Od listtopada 2022. Softline posluje pod imenom Noventiq. 

AI ima potencijal transformiranja internih poslovnih procesa i proizvoda. Međutim, nije uvijek jednostavno prenijeti njegov potencijal u konkretne pogodnosti. Podaci pomoću kojih se upravlja AI-jem najvažnija su imovina koju posjeduju moderne organizacije, a njihova je vrijednost izravno proporcionalna broju ljudi koji mogu pristupiti tim podacima, razumjeti ih, vjerovati u vjerodostojnost njihova sadržaja te ih upotrebljavati za analize. U članku u nastavku dajemo pregled nekoliko korisnih Microsoftovih primjera korištenja umjetne inteligencije u području marketinga, financija i korisničkih usluga.

Predviđanje zakašnjelih plaćanja u financijama

Približno 99 % Microsoftovih korisničkih transakcija uključuje neki oblik kredita. Raniji Microsoftov proces uključivao je kontaktiranje 90 % korisnika kojima se e-poštom slao podsjetnik za plaćanje. Međutim, kako bi se smanjilo radno opterećenje i poboljšalo korisničko iskustvo, tvrtka je željela kontaktirati samo one korisnike za koje je vjerojatno da će kasniti s plaćanjem. Timovi kontrolinga i financija udružili su se s IT-jem i stvorili model koji predviđa hoće li korisnici kasniti s plaćanjem ili ne uz točnost preko 80 %. Za stvaranje prediktivnog modela tim se koristio rješenjem Azure Machine Learning Studio i algoritmom naziva XGboost. Microsoft segmentira podatke koji se povlače iz interne baze podataka SQL poslužitelja pomoću varijabli u procesu koji se naziva „feature engineering“ inženjering značajki. Programeri utvrđuju kojim će se podacima koristiti, a zatim izrađuju kanal pomoću podataka iz baze podataka SQL poslužitelja kako bi omogućili prediktivni model. Stručnjaci za podatke usavršavaju model pomoću rješenja Azure Machine Learning Studio, a zatim povezuju podatke putem algoritma eXtreme gradient boosting (XGBoost) koji služi za stvaranje shema odlučivanja. Rezultati se ubacuju u bazu podataka SQL poslužitelja te ih se timovima odgovornim za naplatu prikazuje u izvješćima u programu Power BI.

Uz alat koji pomoću umjetne inteligencije predviđa zakašnjela plaćanja, broj korisnika kojima se šalju podsjetnici za plaćanje smanjen je s 90 na 40 %. Uz predviđanja za određene korisnike, tvrtka je naučila i da će plaćanje kompleksnih faktura najvjerojatnije kasniti, dok dugoročni korisnici i partneri s velikim obujmom usluga rijetko kasne i mogu imati značajne pogodnosti od automatizacije plaćanja.

Inteligentno ocjenjivanje potencijalnih kupaca i kvalificiranje u marketingu

Microsoftova marketinška organizacija ima do 10 milijuna potencijalnih kupaca godišnje. Tvrtka je tražila bolje rješenje za ocjenjivanje potencijalnih kupaca kako bi smanjila količinu vremena koje prodavatelji troše pri pridobivanju onih neproduktivnih. U svrhu stvaranja platforme za ocjenjivanje potencijalnih kupaca Microsoft je kombinirao znanje zaposlenika marketinga o kvaliteti potencijalnih kupaca sa stručnim znanjem o strojnom učenju koje posjeduju podatkovni stručnjaci tvrtke. Platforma sadrži tisuće varijabli za predviđanje vjerojatnosti pridobivanja potencijalnog kupca u bilo kojem prodajnom kanalu.

