Tudjuk ma, hogy mi lesz holnap? Lássuk előre az ügyfelek viselkedését! Csendes Balázs Brand Manager IBM Magyarország

Méret: px

Mutatás kezdődik a ... oldaltól:

Download "Tudjuk ma, hogy mi lesz holnap? Lássuk előre az ügyfelek viselkedését! Csendes Balázs Brand Manager IBM Magyarország"

Alexandra Lukácsné
5 évvel ezelőtt
Látták:

1 Tudjuk ma, hogy mi lesz holnap? Lássuk előre az ügyfelek viselkedését! Csendes Balázs Brand Manager IBM Magyarország

2 Oscar Díj / 2012

3 Megjósolni az Oscar díj eredményét Meryl Streep The Iron Lady Best Picture The Artist Női mellékszereplő Octavia Spencer Jean Dujardin The Artist

4 Mire figyelnek a részvényesek következő 3 évben? 70% 60% 50% 40% Növelni az ügyfélközpontúságot Javítani az ügyfél szegmentációt Ügyfél igényekhez alakított árazás A csatornák igazítása a használathoz 30% 20% 10% 58% 54% 43% 31% 39% 38% 35% 34% Radikális költségcsökkentés A működés egyszerűsítése Figyelem az üzleti modellre 0% Risk Mgmt. Mature Markets Client Srvc. Capital Cost Emerging Markets Kockázat és tőke menedzsment IBM Institute for Business Value Note: Question asked:. 2. Which attributes do you think will be most critical in creating shareholder value for your financial institutions in the next three years? Select up to three. Source: IBV EIU Business Analytics in Banking Survey 2010, n=235

5 Az anali8ka összefügg a teljesítménnyel! 3x 5.4x A szervezetek, amelyek analitikai eszközöket használnak jobban teljesítenek, mint azok, akik most kezdik csak bevezetni ezeket A legjobban teljesítők jobban hagyatkoznak analitikai eszközökre, mint az intuícióra Source: Analytics: The New Path to Value, a joint MIT Sloan Management Review and IBM Institute of Business Value study. Copyright Massachusetts Institute of Technology 2010."

Fejle@ ügyfél anali8ka Az egyre növekvő mennyisége, változatossága és tagoltsága az ügyfelek adatainak soha nem látott lehetőségeket kínál Új és kifinomultabb stratégiák, melyek hatékonyabbak és

6 ügyfél anali8ka Az egyre növekvő mennyisége, változatossága és tagoltsága az ügyfelek adatainak soha nem látott lehetőségeket kínál Új és kifinomultabb stratégiák, melyek hatékonyabbak és eredményesebbek A szervezetek általában tudják mit kezdenének a mélyebb analitikai tudással, de még csak keveseb használják is ki őket De egyensúlyozni kényszerülnek a személyes adatvédelem és a szűk erőforrások között A technológia megteremti annak a lehetőségét, hogy jobban megismerjük az ügyfeleinket

7 Mérföldkövek a mesterséges intelligenciában Deep Blue ben legyőzte Garry Kasparov sakk világbajnokot

ÁTörés a tartalom elemzésben IBM Watson (Jeopardy) Üzle8 kihívás Előrelépés a QuesWon Answer (QA) rendszerek terén, lehetőséget adva több iparágban is használható

Iparág: széles körben Érték: üzle5 döntések javítása Megoldás: content analy5cs információ kereső eszköz, ami képes a kérdéseink megértésére, így biztosítva, hogy

Az IBM Content AnalyWcs (LanguageWare) használata más technológiákkal együt hatalmas mennyiségű strukturálatlan tartalom olvasására, elemzésére, megértésére.

