Salesforcen Force.com-alustaan integroitu tekoäly Einstein julkaistiin noin vuosi sitten. Vuodessa Einstein on paisunut järkäleeksi, josta on vaikea ottaa selvää, mitä kaikkea se pitää sisällään. Tässä kirjoituksessa avaan hieman Einsteinin kokonaisuutta.

Einsteinin voi jakaa kolmeen osaan esimerkiksi seuraavasti:

• Einstein-alustapalvelut (Einstein Platform Services)
• Salesforcen tuotteisiin integroidut Einstein-palvelut (esimerkiksi Sales Cloudiin integroitu myynnin tehostaminen tai Marketing Cloudiin integroitu yksilöllinen markkinointi)
• Einstein-analytiikka (aiemmin Wave Analytics)

Tässä kirjoituksessa keskitymme Einstein-alustapalveluihin (Einstein Platform Services).

Einstein-alustapalvelut

Einstein-alustapalvelut voidaan jakaa kolmeen kategoriaan Einstein Vision, Einstein Language ja Einstein Predictions.

Einstein Vision tehtävänä on analysoida kuvia älykkäästi. Ensimmäinen askel Einstein Vision toteuttamisessa on Einsteinin opettaminen. Einstein Visio voidaan esimerkiksi opettaa tunnistamaan, miltä banaani ja omena näyttävät. Opettamisen jälkeen Einstein Visio voi tunnistaa hedelmäkorista kaikki banaanit ja omenat. Einstein Visiolle voi keksiä paljon käyttötapauksia läpi toimialojen. Esimerkiksi tuotteiden viallisuus tai tuotteiden esillepanon tarkistaminen kaupassa voidaan hallita Einstein Visiolla.

Einstein Language on tekstin tunnistamisen väline, joka tulkitsee esimerkiksi asiakkaan viestistä sisältöä rakenteelliseen muotoon. Einstein Language tulee opettaa kuten Einstein Vision.

Einstein Language voidaan jakaa vielä kahteen osaan.

1. Einstein Sentimentin avulla tunnistetaan, onko teksti positiivinen, negatiivinen vai neutraali. Toiminnallisuuden avulla voidaan esimerkiksi analysoida asiakkaan sähköposteja, viestejä tai sosiaalisen median julkistuksia. Einstein Sentimentin avulla löydetään esimerkiksi tyytymättömiä asiakkaita ja voitetaan heidät takaisin puolelleen sen nostamilla herätteillä tai markkinointiviesteillä. Einstein Sentimentin avulla voi myös analysoida sosiaalisen median kanavia.
2. Toinen Einstein Languagen osa on Einstein Intent, jonka avulla voidaan kategorisoida tekstejä. Asiakkaalle tehty tyytyväisyyskysely voidaan muuntaa kategorisoituun muotoon (mitä asia koskee, onko kyseessä reklamaatio jne.) tai asiakkaan lähettämä yhteydenotto voidaan määrittää myyntimahdollisuudeksi viestin kautta määritettyihin tuotteisiin.

Einstein Language ei ole vielä julkisesti saatavilla.

Einstein Predictions on Salesforcen Winter ’18 julkaisussa tuoma toiminnallisuus. Nimensä mukaisesti Einstein Predictions tekee ennusteita datan perusteella. Asiaa on helpompi hahmottaa esimerkkien avulla:

Kuvittele olemassa oleva asiakkaasi, joka ei ole tehnyt uusia tilauksia viimeiseen 3 kuukauteen ja lähettää tulikiven katkuisen asiakaspalautteen. Mikä on todennäköisyys, että asiakas on huomenna entinen asiakas? Einstein Predictions voi tehdä ennustuksen olemassa olevan asiakasdatan perusteella, että asiakas on 60 prosentin todennäköisyydellä entinen asiakas.

Lisäksi Einstein Predictions voidaan liittää prosessiautomaatioihin. Einstein Predictions voi esimerkiksi nostaa asiakastapausen (case) esiin tekemänsä tekemän ennusteen perusteella (asiakas on 70% todennäköisyydellä entinen asiakas). Einstein Predictions ei ole vielä julkisesti saatavilla, vaan ainoastaan valituilla pilottiasiakkailla. Biitin DreamForcessa saamien huhujen mukaan Einstein Predictions tulee saataville Salesforce Spring’ 18 julkaisussa.

