AI는 중개 팀이 성과 변화의 이유, 도움이 필요한 고객, 다음에 무엇을 해야 하는지를 파악하는 데 도움을 줄 수 있습니다. 이는 감소하는 예치금에 대한 설명을 모으거나, 반복되는 결제 문제를 찾아내거나, 계좌 기록에서 지원 답변을 준비할 수 있습니다. 직원들은 여전히 어떤 조치를 취할지 결정합니다.
상당히 평범한 월요일 아침을 생각해 보세요. 등록은 괜찮아 보입니다. 첫 입금이 줄어들었습니다. 마케팅은 트래픽이 변하지 않았다고 말하고, 결제는 사건을 보고하지 않았으며, 지원팀에는 아직 연결되지 않은 여러 불만이 있습니다.
누군가는 그 조각들을 맞춰야 합니다. 그것은 중개 운영에서 AI를 시작하기에 유용한 장소입니다. 올바른 기록에 접근할 수 있도록 하고, 구체적인 질문을 던지며, 답변 뒤의 증거를 보여주도록 하세요.
그런 다음 비즈니스의 나머지 부분에서 배운 내용을 사용할 수 있습니다: 자금 문제를 해결하고, 캠페인을 재고하고, 계정 상태를 설명하거나, 플랫폼의 혼란스러운 부분을 개선하세요. 가치는 그 작업을 더 빨리 수행하고 실수를 줄이는 데서 나옵니다.
브로커리지에서의 AI가 AI 거래보다 더 중요한 이유
브로커들이 AI에 대해 논의할 때, 대화는 종종 신호, 알고리즘 및 시장 예측으로 바뀝니다. 그러나 중개업체에는 인수 팀, 계산원, 검증 프로세스 및 하루 종일 고객의 질문에 답하는 사람들이 있습니다. 거기에는 답변할 유용한 질문이 많이 있습니다.
제품 관리자는 모바일에서 등록의 어떤 부분이 문제를 일으키는지 물어볼 수 있습니다. 재무팀은 유료 고객당 수익이 증가하는 동안 총 수익이 감소한 이유를 알고 싶어할 수 있습니다. 제휴 관리자는 파트너의 추천이 자금이 지원되는 계좌로 전환되지 않은 이유를 설명해야 할 수도 있습니다.
이 작업의 대부분은 정보를 찾고, 비교하며, 가능한 설명을 확인하는 것과 관련됩니다. AI는 이러한 각 작업을 도와줄 수 있습니다. 언어 모델은 질문을 해석하거나 대화를 요약할 수 있습니다. 예측 모델은 미래 결과의 범위를 추정할 수 있습니다. 기본 보고 시스템은 여전히 숫자를 계산해야 합니다.
일부 중개 자동화는 그보다 간단합니다. 확인된 이벤트 후에 확인을 보내는 것은 고정된 규칙을 따를 수 있습니다. 이벤트가 발생했는지 여부를 결정하기 위해 모델이 필요하지 않습니다. AI는 질문이 해석이 필요하거나 증거가 보고서와 대화에 흩어져 있을 때 그 위치를 확보합니다.
중개 데이터로 비즈니스 해답 찾기
팀이 이미 묻고 있는 질문으로 시작하세요. 왜 첫 번째 입금이 지난주에 줄었나요? 추가 지원 요청은 어디에서 발생했나요? 비용을 제외하고도 여전히 기여하는 인수 출처는 무엇인가요?
유용한 답변은 성능이 감소했다는 설명이 담긴 단락 이상이 필요합니다. 비교된 날짜, 지표의 정의, 변동에 대한 책임이 있는 그룹, 그리고 누락된 데이터가 포함되어야 합니다. 기본 보고서를 열고 전체를 재현할 수 있어야 합니다.
Quadcode AI Analyst 는 일반적인 질문, 지표 분석, 이상 탐지 및 예측을 통해 이러한 작업을 지원합니다. 발표된 범위에는 FTD, LTV, ARPPU, P&L, 결제 성과, 전환 및 마케팅 채널이 포함됩니다. 팀은 어떤 국가, 브랜드 또는 출처가 변화에 기여했는지 조사한 다음, 더 구체적인 질문으로 후속 조치를 취할 수 있습니다.
