Jonathan Corbin, Maven AGI -haastattelusarjan perustaja ja toimitusjohtaja

Jonathan Corbin on Maven AGI:n perustaja ja toimitusjohtaja. Aikaisemmin HubSpotin asiakasmenestys- ja strategiajohtajana Jonathan johti noin 1,000 200,000 asiakasmenestys-, kumppanimenestys- ja sopimuspäällikön tiimiä useilla alueilla ja toimialoilla. Hänen tehtäviinsä kuului asiakkaiden säilyttäminen, liikevaihdon kasvu ja arvon saavuttaminen yli XNUMX XNUMX asiakkaalle maailmanlaajuisesti startupeista yrityksiin.

Maven AGI on kattava Generative AI -natiiviratkaisu, joka on suunniteltu muuttamaan asiakastuen maisemaa – ilman päänsärkyä. Hiljaisessa tilassa Mavenin tekniikka ratkaisi itsenäisesti yli 93 % asiakkaiden kyselyistä, mikä alensi tukikustannuksia 81 %, mikä paransi asiakaskokemusta laajasti, kun se oli ratkaissut miljoonia vuorovaikutuksia yli 50 kielellä varhaisille asiakkaille.

Olit aiemmin HubSpotin asiakasmenestyksen ja -strategian globaali johtaja, jossa johtit noin 1,000 XNUMX asiakasmenestys-, kumppanimenestys- ja sopimuspäällikön tiimiä useilla alueilla ja toimialoilla. Mitä kohokohtia ja keskeisiä poimintoja tästä ajanjaksosta elämässäsi oli?

Tuona aikana Hubspot oli yksi viidestä nopeimmin kasvavasta B2B SaaS -yrityksestä yli miljardin dollarin liikevaihtonsa kanssa. Hyvin harvalla on ollut mahdollisuus rakentaa, kasvaa ja hallita siinä mittakaavassa, jossa toimimme. Yritykset, jotka kasvavat tällä nopeudella, eivät yleensä ole sen kokoisia, ja meidän kokoiset yritykset eivät kasvaneet tällä nopeudella. Keskityin paljon aikaa skaalautuvien lähestymistapojen luomiseen suunnitteluun ja kasvuun, varmistaen, että asetimme erittäin selkeät tavoitteet, kohdistamme kannustimet useiden organisaatioiden välillä luodaksemme organisaationa etsimämme tulokset ja varmistaen, että meillä on järjestelmät luoda näkyvyyttä siitä, mitä organisaatiossa tapahtui, ja suunnittelua useilla horisonteilla. Kaiken, jonka otamme käyttöön, ei täytynyt toimia vain nykyisille asiakkaillemme, vaan sen oli kyettävä ylläpitämään jatkuvuutta eksponentiaalisella kasvulla.

Voitko kertoa näkemyksiä siitä, mikä inspiroi sinua käynnistämään Maven AGI:n ja kuinka kauan olet ollut varkain?

Olen ollut pakkomielle asiakaskokemuksesta urani varhaisesta lähtien, ja siksi olen viettänyt niin paljon aikaa alan johtavissa yrityksissä tällä alalla (Adobe, Marketo, Sprinklr, Hubspot jne.). Vuonna 2017 olin palaamassa länsirannikon swingistä tapaamassa loistavia asiakkaita, kuten Applen ja Niken, ja kävimme näitä uskomattoman syvällisiä keskusteluja mahdollisuudesta avata siled data ja luoda näitä erittäin henkilökohtaisia ​​kokemuksia yksittäiselle käyttäjälle. taso. En puhu segmentoidusta lähestymistavasta, jossa kuulut tähän ikäluokkaan tai demografiseen ryhmään. Ei, tämä on kyky ottaa käyttöön kaikki meille jakamasi tiedot ennakoidaksesi asiakkaiden odotuksia ja ollaksesi heidän kanssaan aktiivisesti tekemisissä. Asiakkaiden innostus oli valtava, mutta tekniikkaa ei silloin ollut olemassa.

Perustajakumppanini - Sami Shalabi, Eugene Mann, ja olen aina keskustellut mittakaavassa personoinnista ja muuntajien mahdollisuuksista siitä lähtien, kun tutkimus tuli ensimmäisen kerran Googlelta. Sami rakensi Google Newsille yhden maailman suurimmista personointikoneista (1 miljardia käyttäjää) ja Eugene johti sen personointia, joten olemme aina käyneet syvällisiä ja oivaltavia keskusteluja mahdollisuuksista, joita voisimme avata tekniikan kehittyessä. Tämän soveltaminen siihen, mitä teimme tuolloin, on se, että minulla oli vaikeuksia saada aikaan mahtava kokemus laajassa mittakaavassa Hubspot-käyttäjillemme, Eugene tutki kuinka tuotteistaa LLM-ominaisuudet Stripessä, ja Sami jakoi näkemyksensä. siitä, mikä Googlella toimi hyvin.

