AI สามารถช่วยทีมการค้าในการหาสาเหตุที่ทำให้ประสิทธิภาพเปลี่ยนแปลง ลูกค้าไหนที่ต้องการความช่วยเหลือ และจะต้องทำอะไรต่อไป มันสามารถรวบรวมคำอธิบายเกี่ยวกับการฝากเงินที่ลดลง ค้นหาปัญหาการชำระเงินที่เกิดซ้ำ หรือเตรียมการตอบกลับการสนับสนุนจากประวัติบัญชี พนักงานยังคงเป็นผู้ตัดสินใจว่าจะดำเนินการอย่างไร
คิดเกี่ยวกับเช้าวันจันทร์ที่ค่อนข้างธรรมดา การลงทะเบียนดูดี การฝากเงินครั้งแรกลดลง การตลาดบอกว่าการเข้าชมไม่ได้เปลี่ยนแปลง การชำระเงินไม่ได้รายงานเหตุการณ์ใด ๆ และฝ่ายสนับสนุนมีข้อร้องเรียนหลายรายการที่ยังไม่มีใครเชื่อมต่อ
มีคนต้องรวบรวมชิ้นส่วนเหล่านั้นให้เข้าที่ นั่นเป็นจุดเริ่มต้นที่มีประโยชน์ในการใช้ AI ในการดำเนินงานของนายหน้า ให้มันเข้าถึงบันทึกที่ถูกต้อง ถามคำถามที่เฉพาะเจาะจง และทำให้มันแสดงหลักฐานที่อยู่เบื้องหลังคำตอบ
คุณสามารถนำสิ่งที่คุณเรียนรู้ไปใช้ในส่วนที่เหลือของธุรกิจ: แก้ไขปัญหาการเงิน พิจารณาแคมเปญใหม่ อธิบายสถานะบัญชี หรือปรับปรุงส่วนที่ทำให้สับสนของแพลตฟอร์ม คุณค่ามาจากการทำงานนั้นให้เสร็จเร็วขึ้นและมีข้อผิดพลาดน้อยลง
ทำไม AI ในการเป็นนายหน้า ถึงมีความสำคัญมากกว่า AI การซื้อขาย
เมื่อโบรกเกอร์พูดคุยเกี่ยวกับ AI การสนทนามักจะหันไปที่สัญญาณ อัลกอริธึม และการคาดการณ์ตลาด แต่โบรกเกอร์ยังมีทีมการเข้าซื้อกิจการ แคชเชียร์ กระบวนการตรวจสอบ และผู้ที่ตอบคำถามลูกค้าตลอดทั้งวัน มีคำถามที่มีประโยชน์มากมายที่ต้องตอบที่นั่น
ผู้จัดการผลิตภัณฑ์อาจถามว่าส่วนใดของการลงทะเบียนที่ทำให้เกิดปัญหาบนมือถือ ฝ่ายการเงินอาจต้องการทราบว่าทำไมรายได้ต่อผู้ใช้ที่จ่ายเพิ่มขึ้นในขณะที่รายได้รวมลดลง ผู้จัดการพันธมิตรอาจต้องอธิบายว่าทำไมการแนะนำของพันธมิตรจึงหยุดกลายเป็นบัญชีที่ได้รับเงินสนับสนุน
งานส่วนใหญ่เกี่ยวข้องกับการค้นหาข้อมูล เปรียบเทียบข้อมูล และตรวจสอบคำอธิบายที่เป็นไปได้ ปัญญาประดิษฐ์สามารถช่วยในแต่ละงานเหล่านั้น โมเดลภาษาสามารถตีความคำถามหรือสรุปการสนทนา โมเดลการคาดการณ์สามารถประเมินช่วงของผลลัพธ์ในอนาคต ระบบรายงานพื้นฐานยังควรคำนวณตัวเลขอยู่ดี
การทำงานอัตโนมัติของโบรกเกอร์บางอย่างนั้นง่ายกว่านั้น การส่งการยืนยันหลังจากเหตุการณ์ที่ตรวจสอบแล้วสามารถปฏิบัติตามกฎที่กำหนดไว้ คุณไม่จำเป็นต้องมีโมเดลเพื่อตัดสินว่าเหตุการณ์นั้นเกิดขึ้นหรือไม่ ปัญญาประดิษฐ์ได้รับตำแหน่งของมันเมื่อคำถามต้องการการตีความหรือหลักฐานกระจายอยู่ในรายงานและการสนทนา
การเปลี่ยนข้อมูลการซื้อขายให้เป็นคำตอบทางธุรกิจ
เริ่มต้นด้วยคำถามที่ทีมของคุณถามอยู่แล้ว ทำไมการฝากครั้งแรกถึงลดลงเมื่อสัปดาห์ที่แล้ว? ตั๋วสนับสนุนเพิ่มเติมมาจากไหน? แหล่งที่มาของการเข้าซื้อที่ยังคงมีส่วนร่วมหลังจากที่มีค่าใช้จ่ายแล้วคือที่ไหน?
