วิธีการประเมินซอฟต์แวร์ AI

วิธีการประเมินซอฟต์แวร์ AI

เว็บไซต์

การซื้อซอฟต์แวร์ AI (ปัญญาประดิษฐ์) ที่จำหน่ายนอกชั้นวางเป็นก้าวแรกที่ดีสำหรับบริษัทที่ยังใหม่ต่อเทคโนโลยี ไม่ควรมีความจำเป็นต้องลงทุนในโครงสร้างพื้นฐานทางเทคนิคหรือจ้างวิทยาศาสตร์ข้อมูลราคาแพง นอกจากนี้ยังจะได้ประโยชน์จากการได้รับโซลูชันที่ผ่านการทดสอบจากลูกค้ารายอื่นแล้ว ส่วนใหญ่ควรมีความมั่นใจในระดับความถูกต้องเนื่องจากอัลกอริธึมน่าจะถูกนำมาใช้อย่างเหมาะสม

การออกแบบเว็บไซต์

แต่มีปัญหาที่จู้จี้: มีแอปพลิเคชั่น AI มากมายในตลาดและเป็นการยากมากที่จะตัดสินว่าตัวเลือกใดเป็นตัวเลือกที่ดีที่สุด ท้ายที่สุด ดูเหมือนว่าผู้ค้าเทคโนโลยีส่วนใหญ่จะยกย่องความสามารถด้าน AI ของตนเพื่อให้โดดเด่นกว่าคนอื่นๆ
แล้วอะไรคือปัจจัยที่ต้องพิจารณาเมื่อประเมินโซลูชันใหม่ ลองมาดูสิ่งต่อไปนี้:
Data Connectors : AI ไร้ประโยชน์หากไม่มีข้อมูล เป็นเชื้อเพลิงสำหรับข้อมูลเชิงลึก
แต่เมื่อพูดถึงโซลูชัน AI ใหม่ การค้นหาแหล่งข้อมูลที่ถูกต้อง โต้แย้ง และผสานรวมเข้าด้วยกันอาจเป็นเรื่องยาก ดังนั้น เมื่อประเมินแอปพลิเคชัน คุณต้องแน่ใจว่ามีวิธีจัดการกับกระบวนการนี้
“งานที่ซับซ้อนที่สุดในโซลูชัน AI ไม่ใช่การนำอัลกอริธึมการเรียนรู้ของเครื่องมาใช้อีกต่อไป ซึ่งมักจะเป็นชุดของฟังก์ชันในทุกเครื่องมือ—แต่เพื่อรวบรวมข้อมูล” Rosaria Silipo, Ph.D. กล่าว และนักวิทยาศาสตร์ข้อมูลหลักที่KNIME “นั่นคือ เพื่อเชื่อมต่อกับแหล่งข้อมูลที่หลากหลาย ทั้งในสถานที่ บนเว็บ หรือบนคลาวด์ และดึงข้อมูลที่สนใจ”
ความยืดหยุ่น : AI ไม่มีขอบเขตทั่วไป แต่จะเน้นเฉพาะกรณีการใช้งานเฉพาะ สิ่งนี้เรียกว่า “AI ที่อ่อนแอ”
นี่คือเหตุผลสำคัญที่ต้องดูว่าแอปพลิเคชันนี้สร้างขึ้นเพื่อจัดการกับประเภทธุรกิจหรือสถานการณ์เฉพาะของคุณหรือไม่
Ciro Greco ซึ่งเป็นรองประธานฝ่ายปัญญาประดิษฐ์ของCoveoกล่าวว่า “ใช้การค้นหา เช่น ที่ซึ่ง AI สามารถนำมาใช้เพื่อจัดลำดับผลลัพธ์ใหม่และปรับปรุงความเกี่ยวข้อง ได้ “เมื่อนำไปใช้กับอีคอมเมิร์ซ การค้นหาคือการค้นหาระเบียนกึ่งโครงสร้าง เช่น ผลิตภัณฑ์ที่มีข้อความเพียงเล็กน้อย และเราสามารถนับข้อมูลพฤติกรรมจำนวนที่เหมาะสมซึ่งสร้างขึ้นโดยผู้ใช้ที่เรียกดูเว็บไซต์ กลยุทธ์ที่ยึดตามพฤติกรรมของผู้ใช้นั้นมีประสิทธิภาพมาก เพราะเราสามารถวางใจได้ว่าจะมีข้อมูลเพียงพอที่จะเรียนรู้”
