+ All Categories
Home > Documents > semantischen, selbstlernenden und … · Pentadoc Schweiz Service Center Social, Web twitter,...

semantischen, selbstlernenden und … · Pentadoc Schweiz Service Center Social, Web twitter,...

Date post: 17-Sep-2018
Category:
Upload: buinhan
View: 220 times
Download: 0 times
Share this document with a friend
25
Unternehmensweite Email Klassifikation mit semantischen, selbstlernenden und selbstoptimierenden Verfahren Axel Schlender, Business Development, Kodak Alaris
Transcript

Vortrag, Name, Datum Firma, Name

LOGOUnternehmensweite Email Klassifikation mit

semantischen, selbstlernenden und

selbstoptimierenden Verfahren

Axel Schlender, Business Development, Kodak Alaris

Vortrag, Name, Datum Firma, Name

LOGO

Seite Nr. 2

Typisches Beispiel: Manuelle Email Bearbeitung

Vortrag, Name, Datum Firma, Name

LOGO

Seite Nr. 3

1. Zufriedenheit?

2. Zentral, intelligent?

3. Automatisierung? Spitzenzeiten?

4. Übersicht, Transparenz?

5. SLA, Priorisierung, Skills, Fallabschließend?

6. Kosten, Zeit?

7. Multikanalfähig?

Bewerten Sie Ihr Email System:

Vortrag, Name, Datum Firma, Name

LOGO

Seite Nr. 4

80

Vortrag, Name, Datum Firma, Name

LOGO

Seite Nr. 6

Die neue „Sofortness“ Kultur:

Vortrag, Name, Datum Firma, Name

LOGO

Seite Nr. 7

Strom Gas KFZ

Versicherung

Vortrag, Name, Datum Firma, Name

LOGO

Seite Nr. 8

635.000 1,5 3

Jan Feb Mär Apr Mai Jun Jul Aug Sep Okt Nov Dez

Beispiel: Kommunikationsvolumen

einer großen deutschen Versicherung 2013

Vortrag, Name, Datum Firma, Name

LOGO

Seite Nr. 9

KlassifizierenExtrahieren

AnreichernVerarbeiten

Antworten

CRMCRMECM DMSECM DMSRepository

Pen

tad

oc

EC

M T

ag

Sch

weiz

Pen

tad

oc

EC

M T

ag

Sch

weiz

Pen

tad

oc

EC

M T

ag

Sch

weiz

Pen

tad

oc

EC

M T

ag

Sch

weiz

Service Center

Social, Webtwitter, Facebook

EmailDe-mail

Telefon Fax Papier

Posteingang

Mobil

Kunde

Komunikations-kanal

Firmen-abteilung

IntelligenteErkennung

Kunden-systeme

Klarer Trend: Automatisierung der Kommunikation

Vortrag, Name, Datum Firma, Name

LOGO

Seite Nr. 11

Das „Cockpit“ eines ERMS (Email Response System)

MandantPostkorb

KategorienKlassen

MandantPostkorb

KategorienKlassen

SpracheSprache Medium:Email, Fax,

SMS, Papier,

Medium:Email, Fax,

SMS, Papier,

AbsenderAbsenderService LevelPriorität

Service LevelPriorität

Kunden email Textinformation

Kunden email Textinformation

Vorgangs-übersichtVorgangs-übersicht

VorschlagStandardisierteTextbausteine

VorschlagStandardisierteTextbausteine

Textbausteinemit PlatzhalterTextbausteinemit Platzhalter

AntwortAntwort

Vortrag, Name, Datum Firma, Name

LOGO

Seite Nr. 12

Grundris neue Wohnung

Anfrage an meine Versicherung

[email protected]

Hiermit kündige ich Ihnen meinen Umzug in eine neue Wohnung zum 31.12.2014 an, und möchte meine Hausratversicherung mit gesondertem Anschreiben den neuen Umständen anpassen. Bitte schicken Sie mir zusätzlich Ihr aktuelles Angebot (siehe Ihre Werbung in den Medien) einer KFZ Versicherung für mein Fahrzeug. Mit der Betreuung durch Ihren Berater bin ich übrigens nicht zufrieden, bitte nennen Sie mir einen anderen Kontakt in meiner Nähe.

MfG, Hans Müller

„Regelbasiert“Strukturiert,

„Semi“ - strukturiert

„Semantisch“unstrukturiert

Vortrag, Name, Datum Firma, Name

LOGO

Seite Nr. 13

Selbstlernend &

Selbstoptimierend

Vortrag, Name, Datum Firma, Name

LOGO

Seite Nr. 14

Vorher: Manuelle Klassifikation und Verteilung

KlassifikationKlassifikation

Nachher: Selbstlernende &

selbstoptimierende

Klassifikation Lernen, Korrigieren, Optimieren

Vortrag, Name, Datum Firma, Name

LOGO

Seite Nr. 15

Vortrag, Name, Datum Firma, Name

LOGO

Seite Nr. 16

Original NachrichtMögliche

Vornamen

MöglicheNachnamen

Vortrag, Name, Datum Firma, Name

LOGO

Seite Nr. 17

Intelligentes & Input- und Informationsmanagement mit

InformationsmanagementAutomatisierung der Kundenkommunikation

• zentrale Geschäftsprozess

Plattform

• Automatisierung der

Kundenkommunikation

• unstrukturierte Daten

• semantische, selbstlernende,

selbstoptimierende Verfahren

• Fallabschließende Email-

Bearbeitung

• Klassifikation und Extraktion

Zentrales Erfassen

Backend

ERP/SAP

CRMSharePointECM / DMS

RepositoriesVerteiltes und mobiles Erfassen

Vortrag, Name, Datum Firma, Name

LOGO

© 2014 Kodak Alaris Inc. The Kodak trademark and trade

dress are used under license from Eastman Kodak.