คำตอบที่มีประโยชน์ต้องการมากกว่าหนึ่งย่อหน้าในการอธิบายว่าประสิทธิภาพลดลง มันควรจะแสดงวันที่เปรียบเทียบ คำจำกัดความของเมตริก กลุ่มที่รับผิดชอบต่อการเปลี่ยนแปลง และข้อมูลที่ขาดหายไป คุณควรสามารถเปิดรายงานพื้นฐานและทำซ้ำยอดรวมได้
Quadcode AI Analyst สนับสนุนงานประเภทนี้ผ่านคำถามที่เป็นภาษาธรรมดา การวิเคราะห์เมตริก การตรวจจับความผิดปกติ และการคาดการณ์ การรายงานที่เผยแพร่ประกอบด้วย FTD, LTV, ARPPU, P&L, ผลการชำระเงิน, การแปลง และช่องทางการตลาด ทีมสามารถตรวจสอบได้ว่าประเทศ แบรนด์ หรือแหล่งใดมีส่วนร่วมในการเปลี่ยนแปลง จากนั้นติดตามด้วยคำถามที่เฉพาะเจาะจงมากขึ้น
มีความแตกต่างที่ควรระลึกไว้ การค้นพบว่าช่องหนึ่งมีสัดส่วนมากที่สุดในความลดลงบอกคุณว่าควรตรวจสอบที่ไหน มันไม่ได้พิสูจน์ว่าช่องนั้นเป็นสาเหตุของปัญหา การหยุดชำระเงินที่มีผลกระทบต่อผู้ชมอาจสร้างผลลัพธ์เดียวกันกับการเข้าชมที่อ่อนแอกว่า
ก่อนเชื่อมต่อผู้ช่วย ให้ตกลงเกี่ยวกับบันทึกที่มันควรเชื่อถือ หาก CRM ของนายหน้า แสดงการฝากเงินที่เสร็จสมบูรณ์ แต่บัญชีการชำระเงินยังคงแสดงสถานะรอดำเนินการ ความไม่เห็นด้วยนั้นจำเป็นต้องได้รับการแก้ไข คำอธิบายที่น่าเชื่อถือจะไม่ทำให้บันทึกใดถูกต้อง
การตรวจจับการเปลี่ยนแปลงใน FTD, LTV, รายได้, และการแปลง
สมมติว่ามีการลงทะเบียนกลุ่มรายสัปดาห์สองกลุ่มที่ผลิตผลลัพธ์ดังต่อไปนี้ ลูกค้าแต่ละรายมีหน้าต่างการสังเกตเป็นเวลาเจ็ดวันเหมือนกัน ตัวเลขเหล่านี้เป็นเพียงการแสดงให้เห็น ไม่ใช่ผลลัพธ์จาก Quadcode หรือเกณฑ์มาตรฐานในอุตสาหกรรม
| ระยะที่เข้าถึงภายในเจ็ดวัน | กลุ่มก่อนหน้า | กลุ่มหลัง |
|---|---|---|
| ลูกค้าที่ลงทะเบียน | 2,000 | 2,000 |
| ลูกค้าที่ได้รับการอนุมัติผ่าน KYC | 1,200 | 1,200 |
| ลูกค้าเฉพาะที่พยายามฝากเงิน | 800 | 800 |
| ลูกค้าที่มีการฝากเงินครั้งแรกที่สำเร็จ | 600 | 480 |
| ลูกค้าที่พยายามและได้รับเงินทุน | 75% | 60% |
FTDs ลดลง 20% แม้ว่าการลงทะเบียน การอนุมัติ KYC และจำนวนผู้ที่พยายามฝากเงินจะยังคงเหมือนเดิม การสอบสวนทันทีเกี่ยวกับการดำเนินการเกี่ยวกับการจัดหาเงินทุน การซื้อการเข้าชมเพิ่มเติมจะทำให้มีผู้คนเพิ่มขึ้นผ่านขั้นตอนที่ยังคงมีปัญหาอยู่
แถวสุดท้ายวัดจำนวนคน ไม่ใช่จำนวนธุรกรรม ลูกค้าหนึ่งรายอาจลองทำซ้ำหลายครั้ง อัตราการอนุมัติธุรกรรมของผู้ให้บริการชำระเงินใช้ตัวหารที่แตกต่างกัน ดังนั้นรายงานทั้งสองต้องมีป้ายแยกต่างหาก
ขอให้ผู้ช่วยแยกการแปลงที่สูญหายตามวิธีการชำระเงิน ประเทศ อุปกรณ์ และแหล่งที่มาของการเข้าซื้อ จากนั้นตรวจสอบสถานะการชำระเงินและความล่าช้าในการรายงาน ลูกค้าบางรายอาจมีการชำระเงินที่ล้มเหลว ขณะที่บางรายยังรอให้เงินเข้ามา
การดูแลแบบเดียวกันมีความสำคัญกับเมตริกอื่น ๆ LTV หมายถึงมูลค่าตลอดชีวิต แต่การคาดการณ์สำหรับกลุ่มใหม่จะแตกต่างจากมูลค่าที่ได้รับแล้ว เปรียบเทียบลูกค้าที่มีอายุเท่ากันและแสดงค่าใช้จ่ายที่รวมอยู่ด้วย ด้วย ARPPU หรือรายได้เฉลี่ยต่อผู้ใช้ที่จ่าย ให้ระบุว่าสิ่งใดนับเป็นรายได้และใครที่เข้าสู่ตัวหาร
