Krishna Raj Raja, SupportLogic’in CEO’sü ve Kurucusu – Röportaj Serisi

Krishna Raj Raja, SupportLogic‘in CEO’sü ve kurucusudur, dünyanın ilk sürekli hizmet deneyimi (SX) yönetim platformu, şirketlerin müşterilerin sesini anında anlamalarına ve hizmet teslimatını iyileştirmelerine olanak tanır.

Kendinizi bir “bilim meraklısı” olarak tanımlıyorsunuz, bilim dünyasının size bu kadar ilgi çekici gelmesinin nedeni nedir?

Bana göre bilim, dünyanın nasıl çalıştığı ve dünyada var olan kalıplar hakkında merak uyandıran bir şey. Bu merakı çocukluğumdan beri taşıyorum ve profesyonel hayatıma da yansımıştır. SupportLogic’te, doğal dilde var olan kalıpları arıyoruz ve bu kalıpları kullanarak öngörülerde bulunup önerilerde bulunuyoruz. Bu, bilim gibi – kalıpları öngörür, önerilerde bulunur ve size dünyanın nasıl çalıştığını anlatır. Hayatım boyunca öğrendiğim birçok şey, resmi eğitimden değil, doğal merakımdan kaynaklanıyor.

Kimya Mühendisliği bölümünden mezun oldunuz, ancak daha sonra bilgisayar bilimi ve makine öğrenimi alanlarına yöneldiniz. Bu dönüşüm hakkında konuşabilir misiniz?

Babam başarılı bir iş adamıydı (çelik işleme) ve umuyordu ki bir gün aile işini devralacağım. Kimya mühendisliği, bu işe hazırlanmak için doğru eğitim gibi görünüyordu. Ancak bilgisayar bilimi, uzun süredir yan ilgi alanım olarak kalıyordu. Aslında, kimya mühendisliği tezim, bir kimyasal reaktör tasarımı için bir yazılım programı oluşturmaktı.

Kimya mühendisliği diplomasını aldıktan sonra, bilgisayar bilimimin真正 tutkum olduğu açıkça ortaya çıktı. Bilgisayar bilimim becerilerim tamamen özgün olarak kazanılmıştı ve VMware’e katıldığımda tüm takım arkadaşlarım Ivy League okullarından bilgisayar bilimi doktoraları almışlardı. Takımın en az nitelikli kişisi bendim.

VMware’de erken bir çalışansınız ve destek ve hizmet olarak ürün destek mühendisi olarak çalıştınız. Gözlediğiniz potansiyel改善 alanları nelerdi?

Yazılım mühendisi olarak başladım ve ürün destek mühendisi olarak çalışmaya başladım. VMware’e katıldım çünkü teknoloji çok ilginçti – işletim sistemleriyle ilgileniyorlardı ve ben de bu konuya özel ilgi duyuyordum. Diğer işletim sistemi geliştiricilerine günlük olarak VMware ürünlerini kullanmalarında yardımcı oluyordum. Arka planım nedeniyle, iki farklı açıdan bakıyordum: 1) Müşteriyi nasıl mutlu edebilirim ve sorununu nasıl çözebilirim; 2) Bu sorun neden oluşuyor ve nasıl düzeltiliyor? Ürün tarafındaki tüm destek sorunlarına bakıyordum. İlk gerçekleştirdiğim şey, ürün ekiplerinin bir ürünü geliştirdiğinde, nasıl kullanılacağını ve nasıl dağıtılacağını tam olarak bilemeyeceği idi. Ancak destek ekibi, bu sorunları iyi bir şekilde anlayabiliyor ve ürün ekiplerine ve şirketin diğer bölümlerine değerli geri bildirimde bulunabiliyor. Sorun, destek ekibinin müşteri sorununu çözmeye odaklandığı ve sonra hemen sonraki soruna geçtiği için bu geri bildirimin kaybolmasıdır.

SupportLogic’in doğuş hikayesini paylaşabilir misiniz?

SupportLogic’i kurduğumda, destek endüstrisi pazar manzarasına baktım ve tüm yeniliklerin destek sorunlarını bertaraf etmeye odaklandığını gördüm. Bu, destek mühendislerinden ve müşterilerden uzaklaşmak anlamına geliyordu. Ancak ben, bir ürün destek mühendisi olarak gördüğüm şey, her müşteri etkileşiminin müşteriler hakkında ve ürünün nasıl çalıştığı hakkında öğrenme fırsatı olduğu idi. Ancak şaşırtıcı bir şekilde, bu öğrenme sorununu çözebilecek araçlar bulunmuyordu, bu nedenle büyük bir fırsat gördüm.