Za dodatno kvalificiranje potencijalnih kupaca nakon njihova pronalaska, Microsoft je stvorio modul u obliku pomoćnika za kvalificiranje potencijalnih kupaca koji se temelji na upotrebi umjetne inteligencije. Taj se modul naziva BEAM (Bot Enabled Augmented Marketing). Platforma je izgrađena na alatima strojnog učenja otvorenog koda i Microsoftovim tehnologijama uključujući Microsoft Cognitive Services, Azure Machine Learning i Azure ML Studio. Platforma radi na načelu otkrivanja namjere i konteksta u porukama e-pošte korisnika kako bi utvrdila vjerojatnost da je određeni korisnik spreman kupiti proizvode ili usluge. BEAM korisnicima šalje poruke e-pošte i ocjenjuje razinu njihove zainteresiranosti koristeći se obradom prirodnog jezika prije nego što ih usmjeri na prodaju. Potpomognut umjetnom inteligencijom model primjenjuje nekoliko algoritama strojnog učenja, dodjeljuje vrijednost svakoj podatkovnoj točki i generira ukupan numerički rezultat za pojedinog potencijalnog kupca. Podaci o ocijenjenim potencijalni kupci zatim se vraćaju u marketinški modul putem API-ja.

Microsoftova platforma za ocjenjivanje potencijalnih kupaca koja se temelji na umjetnoj inteligenciji pomogla je tvrtki da na inteligentniji način odredi potencijalne korisnike te da u konačnici poboljša stope konverzije i povrat ulaganja (ROI – Return on Investment). Korištenje umjetnom inteligencijom umjesto tradicionalnim poslovnim pravilima pomoglo je zaposlenicima u području marketinga u kvalificiranju potencijalnih kupaca i predaji manjeg broja, ali kvalitetnijih potencijalnih kupca prodajnim timovima.

Poboljšana analiza povratnih informacija korisnika

Microsoftu je bilo potrebno pronaćiu rješenje za veliku količinu povrastnih korisničkih informacija koje prima. Kako bi riješili taj problem, tvrtka je stvorila alat za „analizu sklonosti“ kojim se olakšava interpretacija korisničkih povratnih informacija i djelovanje u skladu s povratnim informacijama nakon određene transakcije. Alat analizira sklonosti kako bi utvrdioključne čimbenike koji pokreću korisničko iskustvo te determinirao prijelomne momente u kojima usluga nije ispunila očekivanja. Stil komunikacije tima za korisnike uključuje nekoliko procesa kojima se reagira na povratne informacije korisnika, uključujući sustav davanja/primanja povratnih informacija kada je u pitanju stručna podrška te oporavak korisnika.

Analiza korisničkih povratnih informacija koje se temelje na umjetnoj inteligenciji započinje evidentiranjem i pohranjivanjem korisničkih povratnih informacija iz telefonskih razgovora, poruka e-pošte i interaktivnih govornih anketa (IVR – Interactive Voice Response). Podaci iz 9 baza podatak se zatim objedinjuju pomoću integracijskih servisa SQL poslužitelja (SSIS). Rješenje obrađuje korisničke povratne informacije koristeći predefinirane modele strojnog učenja, kao što su Microsoft Machine Learning Server na R jeziku i Microsoft Translator. Uvidi se pohranjuju na SQL poslužitelju kako bi im timovi mogli pristupiti i putem nadzornih ploča sustava Power BI, a povezuju se s rješenjem Azure Dev Ops u svrhu poduke. U konačnici rezultati se prezentiraju pomoću programa za aktivaciju poput Customer Recovery Feedback i Support Professional Feedback Loop.

Alat za korisničke povratne informacije koji omogućuje umjetna inteligencija generira vrijedne uvide u kratkom vremenu, osiguravajući agentima podatke koji su im potrebni kako bi korisnicima pružili najbolju uslugu. Za korisnike koji se ponovno vraćaju pozitivna naklonost je porasla u prosjeku za 37 %, a rezultat korisničkog zadovoljstva (CSAT – Customer Satisfaction Score) povećao se za 180 % u usporedbi sa zadovoljstvom korisnika pri prvoj interakciji s Microsoftom.

Učinkovita multidisciplinarna suradnja između različitih područja ključ je dugoročnog uspjeha. Softline kao Microsoftov globalni partner ima značajno iskustvo kada su u pitanju rješenja koja omogućuje umjetna inteligencija. Zatražite savjetovanje naših stručnjaka i pozitivno iskoristite transformaciju svojih poslovnih procesa putem umjetne inteligencije. Ako želite pročitati još primjera iz područja prodaje i financija, preuzmite besplatnu e-knjigu ovdje nakon registracije.