Citi و Aflac و Verizon: ثلاث رحلات مختلفة لبيجا

كما يتجلى في PegaWorld iNspire لهذا الشهر ، تتراوح عروض Pega من أتمتة عمليات المكتب الخلفي إلى إنشاء رحلة في الوقت الفعلي لمواجهة العملاء - وكل ذلك مدفوع بالذكاء الاصطناعي. جلسنا مع ثلاثة عملاء رئيسيين لشركة Pega لفهم رحلاتهم المختلفة جدًا.

وقد بدأنا بالعمل الذي هو في الواقع أقدم عملاء Pega الحاليين.

سيتي وبيجا: ذكرى روبي

قال بروميتي دوتا ، رئيس التحليلات والتكنولوجيا والابتكار لقسم الخدمات المصرفية الشخصية في الولايات المتحدة في سيتي: "بينما عملت Pega مع Citi لمدة أربعين عامًا ، لم أفعل ذلك". بدأت رحلتها في لعبة Pega عندما انضمت إلى Citi ، قبل أربع سنوات.

"تشرف مجموعة التحليلات التي أنا جزء منها على كيفية نقل البيانات والقدرات التحليلية عبر الشركة. كنا نعلم أن محرك القرار الخاص بنا كان نهاية العمر وأننا بحاجة إلى محرك جديد ، لذلك كانت أول تفاعلات مع Pega مع الأفراد الذين يحاولون بيعنا مركز قرار العملاء الجديد. بصراحة ، لقد أجرينا بعض الأبحاث لأن Pega ليس لديها احتكار في هذا - Salesforce لديها آلة أينشتاين ، Adobe لديها آلة واحدة ، كانت هناك بعض الآلات المفصلة التي صادفناها من بعض الأسماء الأصغر - لكن الحقيقة لم يكن محرك القرار لديه كل شيء وستكون هناك حاجة إلى بعض التخصيص ".

تحولت المحادثة إلى من سيكون الشريك الأفضل ومن سيكون الأنسب مع رؤية Citi نظرًا للقدرات التي يقدمونها. "إذن ما هو الشريك الذي أردنا العمل معه؟ من هو الشريك الذي يتوافق مع رؤيتنا بأفضل طريقة ممكنة مع القدرات التي كانوا يقدمونها في ذلك الوقت قبل أربع سنوات؟ كان بيغا بالتأكيد أفضل عداء لذلك ".

بالطبع ، ظلت Citi لعقود من الزمان تشغل حلول Pega أخرى مثل أدوات سير العمل المختلفة وإدارة حالة العمل. في الواقع ، لم يكن اتخاذ القرار أمرًا جديدًا (في مرحلة ما كان يستخدم Chordiant ومنصة BPM و CRM التي استحوذت عليها Pega في النهاية). قال دوتا: "كنا نجري بالفعل محادثات مع العملاء ، ليس فقط بنفس القدر من التطور الذي يوفره محرك قرار Pega."

يستخدم Pega Customer Decision Hub الذكاء الاصطناعي لتحديد واقتراح الإجراءات التالية الأفضل لكل عميل في الوقت الفعلي. تستخدم Citi استخدامًا أضيق قليلاً للمحور.

أوضح دوتا أن "ما نقدمه للعميل لا يقرره في الواقع محرك القرار". "لدينا عدد من الأساليب والقدرات المتقدمة التي بنيناها داخليًا لتحديد" ماذا ". إنها "متى" و "أين" التي نستخدم فيها مركز القرار. يتم تحميل جميع "whats" في لوحة العرض ؛ باستخدام القرائن والنماذج السياقية التي تعمل في محرك القرار ، فإنه يكتشف متى يرى العميل العرض ".

لدى Citi بالفعل تنبؤات حول ما يحتاجه العميل ، سواء في شكل منتج أو عرض أو شكل آخر من أشكال المشاركة. قال دوتا: "ما يفعله محرك قرار Pega هو معرفة أنك مؤهل لتلقي عرض ، أو أي شيء آخر ، والذي يجب إظهاره الآن على أنه وثيق الصلة بالسياق" ، مضيفًا أن النطاق الكامل لتفاعلات القناة متاحة لـ Pega لاستخدامها في اتخاذ هذا القرار المستنير.

مثل أي مؤسسة مالية ، تتوخى Citi الحذر الشديد في تعاملاتها مع العملاء ، مع الاحترام الصارم لإدارة المخاطر النموذجية والإقراض العادل وبروتوكولات الخصوصية. هذا يعني بعض القيود على استخدام الذكاء الاصطناعي. "أي شيء يغذي Pega Decision Hub لدينا يخضع لنفس الفحص. كان علينا إرسال محرك القرار بالكامل من خلال نفس العملية لضمان عدم تأثر العملاء سلبًا ".

