Bölüm #84: Verileri Sınıflandırmak ve İçgörüleri Yönlendirmek için Yapay Zeka Nasıl Kullanılır

Dün, modern kanallarda şu anda gerçekleşen milyarlarca konuşmayı nasıl keşfedeceğimizi öğrendik. Ama sonra ne? Samanlıktaki meşhur iğneleri bulmak için bu milyarlarca konuşmayı nasıl gözden geçirebilirsin? Spoiler uyarısı: Yapamazsınız. Ancak, AI yapabilir. Ve bunu inanılmaz derecede iyi yapabilir. Bugünkü bölümün tamamı, öğrendiklerinizi eyleme dönüştürülebilir içgörüler elde etmek için kullanabilmeniz için verileri sınıflandırmakla ilgilidir.

Tüm podcast bölümleri

Git şimdi

PODCAST TRANSKRİPT

Tamam, tamam, tamam. İşte CXM Experience'dayız. Ben Grad Conn CXO, Sprinklr'da deneyim şefiyim. Ve bugün keşfetme, sınıflandırma ve etkileşim kurma serimize devam ediyoruz.

Burada yaptığımız şeyin kısa bir özeti. Motive olduk, ilham aldık, bence ilham muhtemelen en iyi kelime. Belki de bugün pazarlamada bire bir yaşanan türden şeylerden dolayı heyecanlı. Biraz Marc Pritchard'dan ve onun Procter & Gamble'da bire bir kitleye olan bağlılığından bahsettim ve pazarlama iletişiminin eskiden salt yüz yüze olandan, pazarlama iletişiminin evriminden bahsettim. 20. yüzyıldaki kitle iletişiminden, 21. yüzyılda sahip olduğumuz, birebir ve aynı zamanda kitlesel olan konuşma pazarlaması olan şeye.

Bugün bir müşteriyle konuşuyordum ve onlar iki yönlü iletişimden bahsediyorlardı. Bunu koymanın bir başka harika yolu. Harika bir cümle kurdular. Çok iyi koymuştu. Ve bunu söyleyen kişinin, söylediği şekilde harika olduğunu düşündüm. Söylediği şey şuydu, işi ve uygulamaları, telefonu ve diğer tüm iletişim mekanizmalarını düşündüğünüzde, bir insanla konuştuğunuzu unutmayın. Masanın diğer ucunda oturan bir insan var. Ve bu insandan insana bağlantı gerçekten önemli olan şeydir.

Ve benim için 21. yüzyılda nereye gittiğimiz konusunda bu kadar heyecan verici olan şey bu. Marka ve müşteri arasında daha önce mümkün olmayan bir ileri ve geri iletişimi mümkün kılan bir sürü yeni iletişim türüne sahibiz. Harika zamanlar.

Toplu bire bir pazarlama platformunun çalışması için gerekenlerden biraz bahsediyoruz. Ve şu anda üç aşamamız var, bu keşif, tüm dijital kanallara çok kanallı erişime ihtiyacınız var. Sınıflandırın, ki bu milyarlarca konuşmayı alıp bir şekilde sınıflandırmak, sıralamak ve anlamlandırmak için ihtiyaç duyduğunuz şeydir. Ve sonra meşgul olmanız gerekir. Acı çeken birini duyduğunda, çözmen gerekir. Birisi mutluysa, onu büyütmeniz gerekir. Sorusu olan biri, cevaplamalısın. Bire bir.

Bence konuşma pazarlaması iyi bir kelime. Çünkü bunların çoğu normalde bir konuşmada yaptığınız şeydir. Biri sizinle konuşurken, dinlemeniz gerekir. Dinlemiyorsanız, konuşmada çok etkili olmayacaksınız. Gerçekten doğru bir şekilde anlamak için ne dediklerini çözmeniz gerekir. Ve sonra, eğer talep ederlerse veya onlara yardım etmek için yapmanız gereken bir şey varsa, ona cevap verebilmeniz gerekir.

Yani kurulum bu. Şimdi son gösteride yaptığımız şey, keşfetmek için biraz zaman harcadık ve biraz da bunun üzerinde çalıştık. Bugün, sınıflandırma konusunda biraz detaya gireceğim. Yani, bu AI hakkında bir tartışma olacak.

