딥 러닝 대 기계 학습 및 브랜드가 고객 서비스에 사용하는 방법
인공 지능이 인간 고객의 삶을 어떻게 개선할 수 있습니까? 물어봐주셔서 기뻐요! 실제로 차갑고 무심한 기계는 고객이 내부를 따뜻하고 흐릿하게 느끼게 할 수 있습니다.
AI를 사용하여 고객 서비스 담당자는 고객 서비스 노력을 개선하고 확장할 수 있습니다. 그러나 AI는 고객 서비스 게임이 우리 눈앞에서 어떻게 변하고 있는지를 반영한다는 점도 알아야 합니다.
이 게시물에서는 고객 서비스, 딥 러닝 및 머신 러닝 CS 프로세스에 AI를 적용하고 기술을 사용하여 고객 경험을 개선하는 브랜드의 예에 대해 알아봅니다.
고객 서비스의 AI
인공 지능은 고객 서비스 운영의 중요한 부분이 되고 있습니다. 기계 학습, 자연어 처리 및 음성 인식과 같은 프로세스는 고객 서비스의 자산으로 입증되어 원활한 고객 경험을 가능하게 하고 고객 지원 담당자의 스트레스를 덜어줍니다.
시간이 지남에 따라 인공 지능은 디지털 고객 서비스의 맥락에서 계속해서 널리 보급될 것입니다. 이러한 종류의 리소스는 현대 기술에 의존하는 비즈니스의 모든 측면에서 보편화되고 있으며 고객 서비스도 예외는 아닙니다.
인공 지능에는 다양한 하위 집합이 있으며 아래에서 이에 대해 설명합니다.
머신 러닝이란 무엇입니까?
머신 러닝은 데이터 세트를 정렬하고 데이터에서 학습하여 예측하는 알고리즘과 함께 인공 지능을 적용합니다. 알고리즘은 경험이 있는 작업에서 향상되지만 일반적으로 데이터 정렬을 시작하려면 초기 사람의 입력이 필요합니다.
딥러닝이란?
딥 러닝은 인간의 두뇌를 모방한 신경망이라는 알고리즘을 사용하여 데이터에서 학습하고 정보에 입각한 결정과 예측을 내리는 프로세스입니다. 신경망은 학습을 시작하기 위해 상당한 양의 데이터에 의존하며 학습 과정을 시작하기 위해 인간의 입력에 의존하지 않습니다.
신경망이란 무엇입니까?
위에서 언급했듯이 딥 러닝은 신경망에 의존합니다. 인간의 뇌에서 이러한 네트워크는 입력을 처리하고 입력으로부터 학습하며 수백 개의 신경 연결을 기반으로 결정을 내릴 수 있는 상호 연결된 뉴런입니다.
컴퓨터에서 신경망은 인간 두뇌의 뉴런 간의 연결을 모방하고 수백 개의 서로 다른 데이터 포인트에서 학습하여 학습한 내용을 기반으로 연결 및 결정을 내리기 시작합니다.
딥 러닝과 머신 러닝은 때때로 같은 의미로 사용되지만 각 모델 간에는 중요한 차이점이 있습니다.
딥 러닝 대 머신 러닝
딥 러닝은 기계 학습의 한 형태이지만 서로 다른 프로세스입니다. 가장 중요한 것은 머신 러닝이 종종 알고리즘이 데이터 포인트 간의 구별을 학습하는 데 도움이 되는 사람의 입력으로 시작된다는 것입니다. 시간이 지남에 따라 기계는 사람의 입력 없이 차이점을 식별하는 데 더 능숙해집니다.
반면에 딥 러닝은 사람의 입력이 필요하지 않고 데이터 자체에서 학습하므로 학습 및 처리를 시작하는 데 훨씬 더 많은 데이터가 필요하고 머신 러닝보다 시간이 오래 걸립니다. 딥 러닝과 머신 러닝의 차이점을 이해하는 가장 좋은 방법은 이미지 처리입니다.
네 가지 동물의 차이점을 기계에 가르쳐 스스로 구별하는 법을 배울 수 있기를 희망한다고 가정해 보겠습니다. 기계 학습을 사용하면 각 동물을 구별하는 구별되는 기능에 대해 컴퓨터를 가르쳐야 합니다. 그런 다음 컴퓨터는 그 인간의 입력을 사용하여 차이점을 학습하기 시작하고 시간이 지남에 따라 각 동물을 더 잘 식별하게 됩니다.
딥 러닝을 사용하면 컴퓨터가 다른 데이터 포인트를 정렬하고 자체적으로 차이점을 학습할 수 있으므로 구별되는 기능을 말할 필요가 없습니다. 그러나 기계가 차이점을 이해하기 시작하려면 훨씬 더 많은 데이터 포인트가 필요합니다.
