Krishna Raj Raja, SupportLogicin CEO ja perustaja – Haastattelusarja

Krishna Raj Raja on SupportLogicin CEO ja perustaja, maailman ensimmäinen jatkuva palvelukokemus (SX) -hallintaplatforrmi, joka mahdollistaa yritysten ymmärtää ja toimia “Asiakkaan Ääni” -äänen mukaisesti reaaliajassa parantaakseen palvelutoimitusta ja luoda terveitä ja kannattavia asiakassuhteita.

Kuvailet itsesi “tiedegeekiksi”, mitä tieteellisessä maailmassa on sinulle niin hurmaavaa?

Minulle tiede on kaiken kaikkiaan uteliaisuutta siitä, miten maailma toimii ja mitä malleja siinä on. Olen ollut utelias lapsuudestani lähtien, ja se on jatkunut ammattiurallani. SupportLogicissa etsimme malleja, jotka ovat olemassa luonnollisessa kielessä, ja käytämme niitä ennustamaan asioita ja antamaan suosituksia. Tämä on kuin tiede – se ennustaa malleja, antaa suosituksia ja kertoo, miten maailma toimii. Paljon siitä, mitä olen oppinut elämässäni, on itseopiskeltua, koska se on tullut luontaisesta uteliaisuudestani, ei muodollisesta koulutuksesta.

Valmistuit kemian insinööriksi, mutta päädyit sitten tietokoneiden ja koneoppimisen pariin. Voitko kertoa tästä muutoksesta?

Isäni oli menestyvä liikemies (terästeollisuudessa) ja toivoi, että ottaisin joskus haltuun perheyrityksen. Kemian insinööriksi opiskelu näytti olevan oikea koulutus valmistautuakseen siihen. Mutta tietokoneet olivat ollut minulle sivupassio pitkään. Itse asiassa kemian insinööritutkinnon lopputyöni oli ohjelmiston kehittäminen kemialliseen reaktorin suunnitteluun.

Kun olin valmistunut kemian insinööriksi, selvisi, että tietokoneet olivat todella minun intohimoni. Tietokoneiden taidot ovat kokonaan itseopiskeltuja, ja kun liityin VMwareen, kaikki kollegani olivat suorittaneet tohtorin tutkinnot Ivy League -koulusta tietokoneiden alalla. Olin alirakennetuin henkilö tiimissäni.

Olit varhainen työntekijä VMwarella, jossa työskentelit tuessa ja palvelussa tuote-esimiehenä. Mitä mahdollisia parantamisen kohteita havaitset?

Olin ohjelmistoinsinööri, josta tuli tuote-esimies. Liityin VMwareen, koska heidän teknologiaansa oli mielenkiintoista – he käsittelevät käyttöjärjestelmiä ja minulla oli erityinen kiinnostus siihen. Autin muita käyttöjärjestelmien kehittäjiä käyttämään VMwaren tuotteita päivittäin. Taustani vuoksi tarkastelin asioita kahdesta eri näkökulmasta: 1) Miten teen tämän asiakkaan onnelliseksi ja ratkaisen ongelman; ja 2) Miksi tämä ongelma on olemassa ohjelmistossa, ja miten se voidaan korjata? Tarkastelin tuotteen näkökulmasta kaikkia tuen asioita. Yksi ensimmäisistä asioista, joita tajusin, oli, että kun tuotejoukkueet kehittävät tuotetta, he eivät todella tiedä, miten se tullaan käyttämään, joten he eivät näe monia asioita kehitysprosessin aikana. Tuessa oleva tiimi kuitenkin tietää näistä asioista ja voi antaa arvokkaita palautteita tuotejoukkueille sekä muiden yrityksen osastojen välillä. Ongelma on, että tämä palaute usein häviää, koska tuen tiimi on keskittynyt ratkaisemaan asiakkaan ongelmaa ja siirtymään nopeasti seuraavaan asiaan. Tärkeää tietoa ei siis välitetä eteenpäin.

Voitko jakaa yksityiskohtia SupportLogicin synnystä?

Kun aloin SupportLogicin, tarkastelin markkinatilannetta tukitoimialalla ja havaitsin, että kaikki innovaatiot tukialalla keskittyivät tapausten torjuntaan. Tämä tarkoitti, että paras tapa käsitellä tukiasioita on torjua ne – tukiteknikoilta ja asiakkailta. Tämä oli ristiriidassa siitä, mitä näin tuote-esimiehenä – jokainen asiakkaan vuorovaikutus oli mahdollisuus oppia asiakkaista ja siitä, miten tuote toimii ja ei toimi. Olin kuitenkin yllättynyt siitä, että ei ollut työkaluja, jotka ratkaisivat tämän (oppimisen) ongelman, joten näin siinä suuren mahdollisuuden.

