Krishna Raj Raja, CEO en oprichter van SupportLogic – Interviewreeks

Krishna Raj Raja, is de CEO en oprichter van SupportLogic, het werelds eerste continue service-ervaring (SX) managementplatform dat bedrijven in staat stelt om de ‘Stem van de Klant’ in real-time te begrijpen en te acteren om de servicieverlening onmiddellijk te verbeteren en gezonde en winstgevende klantrelaties op te bouwen.

U beschrijft uzelf als een “science geek”, wat is het aan de wetenschappelijke wereld dat u zo boeit?

Voor mij is wetenschap alles over nieuwsgierigheid naar hoe de wereld werkt en welke patronen er in de wereld bestaan. Ik heb deze nieuwsgierigheid sinds mijn kindertijd en het heeft zich uitgebreid naar mijn professionele leven. Bij SupportLogic zoeken we naar patronen die bestaan in natuurlijke taal en gebruiken we die patronen om dingen te voorspellen en aanbevelingen te doen. Dit is net als wetenschap – het voorspelt patronen, geeft aanbevelingen en vertelt u hoe de wereld werkt. Veel van wat ik in mijn leven heb geleerd, is zelflerend omdat het voortkwam uit mijn natuurlijke nieuwsgierigheid, niet uit formeel onderwijs.

U bent afgestudeerd in chemische technologie, maar besloot vervolgens om carrièremogelijkheden in computerwetenschappen en machine learning na te streven. Kunt u over deze omslag praten?

Mijn vader was een succesvolle ondernemer (in staalverwerking) en hij hoopte dat ik op een dag het familiebedrijf zou overnemen. Chemische technologie leek de juiste opleiding te zijn om daarvoor klaar te zijn. Maar computerwetenschappen waren al lang een bijpassie voor mij. Feitelijk was mijn scriptie voor mijn afstudeerproject in chemische technologie het creëren van een softwareprogramma voor het ontwerp van een chemische reactor.

Na mijn afstuderen in chemische technologie, werd het duidelijk dat computerwetenschappen echt mijn ware passie waren. Mijn vaardigheden in computerwetenschappen zijn volledig zelflerend en toen ik bij VMware kwam, hadden al mijn collega’s PhD’s van Ivy League-scholen in computerwetenschappen. Ik was de minst gekwalificeerde persoon in mijn team.

U was een van de eerste medewerkers bij VMware, waar u werkte in ondersteuning en service als productondersteuningsingenieur. Wat waren enkele van de potentiële verbeteringsgebieden die u observeerde?

Ik was een software-ingenieur die een productondersteuningsingenieur werd. Ik kwam bij VMware omdat hun technologie fascinerend was – ze werkten met besturingssystemen en ik had een speciale interesse in dat gebied. Ik hielp andere ontwikkelaars van besturingssystemen om VMware-producten dagelijks te gebruiken. Vanwege mijn achtergrond keek ik naar dingen vanuit twee verschillende hoeken: 1) Hoe kan ik deze klant tevreden stellen en het probleem oplossen; en 2) Waarom bestaat dit probleem in de software en hoe kan het worden opgelost? Ik keek naar het productaspect van alle ondersteuningsproblemen. Een van de eerste dingen die ik besefte, was dat wanneer productteams een product ontwikkelen, ze echt niet weten hoe het zal worden geïmplementeerd en gebruikt, dus ze voorzien veel dingen niet tijdens het ontwikkelingsproces. Echter, het ondersteuningsteam heeft een goed begrip van die problemen en kan waardevolle feedback geven aan de productteams en andere afdelingen in het bedrijf. Het probleem is dat deze feedback meestal verloren gaat omdat het ondersteuningsteam gefocust is op het oplossen van een klantprobleem en dan snel naar het volgende probleem gaat. Die belangrijke informatie wordt niet doorgegeven.

Kunt u enkele details delen over het verhaal achter SupportLogic?

Toen ik SupportLogic startte, keek ik naar de marktlandschap voor de ondersteuningsindustrie en vond ik dat alle innovaties in de ondersteuningsruimte gefocust waren op casusafleiding. Dit betekent dat de beste manier om om te gaan met ondersteuningsproblemen is om ze af te leiden – weg van ondersteuningsingenieurs en weg van klanten. Dit stond in conflict met wat ik zag als productondersteuningsingenieur – elke klantinteractie was een kans om te leren over uw klanten en over hoe het product werkt en niet werkt. Maar ik was verbaasd om te vinden dat er geen tools waren om dit probleem (leren) op te lossen, dus zag ik een grote kans daar.

