هوش مصنوعی داده‌محور راه درمان بسیاری از پروژه‌های هوش مصنوعی است

این همان سوالی است که شرکت ها به طور فزاینده ای از هوش مصنوعی (AI) برای پاسخ سریع به آن استفاده می کنند. اما این دو پاسخ بالقوه ایجاد شده توسط هوش مصنوعی را در نظر بگیرید که نماینده شما می تواند برای این مشتری ارسال کند.

یک نمایه مشتری یکپارچه، که توسط Data Cloud فعال شده است، دید جامعی از کاربران شما، خواه بازدیدکننده، مشتری، بالقوه یا مش، به شما ارائه می دهد. از لحاظ تاریخی، داده‌های بازاریابی در سیستم‌های بازاریابی، داده‌های خدمات در سیستم‌های خدماتی و غیره قفل شده‌اند، که تصویر کاملی از فعالیت مشتری به شما ارائه نمی‌دهد.

“شما ممکن است داده هایی در دسترس داشته باشید، اما آیا این داده ها فعلی، معتبر و کامل هستند؟” کارل بروندج، معمار فنی معتبر متخصص در داده ها و تجزیه و تحلیل در Odaseva، گفت. “اگر نه، ممکن است تصویر کاملی از مشتری خود نداشته باشید.”

  • داشتن تصویر کامل – دانستن اینکه مشتری شما چه کاری، چه زم،، چرا و چگونه کاری را انجام می دهد – کلید افزودن زمینه ارزشمند به هوش مصنوعی است.

کاری که شرکت شما اکنون می تواند انجام دهد

پس از پاک ، داده ها، باید بتو،د به این سؤالات پاسخ دهید:

  • آیا داده ها منطقی هستند؟
  • آیا داده ها از قو،ن من، برای حوزه خود پیروی می کنند؟
  • آیا این نظریه شما را اثبات می کند یا رد می کند، یا بینشی را آشکار می کند؟
  • آیا می تو،د روندهایی را بیابید که به اطلاع رس، نظریه بعدی کمک کند؟ اگر نه، آیا این به دلیل ادامه مشکلات کیفیت داده است؟

AI + CRM داده محور = ،یبی قاتل

بروندج گفت: “دانش این است که بد،م گوجه فرنگی یک میوه است.” “حکمت این است که بد، در سالاد میوه نمی گنجد.”


منبع: https://www.salesforce.com/blog/data-centric-ai/

پاسخ 2:

Brundage گفت: “کاملاً نیاز به داشتن یک نمایه مشتری یکپارچه قابل اعتماد، در یک مکان و به روز رس، در زمان واقعی وجود دارد.” «کاری که ماه گذشته انجام دادید، ممکن است بر اساس داده‌ها، در این ماه متفاوت عمل کنید. و اگر داده‌های قدیمی دارید، این همان چیزی است که هوش مصنوعی از آن استفاده می‌کند.»

پاسخ 1:

هوش مصنوعی مولد وعده می دهد که به طور قابل توجهی نحوه مدیریت روابط با مشتری را تغییر می دهد، اما به داده هایی نیاز دارد که دقیق، به روز، در دسترس و کامل باشند.

  • این هوش مصنوعی داده محور نامیده می شود و بر این تصور است که سیستم های هوش مصنوعی تنها با استفاده از داده های با کیفیت توسعه می یابند.
  • همچنین شرکت‌ها را م،م می‌کند که دیدی مرتبط و به‌روز از فعالیت مشتری داشته باشند.

نمای Trailblazer

جان، از اینکه عضو وفاداری سطح طلایی هستید، متشکریم! چطور می تونم کمک کنم؟ آیا در مورد لیوان موجود در سبد ،ید خود، کیسه پیام رسان که در حال حاضر در وب سایت ما در حال مشاهده آن هستید یا چیز دیگری مشکلی دارید؟

مقالاتی را که فقط برای شما انتخاب شده اند، در صندوق ورودی خود دریافت کنید

<،on name="Subscribe" cl،="wp-block-salesforce-blog-newsletter-signup__submit btn btn-lg btn-primary form-subscribe-modal-open">

ثبت نام کن

مدیریت داده های از دست رفته

اغلب مشاهدات یکباره وجود دارد که به نظر نمی رسد با داده هایی که شما تجزیه و تحلیل می کنید هماهنگ باشد. این ممکن است نتیجه ورود داده های نادرست باشد (و باید حذف شود) اما گاهی اوقات موارد پرت به اثبات نظریه ای که روی آن کار می کنید کمک می کند. در هر صورت برای تعیین اعتبار آن نیاز به تحلیل است.

یک وجود دارد هرم معروف که سلسله مراتب مدیریت دانش را نشان می دهد. داده ها در پایین می‌نشیند و نشان‌دهنده هر چیزی است که جمع‌آوری می‌کنیم، پیشرفت می‌کنیم اطلاعات، سپس دانش، و در نهایت ،د، که در بالا قرار دارد.

داده های مشتری در مرکز ارائه تجربیات عالی است. برای ساختن یک برنامه هوش مصنوعی موثر، نیازی نیست که داده های شما کامل باشند، اما باید تمیز باشند. این بدان م،است که بدون خطا، فرمت های نادرست، تکراری، یا بر،ب گذاری اشتباه است.

