Клиент иногда не прав. Современный подход к оценке клиентской ценности
Звучит так себе, но не все клиенты одинаково полезны для вашего бизнеса. Есть клиенты, которые приносят стабильную прибыль, дают конструктивную обратную связь и используют продукт в рамках задуманных сценариев. Есть клиенты прямо противоположные, которые требуют непропорционально много внимания, провоцируют конфликты, мешают развитию продукта и при этом не увеличивают доход.Задача компании — вовремя понять, какую работу продукт выполняет для конкретного сегмента клиентов, и на это ориентировать развитие сервиса и поддержку
Как автоматизировать создание CJM с помощью ИИ?
Меня зовут Александр Демидов, я бизнес-аналитик в X5 Tech. В этой статье я постараюсь по существу рассказать, как я полюбил создавать карты клиентского пути (CJM), что помогло мне делать их в 4 раза быстрее и почему искусственный интеллект – настоящая палочка-выручалочка при верном подходе.Их боялись даже управленцыВообще, Customer Journey Map или карта клиентского пути — особый пункт в работе аналитика. Они часто нужны позарез. Сделать их нужно было ещё вчера. А вот на чьи плечи ляжет столь почётная миссия — непонятно.
Оценивание LLM в RAG на клиентских и синтетических датасетах: методология и результаты
Привет, Хабр! Меня зовут Таня, я аналитик качества в команде Базы Знаний Just AI. Наша команда занимается разработкой продукта для клиентских баз знаний на основе RAG и созданием таких баз под ключ.Одной из ключевых задач POC для наших заказчиков является оценка качества и точности ответов системы, а также выбор модели, которая обеспечит эти показатели. Чем точнее ответы, тем больше доверия к системе со стороны сотрудников/клиентов и меньше ручного труда по поиску доп.информации. 90% точности ответов — одно из основных требований большинства наших клиентов при выборе Базы Знаний
Разработчик RPA-системы Roomy bots масштабировал инфраструктуру с помощью Linx Cloud
Компания «Руми» завершила миграцию в облако Linx Cloud. В результате проекта была повышена отказоустойчивость информационных систем «Руми» и стабильность работы ее RPA-сервиса.
Как обрабатывать фидбек при помощи искусственного интеллекта
Мы в UX Feedback уже несколько лет занимаемся развитием ИИ-инструмента для работы с обратной связью. Это касается непосредственно этапа обработки фидбека, как самой «благодатной» для ИИ стадии в методологии Voice of the Customer. В общем-то, процесс несложный, но весьма трудоемкий. Исследователям порой приходится обрабатывать тысячи комментариев, что отнимает много времени и ресурсов. И вот тут на помощь, как раз, может прийти ИИ. Как это работает, и какие особенности связаны с ИИ-тегированием, расскажем в этой статье, основываясь на опыте экспертов UX Feedback.Вика Макеева, Product Manager UX Feedback:
