Autodesk Menggunakan AWS untuk Mengembangkan Komunitas Pengguna, Meningkatkan Partisipasi Komunitas, dan Mendapatkan Jawaban untuk Anggota Komunitas Lebih Cepat

2020

Penyedia perangkat lunak Autodesk memiliki forum komunitas yang disebut dengan Autodesk Forums bagi pelanggan mereka sejak tahun 2000. Meskipun banyak pelanggan menggunakannya sebagai sumber daya, tetapi hanya sedikit yang mengambil langkah lebih jauh untuk melibatkan diri dengan komunitas. Pengguna yang paling terlibat dalam forum ini justru adalah mereka yang paling memahami penawaran Autodesk. Perusahaan ingin memperluas jangkauan forum ini dengan memberdayakan pelanggan untuk tidak hanya menyerap keahlian komunitas, tetapi juga menawarkan keahlian mereka sendiri.

Autodesk memilih solusi Amazon Web Services (AWS) untuk membangun dan dengan cepat melakukan deployment model machine learning untuk iterasi baru dari forum yang disebut dengan Community Match. Model tersebut akan mencocokkan keahlian anggota forum ini dengan pertanyaan yang diajukan di forum. Idenya adalah untuk mendorong anggota komunitas yang ahli dalam bidang tertentu untuk berbagi pengetahuan orang dalam yang mereka miliki tentang solusi Autodesk. Selain itu, jika sebelumnya pelanggan mencari dukungan Autodesk hanya untuk memecahkan masalah, sekarang mereka memanfaatkan pengetahuan yang ada di dalam komunitas bersama untuk menggunakan perangkat lunak Autodesk secara lebih efektif.

Pahatan logo Autodesk
kr_quotemark

Menciptakan sesuatu dari sebuah ide secara cepat dengan menggabungkan kemampuan nirserver yang ada di AWS adalah hal yang menyenangkan.

James Bradley
Director of Data Science, Autodesk

Membangun Forum untuk Mendorong Komunitas dan Memberdayakan Pelanggan

Autodesk membuat perangkat lunak yang memungkinkan orang-orang untuk “menciptakan apa pun.” Solusi mereka, yang memiliki teknologi baru seperti pencetakan 3D, kecerdasan buatan, desain generatif, dan robotika, didesain untuk para pembangun di bidang arsitektur, rekayasa, konstruksi, media serta hiburan, dan industri manufaktur. Perusahaan ini memiliki strategi untuk mengutamakan penggunaan AWS dalam seluruh praktik pengembangan mereka: pada tahun 2017, perusahaan memindahkan praktik pengembangan ilmu data dan machine learning dari mesin on-premise ke AWS, dan baru-baru ini perusahaan menciptakan model keterampilan machine learning untuk mengarahkan pelanggan ke agen pendukung dengan lebih baik. “Mirip dengan pemikiran kami tentang pengarahan berbasis keterampilan, kami dapat mulai melayani pelanggan sebagai bagian dari pengalaman digital dan dengan cara yang cerdas jauh sebelum seseorang harus turun tangan,” tutur James Bradley, director of data science untuk Autodesk. “Kami dapat mendorong kemampuan dukungan kami lebih dekat ke pelanggan dan terlibat dengan mereka secara otomatis dengan jauh lebih cepat.”

Autodesk pada awalnya ingin agar Community Match menjadi ruang tempat pelanggan dapat terhubung dengan pakar internal Autodesk. Kemudian, dalam pergeseran ke fokus pada pembentukan keahlian dan komunitas bersama di antara pelanggan mereka, Autodesk berusaha meningkatkan keterlibatan pelanggan untuk membantu memberikan jawaban dengan lebih cepat dan meningkatkan pengalaman pengguna yang optimal untuk lebih banyak pelanggan. “Ada peluang untuk menyasar anggota komunitas yang memiliki keahlian khusus dan memasangkan mereka dengan anggota komunitas yang memiliki pertanyaan yang perlu dijawab,” kata Bradley. Untuk meningkatkan partisipasi, strategi awal adalah menggunakan notifikasi email. Namun, hal tersebut tampaknya hanya melibatkan pelanggan yang sudah sangat aktif di platform. Mereka disebut sebagai “Expert Elite” oleh Autodesk, dan keahlian mereka atas produk menjadikan mereka sebagai duta Autodesk secara de facto. Autodesk justru ingin menggunakan notifikasi untuk menarik kelompok pelanggan baru yang pernah berpartisipasi dan menunjukkan minat dalam forum, tetapi tidak berpartisipasi secara konsisten.

