Citi, Aflac ve Verizon: Üç farklı Pega yolculuğu

Bu ayki PegaWorld iNspire'da yansıtıldığı gibi, Pega'nın teklifleri, tümü yapay zeka tarafından yönlendirilen arka ofis süreç otomasyonundan müşteriye dönük gerçek zamanlı yolculuk oluşturmaya kadar uzanıyor. Birbirinden çok farklı yolculuklarını anlamak için üç büyük Pega müşterisiyle görüştük.

Ve aslında Pega'nın mevcut en eski müşterisi olan işle başladık.

Citi ve Pega: Yakut renkli bir yıldönümü

Citi'nin ABD bireysel bankacılık bölümünün analitik, teknoloji ve yenilik başkanı Promiti Dutta, "Pega kırk yıldır Citi'de olsa da ben olmadım" dedi. Pega yolculuğu dört yıl önce Citi'ye katılmasıyla başladı.

"Parçası olduğum analitik grubu, verilerin ve analitik yeteneklerin şirket genelinde nasıl aktarıldığını denetliyor. Karar motorumuzun ömrünün sonuna geldiğini biliyorduk ve yeni bir motora ihtiyacımız vardı, bu yüzden Pega ile ilk etkileşimim, bize yeni Müşteri Karar Merkezi'ni satmaya çalışan kişilerdi. Dürüst olmak gerekirse, Pega'nın bu konuda bir tekeli olmadığı için biraz araştırma yaptık - Salesforce'un Einstein makinesi var, Adobe'nin bir tane var, bazı küçük isimlerden ısmarlama olanları bulduk - ama gerçek şu ki hiçbir karar motoru her şeye sahip değil ve bazı özelleştirmelere ihtiyaç duyulacaktır.”

Konuşma, kimin daha iyi ortak olacağı ve sundukları yetenekler göz önüne alındığında Citi'nin vizyonuna kimin en uygun olacağı konusuna döndü. “Peki hangi ortakla çalışmak istedik? Hangi ortak, dört yıl önce o noktada sundukları yeteneklerle vizyonumuza en uygun şekilde uyuyor? Pega kesinlikle bunun için en iyi koşucuydu.

Elbette Citi, onlarca yıldır çeşitli iş akışı araçları ve iş durum yönetimi gibi diğer Pega çözümlerini yürütüyordu. Gerçekten de, karar verme konusunda yeni değildi (bir noktada, nihayetinde Pega tarafından satın alınan BPM ve CRM platformu olan Chordiant'ı kullanıyordu). "Zaten müşteri görüşmeleri yapıyorduk," dedi Dutta, "ancak Pega karar motorunun sunduğu kadar karmaşık değil."

Pega Müşteri Karar Merkezi, her bir müşteri için gerçek zamanlı olarak bir sonraki en iyi eylemi belirlemek ve önermek için yapay zekayı kullanır. Citi, Hub'ı biraz daha dar bir şekilde kullanır.

Dutta, "Müşteriye sunduğumuz şeye aslında karar motoru tarafından karar verilmiyor" dedi. “'Neyi' belirlemek için dahili olarak geliştirdiğimiz bir dizi gelişmiş yöntem ve yeteneğe sahibiz. Karar Merkezini "ne zaman" ve "nerede" kullanırız. Tüm 'neler' bir teklif paletine yüklenir; karar motorunda çalışan bağlamsal ipuçlarını ve modelleri kullanarak müşterinin teklifi ne zaman gördüğünü anlıyor.”

Citi, ister bir ürün, ister bir teklif veya başka bir ilişki biçimi olsun, bir müşterinin neye ihtiyacı olduğuna ilişkin tahminlere zaten sahip. Dutta, "Pega'nın karar motorunun yaptığı şey, bir teklif veya başka bir şey almaya hak kazandığınızı bilmektir; hangisinin bağlamsal olarak alakalı olduğunun şimdi gösterilmesi gerekir" diyen Dutta, Pega için tüm kanal etkileşimlerinin mevcut olduğunu da sözlerine ekledi. bu eğitimli kararı vermek için kullanmak.

Herhangi bir finans kurumu gibi, Citi de model risk yönetimine, adil borç verme ve gizlilik protokollerine sıkı sıkıya bağlı kalarak müşterilerle etkileşimlerinde son derece dikkatli davranır. Bu, AI kullanımıyla ilgili bazı kısıtlamalar anlamına gelir. "Pega Karar Merkezimizi besleyen her şey aynı incelemeye tabi tutulur. Müşterilerin olumsuz etkilenmemesini sağlamak için tüm karar motorunu aynı süreçten geçirmek zorunda kaldık."

