Krishna Raj Raja, CEO und Gründer von SupportLogic – Interviewreihe

Krishna Raj Raja, ist der CEO und Gründer von SupportLogic, der weltweit ersten Plattform für kontinuierliches Service-Erlebnis-Management (SX), die es Unternehmen ermöglicht, die “Stimme des Kunden” in Echtzeit zu verstehen und zu handeln, um sofort die Service-Lieferung zu verbessern und gesunde und profitable Kundenbeziehungen aufzubauen.

Sie beschreiben sich selbst als “Wissenschafts-Nerd”, was ist es am wissenschaftlichen Weltbild, das Sie so begeistert?

Für mich ist Wissenschaft alles über Neugier darauf, wie die Welt funktioniert und welche Muster in der Welt existieren. Ich hatte diese Neugier seit meiner Kindheit, und sie hat sich in mein berufliches Leben erstreckt. Bei SupportLogic suchen wir nach Mustern, die in der natürlichen Sprache existieren, und verwenden diese Muster, um Vorhersagen zu treffen und Empfehlungen zu geben. Dies ist wie Wissenschaft – sie trifft Vorhersagen, gibt Empfehlungen und erzählt Ihnen, wie die Welt funktioniert. Viel von dem, was ich in meinem Leben gelernt habe, ist selbst erlernt, weil es aus meiner natürlichen Neugier kam, nicht aus formaler Ausbildung.

Sie haben einen Abschluss in Chemieingenieurwesen gemacht, aber dann sind Sie auf die Computerwissenschaften und maschinelles Lernen umgestiegen. Können Sie über diesen Wechsel sprechen?

Mein Vater war ein erfolgreicher Geschäftsmann (in der Stahlverarbeitung) und er hoffte, dass ich eines Tages das Familienunternehmen übernehmen würde. Chemieingenieurwesen schien die richtige Ausbildung zu sein, um darauf vorbereitet zu sein. Aber die Computerwissenschaften waren seit langem eine Nebenleidenschaft von mir. Tatsächlich war mein Thesis für meinen Chemieingenieur-Abschluss die Erstellung eines Software-Programms für ein chemisches Reaktordesign.

Nachdem ich meinen Chemieingenieur-Abschluss abgeschlossen hatte, wurde es offensichtlich, dass die Computerwissenschaften wirklich meine wahre Leidenschaft waren. Meine Fähigkeiten in der Computerwissenschaft sind komplett selbst erlernt, und als ich bei VMware anfing, hatten alle meine Kollegen PhDs von Ivy-League-Universitäten in Computerwissenschaften. Ich war die unterqualifizierteste Person in meinem Team.

Sie waren ein früher Mitarbeiter bei VMware, wo Sie im Support- und Service-Bereich als Produkt-Support-Ingenieur gearbeitet haben. Welche potenziellen Bereiche für Verbesserungen haben Sie beobachtet?

Ich war ein Software-Ingenieur, der zu einem Produkt-Support-Ingenieur wurde. Ich kam zu VMware, weil ihre Technologie faszinierend war – sie beschäftigten sich mit Betriebssystemen und ich hatte ein besonderes Interesse daran. Ich half anderen Betriebssystem-Entwicklern, VMware-Produkte täglich zu verwenden. Aufgrund meiner Ausbildung sah ich die Dinge aus zwei verschiedenen Perspektiven: 1) Wie kann ich diesen Kunden glücklich machen und sein Problem lösen; und 2) Warum existiert dieses Problem im Software-Produkt, und wie kann es behoben werden? Ich sah die Produkt-Perspektive aller Support-Probleme. Eines der ersten Dinge, die ich realisierte, war, dass Produkt-Teams, wenn sie ein Produkt entwickeln, wirklich nicht wissen, wie es eingesetzt und verwendet wird, also sehen sie viele Dinge während des Entwicklungsprozesses nicht vorher. Das Support-Team hat jedoch einen guten Überblick über diese Probleme und kann wertvolles Feedback an die Produkt-Teams sowie an andere Abteilungen im Unternehmen geben. Das Problem ist, dass dieses Feedback normalerweise verloren geht, weil das Support-Team sich darauf konzentriert, das Kunden-Problem zu lösen und dann schnell zum nächsten Problem überzugehen. Diese wichtigen Informationen werden nicht weitergegeben.

Können Sie einige Details über die Entstehungsgeschichte von SupportLogic teilen?

Als ich SupportLogic startete, sah ich mir den Markt für die Support-Industrie an und fand, dass alle Innovationen im Support-Bereich auf Fall-Abwehr ausgerichtet waren. Das bedeutet, dass die beste Art, Support-Probleme zu lösen, darin besteht, sie abzuwehren – weg von Support-Ingenieuren und weg von den Kunden. Dies stand im Widerspruch zu dem, was ich als Produkt-Support-Ingenieur sah – jede Kunden-Interaktion war eine Gelegenheit, mehr über die Kunden und über die Funktionsweise des Produkts zu erfahren. Aber ich war überrascht, dass es keine Tools gab, um dieses Problem (des Lernens) zu lösen, also sah ich eine große Chance dort.