Kodak Alaris Confidential Information

Die richtige Information,

am richtigen Ort,

zur richtigen Zeit!

Die Kodak Alaris Vision

Vortrag, Name, Datum Firma, Name

LOGO

© 2014 Kodak Alaris Inc. The Kodak trademark and trade

dress are used under license from Eastman Kodak.

Kodak Alaris Confidential Information

19 Presentation Title Here11 June, 2015

DatenDaten

InformationenInformationen

WissenWissen

IntelligenzIntelligenzHerzlichen Dank!Herzlichen Dank!

[email protected]

[email protected]

www.scanloesungen.de

www.kodakalaris.com/go/di

www.wissensaustausch.com

Vortrag, Name, Datum Firma, Name

LOGO

Seite Nr. 20

Der Kunde• Führender deutscher Online Versicherer• 10 Millionen Kunden• 5 Millionen Transaktionen pro Jahr• Über 100 verschiedene Prozess Kategorien

Der Kunde• Führender deutscher Online Versicherer• 10 Millionen Kunden• 5 Millionen Transaktionen pro Jahr• Über 100 verschiedene Prozess Kategorien

Die Herausforderung• Sehr schnelle online Antworten erforderlich• Starkes Wachstum der Kommunikation• Manuelle email Verarbeitung• Häufiger Wechsel der Anwendungen

Die Herausforderung• Sehr schnelle online Antworten erforderlich• Starkes Wachstum der Kommunikation• Manuelle email Verarbeitung• Häufiger Wechsel der Anwendungen

Anforderungen• Eine Plattform für alle Kanäle und Formate• Kürzere Antwort Zeiten• Dynamische Anfragen

Anforderungen• Eine Plattform für alle Kanäle und Formate• Kürzere Antwort Zeiten• Dynamische Anfragen

Ergebnisse• 80% automatische Klassifizierung• 40% ohne manuellen Eingriff• 1 von 4 Anfragen können automatisch

beantwortet warden mit suggestiv-Antworten

Ergebnisse• 80% automatische Klassifizierung• 40% ohne manuellen Eingriff• 1 von 4 Anfragen können automatisch

beantwortet warden mit suggestiv-Antworten

ResponseResponse Self ServiceSelf Service

Praxisbeispiel: Online Versicherer

Vortrag, Name, Datum Firma, Name

LOGO

Seite Nr. 21

Der Kunde:• Pan- Europäische Bank (Deutschland)• 9200 Filialen• 155,000 Beschäftigte• 750 Call Center Agenten

Der Kunde:• Pan- Europäische Bank (Deutschland)• 9200 Filialen• 155,000 Beschäftigte• 750 Call Center Agenten

The Herausforderung:• Stark schwankendes email Volumen• Anzahl Agenten zum Arbeitsvolumen• Skills und Fertgkeiten der Mitarbeiter sehr

unterschiedlich

The Herausforderung:• Stark schwankendes email Volumen• Anzahl Agenten zum Arbeitsvolumen• Skills und Fertgkeiten der Mitarbeiter sehr

unterschiedlich

Anforderungsprofil:• Recourcenplanung und Anpassung and

schwankendes Aufkommen• Die Anzahl der “Multi Skill Agenten

verdoppeln• Telefon und email Anfragen

Anforderungsprofil:• Recourcenplanung und Anpassung and

schwankendes Aufkommen• Die Anzahl der “Multi Skill Agenten

verdoppeln• Telefon und email Anfragen

Ergebnisse;• “Predictive multi-channel scheduling”• Anzahl der Multi Skill Agenten von 30% auf

60% erhöht• Erhebliche Effizienzgewinne• Schnelle ACD integration

Ergebnisse;• “Predictive multi-channel scheduling”• Anzahl der Multi Skill Agenten von 30% auf

60% erhöht• Erhebliche Effizienzgewinne• Schnelle ACD integration

ResponseResponse

Praxisbeispiel: Banking

Vortrag, Name, Datum Firma, Name

LOGO

Seite Nr. 22

Fazit:

Nutze unstrukturierte Daten

• Daten aus jeder Art Kunden- Kommunikation extrahieren

• Daten klassifizieren und zu den Folgesystemen leiten

Die richtigen und vollständigen Antworten geben

• Anfragen automatisch kategorisieren und zuweisen

• Eine zentrale Wissensdatenbank erzeugen

• Verbinde die richtigen Antworten automatisch mit den Fragen und generiere

automatische Antworten

Erzeuge einen 360 Grad Sicht auf alle Kunden

• Nutze lle Informationen von allen Repositories und Anwendungen

• Konvertiere Papier in ein elektronisches Format

Vortrag, Name, Datum Firma, Name

LOGO

Seite Nr. 23

Wie aus Daten Wissen entsteht:

CaptureCaptureKlassifizie-

rungKlassifizie-

rungVerstehenVerstehen

Anreiche-rung

Anreiche-rung WissenWissen

Vortrag, Name, Datum Firma, Name

LOGO

Seite Nr. 24

Der visuelle Workflow Designer

Vortrag, Name, Datum Firma, Name

LOGO

Seite Nr. 25

Technische Daten „Info Insight“

Info Insight


Recommended