Bots: test for holdbarhet
I løpet av de siste fem årene har talesyntese- og gjenkjenningsteknologier blitt flere
Muligheter for roboter i noen områdervirkelig overvurdert: for eksempel er det vanskelig for en virtuell samtalepartner å føre abstrakte dialoger, spøke og vise empati. Men mangelen på utviklet EQ og en sans for humor hindrer ikke roboter i å lykkes med å håndtere millioner av samtaler i kundesentre rundt om i verden. I følge Invesp har 67 % av forbrukerne det siste året hatt dialog med en bot minst én gang, og i 2020 økte antallet dialoger med boter med 426 %. Det er også flere og flere vellykkede tilfeller: for eksempel behandlet boten til det amerikanske jernbaneselskapet Amtrak 5 millioner forespørsler til støttetjenesten i løpet av et år og økte inntektene med en tredjedel.
Men ikke alle bedrifter klarer å dra nytte avroboter. Problemet er at bedrifter ofte lanserer en virtuell assistent "for show" og ikke integrerer den med nøkkeltjenester. Som et resultat fungerer ikke roboter effektivt nok, og ledere og markedsførere samhandler ikke med dem på noen måte og utfører oppgavene deres. Løsningen på problemet erplattform omkanals økosystemerer en ny trend i skjæringspunktet mellom AI-teknologier, ledelse og markedsføring, som endrer tilnærmingen til forretningskommunikasjon.
Økosystemelementer
Hvis et selskap utvikler tilpassede tale- og tekstassistenter, tilbyr detprodukt... Klienten bestemmer hvordan han skal bruke boten og setter opp integrasjonen selv. For eksempel fungerer Botsify og ManyChat i henhold til denne modellen.
Plattformøkosystemoperatører handler annerledes:de skaper et fundament som ulike instrumenter kan kobles til. En bot i seg selv er en "tannhjul" av en mekanisme, og et økosystem er en ferdig mekanisme med tusen av slike "tannhjul". Økosystemmodellen er utbredt i mange markeder, fra fintech til e-handel, men det er en nylig fremvekst i det virtuelle kundeservicen. Det er tre viktige funksjoner som skiller det fra et frittstående produkt.
- Økosystemet er mer stabilt.
Bedrift med en gjennomsnittlig stab på 200–500 personerbruker mer enn 120 SaaS-løsninger, og det er ikke alltid mulig å bygge synergi mellom dem. Å koble til virtuelle operatører fører ofte til enda større kaos. Startups tilbyr oftere isolerte punktløsninger: Noen lager for eksempel en skreddersydd virtuell operatør - de skriver skript og syntetiserer replikaer. Andre tilbyr kun bot-plattformer, mens andre "skruer på" faktureringssystemer. Det er ikke alltid mulig å integrere disse verktøyene i et CRM-system og "bli venner" med analysetjenester. Som et resultat kommer teknologier fra forskjellige leverandører i konflikt med hverandre og fungerer ikke effektivt nok.
Plattformleverandører tilbyr vanligvis en kombinasjonnøkkelferdige tjenester: for eksempel syntese- og gjenkjenningstjeneste, transkripsjon og varsler, samt analyse. Vanligvis gir de kunden tilgang til en personlig konto med forskjellige moduler - en ansatt kan administrere dem. I vår praksis var det tilfeller da slik overvåking gjorde det mulig å koordinere 900 personer samtidig.
Noen stemmeplattformer fungerer medlukket modell og inkluderer bare deres egen utvikling i økosystemet, andre legger inn tredjepartsløsninger i infrastrukturen - i TWIN kombinerer vi for eksempel vår egen TWIN ASR / TTS-teknologi med talegjenkjennings- og syntesesystemer fra Yandex og Google. Samtidig er vår oppgave som økosystemleverandør å sørge for at alt fungerer stabilt og greit, og at tjenestene ikke kommer i konflikt med hverandre.
- Økosystemer er bygget på omnikanal.Kunder liker ikke upersonlige samtaler ogforetrekker en personlig tilnærming, så en bot som ikke er inkludert i et enhetlig kommunikasjonssystem irriterer dem. En slik virtuell operatør ringer alltid til feil tid, bruker en upassende kommunikasjonskanal og tar generelt ikke hensyn til kundens ønsker.
Mange liker i prinsippet ikke å snakke i telefon og foretrekker budbringere: ifølge statistikk vil 55 % av forbrukerne heller bruke tjenestene til et selskap hvis de kan kontakte det via messenger.
Men hvordan forstår du hva brukerne liker?Den mest effektive måten er å måle konvertering og samle analyser. For å gjøre dette må du overvåke arbeidet til hver operatør, og dette er en lang og arbeidskrevende prosess. Akk, i Russland samler ikke opptil 80% av selskapene inn statistikk om hver ansatt og kommunikasjonskanal, så de vet ikke hva som fungerer og ikke. Å måle brukerstøttekonvertering er veldig vanskelig fordi det ikke måles ved salg og inntekt, men ved en kompleks kombinasjon av beregninger. Og for å samle dem trenger du et smart analysesystem, inkludert BI-verktøy.
I TWIN samler og tar vi hensyn til hundrevis av parametere.For eksempel ringer vi en klient og bestemmer hvilken enhet han bruker - hvis det er en smarttelefon, kan vi sende en kort SMS med en lenke til selskapets nettside, og hvis det er en trykkknapptelefon, sender vi ham detaljer i en melding. Hvis vi vet at en klient bruker Telegram, sender vi ham meldinger i messengeren og stopper generelt anrop, og bruker en tekstrobot i stedet for en stemmerobot.
