Samstag , September 26 2020

Begeistern Sie Kunden mit Abfragen in natürlicher Sprache in Ihrer App

Blog

In Augmented Apps untersuchen wir, wie Produktteams KI und maschinelles Lernen untersuchen, um ihre Produkte intuitiver zu gestalten und die Benutzererfahrung zu verbessern.

Als Product Owner oder Manager stehen Sie ständig unter dem Druck, innovativ zu sein und Ihren Benutzern Wert und großartige Erfahrungen zu bieten. Innovation bedeutet verschiedene Dinge in verschiedenen Branchen, aber ein gemeinsames Merkmal, auf das sich viele Apps konzentrieren, ist die Analytik. Von Mitfahrgelegenheiten und der Lieferung von Lebensmitteln bis hin zum Ausführen von Apps, Sprachenlernen und sogar Abonnementdiensten möchten Benutzer Daten. Sie möchten wissen, wie sie Ihren Dienst nutzen, was er für sie tut und wie sie ihn besser machen können (schneller laufen, mehr Spanisch sprechen usw.).

Die Bereitstellung eingebetteter Erkenntnisse ist ein wichtiger Schritt bei der Bereitstellung Mehrwert für Ihre Kunden heute . Wenn Ihre Anwendung noch keine eingebetteten Erkenntnisse liefert, verpassen Sie nicht nur die Gelegenheit, Kunden zu begeistern und zusätzlichen Umsatz und Wachstum für Ihr Unternehmen zu erzielen, sondern gefährden auch den anhaltenden Erfolg Ihres Unternehmens. In diesem Beitrag werden wir untersuchen, warum eingebettete Analysen so wichtig und neu sind, damit Benutzer tatsächlich mit ihren Daten sprechen können.

Aufbauend über die grundlegende Einbettung hinaus

Angenommen, Sie haben eingebettete Analysen Überlegen Sie, wie Sie noch einen Schritt weiter gehen können. Das einfache Bereitstellen vorgegebener Visualisierungen und Dashboards, die in Ihre Anwendung eingebettet sind, ist zwar relevant und nützlich, aber zu einem grundlegenden Tabelleneinsatz geworden. Es ist nicht mehr neu! Das Navigieren kann auch einige Zeit dauern, insbesondere für einen nicht erfahrenen Benutzer. Sie müssen über das Typische hinausgehen und innovative Erlebnisse bieten, vorzugsweise ohne viel Zeit und Mühe damit zu verbringen, sie von Grund auf neu aufzubauen.

Darüber hinaus müssen Sie und Ihr Team unter dem aktuellen Paradigma der eingebetteten Analyse alle möglichen Fragen ausdenken, die ein Kunde möglicherweise wissen möchte, und die Antworten in die eingebetteten Analysen Ihres Produkts einbauen.

Das Problem mit Dieser Prozess ist sofort ersichtlich: Sie und Ihre Teamkollegen können möglicherweise nicht alle Szenarien und Variationen von Fragen abdecken, die sich Ihre Verbraucher einfallen lassen könnten. Jetzt sind Sie in der beneidenswerten Lage, ein größeres Publikum ansprechen zu müssen, indem Sie tiefere Einblicke liefern, wenn selbst die Benutzer nicht unbedingt alle Fragen kennen, die sie noch stellen möchten. Wie vermeiden Sie einen Engpass für Ihre Kunden? Wie demokratisieren Sie Erkenntnisse?

Abfragen in natürlicher Sprache: Ihr Schlüssel zur Demokratisierung tieferer Erkenntnisse

Wäre es nicht großartig, wenn Sie Ihren Kunden ermöglichen könnten, einfach eine Frage in natürlicher Sprache zu stellen und Ihre Anwendung einen Einblick ausspucken zu lassen In Beantwortung? Dies wird als Abfrage natürlicher Sprache (NLQ) bezeichnet und ist ein natürliches Ergebnis der Verarbeitung natürlicher Sprache (NLP) und -generierung (NLG), zwei Anwendungen für maschinelles Lernen, mit denen Computer menschliche Sprache in Wort und Schrift verstehen und kommunizieren können. NLQ ist ein leistungsstarkes Tool, mit dem Ihre Benutzer mehr Kontrolle darüber haben, wie sie mit den Daten in Ihrer App interagieren, ohne dass Sie und Ihr Team alle möglichen Fragen und Drilldowns selbst erstellen müssen.

Möchten Sie NLQ in Ihrem eigenen Produkt bereitstellen? Jetzt ist es einfacher als je zuvor.

Sisense-Abfragen in natürlicher Sprache können direkt in jede Anwendung eingebettet werden, um Ihren Kunden die Leistungsfähigkeit von NLQ zu bieten, ohne dass Sie Datenwissenschaftler in Ihrem Unternehmen einsetzen oder maschinelles Lernen beherrschen müssen. Begeistern Sie Ihre Kunden und Endbenutzer mit den neuesten AI-gesteuerten Erkenntnissen, die direkt im Kontext ihrer Workflows bereitgestellt werden.

