Aquant融资3000万美元,通过AI为客服提供任务关键型数据

组织数据常常分散在不同的系统中,隐藏在文本中,并锁定在员工的头脑中。考虑到不同的通道,如何将这些数据统一起来并交付给参与服务调用的代理?员工管理和服务优化公司ClickSoftware的前员工Assaf Melochna和Shahar Chen主张一种基于人工智能和机器学习的解决方案。两人共同创立了Aquant,该公司通过算法挖掘和分析来自不同来源的数据,以学习制造业、公用事业和电信公司独特的服务语言,并将客户问题映射到解决方案。

今天,Aquant预计将实现大幅增长,同时宣布在Insight Partners牵头的B轮融资中筹集了3000万美元,Angular Ventures和Silvertech Ventures也参与了投资,这使得过去14个月的总融资达到了4000万美元。公司首席执行官Chen表示,这笔投资将使公司通过扩大工程、客户服务和市场团队来满足市场需求。“随着熟练服务工人的退休,来自制造企业客户的期望正在增长。这使得特殊的服务交付比以往任何时候都更加关键,更具挑战性,”他补充道。

在高层次上,Aquant通过从客户关系管理平台和企业资源规划软件等数据竖井中提取见解来获取主题专员的知识。它分析客户评论和现场技术人员笔记的文本,并在向服务团队的每个成员交付规定的见解之前,与顶级执行者一起验证其发现。

在这方面,Aquant正在跨行业采用客户体验自动化。Gartner预计,到2020年,25%的客户服务和支持业务将整合虚拟客户助理或聊天机器人技术,而2017年这一比例不到2%。这是常识——Gartner报告称,在实施虚拟客户助理后,组织报告的电话、聊天或电子邮件查询减少了70%,每通语音参与节省了33%。

Chen表示,Aquant只需要几天时间就可以从客户票据、零部件目录、库存、供应链、物联网警报等方面学习一门服务语言。它的人工智能算法识别模式,并在解释服务问题描述方式的差异时做出决策。Aquant根据业务目标对技术人员的工作安排进行优先排序,然后推断上下文和意图,并将问题映射到正确的解决方案。

Aquant的目标是优化提取,消除为每个客户分配坐席的低效性,并减轻威胁服务业务的风险(主要是不遵从、机器故障和客户流失)。智能分类功能平台通过使现场服务专员在了解问题的情况下到达工作岗位,从而自动回答客户的查询,部分方法是通过现有的客户关系管理平台来回答代理的问题。

使用预测分析,Aquant可以预测客户的投诉是由于错误或环境因素导致的,而不是产品的失败。该系统会自动提示团队成员做出相应的响应,从理论上消除了在派遣技术人员、诊断和更换部件上的浪费,并根据成本效益提出解决方案,同时搜索保修索赔中的异常情况。

Aquant的客户—强生,DSL,家得宝,Smart Care Equipment Solutions,Edwards,Stryker,KLA Tencor,BD,TFI食品设备,Orbotech,Glory,3D Systems,Rational和Haemonetics—平均减少34%重复访问,减少26%的部分损耗,第一次接触决议增加了15%,减少30%成本保修索赔。

因此,到2022年,全球客户服务自动化市场的价值预计将从2016年的15.6亿美元增至62.3亿美元,这或许并不令人意外。顶级品牌包括Kustomer和Directly,前者最近融资了6000万美元以进一步开发其客户服务流程自动化平台,后者本周获得了2000万美元。Zinier是另一家同行——1月初,它的嵌入人工智能和机器学习的现场服务工具获得了9000万美元融资。

Insight Parnters董事总经理Peter Sobiloff Peter表示,”我们的使命是投资于高增长的软件公司,这些公司正在扰乱行业,以创造更高的效率和最大化的生产力。” Peter计划加入公司董事会。“我们很清楚,Shahar和Assaf对现场服务软件领域有着深刻的理解,因此,他们有一个独特的机会在该领域建立一些颠覆性的东西。Aquant的集中式SaaS平台和人工智能技术有能力帮助制造商做出更明智、更快速的决策,从而带来收入增长和成本节约的实际投资回报率。”

Aquant在纽约和特拉维夫设有办公室。

发表评论

电子邮件地址不会被公开。 必填项已用*标注