ทว่ากรณีการใช้งานการค้นหาการบริการลูกค้าด้วย AI มักจะแตกต่างกันมาก มักเป็นเรื่องเกี่ยวกับการค้นหาเอกสารทางเทคนิค “มีข้อความที่ไม่มีโครงสร้างมากมาย เช่น บทความความรู้ และจุดข้อมูลเชิงพฤติกรรมน้อยลง เนื่องจากเว็บไซต์บริการลูกค้ามักจะเข้าชมน้อยกว่าแพลตฟอร์มอีคอมเมิร์ซ” Greco กล่าว “ในกรณีนั้น กลยุทธ์ที่ยึดตาม NLP สำหรับการสร้างแบบจำลองหัวข้ออาจจะมีประสิทธิภาพมากกว่า เนื่องจากเราจำเป็นต้องเพิ่มประโยชน์สูงสุดจากข้อมูลที่เรามี ในกรณีนี้ ข้อความอิสระ”
ความง่ายในการใช้งาน : สิ่งนี้สำคัญมาก ผู้ใช้ AI มักจะเป็นคนที่ไม่เชี่ยวชาญด้านเทคนิค หากการสมัครมีความซับซ้อน อาจมีการรับเลี้ยงบุตรบุญธรรมเพียงเล็กน้อย
AI อย่างมีจริยธรรม : แม้ว่าแอปพลิเคชันจะถูกต้อง แต่ก็อาจมีความเสี่ยง ข้อมูลอาจมีอคติโดยธรรมชาติ ซึ่งอาจบิดเบือนผลลัพธ์ นี่คือเหตุผลที่คุณควรได้รับคำอธิบายของข้อมูลและวิธีการใช้งาน
“สิ่งที่หลายคนลืมไปเมื่อประเมินโซลูชัน AI คือความเสียหายหรือความเสี่ยงที่อาจเกิดขึ้นกับองค์กรของคุณ” Michael Mazur ผู้ก่อตั้งและ CEO ของAI Clearingกล่าว “จะเกิดอะไรขึ้นหากองค์กรของคุณถูกฟ้องร้องในการปรับใช้โซลูชันนี้”
ค่าใช้จ่าย : “หากคุณเป็นลูกค้ารายแรกในอุตสาหกรรมเฉพาะสำหรับผู้ขาย AI คุณก็เป็นลูกค้าที่มีค่ามาก และคุณสามารถใช้สิ่งนั้นเป็นการเจรจาต่อรองเพื่อทำสัญญาที่เป็นประโยชน์ได้” Brian Jackson กล่าว นักวิเคราะห์และผู้อำนวยการวิจัยข้อมูลเทคกลุ่มงานวิจัย
Refraction AI อยู่ในภารกิจที่จะนำอนาคตของการส่งมอบไมล์สุดท้ายมาสู่ชีวิต ด้วยหุ่นยนต์จัดส่งแบบเคลื่อนที่อัตโนมัติของเรา เรากำลังเติบโตอย่างรวดเร็ว โดยขับเคลื่อนด้วยความก้าวหน้าที่น่าตื่นเต้นในด้านเทคโนโลยี ข้อมูลประชากร โมเดลธุรกิจ นโยบายทางสังคมและกฎระเบียบ เมื่อความคาดหวังและความต้องการของผู้บริโภคเปลี่ยนไป บริการและธุรกิจที่ให้บริการก็ต้องเช่นกัน ในภาคส่วนที่พยายามดิ้นรนเพื่อตามให้ทันเนื่องจากต้นทุนแบบเดิม โครงสร้างพื้นฐานที่ล้าสมัยและการผสานรวมที่ไม่ดี Refraction AI เป็นการสูดอากาศบริสุทธิ์ แสดงให้เห็นถึงสิ่งที่เป็นไปได้ด้วยนวัตกรรมเพียงเล็กน้อย ความเฉลียวฉลาด และสามัญสำนึกมากมาย . เพื่อช่วยขับเคลื่อนการเดินทางของเรา เรากำลังมองหาผู้เชี่ยวชาญด้านการจัดหาผู้มีความสามารถพิเศษที่มีความกระตือรือร้น กระตือรือร้น และมีนวัตกรรม ซึ่งมีความเชี่ยวชาญในการจัดหาและประเมินผู้สมัครสำหรับบทบาทที่หลากหลายทั่วทั้งบริษัท
เกี่ยวกับคุณ
