semantischen, selbstlernenden und … · pentadoc schweiz service center social, web twitter,...
TRANSCRIPT
Vortrag, Name, Datum Firma, Name
LOGOUnternehmensweite Email Klassifikation mit
semantischen, selbstlernenden und
selbstoptimierenden Verfahren
Axel Schlender, Business Development, Kodak Alaris
Vortrag, Name, Datum Firma, Name
LOGO
Seite Nr. 3
1. Zufriedenheit?
2. Zentral, intelligent?
3. Automatisierung? Spitzenzeiten?
4. Übersicht, Transparenz?
5. SLA, Priorisierung, Skills, Fallabschließend?
6. Kosten, Zeit?
7. Multikanalfähig?
Bewerten Sie Ihr Email System:
Vortrag, Name, Datum Firma, Name
LOGO
Seite Nr. 5
>50 73 20%
1,6 14 60% 42%
Vortrag, Name, Datum Firma, Name
LOGO
Seite Nr. 8
635.000 1,5 3
Jan Feb Mär Apr Mai Jun Jul Aug Sep Okt Nov Dez
Beispiel: Kommunikationsvolumen
einer großen deutschen Versicherung 2013
Vortrag, Name, Datum Firma, Name
LOGO
Seite Nr. 9
KlassifizierenExtrahieren
AnreichernVerarbeiten
Antworten
CRMCRMECM DMSECM DMSRepository
Pen
tad
oc
EC
M T
ag
Sch
weiz
Pen
tad
oc
EC
M T
ag
Sch
weiz
Pen
tad
oc
EC
M T
ag
Sch
weiz
Pen
tad
oc
EC
M T
ag
Sch
weiz
Service Center
Social, Webtwitter, Facebook
EmailDe-mail
Telefon Fax Papier
Posteingang
Mobil
Kunde
Komunikations-kanal
Firmen-abteilung
IntelligenteErkennung
Kunden-systeme
Klarer Trend: Automatisierung der Kommunikation
Vortrag, Name, Datum Firma, Name
LOGO
Seite Nr. 10
CRMCRM
Klassifikation
Extraktion
1
Automatische Antwort
Kunden
Bearbeitung
2
ArchivArchiv KnowledgeKnowledge
Manuelle oder halbautomatische Antwort
Die Architektur eines ERMS Email Response
Management System
Vortrag, Name, Datum Firma, Name
LOGO
Seite Nr. 11
Das „Cockpit“ eines ERMS (Email Response System)
MandantPostkorb
KategorienKlassen
MandantPostkorb
KategorienKlassen
SpracheSprache Medium:Email, Fax,
SMS, Papier,
Medium:Email, Fax,
SMS, Papier,
AbsenderAbsenderService LevelPriorität
Service LevelPriorität
Kunden email Textinformation
Kunden email Textinformation
Vorgangs-übersichtVorgangs-übersicht
VorschlagStandardisierteTextbausteine
VorschlagStandardisierteTextbausteine
Textbausteinemit PlatzhalterTextbausteinemit Platzhalter
AntwortAntwort
Vortrag, Name, Datum Firma, Name
LOGO
Seite Nr. 12
Grundris neue Wohnung
Anfrage an meine Versicherung
Hiermit kündige ich Ihnen meinen Umzug in eine neue Wohnung zum 31.12.2014 an, und möchte meine Hausratversicherung mit gesondertem Anschreiben den neuen Umständen anpassen. Bitte schicken Sie mir zusätzlich Ihr aktuelles Angebot (siehe Ihre Werbung in den Medien) einer KFZ Versicherung für mein Fahrzeug. Mit der Betreuung durch Ihren Berater bin ich übrigens nicht zufrieden, bitte nennen Sie mir einen anderen Kontakt in meiner Nähe.
MfG, Hans Müller
„Regelbasiert“Strukturiert,
„Semi“ - strukturiert
„Semantisch“unstrukturiert
Vortrag, Name, Datum Firma, Name
LOGO
Seite Nr. 14
Vorher: Manuelle Klassifikation und Verteilung
KlassifikationKlassifikation
Nachher: Selbstlernende &
selbstoptimierende
Klassifikation Lernen, Korrigieren, Optimieren
Vortrag, Name, Datum Firma, Name
LOGO
Seite Nr. 16
Original NachrichtMögliche
Vornamen
MöglicheNachnamen
Vortrag, Name, Datum Firma, Name
LOGO
Seite Nr. 17
Intelligentes & Input- und Informationsmanagement mit
InformationsmanagementAutomatisierung der Kundenkommunikation
• zentrale Geschäftsprozess
Plattform
• Automatisierung der
Kundenkommunikation
• unstrukturierte Daten
• semantische, selbstlernende,
selbstoptimierende Verfahren
• Fallabschließende Email-
Bearbeitung
• Klassifikation und Extraktion
Zentrales Erfassen
Backend
ERP/SAP
CRMSharePointECM / DMS
RepositoriesVerteiltes und mobiles Erfassen
Vortrag, Name, Datum Firma, Name
LOGO
© 2014 Kodak Alaris Inc. The Kodak trademark and trade
dress are used under license from Eastman Kodak.