Einstein-alustapalveluita rajapintojen kautta

Einstein Vision ja Einstein Language toteutetaan rajapintojen (REST API) avulla. Toisin sanoen kuva tai teksti lähetetään rajanpintaan ja se palauttaa vastauksessa ennustuksen. Kyseiset rajapinnat ovat ”peruskamaa”. Toteuttajalta vaaditaan Force.com:n perusrajapintaosaaminen.

Kyseiset rajapinnat ovat ”peruskamaa”.

Einstein Predictions toteutetaan Salesforcen konfiguraatiotyökalulla. Konfigurointi on ohjattu toiminto (ns. ”wizard), joka ei vaadi erityisen syvällistä osaamista. Lisäksi Einstein Predictions voidaan kytkeä Process Builder -konfiguraatioihin, jolla Einstein Predictionsin tuloksia voidaan automaattisesti ohjata prosessoitavaksi liiketoiminnalle.

Mitä tämä kaikki maksaa?

Salesforce Visionsin ja Salesforce Languagen hinnoittelu pohjautuu API-kyselyiden lukumäärään. Toisin sanoen kyselyiden lukumäärä tietyllä aikavälillä on hinnoitteluperuste. Salesforcen lisensointimallia (hinnoittelu) ei ole Einstein Predictions tuotteelle vielä julkaistu. Salesforce voi halutessaan muuttaa hinnoittelua.

Rakkaalla lapsella on monta nimeä: tekoäly, keinoäly, AI, koneäly tai lyhyemmin; kone.

Tekoäly on päivän sana! Se on jopa niin kuuma aihe, että meidän blogissa on viime aikoina ollut jo kaksi muutakin asiaa käsittelevää artikkelia Janin ja Pasin toimesta.

Tekoälyn viimeinkin saapuessa isossa mittakaavassa yritysten liiketoimintamahdollisuudet laajentuvat, järjestelmät järkeistyvät, palvelut parantuvat ja perusduunarit pannaan niiden takia joka putiikista pihalle. Hetkinen, no ei nyt sentään liioitella.

Tekoäly tulee ennen kaikkea auttamaan ihmisiä suoriutumaan päivittäisistä töistään moninkertaisesti nykyistä paremmin. Kone tunnistaa asiakkaan, helpottaa henkilökohtaisen palvelun tarjoamista ja tuo asiantuntijuutta niissäkin asioissa, joissa työntekijällä ei sitä entuudestaan ole.

Asiakkaan näkökulmasta robotit inhimillistävät ostokokemustamme. Taitavimmin tekoälyä hyödyntävät yritykset saavat jokaisen palvelutilanteen tuntumaan siltä, kuin asioisit suoraan oman suosikkimyyjäsi kanssa.

Tekoälyn avulla menestytään ja luodaan markkinoita sinnekin, missä niitä ei ole koskaan ollutkaan. Nopeat tulevat takuuvarmasti syömään hitaat, ei kannata jäädä tästä junasta.

Etkö usko? Lue nämä kolme perustelua niin mielesi saattaa muuttua.

1. Kännykkäsi lukee jo meiliäsi – ja se on ihanaa!

Kuinka usein olet tuloksetta etsinyt jonkun ihmisen puhelinnumeroa, nimeä tai meiliosoitetta eri tietokoneilta tai sähköpostista? Kännykän uusimman käyttöjärjestelmäpäivityksen myötä minun ei enää tarvitse: mikäli tietoja löytyy sähköpostistani, puhelimen käyttöjärjestelmän tekoäly tuo näitä tietoja kontakteihini ”ehdolle”.

Mikäli kontakti, jonka numeroa minulla ei ole muistissa soittaa, tekoäly skannaa käyttämiäni applikaatioita. Löytäessään numeron sekä nimen vaikkapa sähköpostistani, näytölle ilmestyy puhelinnumeron lisäksi ”Maybe: Matti Virtanen”.