คุณประสบความสำเร็จในการพบปะผู้คนใหม่ๆ และเรียนรู้เกี่ยวกับความสนใจในอาชีพของพวกเขา
คุณเป็นนักแก้ปัญหาที่มองหาวิธีแก้ไขปัญหาเฉพาะอย่างต่อเนื่อง
คุณกล้าหาญและเติบโตในดินแดนที่ไม่คุ้นเคย ผลักดันขอบเขตของเขตสบายของคุณ
คุณสนุกกับวัฒนธรรมการเริ่มต้นธุรกิจ ช่วยให้คุณสามารถยืดหยุ่นกล้ามเนื้อที่สร้างสรรค์ของคุณในการเติมเชื้อเพลิงให้กับกลไกการสรรหาและการทำงานหลายอย่างในสภาพแวดล้อมที่รวดเร็ว
คุณไม่รังเกียจที่จะสวมหมวกหลายใบ และอยากที่จะขยายชุดทักษะของคุณไปสู่ส่วนอื่นๆ ของเส้นทางของพนักงาน
คุณเป็นนักสื่อสารที่แท้จริงและสง่างาม คุณเชื่อในความรับผิดชอบส่วนบุคคลและคาดหวังสิ่งเดียวกันจากผู้อื่น
เกี่ยวกับตำแหน่ง
จัดหาผู้สมัครทั้งแบบ Active และ Passive ผ่านหลากหลายวิธีการ เช่น กระดานรับสมัครงานทางอินเทอร์เน็ต เครือข่าย โซเชียลมีเดีย งานอุตสาหกรรมและงานแสดงสินค้า โรงเรียนในท้องถิ่น และกลยุทธ์ที่สร้างสรรค์อื่นๆ
พัฒนากลุ่มผู้สมัครที่มีคุณสมบัติและหลากหลายล่วงหน้าก่อนความต้องการจ้างงานสำหรับตำแหน่งที่ได้รับคัดเลือกบ่อยครั้ง
ดำเนินการตามแผนการสรรหาเฉพาะท้องถิ่น ภูมิภาค และเฉพาะงานโดยร่วมมือกับผู้จัดการการว่าจ้างและสมาชิกในทีม HR เพื่อกำหนดความต้องการด้านพนักงาน
ค้นคว้าวิธีการจัดหาใหม่และดำเนินการตามความเหมาะสมเพื่อให้แน่ใจว่าบริษัทบรรลุและรักษาไว้ซึ่งความสามารถและวัตถุประสงค์ที่หลากหลาย
สกรีนเรซูเม่ สัมภาษณ์ผู้สมัคร (ทางโทรศัพท์ เว็บอินเตอร์เฟส หรือด้วยตนเอง) และแนะนำผู้สมัครอันดับต้นๆ เพื่อว่าจ้างผู้จัดการเพื่อประกอบการพิจารณา
ติดตามผู้สมัครและว่าจ้างผู้จัดการเพื่อรับข้อเสนอแนะและรับรองประสิทธิภาพของกระบวนการและประเมินเพื่อการปรับปรุงอย่างต่อเนื่อง
รักษาระบบติดตามผู้สมัครและตรวจสอบให้แน่ใจว่าข้อมูลผู้สมัครทั้งหมดได้รับการอัปเดตในเวลาที่เหมาะสมเพื่อการรายงานที่ถูกต้อง รายงานตัววัดการรับสมัครรายไตรมาสและวิเคราะห์ข้อมูลการสรรหาบุคลากรเพื่อระบุแนวโน้ม ช่องว่าง และอัตราความสำเร็จของกลยุทธ์การจัดหา
ทำหน้าที่สรรหาผู้เชี่ยวชาญเฉพาะด้านให้กับสมาชิกในทีมและผู้จัดการการจ้างงาน
มีส่วนร่วมในการจ้างงานและความพยายามในการเข้าร่วมทั้งหมดตามความจำเป็นเพื่อให้แน่ใจว่าพนักงานใหม่ได้รับประสบการณ์ที่ยอดเยี่ยม
ช่วยเหลือโครงการอื่น ๆ ของฝ่ายทรัพยากรบุคคลและการบริหารตามความจำเป็นเพื่อสนับสนุนวัฒนธรรม การพัฒนา และวัตถุประสงค์ในการเติบโตของบริษัท