Kun kuulimme ensimmäisen kerran OpenAI:n toiminnasta ja aloimme käyttämään joitain saataville tulleita LLM:itä, ymmärsimme, että olimme siinä pisteessä, jossa tekniikka oli nyt olemassa täydellisen asiakaskokemuksen luomiseksi laajassa mittakaavassa. Yritysten on täytynyt valita kustannustehokkuuden ja hyvän asiakaskokemuksen välillä, mikä on johtanut kaikenlaisiin asioihin, kuten monimutkaisiin segmentointistrategioihin, jotka on suunniteltu rajoittamaan asiakasvuorovaikutusta, luomaan asioita, jotka ovat olennaisesti esteitä, joita he kutsuivat itsepalveluiksi, tai hautaamaan tukiyhteystietosi jonnekin ei löydy.

Aloitimme Maven AGI:n noin vuosi sitten varkain, koska asetamme Mavenilla etusijalle vaikuttamisen – ja kun ilmoitimme tekemisistämme, halusimme antaa todellisia esimerkkejä vaikutuksistamme ja mittareistamme, ei vain sitä, että olimme olemassa ja olemme keränneet rahaa. . Olemme erittäin kiitollisia varhaisille asiakkaillemme, jotka uskoivat meihin tarpeeksi tehdäkseen yhteistyötä kanssamme uusimman teknologian käyttöönottamiseksi ja rajojen työntämiseksi paremman asiakaskokemuksen kehittämiseksi.

Voitko määritellä meille, mitä AGI on Maven AGI:n yhteydessä?

AGI on todella hyvin määritelty kielen näkökulmasta – se on tekoälyä. Mitä se käytännössä tarkoittaa liiketoiminnassa? Keskitymme johonkin, jota kutsumme business AGI:ksi, ja määrittelemme sen kyvyksi hoitaa monimutkaisia ​​tehtäviä käyttämällä toiminnallisia tekoälyagentteja, jotka on erityisesti koulutettu tiettyihin tehtäviin ja jotka mahdollistavat heidän työskentelyn yhdessä.

Esimerkki tästä voi olla pankkitilin käyttäjä, joka ottaa yhteyttä pankkiinsa ja kysyy, onko hänen talletuksensa tyhjennetty – tiedämme tilihistoriasta, että hän tarvitsee pienen siltalainan lyödäkseen laskujaan ja tarkistaakseen lunastuksensa. Maven ymmärtää historiallisen kontekstin ja tarjoaa lainaa samalla kun käsittelee kaikkia siihen mahdollisesti liittyviä papereita, kuten taustatarkistuksia, luottotarkistuksia, lainapaperien täyttämistä, riskien ymmärtämistä, hyväksyntää ja tiettyä riskiin kuuluvaa summaa. profiili, lainan hyväksyminen ja rahan siirtäminen henkilön tilille.

Toinen esimerkki voisi olla, että joku menee CRM-tukitiimiinsä ja kysyy, kuinka kampanja otetaan käyttöön. Ymmärsimme tästä, että he eivät halua tietää, miten kampanjaa luodaan, mutta he haluavat tietyn määrän liidejä tiettyyn päivämäärään mennessä. Käyttäjillä olisi mahdollisuus sanoa: "Anna minulle 100 liidettä ensi kuussa", ja Maven kävisi läpi uskomattoman monimutkaisen tehtävän toimittaa ne.

Mitkä ovat suurimmat ongelmat siinä, miten tekoäly on perinteisesti integroitu asiakastukeen?

Historiallisesti tekoäly asiakastuessa käytti koneoppimismalleja, jotka olivat erittäin deterministisiä ja joiden harjoittelu kesti kuukausia. Nämä mallit toimivat jos-niin peruslogiikalla: jos käyttäjä valitsi X:n, hänelle annettiin Y-vaihtoehto. Tämä yksinkertaistettu lähestymistapa ei vastannut odotuksia, mikä johti pettymyksiin ja jätti monet CX-ammattilaiset skeptisiksi tekoälyn mahdollisuuksiin. Todellinen menestys tekoälyyn perustuvassa asiakastuessa riippuu dynaamisesta personoinnista, kyvystä järkeillä ja toteuttaa mielekkäitä toimia.

Mitkä ovat tärkeimmät vaiheet, jotka liittyvät Maven AGI:n kouluttamiseen asiakastuen tiedusteluihin?

Se on todella yksinkertaista. . . anna meille pääsy kaikkiin tietoihin, joita käyttäisit ihmisten kouluttamiseen. Voimme ottaa sen käyttöön erittäin tarkasti muutamassa päivässä – ei viikkoissa tai kuukausissa. Se käyttää erityistä äänensävyäsi, kansankieltä ja mitä tahansa haluamiasi hymiöitä.