أحفر أكثر عمقا: بيغا : الذكاء الاصطناعي سوف يدعم المؤسسة المستقلة

فيريزون: فرط التخصيص للأعمال والمستهلكين

بدأت رحلة عمل Verizon قبل انضمام Tommi Marsans إلى Verizon Business Group. بدأ مايكل سينجاري ، نائب الرئيس لعلوم التسويق ، CX و CRM ، في استخدام حل Pega التالي الأفضل قبل عدة سنوات على جانب المستهلك من الأعمال في مركز اتصال العملاء.

قال الخبير الاستراتيجي التكنولوجي للتسويق Marsans: "لقد جئت من خلال عملية الاستحواذ على XO Communications من قبل Verizon". "عندما أعاد Verizon 2.0 تنظيمنا ، بدأ Mike Cingari ممارسة علوم التسويق وجذب بعضًا منا إلى هناك للقيام بتنفيذ Pega للأعمال. كان ذلك عام 2019. لقد استغرق الأمر بعض الوقت لكي نبدأ ، ولكن بمجرد أن بدأنا وتمت الموافقة على حالة العمل الخاصة بنا ، استغرقنا أقل من 13 شهرًا لبدء إظهار العائد. لقد حققنا أداءً أفضل من التعادل في العام الأول ، ثم في العام الثاني: 20 ضعفًا ".

كما هو الحال مع تطبيق Pega من جانب المستهلك ، كانت Marsans وفريقها يعملون في مساحة اتخاذ القرار التفاعلية - لتحديد الإجراء التالي الأفضل استجابةً لسلوك العملاء (في هذه الحالة ، عملاء الأعمال). "لذلك عندما اتصل شخص ما بمركز الاتصال وأراد قطع الاتصال ، سيكون هناك أفضل إجراء تالٍ له. لقد توسعنا في فرص النمو والتحديثات. ثم انتقل إلى الفضاء غير المدعوم ، رقميًا ، ونما من هناك. "

طلبنا منها شرح تأثير الإجراء التالي الأفضل على خدمة العملاء. "الاختلاف الذي نحدثه هو في القنوات المساعدة ، حيث يسعد ممثلو الخدمة العميل بأي ثمن - لذلك ذهبوا دائمًا إلى العرض الأغنى لأن هذا هو العرض الذي سيستمر ، ولم ينظروا أبدًا إلى البدائل. عندما أعطيناهم بدائل ، استخدموها وكان ذلك ناجحًا تمامًا ؛ إن حل مشكلة للعميل ، بدلاً من مجرد الدفع له مقابل البقاء ، يمنح تجربة أفضل للعملاء بالإضافة إلى تجربة المستخدم ".

يؤكد مارسانس أن قرار العميل مفرط في التخصيص. "ليس هذا ما نود التحدث معهم عنه ؛ إنه العرض التالي الأفضل الذي نعتقد أنهم سيرغبون فيه. إنها ليست مجرد عروض ؛ خاصة في الجانب التجاري ، هناك حلول مخبوزة بالكامل. نتحدث معهم عن أفضل واحد من هؤلاء ".

بالطبع ، لكي يقوم مركز قرارات العملاء بإصدار أحكام مستنيرة بشأن أفضل الإجراءات التالية ، يجب تدريبه على ما نجح في الماضي. قال مارسانس: "إذا كان لديك سجل معاملات ، فيمكنك إطعام المحرك وتشغيله. لدينا أيضًا نماذج الانحدار التقليدية التي نقوم بإدخالها فيها أيضًا. لقد بدأنا الآن في استخدام النمذجة التكيفية [AI in the Decision Hub]. يتطلب جزء الذكاء الاصطناعي من المحرك بعض التعلم لنا ، وليس الآلة ، لمعرفة كيفية تقديم العروض وما هو التسلسل الصحيح للأحداث ".

أخبرتنا Marsans أنها متحمسة بشأن حلول الذكاء الاصطناعي التوليدية التي تطلقها Pega. " بغض النظر عن حالة العمل لديك ، بغض النظر عن حالة الاستخدام التي تم تصميمها لحلها ، يمكنك إعادة استخدام ذلك. يمكنك استخدام ذلك كأساس لأشياء أخرى. لا أعتقد أنك بحاجة إلى تطبيق كامل يصل إلى كل قناة على حدة. أعتقد أنه يمكنك البدء من حيث تبدأ ".

أخيرًا ، ما مدى صعوبة إقناع المسوقين بالشراء فيما هو ، من نواح كثيرة ، عقلية غير بديهية؟ قال مارسانس: "حلم كل مسوق هو أن تكون لديه رحلة عملاء واضحة وأن يكون قادرًا على التأثير عليهم طوال الطريق للوصول بهم إلى حيث تريدهم أن يكونوا". "من الصعب عليهم التفكير في كونها محادثة مستمرة عبر العديد من القنوات المختلفة ، بدلاً من" أريد أن أرسل لك شيئًا تحتاج إلى الرد عليه ". هذا نوع من النقلة النوعية ، ولكن إذا كان بإمكانك إظهارها في أول حالتين من حالات الاستخدام التي يمكنك الوصول إليها ، فستكون جاهزة تمامًا ".