Daha derin kaz: Pega : AI otonom işletmeye güç verecek

Verizon: İşletmeler ve tüketiciler için hiper kişiselleştirme

Verizon'un iş yolculuğu, Tommi Marsans'ın Verizon Business Group'a katılmasından önce başladı. Artık pazarlama bilimi, CX ve CRM'den sorumlu Başkan Yardımcısı olan Michael Cingari, birkaç yıl önce müşteri çağrı merkezinde işin tüketici tarafında Pega'nın sonraki en iyi eylem çözümünü kullanmaya başlamıştı.

Pazarlama teknolojisi stratejisti Marsans, "Verizon'un XO Communications'ı satın almasıyla geldim" dedi. "Verizon 2.0 bizi yeniden organize ettiğinde, Mike Cingari bir pazarlama bilimleri uygulaması başlattı ve bazılarımızı iş için bir Pega uygulaması yapmamız için oraya çekti. Yıl 2019'du. Başlamamız biraz zaman aldı, ancak başlayıp iş gerekçemizi onayladıktan sonra, geri dönüş göstermeye başlamamız 13 aydan kısa sürdü. İlk yıl, ardından ikinci yıl kırmaktan daha iyisini yaptık: 20X.

Tüketici tarafı Pega uygulamasında olduğu gibi, Marsans ve ekibi reaktif karar alma alanında çalışıyor ve müşteri davranışına (bu durumda ticari müşteriler) yanıt olarak bir sonraki en iyi eylemi belirliyorlardı. "Yani biri çağrı merkezini arayıp bağlantıyı kesmek istediğinde, onlar için bir sonraki en iyi eylem olacaktı. Büyüme fırsatlarına ve yükseltmelere genişledik; sonra yardımsız alana, dijitale geçti ve oradan büyüdü.”

Sonraki en iyi eylemin müşteri hizmetleri üzerindeki etkisini açıklamasını istedik. "Yarattığımız fark, hizmet temsilcilerinin müşteriyi ne pahasına olursa olsun memnun edeceği destekli kanallarda yatıyor - bu nedenle her zaman en zengin teklife gittiler çünkü kalıcı olan oydu ve hiçbir zaman gerçekten alternatiflere bakmadılar. Onlara alternatifler verdiğimizde onları kullandılar ve bir o kadar başarılı oldular; Müşteriye kalmaları için para ödemek yerine bir sorunu çözmek, kullanıcı deneyiminin yanı sıra daha iyi bir müşteri deneyimi sağlıyor.”

Marsans, müşteri kararının hiper-kişiselleştirildiğini vurguluyor. “Onlarla konuşmak istediğimiz konu bu değil; isteyeceklerini düşündüğümüz bir sonraki en iyi teklif. Sadece teklifler değil; özellikle iş tarafında, tamamen hazır çözümler var. Onlarla bunlardan bir sonraki en iyi olanı hakkında konuşuyoruz.

Elbette, Müşteri Karar Merkezi'nin bir sonraki en iyi eylemler hakkında bilinçli kararlar verebilmesi için geçmişte neyin işe yaradığına dair eğitilmesi gerekir. Marsans, "İşlem geçmişiniz varsa," dedi, "motoru besleyebilir ve temel olarak hızlı bir şekilde çalıştırabilirsiniz. Ayrıca onu beslediğimiz geleneksel regresyon modellerimiz de var. Uyarlanabilir modellemeyi [Karar Merkezinde AI] kullanmaya yeni başlıyoruz. Tekliflerin nasıl sunulacağını ve olayların doğru sırasının ne olduğunu bilmek için motorun yapay zeka kısmı, makinenin değil, bizim için biraz öğrenme gerektiriyordu."

Marsans, Pega'nın piyasaya sürdüğü üretken yapay zeka çözümlerinden heyecan duyduğunu söyledi. “ Hangi iş gerekçeniz olursa olsun, çözmek için oluşturduğunuz kullanım senaryonuz ne olursa olsun, onu yeniden kullanabilirsiniz. Bunu başka şeyler için temel olarak kullanabilirsiniz. Her bir kanala ulaşan tam bir uygulamaya sahip olmanız gerektiğini düşünmüyorum. Bence başladığınız yerden başlayabilirsiniz."

Son olarak, pazarlamacıların birçok yönden sezgilere aykırı bir zihniyeti satın almalarını sağlamak ne kadar zordu? Marsans, "Her pazarlamacının hayali, net bir müşteri yolculuğuna sahip olmak ve onları olmalarını istediğiniz yere götürmek için yol boyunca onları etkileyebilmektir" dedi. "'Sana yanıt vermen gereken bir şey göndermem gerekiyor' yerine, bunun birçok farklı kanalda devam eden bir konuşma olduğunu düşünmeleri onlar için zor. Bu biraz paradigma değişikliği, ancak onlara ilk birkaç kullanım senaryosuyla oraya ulaşabileceğinizi gösterebilirseniz, o zaman tamamen gemideler.