ARPPU สามารถเพิ่มขึ้นได้เพียงเพราะลูกค้าที่มีรายได้ต่ำออกไป นั่นอาจเกิดขึ้นในขณะที่รายได้รวมลดลง P&L ยังต้องการเจ้าของที่ชัดเจน: ผลลัพธ์ของโบรกเกอร์และผลลัพธ์การซื้อขายของลูกค้าเป็นมาตรการที่แตกต่างกัน เงินฝากเองคือการลงทุนของลูกค้า ไม่ใช่รายได้ของโบรกเกอร์
หมายเหตุที่เป็นประโยชน์: ตกลงเกี่ยวกับการนิยามเหล่านี้กับฝ่ายการเงินก่อนที่จะทดสอบการอธิบายของ AI มิฉะนั้น ผู้คนอาจใช้เวลาประชุมในการโต้เถียงเกี่ยวกับปัญหาทางธุรกิจที่ชัดเจนซึ่งเกิดจากรายงานสองฉบับที่นับสิ่งที่แตกต่างกัน
การรั่วเริ่มต้นหลังจากความพยายามในการฝากเงิน
ขั้นตอนแรกตรงกัน ความแตกต่างจะปรากฏขึ้นเมื่อมีการฝากเงินครั้งแรกที่ควรจะได้รับการเครดิต
แยกตาม วิธีการชำระเงิน จากนั้นตรวจสอบสถานะการชำระเงินและความล่าช้าในการรายงาน แผนภูมิจะระบุการเปลี่ยนแปลง; มันไม่ได้พิสูจน์สาเหตุของมัน
การค้นหาจุดคับแคบในเส้นทางของลูกค้า
ช่องทางการเริ่มต้นของ โบรกเกอร์ ช่วยในการระบุปัญหา เหตุการณ์บัญชีและการสนทนากับลูกค้าช่วยอธิบายสิ่งที่เกิดขึ้นที่นั่น
นำการลดเงินทุนข้างต้นไปพิจารณา อาจจะมุ่งเน้นอยู่ที่เวอร์ชันแอปพลิเคชันมือถือเวอร์ชันเดียว การตรวจสอบที่มีประโยชน์ในลำดับถัดไปคือวันที่ปล่อย หน้าจอการชำระเงิน และประวัติการทำธุรกรรมของลูกค้าที่ได้รับผลกระทบ หากฝ่ายสนับสนุนยังได้รับรายงานเกี่ยวกับปุ่มยืนยันที่ไม่ตอบสนอง ผลิตภัณฑ์มีสิ่งที่ชัดเจนในการทำซ้ำ
AI สามารถนำการสังเกตเหล่านั้นเข้าสู่การสอบสวนเดียวกันได้ มันสามารถเปรียบเทียบกลุ่มที่ได้รับผลกระทบกับเวอร์ชันแอปอื่น ๆ และสรุปบัตรที่เกี่ยวข้อง ทีมยังคงต้องทดสอบความผิดปกติที่สงสัยก่อนที่จะเรียกมันว่าเป็นสาเหตุ
สิ่งนี้มีประโยชน์โดยเฉพาะเมื่อขั้นตอนของช่องทางเดียวซ่อนประสบการณ์หลายประสบการณ์ไว้ KYC ที่ได้รับการอนุมัติแต่ยังไม่ได้เติมเงินรวมถึงผู้ที่ยังไม่ได้ลองฝากเงิน ผู้ที่การชำระเงินล้มเหลว และผู้ที่มีการโอนเงินที่ยังรอดำเนินการ ทุกคนต้องการการตอบสนองที่แตกต่างกัน
เหตุการณ์ต้องมีความถูกต้องเพียงพอที่จะสนับสนุนความแตกต่างนั้น การเปิดหน้าชำระเงินไม่ใช่การพยายามฝากเงิน การเปิดตั๋วสั่งซื้อไม่ใช่การซื้อขาย เหตุการณ์ติดตามที่หายไปไม่ใช่หลักฐานว่าลูกค้าได้ละทิ้งงานนั้น
เมื่อทีมแก้ไขสิ่งใดสิ่งหนึ่งแล้ว ให้เปรียบเทียบอัตราการเสร็จสิ้นในช่วงเวลาที่เท่ากัน รวมถึงการติดต่อสนับสนุนและความล้มเหลวที่เกิดขึ้นซ้ำอีก แผนภูมิที่ดูดีขึ้นจะน่าเชื่อถือมากขึ้นเมื่อผู้ใช้บริการที่ได้รับผลกระทบสามารถทำขั้นตอนนี้ให้เสร็จและหยุดขอความช่วยเหลือได้
การปรับปรุงการระบุการตลาดและการจัดสรรงบประมาณ
ทีมการตลาดจำเป็นต้องทราบว่าการใช้จ่ายของพวกเขาสร้างผลลัพธ์อะไรบ้างหลังจากที่มีการสมัครสมาชิก ปัญญาประดิษฐ์สามารถช่วยเชื่อมโยงต้นทุนการได้มาซึ่งลูกค้า บัญชีที่ได้รับการสนับสนุน ต้นทุนบริการ และรายได้เข้าด้วยกันเพื่อเปรียบเทียบที่พวกเขาสามารถใช้ได้จริง
พิจารณาตัวอย่างที่แยกออกมาและทำให้เรียบง่ายซึ่งมีสองกลุ่มที่ถูกวัดในวันที่ 60 ตัวเลขทั้งหมดเป็นเพียงการแสดงภาพ:
- แหล่งที่มาของ A มีค่าใช้จ่าย $30,000 และดึงดูดลูกค้าที่ได้รับเงินทุน 200 ราย สร้างรายได้จากการเป็นนายหน้า $22,000 และค่าใช้จ่ายอื่น ๆ โดยตรง $4,000.
