نوآوری پرداز کارن

توسعه بر بستر وب و موبایل، خدمات هوش مصنوعی و یادگیری ماشین، توسعه بازی بر بستر موبایل، توسعه بر بستر بلاکچین

شبکه های اجتماعی
مشاوره رایگان و تماس با کارن تکنولوژی
تماس آنی ما با شما
در کوتاهترین زمان مشاوره رایگان دریافت نمایید
هوش مصنوعی داده بد را درست نمی‌کند؛ با اطمینان بیشتری تکرارش می‌کند

کیفیت داده CRM؛ پیش از اتصال هوش مصنوعی چه چیزهایی را درست کنیم؟

نویسنده: - محقق و متخصص هوش مصنوعی، رئیس هیات مدیره شرکت کارن تکنولوژی

هوش مصنوعی در CRM فقط به اندازه داده‌ای که می‌بیند دقیق است. اگر یک مشتری با سه نام کمی متفاوت ثبت شده باشد، «بهترین مشتریان» اشتباه درمی‌آیند؛ اگر فروش با مالیات و برگشتی جمع شود، عدد با گزارش مالی نمی‌خواند. فرقش با گزارش دستی این است که هوش مصنوعی همین خطا را سریع، روان و با اطمینان تحویل می‌دهد. این راهنما می‌گوید پیش از اتصال هوش مصنوعی چه چیزهایی را درست کنید.

در این مقاله می‌خوانید

  • چرا هوش مصنوعی داده بد را بزرگ‌تر می‌کند
  • شش مشکل رایج داده در CRMهای ایرانی
  • تعریف‌ها مهم‌تر از پاکیزگی‌اند
  • چک‌لیست پیش از اتصال هوش مصنوعی
  • تطبیق با گزارش مرجع؛ آزمون نهایی
  • پاکیزگی همیشگی، نه یک‌باره
  • تجربه واقعی: انتقال ۲٫۴ میلیون رکورد
پاکسازی و یکسان‌سازی داده مشتریان پیش از اتصال هوش مصنوعی به CRM

محصول آماده کارن تکنولوژی

این را روی داده واقعی کسب‌وکار خودتان ببینید

آنچه در این مقاله می‌خوانید، در محصولات کارن پیاده‌سازی شده است. در جلسه دمو، همان را روی داده و فرآیند خودتان اجرا می‌کنیم.

درخواست دمو رایگان یا تماس بگیرید: ۰۲۱-۸۸۶۱۴۲۸۲

چرا هوش مصنوعی داده بد را بزرگ‌تر می‌کند

در گزارش دستی، کارشناسی که گزارش را می‌سازد معمولاً می‌داند کدام رکوردها تکراری یا آزمایشی‌اند و آن‌ها را کنار می‌گذارد. هوش مصنوعی این دانسته‌های نانوشته را ندارد. هر چه در داده هست، همان را می‌بیند و جمع می‌زند.

  • رکورد تکراری سابقه یک مشتری را دو تکه می‌کند؛ ارزش واقعی او کمتر دیده می‌شود.
  • تعریف نانوشته، مثل اینکه «فروش» با مالیات است یا بدون آن، عددی می‌سازد که هیچ واحدی آن را نمی‌شناسد.
  • داده ناهمسان، مثل نام شهر به چند شکل، گروه‌بندی و مقایسه را خراب می‌کند.

