Wstęp
W tym hipotetycznym studium przypadku przedstawiamy projekt i wdrożenie agenta AI dla biura podróży, którego celem jest usprawnienie interakcji z klientami i optymalizacja ofert wycieczek. Agent AI jest wyposażony w wiele funkcjonalności zapewniających płynną i spersonalizowaną obsługę klienta.
Cele projektu
Agent AI został opracowany z następującymi możliwościami:
- Prowadzenie tekstowych rozmów z klientami, aby zrozumieć ich potrzeby i preferencje dotyczące podróży.
- Wybór oferty wycieczki w oparciu o indywidualne preferencje klienta.
- Udzielenie szczegółowych informacji na temat podróży i odpowiadanie na wszelkie wątpliwości i zapytania.
-
Umożliwienie dokonania rezerwacji i wygenerowanie linków do płatności.
- Wysyłanie spersonalizowanych, okresowych wiadomości do klientów, dopytując o ich cele, oczekiwania i proponując dopasowane pomysły na wyjazdy.
Przebieg projektu
Etap 1: Tworzenie algorytmu i podstawowa obsługa zapytań
W początkowej fazie opracowano algorytm obsługujący proste zapytania klientów, stanowiące około 50% wszystkich zapytań. Wiązało się to z następującymi pracami:
Tworzenie zbioru danych:
- Zbieranie historycznych e-maili i wiadomości od klientów.
- Zestawienie oferowanych wycieczek w formie tabelarycznej.
- Podział zbioru danych na zbiory treningowe, walidacyjne i testowe.
- Przeprowadzenie wstępnej analizy danych i zdefiniowanie kluczowych informacji do stworzenia oferty wycieczki.
- Analizowanie wiadomości klientów w celu wyodrębnienia niezbędnych informacji, takich jak daty, lokalizacje, liczba osób, budżet, atrakcje i dodatkowe wymagania.
Inżynieria promptów do dużych modeli językowych (prompt engineering):
- Wykorzystywanie modeli podobnych do ChatGPT w przypadku zapytań, którymi nie można zarządzać za pomocą modeli NER.
- Formułowanie zapytań do ChatGPT, włączając treść wiadomości i zbiory danych szkoleniowych.
Etap 2: Umożliwienie częściowej interakcji z klientem
Na tym etapie skupiono się na rozszerzeniu możliwości algorytmu w zakresie zadawania szczegółowych pytań i przekazywania zapytań do obsługi klienta w biurze podróży, wykorzystując inżynierię promptów z modelami podobnymi do ChatGPT.
Etap 3: Analiza reakcji i autonomiczna interakcja z klientem
W dalszym ciągu zwiększono możliwości algorytmu w zakresie analizowania odpowiedzi i samodzielnego odpowiadania na zapytania klientów, niezależnie obsługując około 90% klientów.
Etap 4: Personalizacja i wdrożenie techniczne
Ostatnim etapem było włączenie historycznych preferencji klientów do spersonalizowanych wiadomości e-mail i wykorzystanie technologii takich jak Kubernetes, Docker i Google Cloud Platform (GCP) do wdrożenia technicznego. W kampaniach e-mailowych wykorzystano Mailchimp, a w celu zapewnienia elastyczności operacyjnej opracowano ręczny system Control Transition.
Koszt i zasoby
Całkowity koszt eksperymentów, wdrożenia i testowania offline wyniósł 80 000 USD, co wymagało pracy dwóch specjalistów AI w ciągu trzech miesięcy. Dodatkowe wydatki obejmowały:
- GCP: 3000 USD za eksperymenty, 100 USD miesięcznie po wdrożeniu.
- OpenAI API: 2000 USD za eksperymenty, 80 USD miesięcznie po wdrożeniu.
- Mailchimp: 620 USD miesięcznie.
Wyniki i korzyści
Wdrożenie agenta AI przyniosło znaczące korzyści operacyjne:
- Biuro podróży odnotowało 7,5-krotny wzrost liczby obsługiwanych klientów bez zwiększania zatrudnienia.
- 92,5% klientów wyraziło większe zadowolenie z wycieczek proponowanych przez sztuczną inteligencję w porównaniu z dotychczasową obsługą klienta, wskazując na przyjemniejszą rozmowę i poczucie lepszego zrozumienia.
- Spersonalizowana strategia mailingu sprawiła, że 67% klientów wybrało to biuro na więcej niż jeden wyjazd.
Wnioski
To studium przypadku ilustruje przełomowy potencjał modeli AI i NLP w poprawianiu doświadczeń klientów i efektywności operacyjnej w branży turystycznej. Chociaż badanie to ma charakter hipotetyczny, rzuca światło na różnorodne zastosowania sztucznej inteligencji w rozwiązywaniu konkretnych wyzwań biznesowych. Aby uzyskać bardziej dogłębną analizę konkretnego przypadku biznesowego, skontaktuj się z nami.