- แหล่งที่มา B มีค่าใช้จ่าย $24,000 และนำมาซึ่งลูกค้าที่ได้รับทุน 120 ราย สร้างรายได้จากการเป็นนายหน้าจำนวน $27,000 และค่าใช้จ่ายโดยตรงอื่นๆ จำนวน $3,000.
แหล่งที่มาของ A มีต้นทุนการเข้าซื้อที่ถูกกว่าสำหรับลูกค้าที่ได้รับการสนับสนุน: $150 เทียบกับ $200 แต่การมีส่วนร่วมหลังจากการเข้าซื้อและต้นทุนตรงที่กล่าวถึงนั้นติดลบอยู่ที่ $12,000 แหล่งที่มาของ B ถึงศูนย์บนพื้นฐานเดียวกัน
ผลลัพธ์ทั้งสองไม่ได้พิสูจน์ว่าธุรกิจมีกำไร ค่าใช้จ่ายคงที่ยังคงอยู่ และกลุ่มอาจทำรายได้มากขึ้นในภายหลัง อย่างไรก็ตาม การเปรียบเทียบนี้ทำให้ผู้จัดการฝ่ายการตลาดมีพื้นฐานที่ดีกว่าสำหรับการตรวจสอบการใช้จ่ายมากกว่าค่าใช้จ่ายต่อการฝากเงินครั้งแรกเพียงอย่างเดียว นั่นคือเหตุผลที่ เศรษฐศาสตร์หน่วยนายหน้าตามกลุ่ม ควรอยู่ในการสนทนาเกี่ยวกับการเข้าซื้อกิจการ。
ผู้ช่วยสามารถเตรียมการเปรียบเทียบ เน้นค่าใช้จ่ายที่ขาดหายไป และแสดงให้เห็นว่าผลลัพธ์อยู่ในตลาดและผลิตภัณฑ์เดียวกันหรือไม่ ก่อนที่จะเพิ่มการใช้จ่าย ให้ตรวจสอบว่าข้อได้เปรียบที่ชัดเจนขึ้นอยู่กับบัญชีที่มีค่ามากผิดปกติไม่กี่บัญชีหรือการคาดการณ์ LTV ที่ยังไม่ได้พิสูจน์
การกำหนดเครดิตมีข้อจำกัดเช่นกัน การรายงานการคลิกสุดท้ายจะมอบเครดิตตามกฎที่เลือก; มันไม่ได้ระบุว่าโฆษณาทำให้เกิดการลงทะเบียนที่มีการกำหนดเครดิตทั้งหมด การเปรียบเทียบโมเดลการกำหนดเครดิตเมื่อมีประโยชน์ และใช้การทดสอบที่ควบคุมเมื่อเป็นไปได้
ยังตรวจสอบ การแปลงการชำระเงิน ก่อนที่จะตำหนิพันธมิตรสำหรับการจัดหาที่อ่อนแอ หากวิธีการท้องถิ่นไม่สามารถใช้งานได้ การเปลี่ยนแหล่งที่มาของการเข้าชมจะไม่สามารถแก้ไขได้.
การใช้ AI สำหรับการแบ่งกลุ่มเทรดเดอร์
คุณสามารถเริ่มต้น การแบ่งกลุ่มเทรดเดอร์ ด้วยกฎการบัญชีทั่วไป คนที่รอการตรวจสอบเอกสารจะอยู่ในกระบวนการทำงานที่แตกต่างจากคนที่มีการชำระเงินที่ล้มเหลวที่ได้รับการยืนยันแล้ว
AI มีประโยชน์เมื่อรูปแบบยากต่อการมองเห็น ลูกค้าอาจอธิบายปัญหาเดียวกันด้วยภาษาหรือคำที่แตกต่างกัน กลุ่มเล็ก ๆ หลายกลุ่มอาจมีปัญหาร่วมกันกับเส้นทางการชำระเงินเดียวกัน ผู้ที่เปิดบทความช่วยเหลือเฉพาะอาจติดต่อฝ่ายสนับสนุนต่อไปเพราะมันไม่ตอบคำถามของพวกเขา
ผลการค้นพบเหล่านั้นสามารถบ่งบอกถึงกลุ่มบริการใหม่ เจ้าหน้าที่จะตรวจสอบว่ากลุ่มนั้นมีความหมายอย่างไร ต้องการความช่วยเหลืออะไร และเมื่อใดที่การเป็นสมาชิกควรสิ้นสุด ป้ายชื่อไม่ควรติดตามลูกค้าหลังจากที่ปัญหาได้รับการแก้ไขแล้ว
ระวังกับความตั้งใจที่สันนิษฐาน การลดกิจกรรมไม่ได้บอกคุณว่าทำไมใครบางคนถึงหยุด พวกเขาอาจยุ่งอยู่ รอการถอนเงิน ไม่พอใจกับการสนับสนุน หรือเลือกที่จะพักผ่อน คำอธิบายที่สร้างโดย AI เกี่ยวกับแรงจูงใจที่น่าจะเป็นของพวกเขายังคงเป็นเพียงการคาดเดา