Untuk mendapatkan wawasan tentang tanggapan pelanggan terhadap notifikasi email untuk mendorong keterlibatan forum, Autodesk langsung mendatangi sumbernya dengan mewawancarai pelanggan di konferensi Autodesk dengan 10.000 peserta lebih. Satu temuan yang penting adalah bahwa beberapa anggota staf pelanggan ternyata benar-benar menjelajahi forum atau mengajukan pertanyaan untuk mengkurasi konten yang akan dibagikan secara internal dengan tim mereka, tetapi jarang berbagi keahlian mereka sendiri. “Banyak di antara mereka merasa bahwa pengetahuan mereka tidak seluas karyawan Autodesk atau Expert Elite, jadi mereka menunggu orang lain untuk menanggapi pertanyaan yang masuk—meskipun mungkin mereka adalah ahli di bidang tersebut,” ungkap Yizel Vizcarra, data scientist di tim bantuan dan pengalaman digital. “Kami ingin mendorong rasa kebersamaan di forum dan mendorong orang-orang untuk menjawab jika keahlian mereka dapat membantu orang lain.”

Mengembangkan Solusi Kreatif yang Didukung AWS untuk Melayani Pelanggan

Autodesk menggunakan arsitektur nirserver AWS untuk membuat prototipe model pengetahuan hanya dalam waktu satu minggu. “Menciptakan sesuatu yang awalnya hanya ide dalam waktu yang singkat dengan menggabungkan berbagai kemampuan nirserver yang ada di AWS adalah hal yang menyenangkan,” kata Bradley. Webhook mengirimkan data waktu nyata ke AWS dari vendor pihak ketiga, tempat Community Match di-hosting. “AWS menyediakan arsitektur yang fleksibel bagi kami karena kami dapat membawa konten itu dengan berbagai cara, tidak hanya dengan membuat karyawan tetap terhubung dengan mengirimkan berbagai hal ke Slack, tetapi juga melayani berbagai kelompok pengguna kami," kata Vizcarra. Autodesk membagi pengguna forum menjadi beberapa kelompok: sangat terlibat, semi-terlibat, dan pengamat.

Autodesk kemudian membangun dan melatih model pengetahuan, yang di-hosting di Amazon Elastic Container Service (Amazon ECS), sebuah layanan orkestrasi kontainer terkelola penuh, dengan menggunakan teknik pembelajaran transfer untuk membuat penyematan pertanyaan pelanggan dari forum ini. Kemudian, mereka membangun model perkiraan tetangga terdekat—model klasifikasi umum berdasarkan asumsi bahwa item yang berdekatan dalam set data biasanya serupa—dengan menggunakan Amazon SageMaker. Model pengetahuan dan model perkiraan tetangga terdekat membantu menganalisis pertanyaan pengguna yang masuk dan mengidentifikasi 10 pengguna lain yang memiliki keahlian atau telah menjawab pertanyaan tentang topik serupa di masa lalu. Model dan serangkaian aturan bisnis dikemas menggunakan AWS Lambda, yang memungkinkan Autodesk untuk menjalankan kode tanpa menyediakan atau mengelola server, dan diurutkan oleh AWS Step Functions. Notifikasi ini, yang disebut sebagai rekomendasi, dikirimkan menggunakan Amazon Simple Email Service (Amazon SES) ke maksimal 10 pengguna per pertanyaan masuk dengan tautan untuk berpartisipasi. Autodesk membangun seluruh solusi tanpa mengubah infrastruktur perangkat lunak mereka yang sudah ada. “Kami dapat menggunakan machine learning untuk pemantauan waktu nyata tanpa harus melakukan integrasi ekstensif dengan perangkat lunak forum,” kata Alex O'Connor, lead data scientist untuk tim ilmu data bantuan digital. “Kami justru mengurangi tekanan pada server dengan melakukan hal ini.” Tanpa melakukan streaming, kami mungkin harus mengeksekusi kueri ekspor massal yang sangat besar dari forum, yang menimbulkan biaya sumber daya sangat besar dan berpotensi memengaruhi pengalaman platform forum bagi pengguna. Dengan pendekatan webhook waktu nyata, penskalaan sumber daya mudah dikontrol.

Iterasi Community Match baru diluncurkan pada bulan Juli 2020, yang menargetkan pelanggan yang tidak berpartisipasi secara reguler. Dalam enam minggu pertama peluncuran forum tersebut, Autodesk mengirimkan 8.473 rekomendasi menggunakan Amazon SES dan Amazon Simple Notification Service (Amazon SNS), sebuah layanan perpesanan publikasi/berlangganan (pub/sub) yang digunakan untuk membuat topik atau grup logika pada berbagai jenis produk dan mengirimkan notifikasi pembaruan. Autodesk menemukan bahwa 32 persen dari kecocokan yang dihasilkan oleh model machine learning termasuk berkualitas tinggi, yang dinilai Autodesk dari tingkat pembukaan, sementara tingkat klik-tayang notifikasi sebesar 31 persen. Dibandingkan dengan 12 persen tingkat balasan di iterasi pertama Community Match, setidaknya 16 persen orang yang mengklik notifikasi di iterasi baru—yang sebagian besarnya adalah pengguna yang tidak terlalu terlibat sebelumnya—kemudian terlibat dalam balasan. “Menerima notifikasi yang menekankan keahlian mereka diharapkan mendorong mereka untuk sepenuhnya terlibat dalam percakapan,” kata Bradley. “Kami justru melihat postingan mereka sedikit bertambah.” Forum ini didesain untuk memberdayakan pelanggan—terutama mereka yang enggan partisipasi—dengan menunjukkan kepada mereka bagaimana berbagi keahlian dapat bermanfaat bagi orang lain. Banyak pelanggan telah menawarkan jawaban atau solusi nonformal yang berbeda, tetapi tidak kalah bermanfaatnya dengan saran ahli yang diberikan oleh agen Autodesk.