8 ÁTörés a tartalom elemzésben IBM Watson (Jeopardy) Üzle8 kihívás Előrelépés a QuesWon Answer (QA) rendszerek terén, lehetőséget adva több iparágban is használható alkalmazások számára az átörésre. Iparág: széles körben Érték: üzle5 döntések javítása Megoldás: content analy5cs információ kereső eszköz, ami képes a kérdéseink megértésére, így biztosítva, hogy megkapjuk amit akarunk, természetes párbeszéd formájában közölt tartalom formájában. Dr. David Ferrucci Principal Inves5gator Watson project Miért jobb? Az IBM Content AnalyWcs (LanguageWare) használata más technológiákkal együt hatalmas mennyiségű strukturálatlan tartalom olvasására, elemzésére, megértésére. Többféle algoritmus párhuzamos futatása a lehetséges válaszok megbízhatósági szintjeinek összehasonlításával. A válaszokkal együt a megbízhatósági szintek megadása. Jobb üzle8 működés Iparági megjelenés hamarosan! Számtalan alkalmazás értékét növeli meg az egészségügytől kezdve az ügyfélszolgálatokon át a kormányzaw hírszerzésig, és ezeken túl.

9 IBM Content and PredicWve AnalyWcs A kérdés: Mit tudunk? A tartalom és prediktív analitikai képességek ötvözése valós idejű és tényleges adat alapú döntéshozatal érdekében Analizálni és vizualizálni a múltat Megérteni a trendeket, mintázatokat, eltéréseket, anomáliákat a kontextusnak megfelelően és felismerni az összefüggéseket Látni a jelent Elemezni és kivonatolni a szövegeket, folyamat dokumentumokat valamint egyéb információkat találni a strukturálatlan adatokban Megjósolni a jövőt Prediktív modelleket használni, hogy a jelen döntések megalapozottabbak legyenek

10 IBM Content and PredicWve AnalyWcs ÁTekintés KINYERNI a tényeket és a kapcsolatokat a különböző adatbázisokból Analizálni és Megjeleníteni a múlt, jelen és jövőbeli forgatókönyveket hogy egy tényeken alapuló adatbázis kapjunk Analyze Visualize A Content Analytics a természetes nyelvi feldolgozással analizálja a trendeket, mintákat, eltéréseket a strukurálatlan adatokban. Az SPSS a prediktív osztályozást és valószínűség analízist végzi el. Mindezek lehetővé teszik a munkatársaknak és vezetőknek, hogy Kapcsolatba kerüljenek a tárolt információkkal és azokból új következtetéseket újszerűen vonjanak le Integrálják és hasznosítsák más rendszerek eredményeivel 10

11 Miért érw meg nehezen a gép az embert? Hol született Einstein? Strukturált adat Fizikus Szül. hely A. Einstein Ulm N. Bohr Copenhagen M. Curie Warsaw Source: Excel File, Database, etc. Strukturálatlan adat Egy napon Otto kiválasztott egy szép ulmi képeslapot és elküldte Albert Einsteinnek emlékül a szülővárosából Source: Mit vezetett J. Welch? Személy Szervezet L. Gerstner IBM J. Welch GE Source: Excel File, Database, etc. W. Gates Microsoft Source: IBM Research Ha a vállalatvezetés művészet, akkor Jack Welch festőművésznek bizonyult a GEnél eltöltött időszak alatt Source: Jack Welch and the GE Way, Robert Slater

12 Nyers információból gyors következtetések Fedezzen fel új üzlew lehetőségeket ez egyedi vizualizációs technikával Kinyerni és aggregálni többféle forrásból Analizálni, rendezni és vizuálizálni Feltárni az összefüggéseket hatalmas és sokféle szöveg alapú tárak feldolgozása. vállalaw tartalom (és adat) felhasználása, hogy felismerjük a kölönböző trendeket, mintákat és korrelációkat. megvizsgálni a gyanús összefüggéseket anélkül, hogy külön modellt építetünk volna a területre.