Kodak Alaris Confidential Information
Die richtige Information,
am richtigen Ort,
zur richtigen Zeit!
Die Kodak Alaris Vision
Vortrag, Name, Datum Firma, Name
LOGO
© 2014 Kodak Alaris Inc. The Kodak trademark and trade
dress are used under license from Eastman Kodak.
Kodak Alaris Confidential Information
19 Presentation Title Here11 June, 2015
DatenDaten
InformationenInformationen
WissenWissen
IntelligenzIntelligenzHerzlichen Dank!Herzlichen Dank!
www.scanloesungen.de
www.kodakalaris.com/go/di
www.wissensaustausch.com
Vortrag, Name, Datum Firma, Name
LOGO
Seite Nr. 20
Der Kunde• Führender deutscher Online Versicherer• 10 Millionen Kunden• 5 Millionen Transaktionen pro Jahr• Über 100 verschiedene Prozess Kategorien
Der Kunde• Führender deutscher Online Versicherer• 10 Millionen Kunden• 5 Millionen Transaktionen pro Jahr• Über 100 verschiedene Prozess Kategorien
Die Herausforderung• Sehr schnelle online Antworten erforderlich• Starkes Wachstum der Kommunikation• Manuelle email Verarbeitung• Häufiger Wechsel der Anwendungen
Die Herausforderung• Sehr schnelle online Antworten erforderlich• Starkes Wachstum der Kommunikation• Manuelle email Verarbeitung• Häufiger Wechsel der Anwendungen
Anforderungen• Eine Plattform für alle Kanäle und Formate• Kürzere Antwort Zeiten• Dynamische Anfragen
Anforderungen• Eine Plattform für alle Kanäle und Formate• Kürzere Antwort Zeiten• Dynamische Anfragen
Ergebnisse• 80% automatische Klassifizierung• 40% ohne manuellen Eingriff• 1 von 4 Anfragen können automatisch
beantwortet warden mit suggestiv-Antworten
Ergebnisse• 80% automatische Klassifizierung• 40% ohne manuellen Eingriff• 1 von 4 Anfragen können automatisch
beantwortet warden mit suggestiv-Antworten
ResponseResponse Self ServiceSelf Service
Praxisbeispiel: Online Versicherer
Vortrag, Name, Datum Firma, Name
LOGO
Seite Nr. 21
Der Kunde:• Pan- Europäische Bank (Deutschland)• 9200 Filialen• 155,000 Beschäftigte• 750 Call Center Agenten
Der Kunde:• Pan- Europäische Bank (Deutschland)• 9200 Filialen• 155,000 Beschäftigte• 750 Call Center Agenten
The Herausforderung:• Stark schwankendes email Volumen• Anzahl Agenten zum Arbeitsvolumen• Skills und Fertgkeiten der Mitarbeiter sehr
unterschiedlich
The Herausforderung:• Stark schwankendes email Volumen• Anzahl Agenten zum Arbeitsvolumen• Skills und Fertgkeiten der Mitarbeiter sehr
unterschiedlich
Anforderungsprofil:• Recourcenplanung und Anpassung and
schwankendes Aufkommen• Die Anzahl der “Multi Skill Agenten
verdoppeln• Telefon und email Anfragen
Anforderungsprofil:• Recourcenplanung und Anpassung and
schwankendes Aufkommen• Die Anzahl der “Multi Skill Agenten
verdoppeln• Telefon und email Anfragen
Ergebnisse;• “Predictive multi-channel scheduling”• Anzahl der Multi Skill Agenten von 30% auf
60% erhöht• Erhebliche Effizienzgewinne• Schnelle ACD integration
Ergebnisse;• “Predictive multi-channel scheduling”• Anzahl der Multi Skill Agenten von 30% auf
60% erhöht• Erhebliche Effizienzgewinne• Schnelle ACD integration
ResponseResponse
Praxisbeispiel: Banking
Vortrag, Name, Datum Firma, Name
LOGO
Seite Nr. 22
Fazit:
Nutze unstrukturierte Daten
• Daten aus jeder Art Kunden- Kommunikation extrahieren
• Daten klassifizieren und zu den Folgesystemen leiten
Die richtigen und vollständigen Antworten geben
• Anfragen automatisch kategorisieren und zuweisen
• Eine zentrale Wissensdatenbank erzeugen
• Verbinde die richtigen Antworten automatisch mit den Fragen und generiere
automatische Antworten
Erzeuge einen 360 Grad Sicht auf alle Kunden
• Nutze lle Informationen von allen Repositories und Anwendungen
• Konvertiere Papier in ein elektronisches Format
Vortrag, Name, Datum Firma, Name
LOGO
Seite Nr. 23
Wie aus Daten Wissen entsteht:
CaptureCaptureKlassifizie-
rungKlassifizie-
rungVerstehenVerstehen
Anreiche-rung
Anreiche-rung WissenWissen