เว็บแอพพลิเคชั่น

คุณสมบัติและข้อกำหนด
ปริญญาตรีหรือเทียบเท่าประสบการณ์ equivalent
ประสบการณ์อย่างน้อย 1 ปีในการสรรหาบุคลากรในสภาพแวดล้อมที่รวดเร็วและคล่องตัว
ประสบการณ์ ATS มาก่อน
ประสบการณ์การเริ่มต้นใช้งานก่อนหน้านี้คือการมุ่งเน้นลูกค้าที่แข็งแกร่งและมุ่งมั่นที่จะปรับปรุงอย่างต่อเนื่อง
ความสามารถในการสร้างเครือข่ายเชิงรุกและสร้างความสัมพันธ์ในการทำงานร่วมกัน
ประสบการณ์ในการพัฒนากลยุทธ์การสรรหาที่คำนึงถึงต้นทุน การแสวงหาทางเลือกในการจัดหาใหม่อย่างต่อเนื่อง และพัฒนาแนวทางที่สร้างสรรค์เพื่อนำเสนอกลุ่มผู้สมัครที่แข็งแกร่งและหลากหลาย
ทักษะในการสื่อสารที่ดี ทักษะในการจัดองค์กรและการเจรจาต่อรอง โดยมุ่งเน้นที่การส่งมอบผลลัพธ์ทางธุรกิจ
พึ่งตนเองและสามารถปฏิบัติงานได้โดยมีการควบคุมดูแลโดยตรงเพียงเล็กน้อย
ลองนึกย้อนกลับไปครั้งสุดท้ายที่คุณมีประสบการณ์ผู้บริโภคที่แย่มาก บางทีมันอาจจะไม่ดีพอที่คุณจะใช้เวลาในการกรอกแบบสำรวจความพึงพอใจของลูกค้า บางทีคุณอาจคาดหวังว่าคะแนนที่ต่ำทั้งหมดเหล่านี้จะแปลเป็นการขยายงาน – อาจเป็นคูปองหรือสิทธิพิเศษใหม่หรือสาขามะกอกอื่น ๆ ที่สามารถดำเนินการได้ แต่คุณมี … จิ้งหรีด?
ความเงียบของวิทยุอาจเป็นผลมาจากการบริการลูกค้าที่ไม่ดี แต่มีโอกาสที่ดีเพราะคะแนนของคุณไม่ได้ดีมากเช่นกัน ปัจจุบันบริษัทจำนวนมากคำนวณสิ่งที่เรียกว่ามูลค่าตลอดช่วงชีวิตของลูกค้า (CLV) ซึ่งเป็นตัวชี้วัดที่มุ่งหมายที่จะหาปริมาณกำไรสุทธิที่ลูกค้าจะเสนอให้กับบริษัท “คุณค่า” ของคุณส่วนหนึ่งเป็นตัวกำหนดความพยายามของบริษัทที่ทุ่มเทเพื่อให้คุณมีความสุข
มูลค่าตลอดช่วงชีวิตของลูกค้าคืออะไร?