Bir saniyeliğine biraz yapay zeka. AI gerçekten üç şeyden oluşur. Esasen sinir ağını oluşturmak için kullanılan algoritmalar vardır. Ve bunlar aslında makul ölçüde standartlaştırılmıştır. Ve sadece algoritmalarda çok fazla farklılaşma mümkün değil. Bunlarda oldukça iyi oluyoruz. Yani bir algoritma var.

İkincisi ise eğitim seti. Yani, algoritmayı eğiteceğiniz veriler. Bu çok önemli. Buna birazdan döneceğiz. Ve sonra üçüncü parça asıl eğitimin kendisidir. Geri dönüş. AI tavsiyede bulunduğunda, eğer bu tavsiye kapalıysa, bunun tam olarak doğru olmadığını söyleyecek bir mekanizma olması gerekir. Ve böylece ayarlayabilir. Kırmızı sanmıştım ama gerçekten maviydi. Bir dahaki sefere bu tahmini yapmayacağım çünkü yanıldığımı biliyordum. Ve yolda ilerledikçe daha doğru olacağım.

Keşfetmek hakkında biraz konuştuk ve konuştuğumuz şeylerden biri de orada bulunan 400 milyon farklı veri kaynağıydı. Ve açıkçası bununla Sprinklr açısından konuşuyorum, çünkü bildiğim şey bu ve bağlam bu. Sosyal platformlardan oluşan devasa bir saman yığını var, tüm halka açık şeyler, değil mi? Forumlar, Reddit gibi şeyler, inceleme siteleri, haber siteleri, bloglar, oradaki tüm yayınlar. TV, baskı, oradaki tüm baskılar. Radyo, tüm o şeyler samanlığa yığılmış.

İşin püf noktası şu ki, o samanlıkta iğne bulmam gerekiyor. Ve oldukça karmaşık bir görev. Aslında 16 petabayttan fazla bilgiden bahsediyoruz. Ve kelimenin tam anlamıyla milyarlarca konuşma. Carl Sagan'ın dediği gibi, "milyarlarca ve milyarlarca" konuşma var. Bu nedenle, Sprinklr'da bu sorunu çözmek için yaptığımız şey, genel olarak muhtemelen dünyadaki en gelişmiş AI platformlarından biri olarak kabul ediliyoruz ve kafa kafaya yolumuza çıkan herhangi bir platformu yenecek. Biraz daha zor olan Japonca ve Çince gibi daha karmaşık dillerden bazıları da dahil olmak üzere 100'den fazla dil kapsanan sekiz AI katmanına sahibiz. Sprinklr'dan %80 doğrulukla günde 10 milyar tahmin yapılıyor. Günde 10 milyar. Ve şu anda 60 farklı endüstri dikeyinde 1.200'den biraz fazla yapay zeka modelimiz var. Yani orada neler olup bittiğine dair bir his.

Ve sonra bunu bir veritabanına yönlendiriyoruz. Ve veritabanı, burada size bir kapsam duygusu vermek için, tamam. Ve Sprinklr açıkça ortada. Demek istediğim, biz dünyanın lider CXM platformuyuz. Ve biz tüm bu tür şeylerin dünyanın önde gelen distribütörüyüz. Ve gezegendeki herkesten daha fazla bilgi çekiyoruz. Yani bu sayılar büyük sayılardır. Ama bunun nedeni, onların Sprinklr sayıları olmalarıdır. Yani CXM veritabanında her gün alınan bir milyar kayıt var. Günde 15 milyar otomasyon çalışması yapıyoruz. 600 milyar kayıt üzerinde gerçek zamanlı raporlama yapıyoruz. Ve bir milyardan fazla farklı zaman serisinde gerçek zamanlı uyarılar var. Sadece size bunun kapsamı hakkında bir fikir vermek için.

Şimdi, bununla ilgili güzel olan şey, bir kez böyle bir sisteme sahip olduğunuzda ve bunun inşa edilmesi altı ya da yedi yıl almış, çok odaklı bir çaba. Ar-Ge bütçemizin önemli bir yüzdesi ve her gün yaptığımız işin çok önemli bir kısmı. Böyle bir şey inşa ettikten sonra, onunla ne yapabilirsiniz. Ve yaptığımız harika bir şey, konum içgörüleri yapabilmenizdir. Dolayısıyla, bir fast food restoranıysanız ve konumlarınızdan hangilerinin iyi performans gösterdiğini bilmek istiyorsanız, aslında olumlu ve olumsuz duyguları farklı konumlara ayırabiliriz. Bankalar için harika, oteller için harika. Ve insanlar duygularını ifade eder, böylece neler olduğunu bilirsiniz.