유념해야 할 구분이 있습니다. 하나의 채널이 감소의 대부분을 차지한다는 것을 발견하는 것은 조사할 곳을 알려줍니다. 그것이 채널이 문제를 일으켰다는 것을 증명하지는 않습니다. 그 채널의 청중에 영향을 미치는 결제 중단은 트래픽 감소와 동일한 결과를 초래할 수 있습니다.
어시스턴트를 연결하기 전에 신뢰해야 할 기록에 대해 합의하십시오. 만약 당신의 중개 CRM 가 완료된 입금을 보여주지만 결제 원장이 여전히 보류 중이라면, 그 불일치는 해결이 필요합니다. 설득력 있는 설명으로는 어느 기록도 정확하게 만들 수 없습니다.
FTD, LTV, 수익 및 전환의 변화 감지
두 개의 주간 가입 집단이 다음과 같은 결과를 생성한다고 가정해 보겠습니다. 각 클라이언트는 동일한 7일 관찰 기간을 가지고 있습니다. 이 수치는 설명을 위한 것이며, Quadcode 결과나 산업 벤치마크가 아닙니다.
| 7일 이내 도달한 단계 | 이전 집단 | 후속 집단 |
|---|---|---|
| 등록된 고객 | 2,000 | 2,000 |
| KYC를 통해 승인된 고객 | 1,200 | 1,200 |
| 입금을 시도한 고유 고객 | 800 | 800 |
| 첫 성공적으로 입금이 완료된 고객 | 600 | 480 |
| 자금을 확보한 시도 고객 | 75% | 60% |
FTD는 20% 감소했지만 등록, KYC 승인 및 예치하려는 사람 수는 동일하게 유지되었습니다. 즉각적인 조사는 자금 완료와 관련이 있습니다. 더 많은 트래픽을 구매하는 것은 이미 어려움을 겪고 있는 단계로 추가적인 사람들을 보낼 것입니다.
마지막 행은 거래가 아니라 사람을 측정합니다. 한 클라이언트가 여러 번 재시도할 수 있습니다. 결제 제공자의 거래 승인 비율은 다른 분모를 사용하므로 두 보고서는 별도의 레이블이 필요합니다.
어시스턴트에게 결제 방법, 국가, 장치 및 획득 출처별로 손실된 전환을 분석하도록 요청하세요. 그런 다음 결제 상태와 보고 지연을 확인하세요. 일부 클라이언트는 결제가 실패했을 수 있고, 다른 클라이언트는 자금이 도착하기를 기다리고 있을 수 있습니다.
다른 지표에 대해서도 동일한 주의가 필요합니다. LTV는 고객의 생애 가치를 의미하지만, 새로운 집단에 대한 예측은 이미 얻은 가치와 다릅니다. 같은 나이의 고객을 비교하고 어떤 비용이 포함되어 있는지 보여줍니다. ARPPU, 즉 유료 사용자당 평균 수익을 통해 수익으로 간주되는 항목과 분모에 들어가는 사람을 명시합니다.
ARPPU는 낮은 수익을 올리는 고객이 떠나면서 상승할 수 있습니다. 이는 총 수익이 감소하는 동안 발생할 수 있습니다. 손익계산서(P&L)에도 명확한 소유자가 필요합니다: 중개업체의 결과와 고객의 거래 결과는 서로 다른 지표입니다. 예치금 자체는 고객 자금이며, 중개업체의 수익이 아닙니다.
실용적인 노트: AI 설명을 테스트하기 전에 재무와 이러한 정의에 대해 합의하세요. 그렇지 않으면 사람들은 서로 다른 항목을 계산하는 두 보고서에서 발생하는 명백한 비즈니스 문제에 대해 회의 중에 논쟁하는 데 시간을 낭비할 수 있습니다.