Ook merkte ik op dat ondersteuning vaak werd behandeld als een kostenpost, wat ik als een kortzichtige manier van kijken naar dingen beschouw. Wanneer u ondersteuning ziet als een winstpost of als het centrale zenuwstelsel van een bedrijf, kunt u een organisatie echt transformeren en hen echt klantgericht maken. Dat is wat me ertoe bracht SupportLogic te starten.

Zijn er enkele verschillende machine learning-technologieën die bij SupportLogic worden gebruikt?

Toen het bedrijf begon, was ik naïef in de veronderstelling dat we openbare machine learning-API’s konden gebruiken. Er zijn er veel – van Amazon (AMZN ), Microsoft en HPE – en ze bieden allemaal machine learning-API’s als service. Tot mijn verbazing en teleurstelling werkten veel van deze machine learning-modellen niet met de soort data waar we mee werkten (klantondersteuningsdata). Maar ik realiseerde me dat dit een kans was en zei: “Waarom bouwen we het niet zelf?” We begonnen onze eigen modellen van scratch te bouwen met behulp van bestaande ML-technologieën uit open-sourceprojecten, zoals spaCy van Stanford University en Google (GOOGL ) BERT, en voegden toen onze eigen “geheime saus” toe met behulp van een ensemble-modelaanpak. We fine-tunen het model ook voor elke klant en hun specifieke dataset, in plaats van een een-size-fits-all-filosofie te gebruiken.

Kunt u praten over hoe SupportLogic bedrijven in staat stelt om beter verbonden te zijn met klanten door gebruik te maken van sleutelsignalen?

Een van de belangrijkste dingen die we doen, is het extraheren van klantcontext met behulp van NLP. De context is erg belangrijk omdat context vaak verloren gaat in het taggen van ticketsystemen. U kunt alleen een beperkte hoeveelheid informatie taggen in die systemen. We zijn erg goed in het extraheren van klantcontext, zoals waar ze over balen, wat hun indruk is van uw product of uw ondersteuning, of wat ze proberen te doen met uw product. Er zijn allerlei signalen en context om te extraheren. Door dit in real-time te doen en workflows in ons platform te creëren, stellen we bedrijven in staat om op klantsignalen te acteren en problemen te voorkomen voordat het te laat is – dat wil zeggen, de klant wordt erg boos of gaat voor altijd weg.

Zijn er enkele andere capaciteiten achter de software van SupportLogic?

Als we eenmaal klantsignalen uit interacties extraheren, worden die signalen erg krachtig voor analytics. We hebben een analyticsmodule die u vertelt wat de stem van de klant lijkt, op basis van alle interacties. Vervolgens gaan we een stap verder en gebruiken we de data om voorspellingen te doen. We kunnen voorspellen wat er met een bepaald (klant)account zal gebeuren. We kunnen ook voorspellen – op basis van de klantsituatie – wie de beste onderwerpspecialist in het bedrijf is om het probleem op te lossen en vervolgens de klant koppelen aan die juiste persoon.

En we kunnen zowel inbound- als outbound-conversaties bekijken om serviceagenten richtlijnen te geven over wat ze meer (of minder) moeten doen in hun dagelijkse interacties met klanten. Het wordt een geweldig coachingsinstrument om serviceagenten te helpen hun soft skills te ontwikkelen en hun algehele prestaties te verbeteren.

Is er nog iets anders dat u over SupportLogic wilt delen?

Een van de veelvoorkomende misvattingen die mensen over AI hebben, is dat het een enorme investering is die zeer betrokken en complex is, en dat u geen resultaten zult zien voor een jaar of meer. In werkelijkheid zijn AI- en ML-technologieën erg geëvolueerd en kunnen ze werken op uw bestaande dataset. En u kunt resultaten zien in een kwestie van maanden, niet in een kwestie van jaren. Dus nu is het tijd om in AI te investeren, omdat u ongelooflijke resultaten in maanden kunt zien die grote voordelen voor uw organisatie kunnen opleveren.

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten SupportLogic bezoeken.