grupos de produtos em empresas de tecnologia, empresas de hardware, empresas de produtos embalados. As pessoas que têm um forte foco no produto usam o Sprinklr para descobrir quais coisas devem construir em seguida e que tipo de coisas as pessoas estão dizendo sobre os produtos que já possuem. Faz uma enorme diferença.

Insights competitivos, é bastante óbvio. Mas o que a concorrência está fazendo? E vemos isso acumulado e comparamos com a concorrência, e entendemos como eles estão trabalhando e o que fazem bem. Isso faz uma grande diferença. Há informações do público. Com quem estou falando? Com o que eles se importam? O que eles fazem? Onde eles vão? Que palavras eles usam para me descrever? Que emojis eles usam para me descrever? Há insights visuais. Insights visuais são muito legais. Podemos realmente ver as coisas. Vejo muitos exemplos disso na Microsoft, onde veríamos os logotipos, mas não veríamos palavras no post. E seríamos capazes de reagir e responder a isso. Fazemos isso para muitos clientes diferentes. Alguns, por exemplo, usaremos nossa IA visual para basicamente números de série de OCR em, digamos, um gabinete de computador, e conseguiremos colocar o número de série do computador nas mãos de uma pessoa de atendimento ao cliente sem que o cliente tenha que fazer isso sozinho. E esses números são minúsculos, certo? Então seria muito melhor se pudéssemos fazer isso por eles.

Podemos ver quando as pessoas estão tentando contornar um sistema baseado em texto e fazer panfletos desenhados à mão e publicá-los para organizar festas e coisas assim. Podemos ver que reconhecê-lo e então ser capaz de alertar. Tivemos muito sucesso com isso também. Insights do setor. Muitas equipes nos usarão para descobrir o que está acontecendo em um setor e publicar isso como um feed regular e transformar o que estamos fazendo na fonte definitiva do que está acontecendo em um setor.

E então, finalmente, o meu favorito é a percepção de sentimentos. E o sentimento é, qual é o sentimento que alguém tem sobre você? Como eles se sentem em relação aos seus anúncios, a que eles estão reagindo? Todos esses elementos emocionais são muito, muito poderosos. Como parte do sentimento, agora também podemos detectar a intenção. E a intenção é uma coisa muito importante para detectar nos comentários. Então, você sabe como encaminhar alguém corretamente. Se você vai enviá-los para o atendimento ao cliente, ou para o gerenciamento da comunidade, ou seja lá o que for, a intenção da mensagem é realmente importante. E há muitas nuances e sutilezas, que a IA é muito boa em separar.

E assim, apenas para dar uma noção rápida do fluxo de todas essas coisas e de todas as coisas diferentes que estão se movendo por elas. E você realmente precisa ter um dos sistemas de IA mais avançados possíveis para fazer isso. Acho que onde vejo as pessoas falharem no gerenciamento de canais moderno é onde elas tentam gerenciá-lo manualmente com seres humanos. O escopo e o volume de mensagens são muito altos. Quero dizer, isso poderia ter funcionado 10 anos atrás. Mas o volume de mensagens é tão alto agora que, se você tiver gerentes de comunidade e intervenção manual, talvez chegue a 1% - talvez 1% das mensagens chegando até você. Provavelmente nem tão alto. Você simplesmente não pode gerenciá-lo de outra maneira, você precisa colocar a IA em primeiro plano. E você precisa ter a classificação e o roteamento e todos os outros tipos de coisas que a IA faz para que funcione bem.

Mais uma vez, pensando em um sistema de massa de um para um, talvez uma das razões pelas quais as pessoas às vezes se recusam um pouco, é que conceitualmente, se você pegar a mentalidade do mundo da transmissão e aplicá-la ao -um mundo, não faz nenhum sentido. Porque há uma equipe muito pequena de pessoas, principalmente produzindo manualmente materiais de marketing no universo de transmissão de hoje. E então você pensa, como essas pessoas vão responder a um milhão de mensagens recebidas? Bem, eles não são, não há como eles podem. E então as pessoas desistem ou jogam as mãos para o ar.

É por isso que qualquer sistema um-para-um em massa precisa não apenas descobrir, o que traz todas essas coisas, mas também o estágio de classificação, que precisa ser um sistema de IA profundamente sofisticado, para permitir que as pessoas entendam o que está acontecendo. acontecendo e ser capaz de responder. Agora você ainda vai ter que envolver mais pessoas na empresa. Mas a questão é que, se você está roteando as coisas corretamente, se as coisas estão classificadas corretamente e se você também tem respostas inteligentes, então você pode realmente trazer a entrada do cliente, feedback e comentários para a empresa. Você pode ter um padrão de comunicação mais bidirecional com o cliente. Porque foi feito sentido. Não é como se você estivesse transformando todos na empresa em gerentes de comunidade.

Isso é classificar. Então, vamos falar sobre engajamento amanhã. É obviamente a parte muito legal disso. E acho que engajar é realmente o que torna CXM, CXM. É o “M” em CXM. E há um monte de gente por aí dizendo que são empresas CXM, mas não são. Eles são apenas talvez CX. E são, em muitos casos, apenas CF — feedback do cliente. Vamos falar um pouco sobre isso. E falaremos sobre por que o “M” em CXM é tão importante quando você pensa em uma plataforma e na definição da categoria.

Então, essa foi uma conversa muito séria hoje. Mas isso foi divertido. Eu gostei disso. Espero que você tenha gostado também. Muito do uso da palavra “bilhões”. E eu usei “petabytes” também. Então, muitos números grandes hoje. E espero que você tenha gostado disso também. E vejo você amanhã, no noivado. Para a experiência CXM. Eu sou Grad Conn e falarei com você na próxima vez.