شش مشکل رایج داده در CRMهای ایرانی

مشکلاثر بر جواب هوش مصنوعیراه‌حل
مشتری تکراری (نام متفاوت، شماره با صفر و بی‌صفر یا با ۹۸+)سابقه و ارزش مشتری تکه‌تکه دیده می‌شود.کلید یکتا (موبایل یکسان‌شده، شناسه ملی یا کد اقتصادی) و قاعده ادغام.
«ی» و «ک» عربی و فارسیجستجوی «کاشی» رکوردهای «كاشي» را پیدا نمی‌کند.یکسان‌سازی حروف در کل داده و هنگام ورود.
ارقام فارسی، عربی و لاتینشماره و کد به‌عنوان مقدارهای متفاوت شمرده می‌شوند.تبدیل همه ارقام به یک شکل در فیلدهای عددی و شناسه‌ها.
تاریخ شمسی و میلادی و متنیمقایسه ماه‌به‌ماه و فاصله زمانی غلط درمی‌آید.یک قالب تاریخ واحد در پایگاه داده، نمایش شمسی برای کاربر.
فیلدهای آزاد و ناقصگروه‌بندی بر اساس شهر، صنعت یا منبع سرنخ بی‌معنا می‌شود.فهرست انتخابی به جای متن آزاد و فیلدهای الزامی هنگام ورود.
رکورد آزمایشی و فاکتور برگشتیجمع فروش بیشتر از واقعیت نشان داده می‌شود.علامت‌گذاری رکورد آزمایشی و ثبت برگشتی با علامت منفی.

تعریف‌ها مهم‌تر از پاکیزگی‌اند

حتی داده تمیز هم بدون تعریف مشترک جواب درستی نمی‌دهد. پیش از اتصال هوش مصنوعی، این تعریف‌ها را بنویسید و به تأیید مالی و فروش برسانید:

  • فروش: فروش خالص فاکتورها، بدون مالیات بر ارزش افزوده، با کسر برگشتی‌ها؟
  • مشتری فعال: مشتری‌ای که در چند ماه اخیر خرید کرده است؟
  • مشتری در معرض ریزش: مثلاً آخرین خرید بین ۱۲ تا ۲۴ ماه پیش؟
  • سرنخ واجد شرایط: با چه معیاری از سرنخ ساده جدا می‌شود؟
  • مرزها: کدام داده‌ها، مثل ارزیابی عملکرد، فقط برای مدیران است؟

در CRMهای هوش‌مصنوعی‌محور این تعریف‌ها در «حافظه سازمانی» ثبت می‌شوند تا در همه گفتگوها ثابت بمانند. چرایی و روش آن را در حافظه سازمانی هوش مصنوعی توضیح داده‌ایم.

چک‌لیست پیش از اتصال هوش مصنوعی

  • ☐ همه منابع داده مشتری را فهرست کنید: CRM فعلی، اکسل‌ها، حسابداری، سانترال و فرم‌ها.
  • ☐ برای فرد و شرکت کلید یکتا تعیین کنید و شماره موبایل را به یک شکل استاندارد درآورید.
  • ☐ حروف «ی» و «ک»، ارقام و تاریخ‌ها را در کل داده یکسان کنید.
  • ☐ قاعده ادغام تکراری‌ها را بنویسید: کدام رکورد اصلی می‌ماند و سابقه کجا منتقل می‌شود.
  • ☐ فیلدهای کلیدی را هنگام ورود الزامی و متن آزاد را به فهرست انتخابی تبدیل کنید.
  • ☐ رکوردهای آزمایشی را علامت بزنید و برگشتی‌ها را درست ثبت کنید.
  • ☐ تعریف عددهای کلیدی را بنویسید و به تأیید مالی و فروش برسانید.
  • ☐ ده تا پانزده پرسش کلیدی مدیریتی انتخاب کنید و جواب هوش مصنوعی را با گزارش مرجع تطبیق دهید.

داده شما برای هوش مصنوعی آماده است؟

در جلسه شناخت، منابع داده و تعریف‌های کلیدی شما را مرور می‌کنیم و مسیر انتقال و پاکسازی را پیشنهاد می‌دهیم.

تطبیق با گزارش مرجع؛ آزمون نهایی

مهم‌ترین آزمون کیفیت داده، مقایسه جواب هوش مصنوعی با عددهایی است که سازمان امروز به آن‌ها اعتماد دارد. چند پرسش کلیدی مثل فروش خالص فصل، تعداد مشتریان فعال یا نرخ پاسخ‌گویی تماس‌ها را انتخاب کنید و جواب را کنار گزارش مالی یا گزارش مرجع بگذارید. هر اختلاف یا از داده است یا از تعریف؛ پیدا کردن علت آن، بهترین راه شناختن نقطه‌ضعف داده است.

در یک استقرار واقعی داتیک، جواب نیوشا به ۱۴ پرسش کلیدی مدیریتی با گزارش‌های مرجع سازمان یکی بود؛ نتیجه پاکسازی هم‌زمان با انتقال و ثبت تعریف‌ها در حافظه سازمانی.

پاکیزگی همیشگی، نه یک‌باره

پاکسازی یک‌باره اگر جلوی ورود داده بد گرفته نشود، چند ماه بعد دوباره لازم می‌شود. سه کار داده را تمیز نگه می‌دارد:

  • ورود خودکار با «ساختن یا به‌روزرسانی»: سرنخ فرم سایت پیش از ساختن رکورد تازه، با شماره یا ایمیل دنبال رکورد موجود می‌گردد (اتصال فرم سایت به CRM).
  • اعتبارسنجی هنگام ورود: قالب شماره، فیلدهای الزامی و فهرست‌های انتخابی.
  • بازبینی دوره‌ای: یک agent یا گزارش هفتگی که رکوردهای تکراری و ناقص را پیدا می‌کند و برای ادغام پیشنهاد می‌دهد؛ ادغام با تأیید انسان.

تجربه واقعی: انتقال ۲٫۴ میلیون رکورد

در یک استقرار واقعی داتیک، حدود ۲٫۴ میلیون رکورد، شامل بیش از ۴۲۰ هزار شرکت و فرد و نزدیک به ۵۰۰ هزار تماس سانترال، از نرم‌افزارهای قبلی منتقل شد. هم‌زمان با انتقال، حروف «ی» و «ک»، ارقام و تاریخ‌های شمسی یکسان شدند و عددهای کلیدی مدیریتی پس از انتقال با گزارش‌های مرجع سازمان تطبیق داده شد. جزئیات را در مطالعه موردی داتیک و روش انتقال را در انتقال داده بدون از دست دادن تاریخچه بخوانید.

اگر امروز داده مشتری در اکسل است، از اکسل به CRM قدم اول را توضیح می‌دهد.

پرسش‌های متداول

چون هوش مصنوعی هر چه در داده هست را می‌بیند و جمع می‌زند. رکورد تکراری، تعریف نانوشته یا داده ناهمسان، جوابی می‌سازد که روان و مطمئن به نظر می‌رسد ولی با گزارش‌های سازمان نمی‌خواند.

با یک کلید یکتا، مثل شماره موبایل یکسان‌شده برای افراد و شناسه ملی یا کد اقتصادی برای شرکت‌ها. رکوردهایی که کلید یکسان یا نام بسیار نزدیک دارند، نامزد ادغام‌اند و بهتر است با تأیید انسان ادغام شوند.

چون حروف عربی و فارسی از نظر نرم‌افزار متفاوت‌اند. بدون یکسان‌سازی، جستجو و گروه‌بندی بخشی از رکوردها را جا می‌اندازد و یک مشتری ممکن است دو بار ثبت شود.

نه. لازم نیست همه داده بی‌نقص باشد؛ کافی است داده‌هایی که در پرسش‌های کلیدی به کار می‌روند تمیز و تعریف‌ها روشن باشند. با تطبیق چند پرسش کلیدی با گزارش مرجع معلوم می‌شود کجا هنوز کار لازم است.

اگر معلوم نباشد فروش با مالیات است یا بدون آن، و برگشتی‌ها کسر می‌شوند یا نه، حتی داده تمیز هم عدد درستی نمی‌دهد. این تعریف‌ها باید نوشته و در CRM ثبت شوند.

