การผลิต

ให้บริการและบำรุงรักษาเชิงรุก

  • เริ่มการมีส่วนร่วมอย่างจริงจังกับลูกค้าของคุณและคาดการณ์ความต้องการของลูกค้า เช่น ชิ้นส่วนทดแทนหรือการบำรุงรักษาที่จำเป็น ก่อนที่จะกลายเป็นปัญหา
  • ปรับปรุงการมีส่วนร่วมให้เป็นประสบการณ์แบบรวมศูนย์ มีส่วนร่วมกับลูกค้าผ่านช่องทางใดก็ได้ เช่น อีเมล แชท หรือโทรศัพท์ และดูการโต้ตอบทั้งหมดในที่เดียว
  • ยกระดับประสบการณ์และความพึงพอใจในการบริการลูกค้า มอบประสบการณ์ที่ราบรื่นตั้งแต่การตอบคำถามเกี่ยวกับผลิตภัณฑ์ การสั่งซื้อชิ้นส่วนทดแทน หรือการนัดหมายการบำรุงรักษา

สรุปกรณีการใช้งาน

ให้บริการลูกค้าเชิงรุกโดยใช้ข้อมูล IoT และ AI เพื่อปรับแต่งประสบการณ์บริการส่วนบุคคลแบบครบวงจรในเวลาที่เหมาะสมผ่านช่องทางการมีส่วนร่วมที่ลูกค้าต้องการ

อุตสาหกรรม

ผลิตภัณฑ์ Salesforce ที่ใช้

แหล่งข้อมูลที่ใช้

ข้อมูลเทเลเมทรี IoT
บริการสินทรัพย์
ข้อมูลประวัติ
ประวัติการซื้อ
แคตตาล็อกผลิตภัณฑ์
ข้อมูลการใช้สินทรัพย์
กรณีศึกษา
ใบสั่งงาน
เงื่อนไขและการเรียกร้องการรับประกันสินทรัพย์
ERP
ช่องทางพันธมิตร

ใช้ข้อมูลเชิงลึกและการคาดการณ์

ด้วยการรวบรวมแหล่งข้อมูลที่อ้างอิงในกรณีการใช้งานนี้ ทีมงานสามารถสร้างข้อมูลเชิงลึกจากการคำนวณหรือรันโมเดลการทำนายด้วย Data Cloud ซึ่งจะช่วยให้พวกเขาสามารถตัดสินใจได้อย่างชาญฉลาดมากขึ้นหรือขับเคลื่อนระบบอัตโนมัติใหม่ๆ

ข้อมูลเชิงลึกที่คำนวณ รวมข้อมูล IoT รายการและข้อมูลเชิงลึกที่เกี่ยวข้องกับบริการเพื่อสร้างคะแนนสุขภาพสินทรัพย์ ใช้ประวัติการซื้อในอดีตเพื่อสร้างมูลค่าตลอดชีพของลูกค้าและข้อมูลการใช้สินทรัพย์ในอดีตเพื่อสร้างข้อมูลเชิงลึกเกี่ยวกับการสึกหรอ
แบบจำลองเชิงทำนาย นำแบบจำลองการเรียนรู้ของเครื่องไปใช้กับข้อมูลการใช้งานสินทรัพย์และบริการเพื่อคาดการณ์ปัญหาการบำรุงรักษาที่กำลังจะเกิดขึ้น ใช้แบบจำลองการทำนายเพื่อทำนายระดับความพึงพอใจโดยรวมของลูกค้าโดยอิงจากข้อมูลการใช้สินทรัพย์ ประวัติการซื้อ ใบสั่งงาน และข้อมูลกรณี

ผลกระทบเป็นยังไงบ้าง?

ปรับปรุงความพึงพอใจของลูกค้า
ลดต้นทุนการให้บริการ
ปรับปรุงความละเอียดของเคส