Ayrıca medya içgörüleri de alabilirsiniz. Aslında Cision gibi daha geleneksel PR ile kazanılan mesaj araçlarından bazılarını değiştiriyoruz. Bu eski araçların yerini her yerde en büyük şirketlerden bazıları Sprinklr alıyor. Çünkü onlardan daha fazla bilgiye ve daha geniş bir alana erişiyoruz. Ve medyanızda neler olup bittiğine, kazandığınız medyaya dair size fikir verir. Sorunları sorun haline gelmeden önce görmenizi sağlar. Yani kriz yönetimi var. Yönetimle ilgili bir sürü şey var, işaretin kullanımı, bu tür şeyler.

Ürün bilgileri, bu çok heyecan verici bir alandır. Teknoloji şirketlerinde, donanım şirketlerinde, ambalajlı ürün şirketlerinde bir çok ürün grubuyla çalışıyoruz. Güçlü bir ürün odağına sahip kişiler, daha sonra hangi ürünleri inşa etmeleri gerektiğini ve insanların halihazırda sahip oldukları ürünler hakkında ne tür şeyler söylediğini öğrenmek için Sprinklr'ı kullanır. Büyük bir fark yaratır.

Rekabetçi anlayışlar, oldukça açık. Ama rekabet ne yapıyor? Bunun toplandığını görüyoruz ve rekabete karşı kıyaslama yapıyoruz ve nasıl çalıştıklarını ve neleri iyi yaptıklarını anlıyoruz. Bu büyük bir fark yapar. Kitle Analizleri var. Kiminle konuşuyorum? Neye önem veriyorlar? Onlar ne yapar? Nereye gidiyorlar? Beni tanımlamak için hangi kelimeleri kullanıyorlar? Beni tanımlamak için hangi emojileri kullanıyorlar? Görsel içgörüler var. Görsel anlayışlar gerçekten harika. Aslında bazı şeyleri görebiliriz. Microsoft'ta bunun birçok örneğini görüyorum, logoları göreceğimiz, ancak yazıdaki kelimeleri görmeyeceğimiz yerler. Ve biz buna tepki verebilir ve tepki verebilirdik. Bunu birçok farklı müşteri için yapıyoruz. Örneğin bazıları, örneğin bir bilgisayar kasasındaki seri numaralarını temel olarak OCR yapmak için görsel AI'mızı kullanacağız ve müşterinin kendisi yapmak zorunda kalmadan bilgisayar seri numarasını bir müşteri hizmetleri personelinin eline alabileceğiz. Ve bu sayılar çok küçük, değil mi? Bu yüzden sadece onlar için yapabilirsek çok daha iyi olur.

İnsanların metin tabanlı bir sistemi atlamaya ve elle çizilmiş el ilanları yapmaya çalıştıklarını ve partileri ve benzeri şeyleri düzenlemek için bunları yayınladıklarını görebiliriz. Bunu fark ettiğini görebilir ve sonra uyarabiliriz. Bununla da gerçekten çok büyük başarılar elde ettik. Endüstri içgörüleri. Birçok ekip, bir sektörde neler olup bittiğini anlamak için bizi kullanacak ve ardından bunu normal bir özet akışı olarak yayınlayacak ve yaptıklarımızı bir sektörde olup bitenlerin kesin kaynağına dönüştürecek.

Ve son olarak, en sevdiğim şey duygusal içgörüler. Ve duygu, birinin senin hakkında sahip olduğu duygu nedir? Reklamlarınız hakkında ne hissettiklerini nasıl hissediyorlar, neye tepki veriyorlar? Tüm bu duygusal unsurlar gerçekten çok güçlü. Duyarlılığın bir parçası olarak artık niyeti de tespit edebiliyoruz. Ve niyet, yorumlarda tespit edilmesi gerçekten önemli bir şeydir. Yani, birini doğru şekilde nasıl yönlendireceğinizi biliyorsunuz. Onları müşteri hizmetlerine veya topluluk yönetimine ya da her neyse gönderecekseniz, mesajlarının amacı gerçekten önemlidir. Ve orada çok fazla nüans ve incelik var, bu AI ayırmada gerçekten iyi.