입금 시도가 이루어진 후 누수가 시작됩니다.
초기 단계는 일치합니다. 차이는 첫 번째 입금이 적립되어야 할 때만 나타납니다.
지불 방법별로 나누고, 지불 상태 및 보고 지연을 확인하십시오. 차트는 변화를 보여주지만 원인은 증명하지 않습니다.
클라이언트 여정에서 병목 현상 찾기
이 브로커리지 온보딩 퍼널 은 문제를 찾는 데 도움을 줍니다. 계정 이벤트와 고객 대화는 그곳에서 무슨 일이 있었는지 설명하는 데 도움이 됩니다.
위의 자금 감소를 살펴보십시오. 아마도 하나의 모바일 앱 버전에 집중되어 있을 것입니다. 다음으로 유용한 점검 사항은 출시 날짜, 결제 화면 및 영향을 받은 클라이언트의 거래 내역입니다. 지원팀이 응답하지 않는 확인 버튼에 대한 보고서를 받았다면, 제품에는 재현할 수 있는 구체적인 사항이 있습니다.
AI는 이러한 관찰을 동일한 조사에 통합할 수 있습니다. 이는 영향을 받은 그룹을 다른 앱 버전과 비교하고 관련된 티켓을 요약할 수 있습니다. 팀은 여전히 의심되는 결함을 원인으로 간주하기 전에 테스트해야 합니다.
이것은 특히 단일 퍼널 단계가 여러 경험을 숨길 때 유용합니다. KYC가 승인되었지만 자금이 마련되지 않은 경우는 입금을 시도하지 않은 사람들, 결제가 실패한 사람들, 그리고 아직 이체가 대기 중인 사람들을 포함합니다. 각기 다른 응답이 필요합니다.
사건은 그 구분을 지원할 만큼 충분히 정확해야 합니다. 결제 페이지를 여는 것은 입금 시도가 아닙니다. 주문 티켓을 여는 것은 거래가 아닙니다. 누락된 추적 사건은 클라이언트가 작업을 포기했다는 증거가 아닙니다.
팀이 문제를 해결하면 동등한 기간 동안 완료율을 비교하십시오. 지원 연락처와 반복 실패를 포함하십시오. 영향을 받은 클라이언트가 단계를 완료하고 도움을 요청하는 것을 중단할 수 있을 때 더 보기 좋은 차트가 더 설득력이 있습니다.
마케팅 귀속 및 예산 배분 개선
마케팅 팀은 가입 후 지출이 어떤 결과를 가져왔는지 알아야 합니다. AI는 인수 비용, 자금이 지원된 계좌, 서비스 비용 및 수익을 실제로 사용할 수 있는 비교로 결합하는 데 도움을 줄 수 있습니다.
일별 60일에 측정된 두 개의 집단을 가진 별도의 단순화된 예를 고려해 보십시오. 모든 수치는 설명을 위한 것입니다:
- 소스 A는 $30,000의 비용이 들며 200명의 자금을 지원받는 고객을 유치합니다. 이는 $22,000의 중개 수익과 $4,000의 기타 직접 비용을 생성합니다.
- 소스 B는 $24,000의 비용이 들며 120명의 자금 지원 클라이언트를 유치합니다. 이는 $27,000의 중개 수익과 $3,000의 기타 직접 비용을 발생시킵니다.
소스 A는 자금 지원 클라이언트당 더 저렴한 인수 비용을 가지고 있습니다: $150 대 $200. 그러나 인수 후 기여도와 명시된 직접 비용은 -$12,000입니다. 소스 B는 동일한 기준에서 제로에 도달합니다.
어느 쪽 결과도 사업이 수익성이 있음을 증명하지 않습니다. 고정 비용은 남아 있으며, 집단은 나중에 더 많은 수익을 올릴 수 있습니다. 그럼에도 불구하고 이 비교는 마케팅 관리자가 첫 예치금당 비용만으로 지출을 검토하는 것보다 더 나은 기준을 제공합니다. 그래서 집단별 브로커리지 유닛 경제학 는 인수 논의에 포함되어야 합니다.