Daha derine inin: Döngüye bir insanı koyarak üretici yapay zekanın risklerini azaltmak

Aflac: Değer elde etme süresini kısaltma

Şu anda Aflac, Pega için Citi ve Verizon'dan tamamen farklı kullanım durumlarına sahip. Müşteri Karar Merkezi olanaklarına yeni yeni bakmaya başlıyor. Pega, öncelikle iş süreçlerini ve iş akışlarını analiz etmek ve otomatikleştirmek için devreye alındı. İş süreçlerini anlayan ve ardından otomatikleştiren uygulamalar oluşturmak için Pega'nın düşük kodlu App Studio'sundan çokça yararlanıldı.

ABD CIO'su Shelia Anderson, "Bu, Tek Dijital Aflac stratejimizle uyumlu girişimlerden biri" dedi. "Bazı teknik verileri ve sahip olduğumuz eski sorunları ele almak için daha otomatik bir yaklaşım getirme fırsatlarına odaklanan yolculuğun yaklaşık altı veya yedi yıl olduğunu düşünüyorum."

Anderson, hem Aflac hem de Pega için nispeten yeni. "Ben hala öğreniyorum. On aydır organizasyondayım ve tahmin edebileceğiniz gibi çekirdek platformların çok detaylı seviyesine odaklanmadım; Daha çok kurumsal stratejiye odaklandım.” Ancak, organizasyon içindeki bazı grupların Pega'nın düşük kodlu yaklaşımına uyum sağlamakta yaşadıkları zorluklara tanık oldu.

"Gördüğüm en büyük değişiklik mühendislik personeli ve onların beklentileriyle ilgili, çünkü mühendisler kod oluşturmaktan keyif alıyor; tüm kodlarını sıfırdan yapmamanın değerini görmelerini sağlayacak bir pivot var — bu temel çalışmaların çoğu sizin için yapıldı ve bu da size hızlı bir başlangıç ​​sağlıyor.”

İş kullanıcıları, az kodla yaratılan fırsatları benimsedi. Aflac kısa süre önce, işletme kullanıcılarının belirli kullanım durumlarını ele alacak uygulamalar oluşturmak için App Studio'yu çalıştırdığı bir "Pegathon" yürüttü. Daha fazlası planlanıyor. "İş kullanıcılarımızdan bazılarını araçlara alıştırmaya başlamanın, geliştirmeye yönelik bu düşük kodlu yaklaşımdan yararlanmanın ve kendi başlarına yaratabilecekleri değerin bir kısmını görmelerini sağlamanın çok sürükleyici bir yolu."

Pega'nın sahip olduğu bir etki, talep işleme üzerinde olmuştur. Anderson, "Düşük karmaşıklık taleplerine (aynı zamanda daha düşük dolar ödemesi olan) çok fazla zaman harcadığımızı fark ettik" dedi. "Buna baktıktan sonra, bu talepleri otomatik olarak ödemenin bizim için daha etkili olacağını gördük. Artık bunları otomatik olarak ödemek için otomasyon, yapay zeka veya makine öğrenimi ve bir iş akışı süreci kullanıyoruz. Bu, müşteri hizmetleri temsilcilerimiz için büyük bir basitleştirme oldu ve onları daha karmaşık ve kritik vakalara odaklanmaları için serbest bıraktı."

Anderson'ın şu anda, Aflac verilerinin güvenli kullanımını ve korunmasını izlemenin bir öncelik olduğu üretken yapay zekaya odaklanan bir ekibi var. Ayrıca bir Pega Mükemmeliyet Merkezi ve bir Uygulama Topluluğu kurmuştur: “Bu, öğrenmenin gerçekleştiği yerin büyük bir kısmıdır. Bu topluluk içinde, Pega ile yedi yılını geçiren insanlar ve bu gruba yeni katılan kişiler var.”

Aflac'ın belirttiği belki de en somut etki, Pega'yı birden çok ekrandaki birden çok müşteri hizmetleri uygulamasını tek bir platformda birleştirmek ve müşteri hizmetleri temsilcilerinin işini basitleştirmek için kullanmasıydı. Anderson, talep formları talep eden çağrılar için işlem süresinde %33 azalma olduğunu bildirdi; müşteri kimlik doğrulaması için işleme süresinde %65 azalma; ve geçen yıl tüm sohbetlerin yaklaşık %77'si tamamen Pega sanal asistanları tarafından yönetildi (yaklaşık 4 milyon dolarlık bir tasarruf anlamına geliyor).

PegaWorld ana sahnesinde Anderson, "yaptığımız her şey için değer verme süresini kısaltmak ve müşteri merceğini ve odağını üzerinde tutmaktan" bahsetti.