Nazaj na zapise
M-01·AI · CRM

Umetna inteligenca v obstoječem CRM-ju

Umetna inteligencaCRMPodatki

Kako v CRM vključimo napovedne funkcije, ne da bi pri tem zgolj avtomatizirali obstoječi nered.

FIG.Pristop
01 · IZZIVV čem je pravi problem02 · PRISTOPKako se lotimo03 · REZULTATKaj se spremeni
01 · Izziv

Ekipa ima v CRM-ju večletno zgodovino, vendar ne ve, katerim strankam se mora posvetiti najprej. Zahteva »dodajmo umetno inteligenco« pogosto privede do modela, priključenega na neurejene podatke, kar težave le še poveča.

02 · Pristop

Ne začnemo z modelom, temveč z odločitvijo, ki jo mora ekipa redno sprejemati. Najprej uredimo podatke, poiščemo najpreprostejši uporaben kazalnik, končno odločitev prepustimo človeku in rezultate primerjamo z dosedanjim načinom dela.

03 · Rezultat

Dobri predlogi so razumljivi, zato jim ekipa zaupa in jih uporablja. Model postane uporaben del dela, ne le predstavitveni prototip. Napačne predpostavke o podatkih odkrijemo zgodaj, še pred uvedbo v produkcijo.

Ta zapis prikazuje naš pristop k tovrstnemu izzivu. Ne opisuje projekta za konkretno stranko.

Kje je pravo izhodišče

Zahteva »v CRM vključimo umetno inteligenco« navadno pomeni nekaj precej bolj oprijemljivega: vedeti, katero stranko je danes smiselno poklicati. Model je zadnji korak, ne prvi. Pred njim je konkretno vprašanje, na katero ekipa vsak teden odgovarja po občutku.

Kako se lotimo

  • Najprej odločitev. Opredelimo, kdo se odloča, kdaj in na podlagi katerih podatkov. Šele nato razmislimo, kako mu lahko sistem pomaga.
  • Urejeni podatki. Podvojene zapise, prazna polja in nedosledne ročne vnose odkrijemo ter uredimo, preden začnemo učiti model.
  • Najpreprostejši uporaben kazalnik. Preprost in razložljiv model, ki mu ekipa zaupa, je koristnejši od črne skrinjice, ki ne zna pojasniti svojih predlogov.
  • Človek ima zadnjo besedo. Sistem poda predlog in razloge zanj, končno odločitev pa sprejme človek.

Kaj se spremeni

Predlogi postanejo del običajnega delovnega procesa, ne še ena aplikacija, ki je nihče ne uporablja. Ker ekipa razume razloge zanje, jim lahko zaupa. Če podatki niso dovolj kakovostni, to ugotovimo zgodaj in brez dragega uvajanja neustrezne rešitve.

Odprti za projekte

Imate podoben problem?

Povejte nam, kaj želite doseči. Iskreno vam bomo povedali, kako bi se izziva lotili in kaj predlagamo kot naslednji korak.