Monella meistä on satoja tai tuhansia kuvia kännyköissämme. Kännykkäkamerat ovat korvanneet digikameran paitsi kompaktin koon myös niiden tarjoamien lisäpalveluiden ansiosta: Kuvien editoiminen, jakaminen, järjesteleminen, kaikki onnistuu. Kuvien koneellinen tunnistaminen on tekoälyn töitä; kiitos koneen, kuvat menevät suoraan omiin kansioihinsa. Kätevää! Moni nykyihmiselle päivänselvistä kuvaamiseen liittyvistä palveluista ei ollut edes käynyt konservatiivisten kameravalmistajien mielessä.

Tämä puhelimen ohjelmistopäivityksen myötä ilmestynyt henkilökohtainen assistentti on ehkä pieni kehitysaskel ihmiskunnalle, mutta suuri yksittäiselle asiakasvastaavalle. Kuvittele, mitä kaikkea tietoja tällaisella yksinkertaisella tempulla CRM-alustalla hyrräävä tekoäly voikaan tuoda myyjälle, markkinoinnille, huollolle, asiakaspalvelulle? Meidän asiakkaidemme ei tarvitse kuvitella, sillä tämä tekoälysovellus on jo olemassa. Tekoälyä kutsutaan vaatimattomasti nimellä Einstein.

2. Älä ota asiakasriskiä – rakastu robottiin

Myynnin tai asiakaspalvelun aikana tapahtuneen sujuvan vuorovaikutuksen osalta ihminen kepittää keinoälyn. Mutta on olemassa monia asioita, jotka kone hoitaa ihmisiä paremmin, tarkemmin ja nopeammin.

Kone ei väsy. Kone ei unohda tärkeitä asioita tai harhaudu prosessissaan esimerkiksi siksi, että sen kaksi nuorinta lasta ovat pitäneet sitä valveilla edelliset kolme yötä. Parhaimmillaan kone tukee, täydentää ja parantaa ihmisen suoritusta tuomalla taustatietoja, muistuttamalla tärkeistä asioista tai päivämääristä ja ehdottamalla prosesiin kuuluvia jatkotoimenpiteitä. Koneen kyvyillä kaunisteltu palveluprosessi ilmenee asiakkaalle parempana, persoonallisena palvelukokemuksena.

Jättämällä tekoälyn tarjoamat mahdollisuudet hyödyntämättä otat riskin, että myyjäsi tai asiakaspalveluvastaavasi joutuvat kilpailemaan oman pääkoppansa kanssa markkinoilla, joilla moni yritys jo pelaa varman päälle ja tukeutuu koneen apuihin. Asiakkaalle tämä näyttäytyy vain hyvänä tai huonona palveluna. Lisäravinteeton voi toimia valttikorttina ruokakaupan hyllyllä, mutta luomupalvelusta ei saa lisäpisteitä.

3. Paras palvelukokemus monistetaan masiinalla

Mikä tekee hyvästä myyjästä hyvän? Asiakkaiden tunnistaminen, tunteminen, asiakkaan tarpeiden oikea määrittäminen ja tyydyttäminen, ostamisen helpoksi tekeminen ja taito kuunnella. Yllättävän moni näistä elementeistä voidaan tuottaa koneälyn avulla myyjälle kuin myyjälle, vaikkei he olisi sinua koskaan tavanneetkaan. Riittää, että olet joskus asioinut kaupassa, ja täten ostohistoriasi on heidän alustallaan.

Meillä jokaisella on varmasti yksi tai useampi lempimyyjä, lähikaupan kassa, lounasravintolan tarjoilija, vaatekaupan suosikkityyppi. Kuvittele kauppa tai yritys, jonka jokainen myyjä on kuin oma suosikkisi. Entäpä, jos samanlainen fiilis syntyy joka kohtaamisessa, kanavasta riippumatta? Tervetuloa tulevais…nykyhetkeen!
Asiakaspolkujen douppaaminen tekoälyllä mahdollistaa palveluprosessien nostamisen ihan uudelle tasolle – asiakaskokemus lävähtää katosta läpi niin että mittarit särkyy!

Ihan kaikkea koneella ei vielä voi korvata, mutta jo nyt kättemme ulottuvilla olevat parannukset ovat huikeita. Kuuntele siis sisäistä tai ulkoista konettasi ja astu koneen kyytiin!