Embed Size (px)
Citation preview
ООО «Мьютел Технолоджис»
г. Москва
CXP ANALYZER CUSTOMER EXPERIENCE ANALYZER
СИСТЕМА АНАЛИЗА И МОНИТОРИНГА
КЛИЕНТСКОГО ОПЫТА
23.08.2013 2
Предпосылки разработки программного инструментария
Конфиденциально
Потребность предприятий в эффективных алгоритмах интеллектуального анализа и
автоматического распределения информации, поступающей от клиентов с помощью
различных методов обратной связи (формы отзывов и предложений, колл и контакт-
центры, социальные сети)
Возможность на основе отзывов клиентов выявления закономерностей,
позволяющих получить данные о системных проблемах, возникающих у клиентов на
всех стадиях взаимодействия с компанией, что позволяет снизить издержки
предприятия при обслуживании клиентов
Возможность оценки степени удовлетворенности клиента, а значит представления о
клиентской лояльности и конкурентоспособности компании (оценка с позиции
клиента преимуществ и недостатков компании, предоставляемых ей товаров и услуг
в сравнении с конкурентами)
Повышение скорости оперативного реагирования отдела сопровождения клиентов
(вовремя не устраненная проблема в обслуживании одного клиента в среднем
приводит к уходу четырех потенциальных клиентов)
Возможность автоматизации выявления закономерностей, оказывающих
определяющее влияние на формирование клиентского опыта, а значит сокращения
временных затрат аналитиков предприятия при обработке массивов данных
Наличие собственных программно-алгоритмических решений, позволяющих
повысить быстродействие классификации отзывов клиентов без потери точности
23.08.2013 3
Описание программного инструментария
Конфиденциально
Программный инструментарий CXP-Analyzer предназначен для
аналитической обработки клиентского опыта, выраженного в виде
неструктурированных текстовых документов, содержащих мнения:
клиентов компании
потенциальных покупателей
респондентов (участников опросов (экспертов)).
Данные документальные массивы представляют собой:
отзывы, опубликованные в рейтинговых поисковых системах
(market.yandex.ru)
отзывы, опубликованные в социальных сетях (vk.com, twitter.com,
facebook.com)
отзывы, размещенные на профессиональных блогах и форумах
(livejournal.com)
транскрипты звонков в службу техподдержки и колл-центры
неструктированные данные опросов и маркетинговых исследований
23.08.2013 4
Основные задачи программного инструментария
Конфиденциально
Программный инструментарий CXP-Analyzer предназначен для решения
следующих задач менеджмента предприятия:
Повышение лояльности клиента
Внедрение клиентоориентированности как современной концепции
развития предприятия
Снижение издержек на поддержку клиентов
Выявление системных проблем предприятия (клиентских сервисов)
Оперативный мониторинг и классификация проблем клиента
23.08.2013 5
Целевая аудитория программного инструментария
Конфиденциально
Основными целевыми аудиториями программного инструментария CXP-
Analyzer являются:
электронная коммерция (прежде всего, интернет-магазины
розничной торговли)
гостиничный бизнес
телекоммуникационная индустрия
банковские услуги
центры по работе с населением
23.08.2013 6
Модульная структура программного инструментария
Конфиденциально
CXP-Analyzer состоит из трех основных модулей:
CXP-Analyzer
Сбор и агрегация отзывов,
мнений и обращений
клиентов/респондентов
Обработка и извлечение
клиентского опыта
Формирование отчетов и
анализ результатов
23.08.2013 7
Модульная структура программного инструментария
Конфиденциально
Модуль сбора и агрегации
отзывов представляет собой
инструмент для
автоматического извлечения
клиентского опыта из
различных источников и
осуществления агрегации
полученных данных в одну или
несколько групп в зависимости
от типа источника и целей
аналитической работы
Сбор и агрегация отзывов,
мнений и обращений
клиентов/респондентов
Внешние
источники
Внутренние
источники
Рейтинговые
поисковые системы
Форумы и блоги
Сайты обзоров и
рецензий
Новостные ленты
Социальные сети
Электронная почта
Транскрипты звонков в
тех. поддержку
Веб-ресурсы компании
(forum, feedback)
Транскрипты обращений
в колл-центр
Система мгновенных
сообщений
Неструктур. данные
маркет. исследований
Результаты исследов.
(опросы потребителей)
Экспертные заключения
API (базы данных
компании)
23.08.2013 8
Модульная структура программного инструментария
Конфиденциально
Модуль первичной обработки и извлечения
клиентского опыта предназначен для:
Извлечения необработанных текстовых данных
(мнений клиентов/респондентов) и сохранение в
отдельных файлах с указанием первичного
источника. Формирование обучающих и
экзаменационных выборок
Обработка текстов с использованием парсера
естественного языка (natural language processing)
Кластеризация – автоматическое выделение
категорий, на которые распадаются отзывы в
зависимости от обсуждаемой проблемы.
Выявление скрытых факторных признаков,
определяющих мнение клиента о компании
Классификация – автоматическое распределение
отзывов по указанным категориям с целью
выявления системных проблем во взаимодействии
с клиентами и «узких мест» в организации бизнес-
процессов
Выявление эмоциональной окраски отзывов: что
чувствуют и как относятся клиенты к компании, ее
товарам и услугам. Оценка клиентской лояльности
Обработка и извлечение
клиентского опыта
Обработка текстов на
естественном языке (natural
language processing)
Выявление эмоциональной
окраски отзывов
Кластеризация
(выявление скрытых факторов,
определяющих мнение клиента)
Классификация (категоризация
отзывов и выявление «узких мест»
в организации бизнес-процессов)
Поиск упоминаний проблемы и
выявление происшествий,
связанных с этими упоминаниями
23.08.2013 9
Модульная структура программного инструментария
Конфиденциально
Модуль формирования отчетов и анализа
результатов предназначен для:
Вывода результатов в виде таблиц и графиков с
возможностью масштабирования, фильтрации (по
дате, классам, эмоциональному оттенку, источнику
клиентского опыта)
Экспресс-анализ и автоматическая генерация
отчета, содержащего оценки «точек»
взаимодействия компании с клиентом (сайт,
доставка, контакт-центр и т.д.)
Детальный анализ с возможностью задания
собственных классов, формированием и
уточнением обучающих выборок. Позволяет
заказчику проводить собственные исследования и
выявлять скрытые нестандартные проблемы
функционирования компании
Оперативный анализ поступающих отзывов.
Система анализирует в реальном времени
поступающие отзывы от клиентов, и в зависимости
от эмоциональной окраски и содержания отзыва
может отправить уведомление заказчику, если
требуется оперативное вмешательство, а также
рекомендовать шаблон ответа
Формирование отчетов и
анализ результатов
Визуализаторы (таблицы, графики)
для проведения факторного
анализа
Анализ эмоциональной окраски
отзывов и определение клиентской
лояльности
Экспресс-анализ (оценка «точек»
взаимодействия компании с
клиентом по типовым классам)
Детальный анализ с заданием
собственных классов (анализ
конкурентов и потребителей)
Оперативный анализ (мониторинг
отзывов и уведомление заказчика
о необх. быстрого реагирования)
23.08.2013 10
Бизнес-модель программного инструментария
Конфиденциально
В основе программного решения лежит бизнес-модель SaaS (software as
a service - программное обеспечение как услуга)
Основное преимущество модели SaaS для заказчика услуги состоит в
отсутствии затрат, связанных с установкой, обновлением и поддержкой
работоспособности оборудования и работающего на нём программного
обеспечения. В свою очередь разработчик может организовать
модернизацию и обновление приложения оперативно и прозрачно для
клиентов
Согласно требованиям бизнес-модели SaaS CXP-Analyzer приспособлен
для удаленного использования с обеспечением одновременной работы
нескольких клиентов.
Пользование сервисом предполагает взимание ежемесячной абонентской
платы, при этом техническая поддержка приложения и обеспечение
защиты данных включены в оплату
Контракт с заказчиком заключается по схеме SLA (Service Level
Agreement), фиксирующей параметры, характеризующие доступность и
работоспособность программного инструментария в течение года
23.08.2013 11
Стадия реализации программного инструментария
Конфиденциально
На данной стадии проекта разработан лабораторный образец
программного обеспечения, позволяющий осуществлять обработку и
классификацию неструктурированной текстовой информации. Реализованы
большинство известных методов классификации документальных массивов
Проведенные собственные научные работы позволили создать
модифицированный метод редукции (сокращение обучающей выборки),
применимый для документальных массивов, позволяющий увеличить
быстродействие классификации на 19% без потери точности. Научные
результаты подтверждены защищенной диссертацией на соискание ученой
степени кандидата наук
Лабораторный комплекс применяется для решения учебно-научных задач в
рамках учебного курса «Интеллектуальные информационные системы»
Тем не менее для реализации проекта требуются проведение
дополнительных НИР с целью расширения набора методов классификации
документальных массивов и повышения их быстродействия без потери
точности (на 20-30%). Также необходимо проведение существенных работ
для разработки коммерческой версии программного инструментария
Проведенный анализ известных программных систем логической обработки и
анализа текстовой информации показал, что большинство из них представляют
собой многопрофильные универсальные программы, не ориентированные на
обработку информации определенного типа, характеризующую конкретный вид
деятельности компании
В существующих аналогах не уделяется достаточного внимания реализации ряда
важных, на наш взгляд, процедур качественной обработки и классификации
документальных массивов (в частности, операции редукции, коллективной
классификации, модификаций, ускоряющих классификацию непараметрических
методов)
Предлагаемые программно-алгоритмические методы классификации
документальных массивов информации в сравнении с аналогами отличаются
большим быстродействием при сохранении той же точности
Выбранная бизнес-модель SaaS позволит существенно снизить конечную
стоимость программного инструментария для клиента в сравнении с похожими
решениями, предлагаемыми на рынке
23.08.2013 12
Рыночные преимущества
Конфиденциально
Сравнение параметров продукта проекта с аналогами
23.08.2013 13
Команда проекта
Конфиденциально
ФИО Роль в проекте (описание
ключевых функций)
Сфера деятельности и опыт
Лисин Евгений
Михайлович
Руководитель проекта
(руководство проектом, участие в
разработке программно-
алгоритмических модулей,
определение коммерческого
направления развития
разработки)
Есть существенный опыт в организации и управлении
коллективной работой в академической и бизнес-среде.
Имеются профессиональные навыки и умения, как в
технических, так и экономических направлениях,
фактически от разработки программных систем до
экономического анализа и расчета инвестиционных
проектов, Имеет ученую степень кандидата экономических
наук.
Бородкин Артем
Александрович
Зам. руководителя проекта по
научной работе (разработка
математического аппарата,
алгоритмов и программных
решений, постановка,
планирование и организация
тестирования)
Специализируется на проведении исследований и
разработок в области интеллектуальных информационных
систем и методов анализа данных. По теме проекта
защитил диссертацию на соискание ученой степени
кандидата наук. Имеет значительный опыт в
проектировании и разработке программных решений для
малого и среднего бизнеса, а также программных систем
учебного и научно-исследовательского назначения.
Ходунов Генрих
Александрович
Зам. руководителя проекта по
фин. вопросам (инвестиционное,
операционное и финансовое
планирование)
Имеет опыт работы в должности руководителя
департамента по финансам и менеджменту. Является
специалистом в области бухгалтерского учета,
финансового контроля и аудита.
23.08.2013 14 Конфиденциально
Приложение 1. Логическая структура
Интерфейсный
модуль
Модуль автоматизированного
ввода текстовых данных из
внешних хранилищ информации
Модуль предварительной
обработки данных
Модуль обучения
индивидуальных
классификаторов и синтеза
коллектива решающих правил
Модуль представления и
анализа качества
результатов
классификации
Модуль редукции обучающих
выборок Интернет сайты
ACM и
ResearchIndex
23.08.2013 15 Конфиденциально
Приложение 2. Интерфейсные модули
Результаты
классификации
Загрузка данных из БД АСМ и ResearchIndex Редукция обучающих выборок