رویکرد برنده، ،یب این دو روش است. انجام این کار به شما کمک می‌کند تا روندها، چالش‌ها و فرصت‌ها را در تمام رشته‌های ،ب‌وکار شناسایی و پیش‌بینی کنید – و به مشتریان خود خدمات بهتری ارائه دهید.

با تشکر از شما برای پرسش شما. نام، ایمیل و شماره سفارش شما چیست؟ شما کجا سفارش دادید؟

تکرار زم، اتفاق می‌افتد که مجموعه داده‌ها را از چندین مکان ،یب می‌کنید و ورودی‌های تکراری ایجاد می‌شوند. مشاهدات نامربوط زم، اتفاق می‌افتند که داده‌ها (مثلاً در مورد مصرف‌کنندگان مسن‌تر) با مشکلی که شما می‌خواهید تجزیه و تحلیل کنید (مثلاً عادات ،ید هزاره) مطابقت نداشته باشد. حذف این موارد تجزیه و تحلیل را برای یک سیستم هوش مصنوعی کارآمدتر، مفیدتر و دقیق تر می کند.

رفع خطاهای ساختاری

داده های ناقص یا ناقص یک مشکل بسیار رایج در مجموعه داده ها است و می تواند دقت مدل های هوش مصنوعی را کاهش دهد. چند راه برای مق، با این موضوع وجود دارد:

  • حذف مشاهداتی که شامل مقادیر از دست رفته است. با این حال، این منجر به از دست رفتن اطلاعات می شود.
  • مقادیر گمشده را بر اساس مشاهدات دیگر وارد کنید. با این حال، ممکن است یکپارچگی داده ها را از دست بدهید زیرا بر اساس فرضیات عمل می کنید و نه مشاهدات واقعی
  • تغییر روش استفاده از داده ها برای پیمایش موثر مقادیر از دست رفته را در نظر بگیرید.

تایید اعتبار

تفاوت زیادی در نحوه احساس این پاسخ ها به مشتری شما وجود دارد. و این تفاوت به داده ها برمی گردد.

تفاوت داده ها

در حالی که برخی از تاثیرگذارترین ابزارهای هوش مصنوعی برای مشاغل هنوز در حال توسعه هستند، برخی گام‌های کلیدی وجود دارد که ،ب‌وکار شما اکنون می‌تواند برای نظم بخشیدن به خانه داده خود انجام دهد:

  • از کیفیت داده های خود اطمینان حاصل کنید. موارد تکراری، پرت، خطاها و سایر مواردی که می توانند بر نحوه تصمیم گیری شما تأثیر منفی بگذارند را حذف کنید.
  • منابع داده خود – بازاریابی، فروش، خدمات، تجارت – را به یک رکورد واحد متصل کنید که در زمان واقعی به روز می شود تا هوش مصنوعی بتواند بهترین توصیه ها را ارائه دهد.

چگونه فرمول 1 داده های مشتریان خود را به هم متصل کرد – و رضایت طرفداران 88 درصد را به دست آورد

هوش مصنوعی قبلاً شروع به تغییر CRM و نحوه ارتباط شرکت ها و خدمات رس، به مشتریان خود کرده است. هوش مصنوعی بدون داده های خوب که یکپارچه، دقیق و در زمان واقعی باشد بی فایده است. در عین حال، درک کوه های داده شما بدون هوش مصنوعی غیرممکن است.

سفارش من کجاست؟»

این زم، اتفاق می‌افتد که داده‌ها شامل غلط املایی، حروف بزرگ یا بر،ب‌گذاری اشتباه باشد. به ،وان مثال، “N/A” و “ناکاربرد” به یک م،ا هستند، اما به یک شکل تجزیه و تحلیل نمی شوند زیرا آنها به طور متفاوتی ارائه می شوند. ورودی ها باید برای اطمینان از تجزیه و تحلیل دقیق و کامل توسط سیستم هوش مصنوعی سازگار باشند.

نقاط پرت ناخواسته را فیلتر کنید

داده‌های مشتریان این شرکت اکنون در یک مکان زندگی می‌کنند، و آن را قادر می‌سازد تا تعاملات حضوری را با تعاملات دیجیتالی به منظور جلب بینش درست و رسیدن به طرفداران در لحظه، متصل کند.


زمینه را برای هوش مصنوعی داده محور ایجاد کنید

داده ها و اطلاعات زمینه کمی ارائه می دهند یا به “چرا” هر چیزی پاسخ می دهند. اما با داده‌های یکپارچه و بی‌درنگ لایه‌بندی شده با هوش مصنوعی، می‌تو،د ال،ا را ببینید، روندها را پیش‌بینی کنید و بین چیزهایی که در ظاهر ممکن است به نظر نمی‌رسد با هم همخو، داشته باشند، ارتباط برقرار کنید.

کارشناسان داده در Tableau ارائه می دهند این مراحل در مورد نحوه تمیز ، داده های خود، اولین گام مهم در یکپارچه سازی مجموعه های داده برای پروژه های هوش مصنوعی:

مشاهدات تکراری یا نامربوط را حذف کنید