اگر تیم فروش هر روز ده‌ها سرنخ دارد، چطور باید تصمیم بگیرد با کدام مشتری اول تماس بگیرد؟

هوش مصنوعی چگونه به رشد کسب‌وکار کمک می‌کند؟

رشد کسب‌وکار با هوش مصنوعی یعنی استفاده از داده و مدل‌های هوشمند برای بهتر کردن یک تصمیم یا فرایند مشخص و سنجیدن اثر آن بر فروش، هزینه یا کیفیت خدمت. در رشد ستاره شمالی، کار را با مسئله شما شروع می‌کنیم. شاید تیم فروش به فهرست پیگیری دقیق‌تری نیاز داشته باشد، شاید کارکنان وقت زیادی صرف پیدا کردن دستورالعمل‌ها کنند یا داده‌های چند واحد هنوز قابل مقایسه نباشند.

زن و مرد در حال بررسی نمودار رشد درآمد و نماد هوش مصنوعی روی داشبورد

برای مسئله شما کدام خدمت مناسب است؟

اگر مسئله شما این است از اینجا شروع کنید چه چیزی را می‌سنجیم؟
پیدا کردن دستورالعمل معتبر زمان می‌برد. پیاده‌سازی RAG سازمانی صحت پاسخ مستند و زمان یافتن آن
گزارش‌های فروش و مالی با هم جور درنمی‌آیند. ساخت کارخانه هوش مصنوعی مبتنی بر خط لوله داده کیفیت و تازگی داده
تیم فروش نمی‌داند پیگیری را از کدام مشتری شروع کند. راه‌اندازی موتور درآمدزایی هوشمند تبدیل به قرارداد، خرید مجدد و سود افزایشی
تیم برای استفاده و نگهداری راهکار به تمرین نیاز دارد. آموزش تخصصی توان انجام کار و کیفیت خروجی

پیاده‌سازی RAG سازمانی

فرض کنید کارشناس فروش می‌خواهد بداند برای درخواست یک مشتری به کدام راهنما یا سند مراجعه کند. دستیار مبتنی بر RAG ابتدا در منابع مجاز سازمان جست‌وجو می‌کند و سپس با کمک مدل زبانی پاسخ می‌دهد. می‌توان پاسخ را به بخش مرتبط سند پیوند داد تا کارشناس خودش آن را بررسی کند. وقتی منبع کافی پیدا نشود، دستیار باید این محدودیت را روشن کند. مقاله پایه RAG، نیورپس ۲۰۲۰

برای شروع، یک مجموعه سند و چند سؤال واقعی فارسی انتخاب می‌کنیم. در پایلوت بررسی می‌کنیم آیا دستیار به متن درست ارجاع می‌دهد، نسخه معتبر سند را پیدا می‌کند و به اطلاعات خارج از سطح دسترسی کاربر پاسخ نمی‌دهد. در صورت توافق، روش به‌روزرسانی اسناد، مجموعه سؤالات آزمون و راهنمای بهره‌برداری نیز تحویل می‌شود.

ساخت کارخانه هوش مصنوعی مبتنی بر خط لوله داده

اگر یک مشتری در فایل فروش و نرم‌افزار مالی با دو شناسه متفاوت ثبت شود، حتی یک مدل خوب هم ممکن است تصویر غلطی از سابقه خرید او بدهد. خط لوله داده (Data Pipeline) داده‌ها را از منابعی مانند اکسل، CRM یا سامانه فروش دریافت، بررسی و برای تحلیل آماده می‌کند.

کارخانه هوش مصنوعی این جریان را به مدل، فرایند کار و پایش متصل می‌کند. ابتدا یک جریان داده متناسب با مسئله می‌سازیم. اگر آماده‌سازی داده جواب داد، خروجی تحلیل یا مدل را به تصمیمی وصل می‌کنیم که مسئول آن مشخص باشد. کیفیت داده، زمان به‌روزرسانی، هزینه و خطای پردازش در انتخاب روش نقش دارند. برای سازمان‌های ایرانی، یکسان‌سازی تاریخ شمسی، نگارش نام‌ها و واحد ریال و تومان می‌تواند بخشی از همین کار باشد.

راه‌اندازی موتور درآمدزایی هوشمند

تصور کنید تیم فروش برای همه مشتریان یک برنامه پیگیری دارد، درحالی‌که سابقه خرید و زمان مناسب تماس برای هر گروه متفاوت است. موتور درآمدزایی هوشمند داده مشتری و فروش را برای اولویت‌بندی فرصت‌ها و پیشنهاد اقدام کنار هم می‌گذارد. تیم فروش پیشنهادها را بررسی می‌کند، اقدام مناسب را انجام می‌دهد و نتیجه را ثبت می‌کند.

در فروش سازمانی ممکن است معیار اصلی، تبدیل فرصت واجد شرایط به قرارداد باشد. برای فروشگاه آنلاین ممکن است خرید تکراری همراه با حاشیه سود اهمیت بیشتری داشته باشد. معیار و روش مقایسه را قبل از اجرا انتخاب می‌کنیم.