어시스턴트는 비교를 준비하고, 누락된 비용을 강조하며, 결과가 동일한 시장과 제품 내에서 유지되는지 여부를 보여줄 수 있습니다. 지출을 늘리기 전에, 명백한 이점이 몇몇 비정상적으로 가치 있는 계정이나 입증되지 않은 LTV 예측에 의존하는지 여부를 확인하십시오.
어트리뷰션에도 한계가 있습니다. 마지막 클릭 보고서는 선택된 규칙에 따라 신용을 할당하지만, 광고가 모든 어트리뷰트된 가입을 유도했음을 입증하지는 않습니다. 유용할 때 어트리뷰션 모델을 비교하고, 실용적일 때는 통제된 테스트를 사용하세요.
또한 결제 전환 도 확인해 보세요. 제휴사가 자금 부족으로 비난받기 전에 말이죠. 만약 지역 방법이 사용 불가능해지면, 트래픽 소스를 변경해도 문제를 해결할 수 없습니다.
트레이더 세분화를 위한 AI 사용
당신은 일반 계좌 규칙으로 트레이더 세분화 를 시작할 수 있습니다. 문서 검토를 기다리는 사람은 확인된 실패한 결제를 가진 사람과는 다른 작업 흐름에 속합니다.
AI는 패턴을 파악하기 어려울 때 유용해집니다. 클라이언트는 같은 문제를 다른 언어로 또는 다른 단어로 설명할 수 있습니다. 여러 소규모 그룹이 하나의 결제 경로에 대한 문제를 공유할 수 있습니다. 특정 도움말 기사를 열어보는 사람들은 그 기사가 자신의 질문에 대한 답변을 제공하지 않기 때문에 계속해서 지원에 연락할 수 있습니다.
그 발견은 새로운 서비스 그룹을 제안할 수 있습니다. 직원들은 그룹이 의미가 있는지, 어떤 도움이 필요한지, 회원 자격이 언제 종료되어야 하는지를 검토합니다. 문제가 해결된 후에는 라벨이 클라이언트를 따라다니지 않아야 합니다.
추측된 의도에 주의하세요. 활동이 줄어든 것은 누군가가 왜 중단했는지 알려주지 않습니다. 그들은 바쁠 수도 있고, 출금을 기다리고 있을 수도 있으며, 지원에 불만이 있거나 휴식을 선택했을 수도 있습니다. 그들의 가능한 동기에 대한 AI 생성 설명은 여전히 추측에 불과합니다.
명시적인 규칙에 따라 권한 및 계정 제한을 유지하십시오. 마케팅 점수는 누가 어떤 제품에 접근할 수 있는지 또는 그들의 거래가 어떻게 처리되는지를 변경해서는 안 됩니다. 중개 CRM 작업에서 AI의 실질적인 이점은 직원에게 더 나은 맥락을 제공하는 것입니다. 단, 그 맥락은 수정이 가능해야 합니다.
이메일, 푸시, 및 앱 내 커뮤니케이션 개인화
팀이 상황을 이해하면 메시지가 도움이 될지 결정할 수 있습니다. AI는 설명을 제안하고 문구를 작성할 수 있습니다. CRM은 현재 계정 상태와 커뮤니케이션 권한을 사용하여 승인된 규칙에 따라 배달을 관리합니다.
이것들은 가능한 운영 워크플로우입니다. 이들은 관련 통합 및 검토 프로세스를 요구하며, AI Analyst 자체가 클라이언트 메시지를 전송한다는 주장과는 다릅니다.