저와 같은 사람이라면 이러한 개념을 이해하는 것이 다소 어렵습니다. 특히 고객 서비스 팀에 적용할 때 이러한 개념을 이해하는 것은 어려운 일입니다. 특히 이러한 개념을 이해하는 것은 고객 서비스 노력이 디지털 혁신에 보조를 맞추거나 시대에 뒤떨어지는 것을 의미할 수 있기 때문입니다. 불충분하다.
아래에서 딥 러닝 및 머신 러닝 프로세스가 고객 서비스 환경을 어떻게 변화시키고 있는지 더 잘 이해할 것입니다.
AI가 고객 서비스를 변화시키는 방법
음성 인식
오늘날의 고객 서비스 운영은 아마도 많은 데이터를 생성할 것입니다. 음성 통화, 해당 통화의 텍스트 전사, 문자 채팅, 라이브 채팅 - 이름을 지정합니다. 최근 McKinsey 연구에서는 이것을 AI 시스템이 처리할 수 있는 풍부한 재료로 보고 있습니다. 올바르게 수행하면 수익성 있는 기계 지원 고객 서비스 결과를 얻을 수 있습니다.
연구 노트:
"AI 기술을 적용하여 콜센터 관리 및 통화 라우팅의 향상된 음성 인식은 고객에게 보다 원활한 경험을 제공하고 보다 효율적인 처리를 가능하게 합니다."
그리고 여기서 멈추지 않습니다. 딥 러닝이라는 AI를 사용하여 고객 서비스 운영이 더욱 정교해지고 있습니다.
"예를 들어, 오디오에 대한 딥 러닝 분석을 통해 시스템은 고객의 감정 톤을 평가할 수 있습니다. 고객이 자동화된 시스템에 부정적인 반응을 보일 경우 통화는 교환원과 관리자에게 다시 라우팅될 수 있습니다."
개인화
감정 인식은 AI가 도움이 될 수 있는 영역 중 하나입니다. 다른 하나는 개인화 입니다.
이러한 방식으로 AI는 고객 서비스의 한계를 뛰어넘고 있습니다. 판매 후 고객 만족만이 중요한 것은 아닙니다. 놀라운 경험과 제안을 계속해서 만들어내는 것입니다.
이러한 경험과 제안은 AI의 힘을 사용하여 고도로 개인화됩니다. 개인화된 제안이 많을수록 고객이 기뻐하며 떠날 확률이 높아지고 브랜드가 판매를 달성할 확률도 높아집니다.
이는 AI가 소비자가 이미 좋아하는 것에 더 많은 돈을 쓸 수 있는 기회를 제공함으로써 실제 판매 프로세스를 가치 있는 고객 서비스 도구로 전환할 수 있음을 의미합니다.
한편으로 AI는 현재 고객 서비스 운영을 규모에 맞게 더 빠르고 더 효율적으로 만들 수 있습니다. 다른 한편으로는 마케팅 콘텐츠를 개인화하여 고객을 즐겁게 할 수 있습니다. 결과적으로 콘텐츠는 소비자에게 최적의 시간에 최상의 제안을 제공하는 수단이 됩니다.
자동 티켓 태깅
AI는 또한 내부 고객 서비스 인프라의 자산이 될 수 있습니다. 예를 들어, 비즈니스에서 티켓팅 시스템을 사용하는 경우 고객 서비스 부서는 매일 엄청난 양의 지원 문의로 넘쳐날 것입니다. 이러한 티켓은 읽고, 분석하고, 태그를 지정하고, 궁극적으로 적절한 담당자나 팀에 전달해야 합니다.
AI가 없으면 프로세스가 지루하고 시간이 많이 걸립니다. 솔직히 말해서 지원 팀의 노력과 자원을 낭비할 수 있습니다. AI 도구, 특히 텍스트 분석 도구는 스트레스, 개인적인 노력, 단조로움을 그 프로세스에서 제거합니다.
그들은 지원 티켓의 텍스트를 분석하고 자동으로 지원 티켓에 태그를 지정할 수 있어 몇 시간이 걸리던 프로세스를 몇 초로 단축할 수 있습니다.
챗봇
고객 서비스 부서에서 AI를 활용하여 고객 경험을 개선하는 또 다른 방법은 챗봇을 사용하는 것입니다. 봇 회사는 하루 중 언제든지 기본적인 고객 지원 문의를 처리하기 위해 웹 페이지에 배치합니다. 이러한 봇이 제공하는 효율성과 접근성은 고객 지원을 재정의하고 있습니다.
챗봇은 AI와 머신 러닝을 활용하여 회사 제품 또는 서비스 이면의 기본 사항을 이해합니다. 결과적으로 실제 지원 담당자가 오프라인 상태인 동안에도 운영 시간 외에 고객이 가질 수 있는 일반적인 질문에 답변할 수 있습니다.