มูลค่าตลอดช่วงชีวิตของลูกค้า (CLV) เป็นการประมาณการของกำไรสุทธิที่ลูกค้าจะมอบให้กับบริษัท สูตรพื้นฐานแสดง CLV เป็นผลคูณของส่วนต่างของลูกค้าและอัตราการรักษา สัมพันธ์กับการปรับปรุงส่วนลด แต่เทคโนโลยีที่เกิดขึ้นใหม่ เช่น โมเดลทางสถิติ Buy Til You Die โมเดลการเรียนรู้ของเครื่อง และระบบการเรียนรู้เชิงลึก นำเสนอการปรับแต่งที่ซับซ้อนมากขึ้น เพื่อให้สามารถคาดการณ์ CLV ได้ทั้งระยะสั้นและระยะยาว
คะแนน CLV ของลูกค้าส่งผลต่อปริมาณและปริมาณที่ลูกค้าจะทำการตลาด ลูกค้าที่มี CLV สูงมีค่ามากกว่าลูกค้าที่มี CLV ต่ำ แต่ก็อาจส่งผลต่อสิ่งต่างๆ เช่น เวลาตอบสนองของฝ่ายบริการลูกค้า และลูกค้ารายใดรายหนึ่งจะได้รับข้อเสนอพิเศษเพิ่มเติมหรือไม่ คะแนน CLV ที่สูงนั้นหมายถึงเครื่องหมายดอกจันขนาดใหญ่ที่ระบุว่า “ลูกค้าถูกเสมอ” และตามที่ Peter Fader (ซ้าย) ศาสตราจารย์ด้านการตลาดของ The Wharton School of the University of Pennsylvania และหนึ่งในสถาปนิกพื้นฐานของ CLV ได้กล่าวไว้
ตามที่เขาเห็น บริษัทต่างๆ ที่ก้มหน้าเพื่อตอบสนองลูกค้าที่ไม่มีความสุขทุกคนกำลังทำผิด พวกเขาต้องจัดลำดับความสำคัญ บริษัทต่างๆ มักมีนิสัยที่ไม่ดีในการหมกมุ่นอยู่กับคะแนนโปรโมเตอร์สุทธิ โดยพยายามตัดสินว่า “สิ่งใดที่เป็นปัญหาต่อผู้ว่าแล้วจึงแก้ไขให้พวกเขา” เขากล่าว “[แต่] ลูกค้าพวกนั้นห่วย”
“เราใช้เงินทั้งหมดนี้เพื่อพยายามเปลี่ยนลูกเป็ดขี้เหร่ให้กลายเป็นหงส์ที่สวยงาม แต่มันก็ไม่ได้ผล” เขากล่าวเสริม “แต่ถ้าเรามองเห็นได้ในสิ่งที่เราคิดว่าลูกค้าจะคุ้มค่า และจากนั้นใช้สิ่งนั้นเพื่อขับเคลื่อนการตัดสินใจ — เกี่ยวกับผู้ที่จะให้ของฟรีหรือใครโทรมาก่อน — เราจะทำการตัดสินใจได้ดีขึ้นและทำมากขึ้น เงิน.”