Det samme prinsippet skal brukes på utsendelsevarsler. En klient som bruker en mobilapplikasjon mottar et push-varsel, og til resten sender vi en lenke til Viber, Telegram eller WhatsApp - mye avhenger av hvilken kommunikasjonskanal brukeren foretrekker og hvilke data han har gitt oss. Denne tilnærmingen er bare mulig hvis selskapet har koblet til analyseverktøy, og taleteknologileverandøren har tilgang til dem. Dette er de klassiske prinsippene for omnichannel, men nå er ikke bare virkelige operatører, men også virtuelle ansatte avhengige av dem.
- Feiltolerant arkitektur.Plattformøkosystemet består avmange moduler som er skjult "under panseret" av tjenesten. Slik mikrotjenestearkitektur hjelper leverandøren med å tilby tjenester døgnet rundt uten at det går på bekostning av kvaliteten. Siden operatøren ikke leier en eneste server, men bruker et helt nettverk av distribuerte servere og datasentre, er systemet mindre sårbart – det kan ikke overbelastes eller krasje. Hvis en modul svikter, aktiveres de andre. Og dersom kunden trenger ekstra kapasitet, kobler leverandøren til tilleggsservere og datasentre.
For teknologier basert på maskinlæring, detteet solid fundament er et must. Tenk deg hva som ville skje hvis en robotbil plutselig sluttet å gjenkjenne objekter på veien fordi "serveren ikke svarer." Når det gjelder roboter, er det viktigste at den virtuelle assistenten forblir i kontakt og konsekvent kan opprettholde en dialog med enhver samtalepartner. For å gjøre dette, når de gjenkjenner, ber robotene våre noen ganger om et svaralternativ fra flere nevrale nettverk samtidig og velger automatisk det mest relevante. Dette har også en positiv effekt på feiltoleransen. Bruk av sikkerhetskopieringssystemer, inkludert tredjepartssystemer, er en normal praksis når man utvikler løsninger basert på kunstig intelligens.
Hvordan hjelper plattformøkosystemer bedrifter?
Plattformens økosystemer gjør det enkelt å kommunisere medkunder, optimalisere prosesser og generelt bidra til markedsføring av "oppvarming". Selskapet bruker mindre tid på ineffektive samtaler, og viktigst av alt vurderer det raskere hvilke triks som fungerer og hvilke som ikke fungerer. Virtuelle operatører kutter også kostnadene - i henhold til våre beregninger koster ett minutt med stemmebotoperasjon 5-7 rubler, inkludert alle tilleggskostnader. Operatørens tjenester vil koste 10-15 rubler hvis du inngår en avtale med et tredjeparts kundesenter. Når du lager din egen CC, koster ett minutt av en ansattes arbeid 35–45 rubler. Mange selskaper vet ikke en gang hvor mye operatørens tjenester faktisk koster: de deler vanligvis arbeidstakers lønn med antall formelt bearbeidede minutter. Men ikke en eneste person jobber kontinuerlig uten pauser og nedetid, og mange kostnader blir ganske enkelt ikke tatt i betraktning: for eksempel vedlikehold av en CC, bonus og sosiale utbetalinger.
På grunn av dette blir fordelene med roboter kanskje ikke verdsattdet er det: hvis virksomheten ikke gjør analyser og sporer viktige beregninger, vil ikke stemmeøkosystemet gjøre det bra. Derfor, mens hovedkundene til omnichannel-plattformer er digital-first selskaper som har digitalisert de fleste prosessene. Banker, transport- og godstjenester og nettbutikker drar mest nytte av taletjenester. Samtidig jobber 58% av kundene i B2B-segmentet. De fleste bruker økosystemer for å effektivisere kommunikasjonen med dem: ved hjelp av virtuelle operatører genererer merkevarer potensielle kunder, øker konverteringer og reduserer støttekostnadene med i gjennomsnitt 20%.
Hva er i fremtiden for plattformens økosystemer?
Gradvis nye måter dukker opp på markedetanvendelse av taletjenester. For eksempel bruker noen mennesker roboter for å jobbe med nybegynnere og traineer, samt for å etablere intern kommunikasjon. Stemmeassistenten ringer til ansatte, sender dem invitasjoner og møtepåminnelser - både ekte og virtuell.
Økosystemer vil også koble sammen mer og mermikrotjenester - TWIN tilbyr 12 forskjellige tillegg, inkludert følelser og kjønnsgjenkjenning med stemmen. Noen eksperimenterer med aldersdefinisjoner så vel som biometri. Tillegg som forbedrer botytelsen, blir den nye standarden. For eksempel autosvargjenkjenningstjenester - med deres hjelp utfører roboter automatisk denne funksjonen og avslutter raskt dialogen.
En annen utfordring for stemmeutviklere erdet er en kontinuerlig forbedring i talegjenkjenning og syntese. For eksempel klarer vi nøyaktig å bestemme opptil 95% av den talte teksten - dette er en standard i markedet, og det er fortsatt vanskelig å overvinne den. Mange selskaper prøver å heve linjen, men hver prosent er vanskelig å få tak i. Algoritmer har allerede tatt igjen mennesker - nå er oppgaven å gå utover menneskelige evner, og dette er ikke lett.
Se også:
Abort og vitenskap: hva vil skje med barna som skal føde
Sjekk ut de vakreste bildene av Hubble. Hva har teleskopet sett på 30 år?
En kunstig gjenstand ble funnet i jordprøver fra asteroiden Ryugu. Som dette?