Myös havaitsin, että tuki usein kohdeltiin kustannuskeskuksena, mikä oli lyhytnäköinen tapa katsoa asioita. Kun tarkastelet tukea voittona tai yrityksen hermostona, voit todella muuttaa organisaatiota ja tehdä siitä aidosti asiakaslähtöisen. Tämä johti minua perustamaan SupportLogicin.

Mitä erilaisia koneoppimisen tekniikoita käytetään SupportLogicissa?

Kun yritys aloitti, olin viattomasti olettanut, että voimme käyttää julkisesti saatavilla olevia koneoppimisen API:ita. Niitä on paljon – Amazonilta, Microsoftilta ja HPE:ltä – ja ne tarjoavat koneoppimisen API:ita palveluna. Yllätyksekseni ja pettymykseni monista näistä koneoppimismalleista ei toiminut sellaisen datan kanssa, jota me työskentelemme (asiakastuen data). Mutta tajusin, että tämä oli mahdollisuus ja sanoin: “Miksi emme rakenna itse?” Aloimme rakentaa omat mallimme alusta lähtien olemassa olevien avoimen lähdekoodin ML-tekniikoiden avulla, kuten spaCy Stanfordin yliopistosta ja Google BERT, ja lisäsimme siihen omaa “salaisuutta” yhdistelmämallin avulla. Suoritamme myös mallin hienosäätöä kullekin asiakkaalle ja heidän tietynsä datan mukaan, eikä käytä yhtä kokoa kaikille -filosofiaa.

Voitko kertoa, miten SupportLogic mahdollistaa yritysten paremman yhteyden asiakkaisiin käyttämällä avainsignaaleja?

Yksi tärkeimmistä asioista, mitä teemme, on asiakkaan kontekstin poistaminen NLP:llä. Konteksti on erittäin tärkeää, koska konteksti usein häviää tägäysprosessissa lippujärjestelmissä. Voit vain tägätä rajoitetun määrän tietoa näissä järjestelmissä. Olemme erittäin hyviä asiakkaan kontekstin poistamisessa, kuten mitä he ovat frustroute, mitä heidän vaikutelma on tuotteestasi tai tuesta, tai mitä he yrittävät tehdä tuotteesi kanssa. On monia signaaleja ja konteksteja, joita voidaan poistaa. Tekemällä tämän reaaliajassa ja luomalla työnkulkua alustassamme, sallimme yritysten toimia asiakkaan signaaleilla ja ennaltaehkäistä ongelmia ennen kuin se on liian myöhäistä – tarkoittaen, että asiakas tulee erittäin vihaiseksi tai lähtee pois lopullisesti.

Mitä muita ominaisuuksia on SupportLogic-ohjelmistossa?

Kun aloitetaan asiakkaan signaaleiden poistaminen vuorovaikutuksista, nämä signaalit tulevat erittäin voimallisiksi analytiikkaa varten. Meillä on analytiikkamoduuli, joka kertoo, miltä asiakkaan ääni näyttää, kaikkien vuorovaikutusten perusteella. Sitten mennään askelen eteenpäin ja käytetään tietoa tekemään ennusteita. Voimme ennustaa, mitä tulee tapahtumaan tietyn (asiakas)tilille. Voimme myös ennustaa – asiakkaan tilanteen perusteella – kuka on paras aihekohtainen asiantuntija yrityksessä auttamaan ongelman ratkaisemisessa, ja sitten yhdistää asiakkaan oikeaan henkilöön.

Ja voimme tarkastella sekä saapuvia että lähtevien keskustelujen ohjausta antaaksesi palveluagentteja ohjeita siitä, mitä heidän tulisi tehdä enemmän (tai vähemmän) päivittäisissä vuorovaikutuksissaan asiakkaiden kanssa. Se tulee erinomaiseksi valmennustyökaluksi auttamaan palveluagentteja kehittämään heidän pehmeitä taitojaan ja parantamaan heidän suorituskykyään.

Onko mitään muuta, mitä haluaisit jakaa SupportLogicista?

Yksi yleinen väärinkäsitys, joka on olemassa AI:sta, on, että se on massiivinen sijoitus, joka on erittäin monimutkainen, eikä näe paluuta sijoituksesta vuoden tai useamman kuukauden kuluessa. Todellisuudessa AI- ja ML-tekniikat ovat kehittyneet paljon, ja ne voivat toimia olemassa olevalla datan kanssa. Ja voit nähdä tulokset muutamassa kuukaudessa, ei vuosissa. Niinpä nyt on aika sijoittaa AI:hin, koska voit nähdä uskomattomia tuloksia muutamassa kuukaudessa, jotka voivat tuoda suuria hyötyjä organisaatiollesi.

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, kannattaa vierailla SupportLogicissa.