Außerdem stellte ich fest, dass Support oft als Kosten-Zentrum behandelt wurde, was ich als kurzsichtige Art und Weise ansah, die Dinge zu betrachten. Wenn man Support als Gewinn-Zentrum oder als das zentrale Nervensystem eines Unternehmens betrachtet, kann man eine Organisation wirklich transformieren und sie wirklich kundenorientiert machen. Das führte mich dazu, SupportLogic zu gründen.

Welche verschiedenen maschinellen Lern-Technologien werden bei SupportLogic verwendet?

Als das Unternehmen startete, war ich naiv und nahm an, dass wir öffentlich verfügbare maschinelle Lern-APIs verwenden könnten. Es gibt viele davon – von Amazon, Microsoft und HPE – und sie alle bieten maschinelle Lern-APIs als Dienst an. Zu meiner Überraschung und Enttäuschung funktionierten viele dieser maschinellen Lern-Modelle nicht mit den Daten, mit denen wir arbeiteten (Kunden-Support-Daten). Aber ich erkannte, dass dies eine Chance war und sagte: “Warum bauen wir es nicht selbst?” Wir begannen, unsere eigenen Modelle von Grund auf zu bauen, indem wir bestehende ML-Technologien aus Open-Source-Projekten wie spaCy von der Stanford-Universität und Google BERT verwendeten, und dann unsere eigene “Geheimmischung” darauf aufbauten, indem wir einen Ensemble-Modell-Ansatz verwendeten. Wir feinabstimmen das Modell auch für jeden Kunden und seinen spezifischen Datensatz, anstatt eine Ein-Größe-passt-für-alle-Philosophie zu verwenden.

Können Sie erläutern, wie SupportLogic Unternehmen ermöglicht, besser mit Kunden in Verbindung zu treten, indem sie wichtige Signale verwenden?

Eine der wichtigsten Dinge, die wir tun, ist, Kunden-Kontext mithilfe von NLP zu extrahieren. Der Kontext ist sehr wichtig, weil er oft im Tagging-Prozess von Ticket-Systemen verloren geht. Man kann nur eine begrenzte Menge an Informationen in diesen Systemen taggen. Wir sind gut darin, Kunden-Kontext zu extrahieren, wie z.B. worüber sie frustriert sind, was ihre Meinung über Ihr Produkt oder Ihren Support ist oder was sie mit Ihrem Produkt tun möchten. Es gibt eine Vielzahl von Signalen und Kontexten, die extrahiert werden können. Indem wir dies in Echtzeit tun und Workflows in unserer Plattform erstellen, ermöglichen wir es Unternehmen, auf Kunden-Signale zu reagieren und Probleme vorbeugend zu lösen, bevor es zu spät ist – d.h. der Kunde wird sehr wütend oder geht für immer weg.

Welche anderen Fähigkeiten stehen hinter der SupportLogic-Software?

Sobald Sie beginnen, Kunden-Signale aus Interaktionen zu extrahieren, werden diese Signale sehr mächtig für die Analyse. Wir haben ein Analyse-Modul, das Ihnen zeigt, wie die Stimme des Kunden aussieht, basierend auf allen Interaktionen. Dann gehen wir einen Schritt weiter und verwenden die Daten, um Vorhersagen zu treffen. Wir können vorhersagen, was mit einem bestimmten Kunden-Konto passieren wird. Wir können auch vorhersagen – basierend auf der Kunden-Situation – wer der beste Fachmann im Unternehmen ist, um das Problem zu lösen, und dann den Kunden mit dieser richtigen Person verbinden.

Und wir können sowohl eingehende als auch ausgehende Konversationen analysieren, um Service-Agenten Anleitung zu geben, was sie in ihren täglichen Interaktionen mit Kunden mehr (oder weniger) tun sollten. Es wird zu einem großartigen Coaching-Tool, um Service-Agenten dabei zu helfen, ihre Soft-Skills zu entwickeln und ihre Gesamtleistung zu verbessern.

Gibt es noch etwas, das Sie über SupportLogic teilen möchten?

Eine der häufigen Missverständnisse, die Menschen über KI haben, ist, dass es ein massiver Investition ist, die sehr involviert und komplex ist und dass Sie keine Rückkehr auf Ihre Investition sehen werden, bevor ein Jahr oder mehr vergangen ist. In Wirklichkeit haben KI- und ML-Technologien sich sehr entwickelt und können auf Ihrem bestehenden Datensatz funktionieren. Und Sie können Ergebnisse in einem Zeitraum von Monaten sehen, nicht in Jahren. Also ist jetzt der richtige Zeitpunkt, um in KI zu investieren, weil Sie unglaubliche Ergebnisse in Monaten sehen können, die große Vorteile für Ihr Unternehmen bringen können.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten SupportLogic besuchen.