Web​ application

สูตร CLV พื้นฐานหนึ่งสูตรสำหรับธุรกิจแบบสมัครสมาชิกจะแบ่งยอดขายรายเดือนเฉลี่ยของลูกค้าด้วยอัตราการเลิกจ้างของบริษัท ดังนั้นลูกค้าที่จ่ายเงิน 9 เหรียญต่อเดือนสำหรับบริการสตรีมมิ่งที่มีการเลิกใช้งาน 3 เปอร์เซ็นต์จะมี CLV 300 เหรียญ
สูตร CLV ง่าย ๆ ที่พบบ่อยที่สุดคือ:
CLV = มาร์จิ้น x อัตราการรักษา / 1 + อัตราส่วนลด – อัตราการรักษา
มาร์จิ้น : กำไรจากการขายที่สร้างลบด้วยต้นทุนผันแปรในการส่งมอบผลิตภัณฑ์หรือบริการ
Retention Rate : เปอร์เซ็นต์ของลูกค้าที่ไม่เลิกใช้งานภายในระยะเวลาที่กำหนด
อัตราส่วนลด : รายได้ในอนาคตจะมีมูลค่าเท่าใดตามอัตราการกู้ยืมในปัจจุบัน คำแนะนำบางข้อระบุว่าค่าเริ่มต้นคือ 10 เปอร์เซ็นต์ จนกว่าผู้เชี่ยวชาญด้านการเงินจะให้ความกระจ่างมากขึ้น ในขณะที่คนอื่นมองว่าเป็นตัวเลขในแง่ดี ไมล์สะสมของคุณอาจแตกต่างกันไป
สูตรคลาสสิกด้านบนมีประโยชน์สำหรับการประเมินขั้นพื้นฐานในระยะเริ่มต้น แต่จะเริ่มดูค่อนข้างธรรมดาเมื่อคุณพิจารณาปัจจัยที่ซับซ้อน ประการหนึ่งอัตราการคงอยู่นั้นไม่คงที่แน่นอน และสำหรับธุรกิจที่ไม่ได้ทำสัญญา การพิจารณาว่าลูกค้าเลิกใช้งานจริงหรืออยู่ระหว่างการซื้อนั้นเป็นเรื่องยาก นอกจากนี้ยังล้มเหลวในการรวม smorgasbord ของสัญญาณพฤติกรรมที่เกิดขึ้นเมื่อใดก็ตามที่ลูกค้าโต้ตอบกับผลิตภัณฑ์หรือช่องทาง
จำเป็นต้องพูด ควรพิจารณาตัวเลือกขั้นสูงเพิ่มเติม แต่ก่อนที่เราจะทำอย่างนั้น เรามาดูปัจจัยพื้นฐานบางอย่างกันก่อนดีกว่า
ประวัติโดยย่อของมูลค่าตลอดช่วงชีวิตของลูกค้า
การคำนวณมูลค่าตลอดช่วงชีวิตของลูกค้านั้นซับซ้อนจนน่าปวดหัว มักจะขับเคลื่อนโดยการเรียนรู้ของเครื่องและบางครั้งก็เป็นการเรียนรู้เชิงลึก แต่ตัวชี้วัดมาจากหุ้นที่มีเสน่ห์น้อยกว่า อิทธิพลในช่วงแรกคือนักการตลาดตรงแบบเก่าในยุค 1970 และ 1980 ลองนึกถึงแคมเปญอีเมลโดยตรงและต่อมาคือ infomercials
“แม้ว่าพวกเขาจะขายของฟุ่มเฟือยในทีวีช่วงดึก แต่มุมมองที่พวกเขามีนั้นเป็นการปฏิวัติ” เฟเดอร์กล่าว นักการตลาดเหล่านั้นใช้เวลามากในการพิจารณารูปแบบการซื้อ ซึ่งเป็นรุ่นล้อฝึกของการขุดข้อมูลที่เรามีอยู่ในปัจจุบัน ที่นำไปสู่วิธี RFM — ความใหม่ ความถี่ และมูลค่าเงิน การกระทำร่วมกันวิธีการถือเมื่อที่ผ่านมาลูกค้าทำการซื้อ , วิธีการหลายซื้อสินค้าที่พวกเขาได้ทำในทั้งหมดของพวกเขาและปริมาณการซื้อเฉลี่ยเป็นตัวบ่งชี้ที่สำคัญของการซื้อในอนาคต
“เราใช้เงินทั้งหมดนี้เพื่อพยายามเปลี่ยนลูกเป็ดขี้เหร่ให้กลายเป็นหงส์ที่สวยงาม แต่มันก็ไม่ได้ผล”
จากนั้นในช่วงกลางยุค 80 Dave Schmittlein (ปัจจุบันเป็นคณบดีของ MIT Sloan School of Management) และเพื่อนร่วมงานอีกสองคนได้ใช้วิธีการทางคณิตศาสตร์เพื่อเปลี่ยนข้อมูล RFM ที่ “มองย้อนกลับ” ให้เป็นการประมาณการ “คาดการณ์ล่วงหน้า” ของ CLV ในอนาคต นี่คือจุดกำเนิดของโมเดล Pareto/NBD ที่เป็นน้ำเชื้อ

Robot Auto process

วิธีง่ายๆ ในการอธิบายกรอบงาน Pareto/NBD โดยไม่หลงทางในความน่าจะเป็นของวัชพืช คือการคิดว่ามันเหมือนกับว่าผู้คนมีเหรียญสองเหรียญที่จะพลิก เหรียญหนึ่งเหรียญกำหนดว่าลูกค้ายังคงพิจารณาซื้อต่อหรือเดินจากไป และเหรียญที่สองเป็นตัวกำหนดว่าพวกเขาตัดสินใจที่จะซื้อหรือไม่ซื้อหากพวกเขายังคงพิจารณาอยู่ กรอบการทำงานยังอธิบายถึงความแปรปรวนในความถี่ในการซื้อ: บางคนจะทำการซื้อต่อไปเมื่อเวลาผ่านไป คนอื่นจะเป็นหนึ่งเดียวและทำเสร็จแล้ว