Miten Maven AGI auttaa vähentämään asiakastukikustannuksia ja parantamaan yleistä asiakastyytyväisyyttä?

Yritykset käyttävät Maven AGI:ta useilla eri tavoilla, mutta paras tapa saada nopein vaikutus on lisätä Maven tukijonosi kärkeen niihin päätepisteisiin tai kanaviin, joita asiakkaasi haluavat käyttää (chat, verkko, haku, Slack, tuotteessa, tekstiviestissä jne). Sen avulla voimme tarjota asiakkaillemme välittömiä, yksilöllisiä tuloksia ja toimia ilman odotusaikaa ja samalla varmistaa, että upeat tukihenkilöt tekevät parhaansa ja työskentelevät asiakkaiden kanssa, jotka todella tarvitsevat ihmisten vuorovaikutusta ongelmiensa ratkaisemiseksi.

Mitkä teknologiset edistysaskeleet ovat auttaneet Maven AGI:lla saavuttamaan niin korkean itsenäisen ongelmanratkaisun?

Uskon, että olemme rekrytoineet yhden maailman parhaista suunnittelutiimeistä ratkaisemaan ongelman, joka johtuu tietoongelmista. Loistavia ihmisiä, jotka ovat työskennelleet haasteiden parissa, kuten hakujen parissa Googlessa ja personoinnin mittakaavassa Metassa ja Amazonissa, ja ovat miettineet tällaisten ongelmien ratkaisemista vuosia. Data on pirstoutunutta ja siilotettua, ja jotta voimme vastata asiakkaiden kysymyksiin ja ryhtyä toimiin, meidän on kyettävä nielemään enemmän dataa kuin kukaan muu. Toinen osa on kyky ryhtyä toimiin ja rakentaa toimintamoottorimme, koska tiedämme, että pelkkä kysymyksiin vastaaminen ei riitä. Saavuttaaksemme liiketoiminta-AGI:n meidän on kyettävä ennakoimaan käyttäjien tarpeet ja sitouttamaan heidät tarkoituksella.

Voitko antaa lisätietoja ko viimeaikainen 20 miljoonan dollarin A-sarjan rahoitus ja miten sitä hyödynnetään?

Olimme onnekkaita saadessamme osua kaikkiin sylintereihin siinä, mitä halusimme saavuttaa siemenkierroksellamme: rakentaa loistava suunnittelutiimi, tuote, joka ratkaisee todellisia ongelmia, ja saada asiakkaita, jotka saivat tuotteestamme lisäarvoa. Keräsimme siemenkierroksemme alle vuosi sitten, mutta meillä oli todella mahtavia sijoittajia, jotka halusivat olla mukana matkassamme. Vietettyämme aikaa M13:n kanssa olimme todella innoissamme jatkaaksemme Maven AGI:n tulevaisuuden rakentamista heidän kanssaan. Viime vuonna keräämämme 28 miljoonaa dollaria käytetään GTM-tiimimme rakentamiseen, kumppanien ekosysteemin rakentamiseen investoimiseen ja insinöörien palkkaamiseen jatkaessamme toimintamoottorimme (™) ja alustan ominaisuuksia.

Millaisena näet tekoälyn roolin kehittyvän asiakastukialalla seuraavan viiden vuoden aikana?

Tulevaisuutta ei jaeta tukeen, palveluihin, myyntiin ja erilaisiin toimintoihin. Sen sijaan asiakastuesta tulee osa saumatonta, yhtenäistä asiakaskokemusta ilman sotkuisia kanavanvaihtoja ja silitettyä dataa. Asiakkaiden odotusten kehittyessä muuttuvat myös tapamme palvella heitä.

Tämän päivän asiakkaiden tarpeet jaetaan kolmeen luokkaan:

• Ne, jotka haluavat palvella itseään – kyky löytää ratkaisu tai vastaus kysymykseen.
• Ne, jotka haluavat pääsyn itsepalveluun, mutta tarvitsevat vahvistuksen siitä, että he toimivat oikein.
• Asiakkaat, jotka vaativat valkoisten käsineiden palvelua ja tarvitsevat ihmisen apua.

Tulevaisuudessa on myös 3 luokkaa, mutta asiakkaiden odotukset ovat paljon erilaisia:

• Odotetaan välittömiä vastauksia kysymyksiinsä.
• Ennakoi heidän tarpeensa ja kysymyksensä personoinnin, käyttötietojen, täydellisen historiallisen kontekstin ja kyvyn toimia ja olla heidän kanssaan tekemisissä valitsemansa kanavan avulla.
• Kyky olla yhteydessä asiakastukeen ilman odotusaikoja ja pitkiä jonoja, joilla on vastaukset kysymyksiinsä, täydellinen historiallinen konteksti ja kyky ryhtyä toimiin välittömästi.

Kiitos upeasta haastattelusta, lukijoiden, jotka haluavat tietää lisää, kannattaa käydä Maven AGI.