그들은 고객과 서비스 담당자 모두에게 고객 서비스를 더 간단하게 만듭니다. 챗봇을 사용하면 기본적인 질문을 하는 고객이 필요할 때 언제든지 쉽게 문의할 수 있습니다. 그리고 담당자는 지속적이고 단조롭고 단순한 질문에 부담을 느끼지 않으며 더 시급하고 중요한 문제를 처리할 시간을 더 많이 확보할 수 있습니다.
디지털 어시스턴트
음성 검색 전문가인 Yext의 Duane Forrester는 다음과 같이 말합니다.
"디지털 에이전트는 고객의 삶에서 판도를 바꾸는 순간이 될 것이며, 각 회사는 눈에 띄게 얻을 수 있는 작은 기회와 목표를 놓치고 소비자를 플랫폼에서 멀어지게 할 수 있는 큰 기회가 있음을 알고 있습니다. 이것은 의미합니다. 이러한 제품은 현재 우리가 함께 사용하는 디지털 비서보다 훨씬 더 발전될 것입니다."
AI 비서 및 서비스 도구는 고객 서비스를 제대로 받을 수 있는 엄청난 기회를 제공합니다. 그러나 잘못하면 소비자를 경쟁 브랜드의 팔로 몰아넣습니다. 이것은 모두 소비자 선호도가 변하기 때문에 발생합니다.
머신 러닝, 딥 러닝 및 AI가 기업에서 고객 서비스 관행을 보완하기 위해 어떻게 사용되는지에 대한 몇 가지 예를 살펴보겠습니다.
브랜드가 고객 서비스에서 기계 학습을 사용하는 방법
아마존
Amazon 은 기계 학습을 사용하여 고객에게 개인화된 경험을 제공합니다.
이 알고리즘은 고객의 검색 기록과 과거 주문에서 학습하여 그들이 즐길 가능성이 있는 제품을 추천함으로써 고객이 브랜드가 자신이 누구이고 원하는 것이 무엇인지, 정확히 어떻게 도울 수 있는지 알고 있는 것처럼 느끼는 즐거운 경험에 기여합니다.
월그린
Walgreens는 딥 러닝 가상 비서를 사용하여 매장에 전화를 거는 고객을 지원합니다. 전화를 걸면 음성 도우미가 전화를 받고 공급자는 발신자에게 고객이 매장에 연락할 때 자주 취하는 작업 목록을 제공합니다.
보통 “오늘 어떻게 도와드릴까요?”라는 질문으로 시작합니다. 고객 응답을 기반으로 가상 비서는 고객 쿼리에 적절한 솔루션으로 응답할 수 있습니다. 예를 들어, 전화에 대고 "약국"이라고 말하면 약사에게 연결하거나 약국 영업시간을 확인하는 것과 같은 약국 요구와 관련된 옵션으로 응답하는 것을 알고 있습니다.
최적
옵티멈은 챗봇을 통해 고객 서비스를 제공하는 인터넷, TV, 이동통신 사업자입니다. 고객은 아래 이미지와 같이 휴대폰으로 챗봇에 문자를 보내고 문제를 설명할 수 있습니다. 챗봇은 귀하가 보낸 단어를 처리하고 귀하를 가장 잘 도울 수 있는 방법을 이해하는 데 도움이 되는 핵심 마커를 추출할 수 있습니다. 예를 들어 아래 이미지에서 키워드는 "내 비밀번호 재설정"일 가능성이 큽니다.
딥 러닝 대 머신 러닝: 최적의 딥 러닝 챗봇
AI 시대의 변화하는 고객 서비스 환경
우리는 소비자가 실시간으로 개인적으로 관련된 결과를 온라인에서 검색하는 상황에 맞는 세상으로 이동하고 있습니다. 소비자가 더 많은 즉석 검색, 결정 및 구매를 함에 따라 음성이 대세입니다. 온라인 리뷰는 이러한 리뷰를 분석할 시간과 능력만 있다면 고객에 대해 많은 것을 알려줄 수 있는 수많은 데이터를 생성합니다.
거의 무한에 가까운 데이터의 세계에서 AI는 해당 데이터를 활용하여 기존 고객 서비스 운영을 개선하는 데 도움이 됩니다. 그러나 AI는 모든 사람이 대규모로 일대일 관심을 기대하는 근본적으로 변화된 고객 서비스 환경에 브랜드가 대처할 수 있도록 지원하기 위해 채택되고 있습니다.
이 용감한 신세계에서 한 가지 분명한 사실이 있습니다. 효과적인 고객 서비스는 더 이상 인간 혼자 할 수 있는 일이 아닙니다.
댓글