| 클라이언트 상황 | 유용한 AI 지원 | 전송 전에 확인해야 할 사항 |
|---|---|---|
| 등록되었지만 KYC를 시작하지 않음 | 필요한 문서와 도움을 받을 수 있는 곳에 대한 간단한 설명을 준비합니다. | 계좌 및 국가에 대한 요구 사항, 연락 허가, 인증 시작 여부를 확인합니다. |
| KYC 완료, 예치금 없음 | 정보 격차를 식별하고 이용 가능한 자금 방법 또는 수수료에 대한 설명을 작성합니다. | 보류 중인 이체, 계좌 적격성, 현재 방법의 가용성 및 적용 가능한 마케팅 허가를 확인합니다. |
| 예치했지만 첫 거래를 하지 않음 | 주문 티켓, 수수료 또는 플랫폼 제어에 대한 선택적 도움을 제안합니다. | 현재 계좌 상태와 거래 압박 없이 승인된 교육 문구를 확인합니다. |
| 활동이 감소함 | 미해결 서비스 문제를 요약하고 서비스 후속 조치가 도움이 될지 제안합니다. | 열려 있는 불만, 옵트아웃, 계좌 제한 및 연락이 적절한지 여부를 확인합니다. |
| 지불 실패 | 사실적 상태 설명과 이용 가능한 지원 옵션을 작성합니다. | 보류 중인 상태가 아닌 확인된 실패, 이후 성공적인 시도 및 자격이 있는 대안을 확인합니다. |
| 한 주제에 대한 반복적인 지원 요청 | 대화 기록과 현재 도움 자료를 사용하여 더 명확한 답변을 준비합니다. | 해결되지 않은 사항, 이전 조언이 잘못되었는지 여부 및 사건 소유자를 확인합니다. |
거래를 하지 않은 자금 지원 클라이언트는 마진 또는 주문 유형에 대한 간단한 설명을 감사할 수 있습니다. 이는 자연스럽게 거래 교육에 포함됩니다. 계좌에 자금을 추가하는 것이 거래 의무를 생성한다는 긴급성을 추가할 필요는 없습니다.
실패한 결제에 대한 설명은 간단할 수 있습니다: 결제가 완료되지 않았고, 계좌에 적립되지 않았으며, 지원이 가능합니다. 각 진술은 확인된 기록과 일치해야 합니다. 결제를 거부하는 발급사의 이유를 허구로 만들거나 아무도 확인하지 않은 완료 시간을 약속하는 것을 피하세요.
실용적인 주의 사항: 대기 중인 메시지가 발송될 때 계정을 재확인하세요. 클라이언트가 선택과 전달 사이에 KYC를 완료하거나 자금을 성공적으로 입금할 수 있습니다. 마지막 확인 없이, 신중하게 작성된 AI 고객 커뮤니케이션도 잘못된 정보로 도착할 수 있습니다.
메시지가 의도한 문제를 해결하는지 측정하세요. 오픈율과 클릭률은 유용한 전달 신호이지만, 콘텐츠가 도움이 되었는지는 보여주지 않습니다. FCA 거래 앱 참여에 대한 실험 에서는 푸시 알림을 포함한 테스트된 기능들이 거래 빈도와 위험 감수를 증가시킬 수 있다고 발견했습니다. 메시지가 유도하는 행동과 그 반응률을 검토하세요.
브로커리지 지원 팀을 위한 AI 지원
에이전트의 작업 중 많은 부분은 답변을 작성하기 전에 이루어집니다. 그들은 대화를 읽고, 거래를 확인하며, 현재 정책을 찾아보고, 어떤 이전 약속이 여전히 적용되는지를 파악합니다.
어시스턴트는 그 맥락을 준비할 수 있습니다. 누락된 이체의 경우, 지불 참조, 최신 상태, 이전 연락처 및 승인된 프로세스 설명을 조합할 수 있습니다. 에이전트는 출처를 확인하고 고객에게 무엇을 전달할지 결정합니다.
이것은 오래된 도움말 페이지에 기반한 유창한 답변보다 더 유용합니다. 어시스턴트는 승인된 최신 정보에 접근할 수 있어야 하며, 기록이 질문에 대답하지 않을 때 이를 언급해야 합니다. 어제 밤 지연된 것으로 설명된 결제가 오늘 아침에 완료되었을 수 있습니다.