به حجم و تعداد منابع داده بستگی دارد. بهتر است پاکسازی هم‌زمان با انتقال به CRM جدید انجام شود و با قاعده‌های ورود و بازبینی دوره‌ای ادامه پیدا کند.

ده تا پانزده پرسش کلیدی مدیریتی انتخاب کنید و جواب هوش مصنوعی را با گزارش مرجع سازمان مقایسه کنید. وقتی جواب‌ها یکی شد و اختلاف‌ها توضیح داشت، داده برای کار روزانه آماده است.

کارن تکنولوژی
کارن تکنولوژی
کارن تکنولوژی
کارن تکنولوژی
کارن تکنولوژی
کارن تکنولوژی
کارن تکنولوژی
کارن تکنولوژی
کارن تکنولوژی
کارن تکنولوژی

محصولات کارن تکنولوژی

محصولات آماده کارن؛ هر کدام جداگانه یا روی یک لایه داده مشترک کار می‌کنند و نسخه نصب روی سرور خودتان دارند.

مانوتل - چت‌بات و پشتیبانی چندکاناله

وب‌سایت، واتساپ، تلگرام، ایتا، بله و ایمیل در یک صندوق واحد، همراه با تیکتینگ و دستیار هوشمند فارسی.

معرفی محصول >

Caren AI-OS | سیستم‌عامل هوش سازمانی

میز کار تحت وب مدیران: سیزده پلتفرم در یک پنجره، با گزارش لحظه‌ای، اقدام سریع، پیش‌بینی توضیح‌پذیر و دستیار فارسی نیوشا. با API به پلتفرم‌های موجود سازمان وصل می‌شود.

معرفی محصول >

Caren Enterprise AI | پلتفرم مدیریت هوشمند سازمان

فروش، مشتری، مالی، تدارکات و منابع انسانی روی یک داده مشترک، با ۴۷+ قابلیت هوشمند؛ عدد را سامانه محاسبه می‌کند و هوش مصنوعی روایت می‌کند. ابری یا نصب روی سرور سازمان.

معرفی محصول >

داتیک | CRM هوشمند فارسی

مشتری، فروش، تماس و گزارش در یک سامانه فارسی، با دستیار هوش مصنوعی نیوشا که داده سازمان را می‌شناسد و کار انجام می‌دهد.

معرفی محصول >

هوش اسناد و OCR فارسی

خواندن متن چاپی و دست‌نوشته فارسی، استخراج داده از فاکتور و قرارداد، و جست‌وجوی معنایی در آرشیو سازمان.

معرفی محصول >

هوش تجاری سازمانی (BI)

انبار داده، داشبورد فارسی با تقویم شمسی و پرس‌وجو به زبان طبیعی؛ گزارش به‌جای فایل‌های اکسل پراکنده.

معرفی محصول >

محصولات دیگر: تحلیل هوشمند مشتری · دستیار صوتی هوشمند · پلتفرم فروش هوشمند · دایاتل - ERP هوشمند فارسی · کارنتل - دستیار دانش سازمانی · رایوتل - ایجنت آواتار هوشمند · پلتفرم بازاریابی هوشمند · مدیریت وفاداری مشتریان · سرمایه انسانی هوشمند · یادگیری و آموزش هوشمند · استودیو هوش مصنوعی مولد · همه محصولات

جلسه شناخت رایگان، بدون تعهد

یک جلسه ۳۰ دقیقه‌ای رزرو کنید. اسناد و داده خودتان را می‌دهید و همان جلسه نتیجه را می‌بینید.

شرکت سهامی
خاص
2016
تأسیس
+۵۰
متخصص هوش مصنوعی
+۱۲
محصول AI-Ready
+20
صنعت تخصصی
+10
سال تجربه
۰۲
مرکز توسعه
ISO 9001 & 27001
گواهینامه
AI-Native
معماری
Infosys
شریک تجاری
HCL Technologies
شریک تجاری
TCS
شریک تجاری
درخواست خرید محصول