Ayrıca, destek genellikle bir maliyet merkezi olarak görülüyordu, bu da kısa görüşlü bir yaklaşım gibi görünüyordu. Destek, bir kar merkezi veya şirketin merkezi sinir sistemi olarak görülürse, gerçekten bir organizasyonu dönüştürebilir ve müşterilere odaklanabilir. Bu, SupportLogic’i kurmama yol açan şeydi.

SupportLogic’te kullanılan farklı makine öğrenimi teknolojileri nelerdir?

Şirket kurulduğunda, kamu tarafından erişilebilen makine öğrenimi API’lerini kullanabileceğimizi varsayarak naif davrandım. Amazon (AMZN ), Microsoft ve HPE’den birçok API vardı, ancak bu makine öğrenimi modellerinin çoğunun bizim çalıştığımız müşteri destek verisiyle çalışmadığını şaşkınlıkla ve hayal kırıklığıyla gördüm. Ancak bu, bir fırsat olarak görerek “neden kendimiz inşa etmeyelim?” dedim. Mevcut ML teknolojilerini kullanarak, Stanford Üniversitesi’nden spaCy ve Google (GOOGL ) BERT gibi açık kaynaklı projelerden bazılarını kullanarak kendi makine öğrenimi modellerimizi inşa etmeye başladık ve üzerine kendi “gizli sosumuzu” ekledik. Ayrıca, her müşteri için ve onların özel veri seti için modeli ince ayarlıyoruz, tek boyutlu bir yaklaşım yerine.

SupportLogic, şirketlerin müşterileriyle daha iyi bağ kurmasını sağlayan ana sinyalleri kullanarak nasıl çalışır?

Yaptığımız önemli şeylerden biri, NLP kullanarak müşteri bağlamını çıkarmaktır. Bağlam çok önemlidir, çünkü etiketleme sürecinde thường kaybolur. Sadece sınırlı miktarda bilgiyi etiketleyebilirsiniz. Müşterinin ne hakkında rahatsız olduğunu, ürününüz veya destek hakkındaki izlenimlerini, veya ürününüzü ne yapmak istediğini çıkarmamız çok iyidir. Çeşitli sinyaller ve bağlam vardır. Gerçek zamanlı olarak bunları çıkararak ve platformumuzda iş akışları oluşturarak, şirketlerin müşteri sinyallerine tepki vermesine ve sorunları önceden çözmesine olanak tanırız – müşteri çok kızgın veya sonsuza kadar gider önce.

SupportLogic yazılımının arkasındaki diğer yetenekler nelerdir?

Müşteri etkileşimlerinden müşteri sinyallerini çıkardıktan sonra, bu sinyaller analitik için çok güçlü olur. Müşteri sesinin nasıl göründüğünü gösteren bir analitik modülümüz var. Daha da ileri giderek, bu verileri kullanarak öngörülerde bulunmaya başlıyoruz. Bir müşteri hesabında ne olacağını öngörebiliriz. Ayrıca, müşteri durumuna bağlı olarak, şirketin hangi konu uzmanının sorunu çözmeye en uygun olduğunu ve bu uzmanla müşteriyi eşleştirebiliriz.

Gelen ve giden konuşmalara bakarak, hizmet ajanlarına, müşterilerle günlük etkileşimlerinde neyi daha fazla veya daha az yapmaları gerektiğini gösteren bir rehberlik aracı olarak da kullanabiliriz. Hizmet ajanlarının soft becerilerini geliştirmelerine ve genel performanslarını iyileştirmelerine yardımcı olan bir eğitim aracı olur.

SupportLogic hakkında paylaşmak istediğiniz başka bir şey var mı?

İnsanların AI ile ilgili ortak bir yanlış anlaşılması, bunun çok büyük bir yatırım olduğu ve çok karmaşık olduğu, ve bir yıldan fazla sürede geri dönüşlerin görülemeyeceği yönündedir. Aslında, AI ve ML teknolojileri çok olgunlaştı ve mevcut veri setinizde çalışabilir. Ve birkaç ay içinde sonuçlar görebilirsiniz, yıllar değil. Bu nedenle, şimdi AI’ye yatırım yapmak için doğru zaman, çünkü birkaç ay içinde mucizeler yaratabilir ve organizasyonunuz için büyük faydalar sağlayabilir.

Harika röportaj için teşekkür ederiz, daha fazla bilgi öğrenmek isteyen okuyucular SupportLogic‘i ziyaret edebilir.