Ve böylece, size tüm bu şeylerin akışına ve bunların içinde hareket eden tüm farklı şeylere dair hızlı bir fikir vermek için. Ve gerçekten bunu yapmak için mümkün olan en gelişmiş AI sistemlerinden birine sahip olmanız gerekiyor. Bence modern kanal yönetiminde insanların başarısız olduğunu gördüğüm yer, bunu insanlarla manuel olarak yönetmeye çalıştıkları yer. Mesajlaşmanın kapsamı ve hacmi çok yüksektir. Yani, bu 10 yıl önce işe yarayabilirdi. Ancak mesajlaşma hacmi artık o kadar yüksek ki, topluluk yöneticileriniz ve manuel müdahaleniz varsa, size gelen mesajların belki %1'ine, belki de %1'ine ulaşacaksınız. Muhtemelen o kadar da yüksek değildir. Başka türlü yönetemezsiniz, yapay zekayı ön plana çıkarmalısınız. Ve AI'nın iyi çalışmasını sağlamak için sınıflandırma, yönlendirme ve diğer tüm tür şeylere sahip olmalısınız.

Yine, toplu bire bir sistem hakkında düşünmek, belki de insanların bazen biraz duraksamasının nedenlerinden biri, kavramsal olarak, eğer yayın dünyasının zihniyetini alırsanız ve bunu bire bir uygularsanız. -tek dünya, hiçbir anlamı yok. Çünkü günümüzün yayın evreninde çoğunlukla manuel olarak pazarlama materyalleri üreten çok küçük bir ekip var. Ve sonra, bu insanlar gelen bir milyon mesaja nasıl cevap vereceklerini düşünüyorsunuz? Değiller, olmaları mümkün değil. Ve sonra insanlar pes eder ya da ellerini havaya atar.

Bu nedenle, herhangi bir toplu bire bir sistem, tüm bunları getiren, yalnızca keşfetmeye sahip olmak zorunda değil, aynı zamanda, insanların neyin ne olduğunu anlamalarını sağlamak için son derece karmaşık bir AI sistemi olması gereken sınıflandırma aşamasına sahip olmalıdır. oluyor ve cevap verebiliyor. Şimdi yine de şirkete daha fazla insan katmak zorunda kalacaksın. Ama mesele şu ki, eğer bir şeyleri doğru bir şekilde yönlendiriyorsanız ve şeyleri doğru bir şekilde sınıflandırdıysanız ve yerinde akıllı yanıtlarınız varsa, o zaman aslında daha geniş bir şekilde müşteri girdisini, geri bildirimini ve yorumunu daha geniş bir alana getirebilirsiniz. şirket. Müşteri ile daha iki yönlü bir iletişim modeline sahip olabilirsiniz. Çünkü anlamlandırılmıştır. Şirketteki herkesi topluluk yöneticisine çevirmiyorsunuz.

Bu sınıflandırmak. Yani, yarın nişan hakkında konuşacağız. Açıkçası bu gerçekten harika bir parçası. Ve bence etkileşim, aslında CXM'i CXM yapan şeydir. CXM'deki “M”dir. Ve CXM şirketi olduklarını söyleyen bir sürü insan var ama değiller. Onlar gerçekten belki de CX. Ve çoğu durumda, sadece CF - müşteri geri bildirimi. Bunun hakkında biraz konuşacağız. Ve bir platform hakkında düşündüğünüzde ve kategoriyi tanımlarken CXM'deki “M”nin neden bu kadar önemli olduğundan bahsedeceğiz.

Yani, bugün çok ciddi bir konuşmaydı. Ama bu eğlenceliydi. Bundan zevk aldım. Umarım siz de keyif almışsınızdır. "Milyarlar" kelimesinin birçok kullanımı. Ve ben de “petabayt” kullandım. Yani, bugün çok sayıda büyük sayı. Ve umarım bundan da keyif almışsınızdır. Ve yarın nişanda görüşürüz. CXM Deneyimi için. Ben Grad Conn ve bir dahaki sefere seninle konuşacağım.