Zendesk Menghadirkan Layanan Pelanggan Lebih Cepat Dengan Pembelajaran Mendalam di AWS

Memberikan Jawaban kepada Pelanggan Secepat Mungkin

Zendesk, yang menyediakan platform dukungan pelanggan perangkat lunak sebagai layanan (SaaS), selalu berupaya menciptakan solusi baru dan lebih baik bagi pelanggannya. Zendesk perlu merespons tren yang sedang berkembang: pelanggan yang ingin cepat menemukan sendiri jawaban atas pertanyaannya, tanpa harus berbicara dengan agen pendukung. “Kami ingin memberikan jawaban yang lebih relevan kepada pelanggan secepat mungkin, dan kami ingin mendorong model dukungan pelanggan mandiri,” kata Soon-Ee Cheah, salah satu ilmuwan data Zendesk. Perusahaan seperti pengecer online dan perusahaan besar lainnya menggunakan Zendesk untuk mewujudkan dukungan pelanggan yang baik.

Zendesk menghadapi tantangan ini dengan menggunakan pembelajaran mendalam—sebuah cabang kecerdasan buatan (AI) yang semakin populer. Kerangka kerja pembelajaran mendalam menggunakan jaringan neural yang dimodelkan menurut otak manusia sehingga memungkinkan komputer belajar secara mandiri, berdasarkan data yang diberikan, dan melakukan tugas dengan sedikit pengawasan.

Proyek pembelajaran mendalam terbaru Zendesk adalah Answer Bot—asisten pelanggan virtual yang secara otomatis menjawab pertanyaan pelanggan dengan memanfaatkan konten dari basis pengetahuan Zendesk Guide. Misalnya, jika pelanggan mengirim email ke pengecer sepatu untuk meminta bantuan mencari ukuran, Answer Bot akan mengirim artikel yang relevan kepada pelanggan tentang ukuran yang tersedia. “Untuk Answer Bot, kami menyukai gagasan bahwa model pembelajaran mendalam dapat membantu aplikasi untuk terus menyempurnakan diri dalam memberikan jawaban terbaik kepada pelanggan,” kata Cheah. Answer Bot telah berada di depan membantu memberikan pengalaman berfokus-anggota bagi ratusan perusahaan, termasuk Dollar Shave Club. “Answer Bot sangat bagus bagi kami karena menawarkan cara sederhana bagi anggota kami untuk menemukan jawaban yang mereka butuhkan,” kata Brian Crumpley, manajer analisis layanan anggota Dollar Shave Club. “Ini bukan tentang meminta anggota berhenti menghubungi kami, tetapi lebih pada membekali anggota dengan pengetahuan yang benar dan memberi mereka respons yang lebih cepat—sama-sama menguntungkan.”

Menggunakan TensorFlow di AWS untuk Jawaban yang Lebih Baik

Zendesk mengandalkan TensorFlow—sebuah pustaka perangkat lunak sumber terbuka untuk machine learning—untuk mengembangkan aplikasi pembelajaran mendalam. Seiring Zendesk siap untuk membuat Answer Bot, diperlukan teknologi dasar yang dapat mewujudkan pengembangan cepat dan skalabilitas mudah. “Algoritme pelatihan memakan banyak waktu, dan kami sungguh ingin memacu proses itu untuk mendapatkan solusi baru bagi pelanggan secara lebih cepat,” kata Cheah. “Kami tahu cloud akan membantu kami mewujudkannya.”

Perusahaan telah menjalankan platform utama dan aplikasi data-logging internal di Amazon Web Services (AWS) Cloud, dan disadari bahwa AWS juga akan menjadi pilihan tepat untuk pembelajaran mendalam. Pengembang yang menggunakan TensorFlow dapat menjalankan lingkungan tersebut di AWS dengan meluncurkan instans GPU AWS. “Pondasi AWS kami sudah ada di seluruh perusahaan, dan fakta bahwa TensorFlow disertakan dalam instans GPU AWS sangatlah sempurna bagi kebutuhan kami,” kata Arwen Griffioen, salah satu ilmuwan data Zendesk.

Zendesk menggunakan Amazon Simple Storage Service (Amazon S3) untuk menyimpan file inisialisasi untuk berbagai model pelatihan. Perusahaan juga memanfaatkan instans P2 Amazon Elastic Compute Cloud (Amazon EC2) untuk kemampuan komputasi paralel berbasis GPU. “Instans P2 Amazon EC2 sangat canggih, dan penggunaannya sangat membantu mempercepat kemampuan riset kami,” kata Cheah. Zendesk juga menggunakan mesin database relasional Amazon Aurora untuk menangkap perubahan terhadap artikel pusat pengetahuan, yang dijadikan umpan balik bagi model pelatihan Answer Bot dalam waktu yang hampir bersamaan.

“Kami dahulu menggunakan algoritme pembelajaran mendalam untuk melakukan proses mencocokkan permintaan pelanggan dengan artikel,” kata Cheah.

