Krishna Raj Raja, CEO a zakladatel SupportLogic – Interview Series

Krishna Raj Raja je CEO a zakladatel SupportLogic, první platformy pro kontinuální řízení zkušeností zákazníků (SX), která umožňuje společnostem porozumět a reagovat na „Hlas zákazníka“ v reálném čase, aby okamžitě zlepšily poskytování služeb a vytvořily zdravé a ziskové vztahy se zákazníky.

Popisujete sebe jako „vědeckého geeka“, co vás tak fascinuje ve vědeckém světě?

Pro mě je věda všechno o zvědavosti, jak funguje svět a jaké vzorce existují ve světě. Touto zvědavostí jsem se vyznačoval už od dětství a tato zvědavost se promítla i do mé profesionální kariéry. V SupportLogic hledáme vzorce, které existují v přirozeném jazyce, a pomocí těchto vzorců předpovídáme a poskytujeme doporučení. To je podobné vědě – předpovídá vzorce, poskytuje doporučení a vysvětluje, jak funguje svět. Velkou část toho, co jsem se naučil, jsem se naučil sám, protože to vyplynulo z mé přirozené zvědavosti, ne z formálního vzdělání.

Přešel jste na studium chemického inženýrství, ale nakonec jste se rozhodl pro počítačovou vědu a strojové učení. Můžete mluvit o této změně?

Můj otec byl úspěšný podnikatel (v zpracování oceli) a doufal, že jednoho dne převezmu rodinný podnik. Chemické inženýrství se zdálo být správnou přípravou na to, abych byl připraven na převzetí podniku. Ale počítačová věda byla mou vedlejší vášní už dlouho. Ve skutečnosti byla moje diplomová práce na chemickém inženýrství tvorba softwarového programu pro návrh chemických reaktorů.

Po dokončení studia chemického inženýrství bylo zřejmé, že počítačová věda je mou skutečnou vášní. Moje dovednosti v počítačové vědě jsou完全ně samoučné, a když jsem se připojil k VMware, všichni moji kolegové měli doktoráty z Ivy League škol v počítačové vědě. Byl jsem nejvíce nepodkvalifikovaným člověkem v mém týmu.

Byl jste jedním z prvních zaměstnanců ve VMware, kde jste pracoval v podpore a službách jako inženýr produktové podpory. Jaké byly některé z potenciálních oblastí pro zlepšení, které jste pozoroval?

Byl jsem softwarový inženýr, který se stal inženýrem produktové podpory. Připojil jsem se k VMware, protože jejich technologie byla fascinující – zabývali se operačními systémy a měl jsem zvláštní zájem o to. Pomáhal jsem jiným vývojářům operačních systémů, aby používali produkty VMware denně. Díky své minulosti jsem se díval na věci z dvou různých úhlů: 1) Jak udělat zákazníka spokojeného a vyřešit jeho problém; a 2) Proč existuje tento problém ve softwaru a jak jej lze opravit? Díval jsem se na produktový aspekt všech problémů podpory. Jednou z prvních věcí, které jsem si uvědomil, bylo, že když produktové týmy vyvíjejí produkt, opravdu nevědí, jak bude nasazen a použit, a proto nevidí mnoho věcí během vývojového procesu. Nicméně, tým podpory má dobrý přehled o těchto problémech a může poskytnout cennou zpětnou vazbu produktovým týmům i ostatním oddělením ve společnosti. Problém je, že tato zpětná vazba obvykle zmizí, protože tým podpory se soustředí na opravu problému zákazníka a pak rychle přechází na další problém. Tato důležitá informace se nedostane dále.

Můžete sdílet některé podrobnosti o vzniku SupportLogic?

Když jsem začal SupportLogic, podíval jsem se na trh podpory a zjistil, že všechny inovace v oblasti podpory se soustředily na odrazení případů. To znamená, že nejlepší způsob, jak řešit problémy podpory, je odrazit je – od inženýrů podpory a od zákazníků. To bylo v rozporu s tím, co jsem viděl jako inženýr produktové podpory – každá interakce se zákazníkem byla příležitostí naučit se o zákaznících a o tom, jak funguje produkt a nefunguje. Ale byl jsem překvapen, že nebyly žádné nástroje, které by řešily tento problém (učení), a proto jsem viděl velkou příležitost.

Kromě toho jsem si uvědomil, že podpora byla často považována za nákladové centrum, což jsem považoval za krátkozraký pohled. Když se na podporu díváte jako na ziskové centrum nebo jako na centrální nervový systém společnosti, můžete skutečně transformovat organizaci a učinit ji skutečně zákaznicky orientovanou. To mě vedlo k založení SupportLogic.

Jaké jsou některé z různých technologií strojového učení, které se používají v SupportLogic?

Když společnost začala, byl jsem naivní a předpokládal, že můžeme použít veřejně dostupné API strojového učení. Existuje mnoho z nich – od Amazonu, Microsoftu a HPE – a všechny poskytují API strojového učení jako službu. K mému překvapení a zklamání, mnoho z těchto modelů strojového učení nefungovalo s daty, se kterými jsme pracovali (data zákaznické podpory). Ale uvědomil jsem si, že to byla příležitost a řekl jsem: „Proč bychom si nevytvořili sami?“ Začali jsme budovat své vlastní od základu pomocí existujících technologií strojového učení z open-source projektů, jako je spaCy ze Stanfordovy univerzity a Google (GOOGL ) BERT, a pak přidali一些 své „tajné omáčky“ na vrchol toho, pomocí přístupu ensemble modelu. Kromě toho jemně ladíme model pro každého zákazníka a jeho konkrétní datový soubor, místo toho, abychom používali filozofii „jedna velikost pro všechny“.

Můžete diskutovat o tom, jak SupportLogic umožňuje společnostem lépe se spojovat se zákazníky pomocí klíčových signálů?

Jedním z klíčových věcí, které děláme, je extrahovat kontext zákazníka pomocí NLP. Kontext je velmi důležitý, protože často zmizí během procesu označování v systémech pro podporu. Můžete označit pouze omezené množství informací v těchto systémech. Excelujeme v extrahování kontextu zákazníka, jako je to, co je zákazník frustrován, jaký je jeho dojem o vašem produktu nebo vaší podpoře, nebo co se snaží dělat se vaším produktem. Existuje řada signálů a kontextů, které lze extrahovat. Tím, že to děláme v reálném čase a vytváříme pracovní postupy v naší platformě, umožňujeme společnostem reagovat na signály zákazníků a preventivně řešit problémy, než bude příliš pozdě – tj. zákazník se stane velmi naštvaným nebo odejde navždy.

Jaké jsou některé z dalších schopností softwaru SupportLogic?

Jakmile začnete extrahovat signály zákazníků z interakcí, tyto signály se stanou velmi silnými pro analýzu. Máme analytický modul, který vám řekne, co vypadá „Hlas zákazníka“ na základě všech interakcí. Pak jdeme o krok dále a používáme data k předpovídání. Můžeme předpovědět, co se stane s konkrétním (zákaznickým) účtem. Můžeme také předpovědět – na základě situace zákazníka – kdo je nejlepší odborník ve společnosti, který může pomoci vyřešit problém, a pak spojit zákazníka s touto správnou osobou.

A můžeme se podívat na obě příchozí a odchozí konverzace, abychom poskytli službám agentům pokyny, co by měli dělat více (nebo méně) ve svých denních interakcích se zákazníky. Stává se to skvělým nástrojem pro koučování, aby službám agentům pomohli rozvíjet své měkké dovednosti a zlepšit celkovou výkonnost.

Je něco jiného, co byste chtěl sdílet o SupportLogic?

Jedním z běžných mýtů o umělém inteligenci je, že je to obrovská investice, která je velmi složitá, a že neuvidíte žádné výsledky po dobu jednoho roku nebo déle. Ve skutečnosti se technologie AI a strojového učení hodně vyvinuly a mohou pracovat s vaším stávajícím datovým souborem. A můžete vidět výsledky během několika měsíců, ne během několika let. Proto je teď čas investovat do AI, protože můžete vidět úžasné výsledky během měsíců, které mohou přinést velké výhody vaší organizaci.

Děkuji za skvělý rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit SupportLogic.