13 IBM Content and PredicWve AnalyWcs a gyors következtetéseket szolgáltató plagorm A nyers információt gyorsan következtetésekké alakítja modellek felépítése vagy összetet rendszerek használata nélkül. A következtetéseket órák vagy napok alat képes szolgáltatni nem hetek vagy hónapok alat. Könnyen használható mindenki számára a tartalom keresésére és feltárására. Rugalmas és bővíthető a mélyebb összefüggések feltárására. Rapidly Derived Insight Search and Explore Analyze and Visualize Aggregate and Extract External and Internal Content (and Data) Sources including Social Media and More

Szabadítsuk fel az értéket a tartalomból Mire

Megérteni az ügyfelek kérdését mielőt kérdezik.

14 Szabadítsuk fel az értéket a tartalomból Mire használják jelenleg ügyfeleink megoldást? Megérteni az ügyfelek kérdését mielőt kérdezik. Felderíteni visszaéléseket mielőt a kérelem kifizetésre kerülne. Dinamikusan hozzárendelni az erőforrásokat az legfontosabb területekhez. Életeket menteni azzal hogy gyorsan azonosítjuk a biztonsági problémákat. Ön kihasználja a rejte@ értékeket a tárolt strukturálatlan tartalmakból?

sorolja 2010- ben vete meg az IBM Lefedi

tervezéstől a kampány- értékelésig Valós

+113% az email kampány hatékonysága +285%

duplázódot a Reward Zone klubtagok száma

15 Unica integrált markewng menedzsment Gartner, Forrester is vezetők közé sorolja ben vete meg az IBM Lefedi a teljes markewng tevékenységet tervezéstől a kampány- értékelésig Valós idejű döntések, ügyfélre szabva Cross- chanel értékesítés: , call center, DM levél, web, banner, SNS, stb. +113% az kampány hatékonysága +285% hirdetősávra karntók aránya 3 hónap alat duplázódot a Reward Zone klubtagok száma A cost- per- conversion közel 80%- kal csökent (egy unit- ra jutó kampányköltség) 30x- ára nőt az egy évben folytatot kampányok száma 3 hétről 1 hétre csökkent a kampányok előkészítési ideje 35%- kal csökkent a markewng csapat bérköltsége (túlórák)

16 Call center sajátosságai Információ a beszélgetésekben A beszélgetések <1%- át hallgatják vissza Értékes kihasználatlan információk A céget egy operátor hangja képviseli Nincs tökéletes operátor Call center voice Feladat: kiaknázni a beszélgetésekben lévő információt 16

17 Call Center Egy létező megoldás Hangalapú elemzés Predictive CRM Speech-totext IBM Content and Predictive Analytics Ügyféladat Strukturált adat Hívás adatok Külső ab. 17

18 ÜzleW probléma Lemondási szándék Elégedetlen ügyfél Reklámkampány hatásának vizsgálata Operátori teljesítmény monitorozás Protokoll tartás... 18

19 Lemondási szándék Azonosíthatóan megjelenik a beszélgetésekben Eredmény: napi lemondási lista azonnal akció tervezhető 19

20 Protokoll tartás 20

21 Köszönöm a figyelmet! Csendes Balázs Brand Manager Industry SoluWons Tel: 20/ Mail: bcsendes@hu.ibm.com

22 The Interactive Discovery User Interface Explained Search Query Exploration Views, Filters and Thresholds Automatically Extracted and Analyzed Concepts, Entities, Relationships, Meta Data and Classifications Visualization with Drill Down for Exploration and Assessment 22

23 Connections View links highly correlated terms to one another 23

24 Create Dashboard Views for Executive Summaries 24

25 Ability to add custom views into ICA Text Miner Sample Plug-in Map View 25

Hasonló dokumentumok

Tudjuk ma, hogy mi lesz holnap? Lássuk előre az ügyfelek viselkedését! Csendes Balázs Brand Manager IBM Magyarország

Tudjuk ma, hogy mi lesz holnap? Lássuk előre az ügyfelek viselkedését! Csendes Balázs Brand Manager IBM Magyarország Oscar Díj / 2012 Megjósolni az Oscar díj eredményét Meryl Streep The Iron Lady Best