Autodesk juga dapat menggunakan forum ini untuk lebih terlibat dan membantu pelanggan mereka. “Kami dapat memberi reaksi terhadap perilaku pelanggan dalam waktu nyata dan mendorong dampak bisnis yang positif dengan melakukan hal tersebut," kata Bradley. “Hal ini membuka peluang untuk memikirkan tujuan bisnis kami: kami dapat membangun di atas kerangka kerja perpesanan waktu nyata ini untuk mendorong perilaku pelanggan yang mengurangi pekerjaan mereka atau meningkatkan efisiensi bisnis." Misalnya, forum ini telah memberikan fleksibilitas kepada Autodesk untuk menanggapi kebutuhan pelanggan dengan cepat, dengan cara yang tidak dapat dilakukan oleh manajer kampanye atau aplikasi email. Selama pandemi COVID-19, misalnya, mereka mengalihfungsikan beberapa infrastruktur forum untuk memantau penyebutan virus korona guna mencatat penyesuaian bisnis yang dilakukan oleh pelanggan, dan dari data tersebut, mereka mengembangkan tanggapan yang tepat. “Memperhatikan tren yang berkembang sangat bagus untuk mendukung respons dalam waktu nyata,” kata O'Connor. “Terutama di awal-awal, ketika situasi berkembang begitu cepat, kami harus memahami apakah kami memenuhi kebutuhan pelanggan dengan kecepatan yang sama.”

Mendengarkan dan Cepat Beradaptasi dengan Kebutuhan Pelanggan

Tanpa membuat perubahan menyeluruh pada infrastruktur yang sudah ada, Autodesk menggunakan layanan AWS untuk merekonstruksi forum Community Match guna mendorong lebih banyak keterlibatan pelanggan, memberdayakan pelanggan untuk berbagi keahlian yang dapat dimanfaatkan oleh orang lain. Forum berbasis machine learning tidak hanya memungkinkan Autodesk untuk memberikan jawaban secara kreatif kepada pelanggan mereka, tetapi juga memberi perusahaan wawasan pelanggan yang berharga dan solusi fleksibel yang dapat dengan cepat beradaptasi dengan kebutuhan pelanggan. “Kami benar-benar memiliki kemampuan untuk menyesuaikannya dan belajar darinya dengan sangat cepat,” kata Bradley. “Kita berbicara tentang mendengarkan bagaimana kami dapat membantu dan menyesuaikan respons kami dengan hal itu.


Tentang Autodesk

Didirikan pada tahun 1982, Autodesk yang berbasis di California menciptakan solusi perangkat lunak untuk berbagai industri kreatif dan rekayasa dengan menggunakan teknologi baru, seperti manufaktur aditif (pencetakan 3D), kecerdasan buatan, desain generatif, serta robotika.

Keuntungan AWS

  • Membuat prototipe solusi dalam waktu 1 minggu
  • Mencocokkan pertanyaan yang masuk dengan ahli 32% lebih cepat
  • Meraih rasio klik-tayang 31%
  • Mendorong 16% pelanggan yang memiliki keterlibatan rendah yang menerima rekomendasi untuk membalas di forum
  • Meningkatkan layanan pelanggan
  • Mengurangi tekanan pada server yang sudah ada

Layanan AWS yang Digunakan

Amazon SageMaker

Amazon SageMaker adalah layanan terkelola sepenuhnya yang memberi setiap developer dan ilmuwan data kemampuan untuk membangun, melatih, dan menerapkan model machine learning (ML) dengan cepat.

Pelajari selengkapnya »

Amazon Elastic Container Service

Amazon Elastic Container Service (Amazon ECS) adalah layanan orkestrasi kontainer terkelola penuh. Pelanggan seperti Duolingo, Samsung, GE, dan Cookpad menggunakan ECS untuk menjalankan aplikasi paling sensitif dan misi kritis karena keamanan, keandalan, dan skalabilitasnya.

Pelajari selengkapnya »

AWS Lambda

AWS Lambda memungkinkan Anda menjalankan kode tanpa menyediakan atau mengelola server. Anda hanya membayar waktu komputasi yang Anda gunakan.

Pelajari selengkapnya »

Amazon Simple Notification Service

Amazon Simple Notification Service (SNS) adalah layanan perpesanan terkelola penuh untuk komunikasi sistem-ke-sistem dan aplikasi-ke-orang (A2P).

Pelajari selengkapnya »


Mulai

Perusahaan segala ukuran dan lintas industri mentransformasikan bisnisnya setiap hari menggunakan AWS. Hubungi ahli kami dan mulai perjalanan AWS Cloud Anda sendiri sekarang juga.