รักษาสิทธิ์และข้อจำกัดของบัญชีในกฎที่ชัดเจน คะแนนการตลาดไม่ควรเปลี่ยนแปลงว่าผลิตภัณฑ์ใดที่ใครสามารถเข้าถึงได้หรือการซื้อขายของพวกเขาจะถูกจัดการอย่างไร ประโยชน์ที่แท้จริงของ AI ในการทำงานของ CRM นายหน้า คือการให้บริบทที่ดีกว่าสำหรับพนักงาน โดยมีเงื่อนไขว่าบริบทนั้นจะต้องเปิดรับการแก้ไข
การปรับแต่งอีเมล การส่งข้อความด่วน และการสื่อสารในแอป
เมื่อทีมเข้าใจสถานการณ์แล้ว พวกเขาสามารถตัดสินใจได้ว่าข้อความจะช่วยได้หรือไม่ AI สามารถเสนอคำอธิบายและร่างเนื้อความได้ CRM จะจัดการการส่งตามกฎที่ได้รับการอนุมัติ โดยใช้สถานะบัญชีปัจจุบันและสิทธิ์ในการสื่อสาร
นี่คือกระบวนการทำงานที่เป็นไปได้ ซึ่งต้องการการรวมระบบที่เกี่ยวข้องและกระบวนการตรวจสอบ; พวกเขาไม่ใช่การอ้างสิทธิ์ที่ AI Analyst เองส่งข้อความถึงลูกค้า
| สถานการณ์ของลูกค้า | ความช่วยเหลือจาก AI ที่มีประโยชน์ | สิ่งที่ต้องตรวจสอบก่อนการส่ง |
|---|---|---|
| ลงทะเบียนแล้วแต่ยังไม่ได้เริ่ม KYC | เตรียมคำอธิบายสั้นๆ เกี่ยวกับเอกสารที่จำเป็นและสถานที่ขอความช่วยเหลือ | ความต้องการที่ถูกต้องสำหรับบัญชีและประเทศ, อนุญาตให้ติดต่อ, และการตรวจสอบได้เริ่มขึ้นหรือไม่ |
| KYC เสร็จสิ้นแล้ว แต่ยังไม่ได้ฝากเงิน | ระบุช่องว่างข้อมูลที่น่าจะเกิดขึ้นและร่างคำอธิบายเกี่ยวกับวิธีการเงินทุนหรือค่าธรรมเนียมที่มีอยู่ | การโอนเงินที่รอดำเนินการ, คุณสมบัติของบัญชี, วิธีการปัจจุบันที่มีอยู่ และอนุญาตการตลาดที่เกี่ยวข้อง |
| ฝากเงินแล้วแต่ยังไม่ได้ทำการซื้อขายครั้งแรก | แนะนำความช่วยเหลือที่เลือกได้เกี่ยวกับใบสั่งซื้อ, ค่าธรรมเนียม หรือการควบคุมแพลตฟอร์ม | สถานะบัญชีปัจจุบันและข้อความการศึกษาได้รับการอนุมัติ โดยไม่มีแรงกดดันในการซื้อขาย |
| กิจกรรมลดลง | สรุปปัญหาบริการที่ยังไม่ได้รับการแก้ไขและแนะนำว่าวิธีติดตามบริการจะช่วยได้หรือไม่ | การร้องเรียนที่เปิดอยู่, การเลือกไม่เข้าร่วม, ข้อจำกัดบัญชี และการติดต่อเป็นสิ่งที่เหมาะสมหรือไม่ |
| การชำระเงินล้มเหลว | ร่างคำอธิบายสถานะอย่างเป็นจริงและตัวเลือกการสนับสนุนที่มีอยู่ | การยืนยันความล้มเหลวแทนสถานะรอดำเนินการ, ความพยายามที่ประสบความสำเร็จในภายหลัง และทางเลือกอื่นที่สามารถใช้ได้ |
| คำขอสนับสนุนซ้ำเกี่ยวกับหัวข้อเดียว | เตรียมคำตอบที่ชัดเจนขึ้นโดยใช้ประวัติการสนทนาและวัสดุช่วยเหลือปัจจุบัน | สิ่งที่ยังไม่ได้รับการแก้ไข, คำแนะนำก่อนหน้านี้ผิดหรือไม่, และใครเป็นเจ้าของกรณี |
ลูกค้าที่มีเงินทุนแต่ยังไม่เคยทำการซื้อขายอาจจะต้องการคำอธิบายสั้นๆ เกี่ยวกับมาร์จิ้นหรือประเภทคำสั่ง ซึ่งเข้ากันได้เป็นธรรมชาติกับ การศึกษาเกี่ยวกับการเทรด. ไม่มีความจำเป็นต้องเพิ่มความเร่งด่วนหรือแนะนำว่าการเติมเงินในบัญชีสร้างข้อผูกพันในการซื้อขาย.