Fragen stellen, Einblicke erhalten

Mit Sisense NLQ können Benutzer Fragen in natürlicher Sprache stellen und Einblicke und Visualisierungen zurückerhalten, die auf speziellen Algorithmen für maschinelles Lernen / NLQ basieren. Das NLQ-Datenmodell wird automatisch basierend auf dem Dashboard-Inhalt Ihrer App erstellt und ist vielseitig genug, um manuell geändert zu werden, indem Elemente hinzugefügt oder entfernt werden, um den Anforderungen Ihrer Zielgruppe zu entsprechen. Wenn ein Endbenutzer mit den Daten (Modell) nicht vertraut ist, werden sie von Sisense NLQ sofort mit Synonymen, Rechtschreibkorrekturen, automatischer Vervollständigung von Wörtern und Empfehlungen zur Eingabe von Texten versehen. Sisense NLQ beantwortet auch Fragen, die nach Prognosen und Trends für die Daten suchen (durch Integration in Sisense Forecasting and Trends).

Möchten Sie ein Beispiel dafür, wie es funktioniert? Stellen Sie sich dieses Szenario vor: Ihr Kunde oder Endbenutzer verwendet Ihre Anwendung (eine IT-Incident-Management-Anwendung) und möchte die Anzahl der kritischen Vorfälle verstehen, die in der letzten Stunde geöffnet wurden. Anstatt in einem entsprechenden Dashboard nach dieser Statistik zu suchen (falls überhaupt vorhanden) oder das Designteam zu bitten, sie zu erstellen, können sie einfach die Frage in ihre Anwendung eingeben und Sisense NLQ hinter den Kulissen ausführen lassen, um ihnen eine Antwort zu geben. Dies spart jedem Zeit und Ärger und führt letztendlich zu schnelleren datengesteuerten Entscheidungen.

Wählen Sie Ihre eigene Embedded NLQ-Entwurfsstrategie.

Unabhängig von Ihrem Embedded Analytics-Design kann Embedded NLQ problemlos über eine der Einbettungsfunktionen von Sisense (iFrame-Einbettung, Embed SDK oder Sisense.JS) integriert werden, um Ihren Anforderungen gerecht zu werden Anwendungsfall und Bedürfnisse.

Eine Möglichkeit, Benutzern die eingebettete NLQ-Funktionalität einfach zu präsentieren, besteht darin, einen Auslöser für das Popup "Einfach fragen" in der Hostanwendung festzulegen:

 Einfach fragen

Oder Sie können die Funktion "Einfach fragen" als einbetten eine eigenständige Funktion in Ihrer Anwendung. Alternativ können Sie Simply Ask als Teil der eingebetteten Sisense-Anwendung aktivieren.

Bieten Sie einzigartige Erfahrungen.

Als Produktführer müssen Sie ein Innovator sein. Die Demokratisierung von Erkenntnissen für Ihre Kunden im Kontext und in Ihrer Anwendung ist ein wichtiger Schritt, um Daten näher an Ihren Kunden heranzuführen. Mit Sisense NLQ und der Kraft der Sisense-Einbettung können Sie Ihre Produktakzeptanz, -bindung und -zufriedenheit durch innovative Bereitstellung von Erkenntnissen verbessern, ohne neue Entwicklerressourcen oder Hilfe von anderen Teams zu benötigen.

Dies ist nur der Anfang: Apps und Geräte sind beginnen, Anweisungen in natürlicher Sprache besser zu verstehen. Machen Sie einen Sprung mit Ihrem aktuellen Angebot unter Verwendung von Embedded NLQ und suchen Sie nach weiteren Möglichkeiten, um Ihren Apps das Sprechen beizubringen, den Benutzern die gewünschten Datenerlebnisse zu bieten und vieles mehr. Die Zeit, mutig zu sein, ist jetzt; Wie das aussieht, liegt bei Ihnen.

 Hinzufügen von KI zu Produkten

Shruthi Panicker ist Senior Technical Product Marketing Manager bei Sisense. Sie konzentriert sich darauf, wie Sisense genutzt werden kann, um erfolgreiche Embedded Analytics-Lösungen zu entwickeln, die die Einbettungs- und Anpassungsfunktionen von Sisense, die Initiative zur Entwicklererfahrung und die Cloud-native Architektur abdecken. Sie hat einen BS in Informatik sowie einen MBA und verfügt über mehr als ein Jahrzehnt Erfahrung in der Technologiewelt.

About BusinessIntelligence

Check Also

ThoughtSpot Cloud ist eine neue SaaS-Version der Anbieterplattform

ThoughtSpot, ein BI- und Analytics-Anbieter, dessen Plattform Augmented Intelligence zur Vereinfachung der Datenexploration verwendet, … …

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.