지원 데이터는 제품 및 운영에도 도움이 됩니다. 고객이 반복해서 수수료를 찾는 위치를 문의하면, 이러한 티켓을 요약하는 것이 자금 화면에서 정보 문제를 드러낼 수 있습니다. 더 명확한 화면은 같은 질문에 대한 빠른 답변보다 더 많은 작업을 절약할 수 있습니다.
반복적인 연락, 수정, 에스컬레이션 및 해결 시간을 응답 속도와 함께 추적하세요. 또 다른 티켓을 생성하는 빠른 답변은 큰 도움이 되지 않았습니다. 불만, 이의 제기된 결제 및 불명확한 인출 사례는 이를 해결할 수 있는 권한이 있는 사람에게 연결될 필요가 있습니다.
비즈니스 지표 예측 및 이상 탐지
예측은 중개인이 지원 범위를 계획하고, 온보딩 작업량을 추정하거나, 결제량의 변화를 준비하는 데 도움을 줄 수 있습니다. 팀이 추정치의 불확실성을 이해할 때 가장 효과적으로 작동합니다.
기존 트래픽에 기반한 예측은 대형 제휴사가 새로운 시장에서 고객을 유치하기 시작할 때 덜 유용해질 수 있습니다. 휴일이나 정전도 패턴을 변경할 수 있습니다. 범위를 보여주고, 가정을 설명하며, 나중의 결과와 예측을 비교하십시오.
이상 탐지를 위해서는 경고가 누군가가 조사할 수 있을 만큼 충분한 세부정보를 제공해야 합니다. 결제 승인이 10퍼센트 포인트 하락하는 것은 경로, 시간 창, 샘플 크기 및 일반 범위 없이 큰 의미가 없습니다. 작은 세그먼트는 몇 번의 거래 후에도 급격하게 변동할 수 있습니다.
운동을 운영 사고로 취급하기 전에 데이터가 마지막으로 새로 고쳐진 시간을 확인하십시오. 끊어진 보고 연결은 모든 결제 수단이 동시에 중단된 것처럼 보이게 할 수 있습니다. 늦은 기록은 어제의 명백한 수익 감소를 정상적인 하루로 바꿀 수 있습니다.
명확한 소유자와 반응이 있는 경고로 시작하세요. 경고에 대해 누가 무엇을 해야 할지 모른다면, 경고를 더 추가하는 것은 팀이 덜 주의를 기울이게 만들 가능성이 큽니다. 중개인을 위한 유용한 AI 분석은 어떤 변경 사항이 더 주목할 가치가 있는지를 결정하는 작업을 줄여야 합니다.
인간 검토가 반드시 남아 있어야 하는 곳
여기 설명된 운영 모델에 따르면, AI는 증거와 제안을 준비합니다. 권한이 있는 직원은 출금, 계좌 접근, 불만, 실행 설정, 위험 한도 및 주요 예산 변경에 대한 결과적인 결정에 대해 여전히 책임을 집니다.
리뷰는 실용적이어야 합니다. 리뷰어는 원본 기록을 보고, 추천 내용을 이해하며, 이를 거부할 권한이 있어야 합니다. 만약 그들이 신뢰 점수와 승인 버튼만 본다면, 결정을 내릴 근거가 거의 없습니다.
NIST의 자발적인 AI 위험 관리 프레임워크 는 정의된 책임과 인간의 감독을 요구합니다. 범위에 있는 영국 기업을 위해 FCA의 금융 서비스에서의 AI 접근 방식 은 기존의 책임 및 고객 결과 프레임워크가 어떻게 적용되는지를 설명합니다. 다른 곳의 요구 사항은 엔티티, 활동 및 시장에 따라 다릅니다.
접근은 승인만큼 중요합니다. 전환을 조사하는 분석가는 집계된 기록만 필요할 수 있습니다. 지원 보조원은 선택된 계정 이벤트가 필요할 수 있지만 모든 신원 문서는 필요하지 않습니다. 클라이언트 기록을 서비스에 연결하기 전에 데이터 접근, 보존 및 정보 처리 위치를 확인하십시오.