สำหรับการชำระเงินที่ล้มเหลว ภาษาอาจจะตรงไปตรงมาเช่นกัน: การชำระเงินไม่ได้รับการดำเนินการ บัญชียังไม่ได้รับการเครดิต และมีการสนับสนุนให้บริการ ข้อความแต่ละข้อจำเป็นต้องตรงกับบันทึกที่ได้รับการยืนยัน หลีกเลี่ยงการสร้างเหตุผลของผู้ออกสำหรับการปฏิเสธการชำระเงินหรือการสัญญาเวลาที่จะเสร็จสิ้นซึ่งไม่มีใครได้ตรวจสอบ
หมายเหตุเชิงปฏิบัติ: ตรวจสอบบัญชีอีกครั้งเมื่อข้อความที่รออยู่กำลังจะถูกส่งออก ลูกค้าอาจทำ KYC หรือเติมเงินสำเร็จระหว่างการเลือกและการส่งมอบ หากไม่มีการตรวจสอบขั้นสุดท้าย แม้แต่การสื่อสารกับลูกค้าด้วย AI ที่เขียนอย่างระมัดระวังก็อาจมีข้อมูลที่ไม่ถูกต้อง
วัดว่าข้อความสามารถแก้ปัญหาที่ตั้งใจไว้ได้หรือไม่ การเปิดและคลิกเป็นสัญญาณการส่งที่มีประโยชน์ แต่ไม่แสดงว่ามีเนื้อหาช่วยเหลือหรือไม่ การ ทดลองเกี่ยวกับการมีส่วนร่วมในแอปการค้า ของ FCA พบว่าฟีเจอร์ที่มีการทดสอบ รวมถึงการแจ้งเตือนแบบพุช สามารถเพิ่มความถี่ในการซื้อขายและการรับความเสี่ยงได้ ตรวจสอบพฤติกรรมที่ข้อความกระตุ้น รวมถึงอัตราการตอบสนองด้วย
ความช่วยเหลือจาก AI สำหรับทีมสนับสนุนการค้าขาย
งานส่วนใหญ่ของตัวแทนเกิดขึ้นก่อนที่จะเขียนการตอบกลับ พวกเขาอ่านการสนทนา ตรวจสอบธุรกรรม ค้นหานโยบายปัจจุบัน และทำงานเพื่อหาว่าสัญญาก่อนหน้านี้ใดยังคงมีผลบังคับใช้
ผู้ช่วยสามารถเตรียมบริบทนั้นได้ สำหรับการโอนที่หายไป อาจจะรวบรวมข้อมูลการชำระเงิน สถานะล่าสุด การติดต่อก่อนหน้า และคำอธิบายที่ได้รับการอนุมัติเกี่ยวกับกระบวนการนั้น ตัวแทนจะตรวจสอบแหล่งข้อมูลและตัดสินใจว่าจะบอกอะไรกับลูกค้า
นี่มีประโยชน์มากกว่าคำตอบที่คล่องแคล่วซึ่งอิงจากหน้าช่วยเหลือเก่า ผู้ช่วยต้องเข้าถึงข้อมูลที่ได้รับการอนุมัติและทันสมัย และต้องบอกเมื่อบันทึกไม่ได้ตอบคำถาม การชำระเงินที่ระบุว่าเลื่อนเมื่อคืนที่ผ่านมาอาจจะเสร็จสิ้นในเช้านี้
ข้อมูลการสนับสนุนยังช่วยผลิตภัณฑ์และการดำเนินงาน หากลูกค้าถามซ้ำแล้วซ้ำเล่าว่าจะหาค่าธรรมเนียมได้ที่ไหน การสรุปตั๋วเหล่านั้นสามารถเปิดเผยปัญหาข้อมูลบนหน้าจอการจัดหา หน้าจอที่ชัดเจนอาจช่วยประหยัดงานได้มากกว่าการตอบกลับที่รวดเร็วต่อคำถามเดียวกัน
ติดตามการติดต่อซ้ำ การแก้ไข การยกระดับ และเวลาการแก้ไขควบคู่ไปกับความเร็วในการตอบกลับ การตอบกลับอย่างรวดเร็วที่สร้างตั๋วใหม่ไม่ได้ช่วยอะไรมากนัก ข้อร้องเรียน การชำระเงินที่มีข้อโต้แย้ง และกรณีการถอนที่ไม่ชัดเจนต้องมีเส้นทางไปยังผู้มีอำนาจในการแก้ไขปัญหาเหล่านั้น
การคาดการณ์เมตริกทางธุรกิจและการตรวจจับความผิดปกติ
การพยากรณ์สามารถช่วยให้โบรกเกอร์วางแผนการสนับสนุนการครอบคลุม, ประมาณการงานที่ต้องทำในการนำเข้าข้อมูล หรือเตรียมพร้อมสำหรับการเปลี่ยนแปลงในปริมาณการชำระเงิน มันทำงานได้ดีที่สุดเมื่อทีมเข้าใจว่าการประมาณการนั้นไม่แน่นอนเพียงใด
การคาดการณ์ที่อิงจากการจราจรที่มีอยู่ อาจจะมีประโยชน์น้อยลงเมื่อพันธมิตรขนาดใหญ่เริ่มส่งลูกค้าจากตลาดใหม่ วันหยุดหรือการหยุดชะงักก็สามารถเปลี่ยนรูปแบบได้ แสดงช่วง อธิบายสมมติฐาน และตรวจสอบการคาดการณ์กับผลลัพธ์ในภายหลัง
สำหรับการตรวจจับความผิดปกติ การแจ้งเตือนต้องมีรายละเอียดเพียงพอสำหรับใครสักคนในการตรวจสอบ การอนุมัติการชำระเงินลดลงสิบคะแนนเปอร์เซ็นต์แทบไม่มีความหมายหากไม่มีเส้นทาง, ช่วงเวลา, ขนาดตัวอย่าง, และช่วงปกติ ส่วนเล็ก ๆ สามารถเปลี่ยนแปลงอย่างรวดเร็วหลังจากมีธุรกรรมเพียงไม่กี่รายการ.
ก่อนที่จะพิจารณาการเคลื่อนไหวว่าเป็นเหตุการณ์ที่เกิดขึ้นในทางปฏิบัติ ให้ตรวจสอบว่าข้อมูลได้รับการอัปเดตล่าสุดเมื่อใด การเชื่อมต่อการรายงานที่ขัดข้องอาจทำให้วิธีการชำระเงินทั้งหมดดูเหมือนจะหยุดลงในทันที บันทึกที่ล่าช้าสามารถเปลี่ยนการลดลงของรายได้ที่ดูเหมือนในเมื่อวานให้กลายเป็นวันที่ปกติ
เริ่มต้นด้วยการแจ้งเตือนที่มีเจ้าของและการตอบสนองที่ชัดเจน หากไม่มีใครรู้ว่าจะทำอย่างไรกับการแจ้งเตือน การเพิ่มจำนวนการแจ้งเตือนอาจทำให้ทีมให้ความสนใจน้อยลง การวิเคราะห์ AI ที่มีประโยชน์สำหรับโบรกเกอร์ควรช่วยลดงานในการตัดสินใจว่าการเปลี่ยนแปลงใดที่ควรได้รับการพิจารณาอย่างใกล้ชิด
สถานที่ที่การตรวจสอบโดยมนุษย์ต้องคงอยู่
สำหรับโมเดลการดำเนินงานที่อธิบายไว้ที่นี่ AI จะเตรียมหลักฐานและข้อเสนอแนะ พนักงานที่ได้รับอนุญาตจะยังคงมีความรับผิดชอบต่อการตัดสินใจที่ตามมาซึ่งเกี่ยวกับการถอน, การเข้าถึงบัญชี, การร้องเรียน, การตั้งค่าการดำเนินการ, ขีดจำกัดความเสี่ยง, และการเปลี่ยนแปลงงบประมาณที่สำคัญ.
การตรวจสอบต้องมีความเป็นจริง ผู้ตรวจควรเห็นบันทึกต้นทาง เข้าใจคำแนะนำ และมีอำนาจในการปฏิเสธ หากพวกเขาเห็นเพียงคะแนนความมั่นใจและปุ่มอนุมัติ พวกเขาจะมีพื้นฐานน้อยมากสำหรับการตัดสินใจ
กรอบการจัดการความเสี่ยงทางปัญญาประดิษฐ์ (AI Risk Management Framework) ที่เป็นความสมัครใจของ NIST เรียกร้องให้มีความรับผิดชอบที่ชัดเจนและการตรวจสอบจากมนุษย์ สำหรับบริษัทในสหราชอาณาจักรที่อยู่ในขอบเขต การเข้าถึงของ FCA ต่อ AI ในบริการทางการเงิน อธิบายว่ากรอบความรับผิดชอบและผลลัพธ์ของลูกค้าที่มีอยู่ใช้ได้อย่างไร ข้อกำหนดในที่อื่น ๆ ขึ้นอยู่กับหน่วยงาน กิจกรรม และตลาด
การเข้าถึงมีความสำคัญไม่แพ้การอนุมัติ นักวิเคราะห์ที่ทำการตรวจสอบการแปลงอาจต้องการบันทึกที่ถูกรวบรวมเท่านั้น ผู้ช่วยสนับสนุนอาจต้องการเหตุการณ์บัญชีที่เลือก แต่ไม่ต้องการเอกสารระบุตัวตนทุกฉบับ ตรวจสอบการเข้าถึงข้อมูล การเก็บรักษา และสถานที่ที่ข้อมูลได้รับการประมวลผลก่อนที่จะเชื่อมต่อบันทึกของลูกค้ากับบริการ
นี่คือคำถามที่มีประโยชน์ในการถามผู้ให้บริการ AI ในการดำเนินงานทางการเงิน ถามเกี่ยวกับการสาธิตโดยใช้กรณีที่มีข้อมูลหายไปหรือบันทึกที่ขัดแย้ง คุณต้องการเห็นว่าระบบจัดการกับความไม่แน่นอนอย่างไร ก่อนที่พนักงานจะพึ่งพามันในวันที่ยุ่งเหยิง
AI จัดเตรียมกรณีต่างๆ ผู้คนตัดสินใจ
คำแนะนำจะไปถึงผู้ตรวจสอบพร้อมกับข้อมูลที่อยู่เบื้องหลัง ไม่ใช่การอนุญาตให้ดำเนินการด้วยตนเอง
จัดเตรียมคำแนะนำ
จัดระเบียบบันทึกที่เกี่ยวข้องกับงานและชี้ให้เห็นสิ่งที่ยังไม่ทราบ
เป็นผู้ตัดสินใจ
ตรวจสอบแหล่งที่มา ใช้แนวทาง และมีอำนาจในการปฏิเสธ
การสอบสวนอาจต้องการผลรวมของผลลัพธ์หรือเหตุการณ์บัญชีที่เลือก ไม่ใช่เอกสารประจำตัวทุกใบหรือประวัติลูกค้าเต็มรูปแบบ
วิธีการนำ AI เข้าสู่การดำเนินงานของบริษัทนายหน้า
ฉันจะเริ่มด้วยงานประจำที่ใช้เวลาของพนักงานอยู่แล้ว การอธิบายการเคลื่อนไหว FTD รายสัปดาห์เป็นผู้สมัครที่สมเหตุสมผล นอกจากนี้การเตรียมสรุปการสนับสนุนก็เช่นกัน หากประวัติบัญชีและนโยบายที่ได้รับการอนุมัติมีความน่าเชื่อถือ
เลือกเจ้าของงานและบันทึกวิธีที่ทีมจัดการกับมันในวันนี้ จากนั้นทดสอบกรณีในอดีตที่ผลลัพธ์เป็นที่ทราบแล้ว เก็บการสอบสวนสุดท้ายออกจากข้อมูลนำเข้า และตรวจสอบว่าแอสซิสแทนต์พบหลักฐานที่เกี่ยวข้อง ยกขึ้นเบาะแสเท็จ หรือเติมช่องว่างอย่างมั่นใจหรือไม่
ถัดไป ให้กลุ่มเล็ก ๆ ใช้งานมันด้วยการเข้าถึงแบบอ่านอย่างเดียวสำหรับบันทึกที่จำเป็น เก็บรวบรวมคำถามที่พวกเขาถามและการแก้ไขที่พวกเขาทำ สิ่งนี้จะแสดงให้เห็นว่าเครื่องมือนี้ทำงานได้เกินกว่าการสาธิตที่เตรียมไว้หรือไม่
| งานนำร่อง | หลักฐานที่มันช่วย | ผลลัพธ์ที่ต้องให้ความสนใจ |
|---|---|---|
| อธิบายการเปลี่ยนแปลงของเมตริก | ใช้เวลาน้อยลงในการไปถึงคำอธิบายที่ได้รับการตรวจสอบ; ยอดรวมตรงกับรายงาน. | คำตอบที่น่าเชื่อถือซึ่งระบุส Ursาโดยไม่มีหลักฐาน. |
| เตรียมคำตอบสนับสนุน | ลดเวลาการเตรียมการด้วยคำตอบที่ถูกต้องและการติดต่อซ้ำที่น้อยลง. | การแก้ไขข้อเท็จจริงบ่อยครั้งหรือคำสัญญาที่ตัวแทนไม่สามารถปฏิบัติตามได้. |
| เสนอข้อความบริการ | ลูกค้าที่มีสิทธิ์มากขึ้นจะแก้ไขปัญหาเฉพาะโดยไม่มีข้อร้องเรียนที่แย่ลงหรือผลลัพธ์การเลือกไม่เข้าร่วม. | การคลิกที่สูงขึ้นแต่ข้อความล้าสมัยหรือทำให้สับสนมากขึ้น. |
| ธงกิจกรรมการชำระเงินที่ไม่ปกติ | เหตุการณ์ที่ได้รับการตรวจสอบไปถึงทีมที่ถูกต้องเร็วกว่านี้. | การแจ้งเตือนซ้ำจากข้อมูลที่ล้าสมัยหรือกลุ่มตัวอย่างที่เล็กมาก. |
รวมเวลาการตรวจสอบ งานการบูรณาการ และค่าใช้จ่ายในการดำเนินงานเมื่อทำการตัดสินใจเกี่ยวกับการทดลอง หากการวิเคราะห์ประหยัดเวลาได้หนึ่งชั่วโมงก็ไม่ได้ช่วยอะไรมากนัก หากพนักงานคนอื่นต้องใช้เวลาอีกสองชั่วโมงในการแก้ไขคำตอบ
สำหรับการทดสอบการสื่อสาร ให้เปรียบเทียบลูกค้าที่มีสิทธิ์ที่คล้ายคลึงกันในช่วงเวลาเดียวกัน โดยใช้การยกเว้นเมื่อเหมาะสม เก็บประกาศบริการที่จำเป็นให้อยู่นอกการทดลองที่อาจจะระงับพวกมัน กำหนดกฎการหยุดสำหรับข้อความที่ไม่ถูกต้องหรือผลลัพธ์ของลูกค้าที่เสื่อมลง
ขยายหลังจากที่ผู้ใช้ระบบสามารถอธิบายได้ว่ามันช่วยที่ไหนและที่ไหนที่ยังต้องการการแก้ไข โบรกเกอร์ที่มีผู้ช่วยที่เชื่อถือได้สำหรับการตรวจสอบการชำระเงินสามารถได้รับคุณค่าจริงจากกรณีการใช้งานนี้ งานถัดไปสามารถดำเนินการได้เมื่อข้อมูลและพนักงานพร้อม