حفر أعمق: التخفيف من مخاطر الذكاء الاصطناعي التوليدي عن طريق وضع الإنسان في الحلقة

Aflac: تقصير وقت القيمة

في الوقت الحالي ، لدى Aflac حالات استخدام مختلفة تمامًا لـ Pega عن Citi و Verizon. لقد بدأت للتو في النظر في إمكانيات مركز قرارات العملاء. في المقام الأول ، تم نشر Pega لتحليل وأتمتة عمليات الأعمال وسير العمل. تم الاستفادة بشكل كبير من استوديو التطبيقات منخفض الكود الخاص بشركة Pega لإنشاء تطبيقات تفهم عمليات الأعمال ومن ثم تقوم بأتمتةها.

"إنها إحدى المبادرات التي تتماشى مع إستراتيجية One Digital Aflac" ، قالت رئيسة قسم المعلومات الأمريكية Shelia Anderson. "أعتقد أن الرحلة استغرقت حوالي ست أو سبع سنوات ، مع التركيز على الفرص لتقديم نهج أكثر آلية لمعالجة بعض البيانات الفنية والمشكلات القديمة التي كانت لدينا."

أندرسون جديد نسبيًا في كل من Aflac و Pega. "انا مازلت اتعلم. لقد كنت في المنظمة لمدة عشرة أشهر ، وكما يمكنك أن تتخيل ، لم أركز على المستوى التفصيلي للغاية للمنصات الأساسية ؛ لقد ركزت أكثر على إستراتيجية المؤسسة ". لكنها شهدت التحدي الذي واجهته بعض المجموعات داخل المنظمة في التكيف مع نهج Pega ذي التعليمات البرمجية المنخفضة.

"بالنسبة لي ، فإن أكبر تعديل أراه يتعلق بالموظفين الهندسيين وتوقعاتهم ، لأن المهندسين يستمتعون بإنشاء الكود ؛ هناك القليل من المحور لجعلهم يرون قيمة عدم تنفيذ كل التعليمات البرمجية الخاصة بهم من البداية - تم إنجاز الكثير من هذا العمل التأسيسي من أجلك ، مما يمنحك بداية سريعة ".

لقد احتضن مستخدمو الأعمال الفرص التي أنشأتها التعليمات البرمجية المنخفضة. قامت Aflac مؤخرًا بتشغيل "Pegathon" حيث قام مستخدمو الأعمال بتشغيل App Studio لإنشاء تطبيقات لمعالجة حالات استخدام محددة. يتم التخطيط للمزيد. "إنها طريقة غامرة للغاية للبدء في جعل بعض مستخدمي الأعمال لدينا معتادون على الأدوات ، للاستفادة من نهج الترميز المنخفض في التطوير والسماح لهم برؤية بعض القيمة التي يمكنهم إنشاؤها بأنفسهم."

كان تأثير Pega على معالجة المطالبات. أوضح أندرسون: "لقد وجدنا أننا نقضي الكثير من الوقت في مطالبات أقل تعقيدًا (وهي أيضًا أكثر من مدفوعات أقل بالدولار)". "بعد النظر في ذلك ، وجدنا أنه سيكون من الأكثر فعالية بالنسبة لنا فقط الدفع التلقائي لتلك المطالبات. نحن نستخدم الآن الأتمتة أو الذكاء الاصطناعي أو التعلم الآلي وعملية سير العمل لدفع هذه التكاليف تلقائيًا. لقد كان هذا بمثابة تبسيط كبير لممثلي خدمة العملاء لدينا ، حيث أتاح لهم الفرصة للتركيز على الحالات الأكثر تعقيدًا وخطورة. "

لدى أندرسون حاليًا فريق يركز على الذكاء الاصطناعي التوليدي ، حيث من الأولويات مراقبة الاستخدام الآمن وحماية بيانات Aflac. كما أنشأت أيضًا مركز Pega للتميز ومجتمعًا للممارسة: "هذا جزء كبير من مكان حدوث التعلم. ضمن هذا المجتمع ، لدينا أشخاص أمضوا سبع سنوات مع Pega وأفراد جدد ينضمون إلى هذه المجموعة ".

ربما يكون التأثير الأكثر وضوحًا الذي تستشهد به شركة Aflac ، قد نشأ من استخدامها لـ Pega لدمج العديد من تطبيقات رعاية العملاء على شاشات متعددة في منصة واحدة وتبسيط عمل ممثلي خدمة العملاء. أبلغ أندرسون عن انخفاض بنسبة 33٪ في وقت التعامل مع المكالمات التي تطلب استمارات المطالبات ؛ تقليل وقت التعامل مع مصادقة العميل بنسبة 65٪ ؛ وحوالي 77٪ من جميع الدردشات تمت معالجتها بالكامل بواسطة مساعدي Pega الظاهريين العام الماضي (مما يمثل توفيرًا يقارب 4 ملايين دولار).

في منصة PegaWorld الرئيسية ، تحدث أندرسون عن "تقصير الوقت لتقييم كل ما نقوم به والحفاظ على منظور العميل والتركيز عليه."