이들은 핀테크 운영의 AI 제공자에게 물어볼 유용한 질문들입니다. 누락된 정보나 모순된 기록이 있는 사례를 사용하여 시연을 요청하세요. 직원들이 바쁜 날에 이를 신뢰하기 전에 시스템이 불확실성을 어떻게 처리하는지 보고 싶습니다.
AI가 사례를 준비합니다. 사람들이 결정합니다.
추천은 그 뒤에 있는 증거와 함께 리뷰어에게 전달되며, 독자적으로 행동할 수 있는 권한은 아닙니다.
추천서를 준비합니다
작업과 관련된 기록을 정리하고 아직 알려지지 않은 내용을 지적합니다.
결정을 소유합니다
출처를 확인하고, 정책을 적용하며, 거부할 권한이 있습니다.
조사는 집계된 결과 또는 선택된 계정 이벤트가 필요할 수 있으며, 모든 신원 문서나 전체 클라이언트 이력이 필요하지 않습니다.
중개 운영에 AI 도입하는 방법
나는 이미 직원 시간을 소비하는 반복적인 작업 하나로 시작할 것이다. 주간 FTD 변동을 설명하는 것은 합리적인 후보이다. 계좌 기록과 승인된 정책이 신뢰할 수 있다면 지원 요약을 준비하는 것도 마찬가지다.
작업 소유자를 선택하고 팀이 오늘 그것을 어떻게 처리하는지 기록하세요. 그런 다음 결과가 알려진 과거 사례를 테스트하세요. 최종 조사는 입력에서 제외하고, 조수가 관련 증거를 찾는지, 잘못된 단서를 제기하는지, 또는 자신 있게 공백을 채우는지 확인하세요.
다음으로, 소규모 그룹이 필요한 기록에 대해 읽기 전용 액세스를 사용하도록 하십시오. 그들이 묻는 질문과 수정 사항을 수집하십시오. 이는 도구가 준비된 시연 이상의 기능을 하는지를 보여줍니다.
| 파일럿 작업 | 도움이 되는 증거 | 주의가 필요한 결과 |
|---|---|---|
| 지표 변화 설명 | 확인된 설명에 도달하는 데 걸리는 시간 단축; 총합이 보고서와 일치함. | 증거 없이 원인을 명시하는 설득력 있는 답변. |
| 지원 답변 준비 | 정확한 답변과 반복적인 연락 감소로 준비 시간 단축. | 빈번한 사실 수정이나 상담원이 이행할 수 없는 약속. |
| 서비스 메시지 제안 | 보다 많은 적격 고객이 특정 문제를 해결하며, 불만이나 옵트아웃 결과가 악화되지 않음. | 더 높은 클릭 수지만 구식 메시지나 더 많은 혼란. |
| 비정상적인 결제 활동 표시 | 확인된 사건이 적절한 팀에 더 빨리 도달함. | 오래된 데이터나 매우 작은 샘플로 인한 반복적인 경고. |
파일럿을 평가할 때 리뷰 시간, 통합 작업 및 운영 비용을 포함하세요. 다른 직원이 답변을 수정하는 데 두 시간을 소비한다면 한 시간의 분석을 절약하는 것은 큰 도움이 되지 않습니다.
커뮤니케이션 테스트를 위해, 적절한 경우 홀드아웃을 사용하여 동일한 기간 동안 유사한 자격이 있는 클라이언트를 비교하십시오. 이들을 보류할 실험 외부에 필수 서비스 공지를 유지하십시오. 잘못된 메시지나 악화되는 클라이언트 결과에 대한 중지 규칙을 설정하십시오.
시스템을 사용하는 사람들이 어디에서 도움이 되는지, 어디에서 여전히 수정이 필요한지를 설명할 수 있게 된 후 확장합니다. 결제 조사를 위한 신뢰할 수 있는 도우미가 있는 중개인은 그 단일 사용 사례에서 실제 가치를 얻을 수 있습니다. 데이터와 직원이 준비되면 다음 워크플로가 이어질 수 있습니다.