Perusahaan juga merasa puas setelah memanfaatkan Amazon SageMaker, yaitu layanan terkelola penuh sehingga pengembang dan ilmuwan data dapat membangun, melatih, dan menyebarkan model machine learning di segala skala.

“Kami sangat senang dengan pengumuman terbaru tentang Amazon SageMaker,” kata David Bernstein, direktur teknologi strategis Zendesk. "Amazon SageMaker menghemat biaya sekaligus meningkatkan kecepatan penggunaan machine learning kami. Dengan Amazon SageMaker, kami dapat melakukan transisi dari penyebaran TensorFlow yang saat ini dikelola sendiri menjadi layanan terkelola penuh. Amazon SageMaker juga memberi kami akses lebih mudah ke kerangka kerja pembelajaran mendalam populer lainnya, sambil mengelola infrastruktur untuk menulis, melatih, dan menyajikan model kami.”

"Karena dapat langsung memberi jawaban kepada pelanggan dalam beberapa detik, Answer Bot dapat menyelesaikan tiket permintaan dukungan sebelum mencapai agen. Ini sungguh bisa mengubah pengalaman layanan pelanggan.”

Soon-Ee Cheah
Ilmuwan Data
Zendesk

"Karena dapat langsung memberi jawaban kepada pelanggan dalam beberapa detik, Answer Bot dapat menyelesaikan tiket permintaan dukungan sebelum mencapai agen. Ini sungguh bisa mengubah pengalaman layanan pelanggan.”

Soon-Ee Cheah
Ilmuwan Data
Zendesk


Memacu Pengembangan Melalui Pemodelan Kilat Deep-Learning

Zendesk menggunakan AWS untuk kemudahan mencerna dataset besar yang digunakan untuk melatih algoritme pembelajaran mendalam. Akibatnya, Zendesk membuat Answer Bot dalam waktu jauh lebih singkat dari yang dapat dilakukan dengan menggunakan solusi lokal. “Kumpulan pemodelan prediktif kami saat ini sudah berada di AWS Cloud, sehingga mengembangkan Answer Bot di AWS akan lebih cepat,” kata Wai Chee Yau, salah satu spesialis data Zendesk. “Alih-alih membeli dan memasang perangkat keras sendiri, kami menggunakan fleksibilitas AWS untuk menambahkan GPU dan CPU yang kami butuhkan dengan cepat.”

Ilmuwan data Zendesk dapat meningkatkan laju penelitian dengan mengandalkan AWS. “AWS membuat kami dapat mencoba banyak ide sekaligus, dan itu membantu mempercepat laju penelitian kami,” kata Griffioen. “Kita dapat memutar instans Amazon EC2 secepat kami butuhkan dan melakukan berbagai permutasi atas model kami pada instans tersebut tanpa harus menunggu. Tanpa kemampuan ini, tentulah kami tidak akan dapat mengembangkan Answer Bot.”

Perusahaan saat ini dapat mewujudkan solusi layanan pelanggan baru dan inovatif melampaui harapan pelanggan. “AWS memungkinkan kami mengembangkan dan memberikan kemampuan yang belum pernah dimiliki pelanggan kami,” kata Cheah. “Dengan Answer Bot, misalnya, pelanggan kami dapat secara otomatis memberikan jawaban yang lebih tepat sasaran dan akurat atas pertanyaan pelanggan mereka. Dan karena dapat langsung memberi jawaban kepada pelanggan dalam beberapa detik, Answer Bot dapat menyelesaikan tiket permintaan dukungan sebelum mencapai agen. Ini sungguh bisa mengubah pengalaman layanan pelanggan.”

Zendesk kini dapat menskalakan lingkungan pengembangan pembelajaran mendalamnya sesuai permintaan untuk memenuhi kebutuhan pengembang akan lebh banyak sumber daya komputasi atau penyimpanan. “Model pembelajaran mendalam kami dapat diskalakan dengan sangat efisien menggunakan daya pemrosesan GPU di AWS, dan ini menguntungkan selama kami mengembangkan aplikasi untuk mengakomodasi lebih banyak pelanggan,” kata Cheah. “AWS adalah platform ide pembelajaran mendalam mumpuni yang kami gunakan di sebagian besar penelitian kami,” tambah Griffioen. “Fleksibilitas dan kecanggihan yang kami dapatkan dari AWS telah membantu Zendesk mengungguli teknologi pembelajaran terdepan di bidang layanan pelanggan. Bukan sekadar menciptakan pendekatan berbeda—tapi kami juga menciptakan pendekatan algoritmik baru, berkat AWS.”

Convoy menggunakan ML untuk merevolusionerkan pengiriman dengan truk

Pelajari lebih lanjut »

Capital One menggunakan ML untuk lebih melindungi pelanggan dari penipuan

Pelajari lebih lanjut »

Coinbase menggunakan ML untuk mewujudkan keamanan pertukaran mata uang crypto

Pelajari selengkapnya »

T-Mobile memanusiakan layanan pelanggan dengan ML

Pelajari selengkapnya »