آموزش تخصصی تیم

مدیران روی انتخاب مسئله و سنجش ارزش تمرین می‌کنند. تیم تحلیل و فناوری روی خط لوله داده، RAG و ارزیابی خروجی کار می‌کند. کاربران عملیاتی هم یاد می‌گیرند پاسخ را با منبع تطبیق دهند و خطا را گزارش کنند. تمرین‌ها را می‌توان با مسئله همان سازمان طراحی کرد. آموزش می‌تواند مستقل یا بخشی از استقرار باشد.

دو نمونه از ابزارهای رشد ستاره شمالی

در تحلیل‌گر و تصمیم‌ساز درآمدی می‌توانید مسیر بارگذاری فایل فروش و دریافت خروجی مدیریتی را ببینید. رابط ابزار شاخص‌هایی مانند تکرار خرید و RFM را نمایش می‌دهد.

سامانه تحلیل حرکات چهره نمونه‌ای از کار با داده تصویری و حرکت قابل‌مشاهده چهره است. حرکت قابل‌مشاهده برای شناخت قطعی احساس، قصد خرید یا وضعیت روانی کافی نیست. مرور پژوهشی Barrett و همکاران

پروژه چطور پیش می‌رود؟

  1. مسئله و وضعیت فعلی را با مسئول فرایند ثبت می‌کنیم.
  2. کیفیت داده، سطح دسترسی، زیرساخت و ظرفیت تیم را بررسی می‌کنیم.
  3. خروجی پایلوت، معیار پذیرش و شرایط توقف را مشخص می‌کنیم.
  4. پایلوت را در دامنه محدود اجرا می‌کنیم و نتیجه را با خط مبنا یا گروه مقایسه می‌سنجیم.
  5. اگر نتیجه معیارهای توافق‌شده را برآورده کند، برای استقرار، آموزش و نگهداری برنامه می‌ریزیم.

بازده پروژه را چطور می‌سنجیم؟

در یک دوره مشخص، سود مشارکت حاصل از فروش افزایشی و صرفه‌جویی قابل تحقق را جمع می‌کنیم و هزینه افزایشی اجرا، زیرساخت، مصرف مدل، نگهداری و آموزش را از آن کم می‌کنیم. سود مشارکت یعنی درآمد پس از کسر هزینه‌های متغیر مربوط. زمانی که تیم آزاد می‌کند، وقتی در محاسبه مالی می‌آید که بتوانیم نشان دهیم چگونه به ارزش اقتصادی تبدیل شده است.

مثال کاملاً فرضی: ۱۲۰ میلیون تومان سود مشارکت افزایشی و ۳۰ میلیون تومان صرفه‌جویی، در برابر ۱۰۰ میلیون تومان هزینه پروژه، معادل ۵۰ میلیون تومان منفعت خالص و ۵۰ درصد بازده ساده در همان دوره است. این محاسبه ارزش زمانی پول را لحاظ نمی‌کند.

پژوهشی در پشتیبانی مشتری نشان داده است که اثر دستیار مولد بر بهره‌وری بین کارکنان متفاوت است. برای برآورد نتیجه پروژه شما، داده‌های همان فرایند و همان تیم لازم است. Generative AI at Work، مجله QJE

پرسش‌های رایج

اگر داده‌ها در اکسل باشند، می‌توان شروع کرد؟

بله، به شرط اینکه فایل‌ها برای مسئله موردنظر داده کافی و ساختار قابل بررسی داشته باشند. ابتدا کیفیت و تاریخچه فایل‌ها را بررسی می‌کنیم و بعد درباره اتصال به سامانه‌های دیگر تصمیم می‌گیریم.

آیا داده‌ها باید به سرویس ابری منتقل شوند؟

معماری می‌تواند محلی، ابری یا ترکیبی باشد. انتخاب به محرمانگی داده، دسترسی پایدار به زیرساخت و هزینه نگهداری بستگی دارد.

هزینه و زمان اجرا چقدر است؟

پس از شناخت مسئله، منابع داده، اتصال‌های لازم و معیار پذیرش می‌توان برآورد داد. در جلسه اول، روی تعیین دامنه‌ای تمرکز می‌کنیم که بتوان آن را اجرا و ارزیابی کرد.

کسب‌وکار کوچک از کجا شروع کند؟

یک فرایند محدود انتخاب کنید. مثلاً بررسی علت برگشت‌نکردن مشتریان یا جست‌وجوی مسائل پرتکرار در چند سند اصلی، می‌تواند نقطه شروع باشد.

مسئله شما چیست؟

اگر برای انتخاب نقطه شروع یا اجرای پروژه به همراهی نیاز دارید، نوع کسب‌وکار، مسئله و داده‌هایی را که در دسترس دارید برایمان بنویسید. خدمات مشاوره، اجرا و آموزش رشد ستاره شمالی به زبان فارسی برای بازار ایران ارائه می‌شود.

نوآوری در هک رشد چیست؟ · سایر حوزه‌های فعالیت

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *