A kiváló ügyfélélmény versenyelőnyt biztosít, és elősegíti a márka megkülönböztetését. A Forrester jelentése szerint Az ügyfelek megszállottságának állapota, 2022, az ügyfél-elsőség jelentős hatást gyakorolhat a szervezet mérlegére, mivel az ezt a módszertant alkalmazó szervezetek bevételnövekedésben felülmúlják társaikat. Annak ellenére, hogy a kapcsolattartó központokra állandó nyomás nehezedik, hogy kevesebbel többet tegyenek, miközben javítják az ügyfélélményt, A vállalatok 80%-a azt tervezi, hogy növeli az ügyfélélménybe (CX) való befektetését. hogy differenciált vásárlói élményt nyújtsunk. A generatív mesterséges intelligencia gyors innovációja és fejlődése megragadta elménket és figyelmünket McKinsey & Company becslése, a generatív mesterséges intelligencia ügyfélszolgálati funkciókra történő alkalmazása a jelenlegi működési költségek 30–45%-ával növelheti a termelékenységet.
Amazon SageMaker Canvas Az üzleti elemzők vizuális point-and-click felületet biztosítanak, amely lehetővé teszi modellek felépítését és pontos gépi tanulási (ML) előrejelzések generálását anélkül, hogy bármilyen ML-tapasztalatot vagy kódolást igényelne. 2023 októberében a SageMaker Canvas bejelentette az alapozó modellek támogatása a használatra kész modellek közöttÁltal üzemeltetett Amazon alapkőzet és a Amazon SageMaker JumpStart. Ez lehetővé teszi a természetes nyelv használatát a társalgási csevegési felülettel olyan feladatok elvégzéséhez, mint például új tartalom létrehozása, beleértve az elbeszéléseket, jelentéseket és blogbejegyzéseket; összefoglaló jegyzetek és cikkek; és kérdések megválaszolása egy központosított tudásbázisból – mindezt egyetlen kódsor írása nélkül.
A call center-ügynök feladata a bejövő és kimenő ügyfélhívások kezelése, valamint támogatás nyújtása vagy problémák megoldása, miközben naponta több tucat hívást intéz. Ezzel a mennyiséggel lépést tartani, miközben az ügyfelek azonnali válaszokat adnak, kihívást jelent, ha nincs idő a hívások közötti kutatásra. A hívási szkriptek általában hívásokon vezetik az ügynököket, és felvázolják a problémák megoldását. A jól megírt szkriptek javítják a megfelelőséget, csökkentik a hibákat és növelik a hatékonyságot azáltal, hogy segítik az ügynököket a problémák és megoldások gyors megértésében.
Ebben a bejegyzésben azt vizsgáljuk meg, hogy a SageMaker Canvasban található generatív mesterséges intelligencia hogyan segíthet megoldani azokat a gyakori kihívásokat, amelyekkel az ügyfelek szembesülhetnek a kapcsolattartó központokkal kapcsolatban. Megmutatjuk, hogyan használható a SageMaker Canvas új hívási szkript létrehozására vagy egy meglévő hívási szkript javítására, és feltárjuk, hogyan segíthet a generatív AI a meglévő interakciók áttekintésében, hogy olyan betekintést nyerhessenek, amelyeket a hagyományos eszközökből nehéz megszerezni. Ennek a bejegyzésnek a részeként megadjuk a feladatok megoldásához használt promptokat, és megvitatjuk azokat az architektúrákat, amelyek segítségével ezeket az eredményeket integrálni lehet AWS Contact Center Intelligence (CCI) munkafolyamatok.
A megoldás áttekintése
A generatív AI-alapmodellek segíthetnek hatékony hívásszkriptek létrehozásában a kapcsolattartó központokban, és lehetővé teszik a szervezetek számára a következőket:
- Hozzon létre következetes ügyfélélményeket egy egységes tudástárral az ügyfelek kérdéseinek kezelésére
- Csökkentse a híváskezelési időt
- Növelje a támogató csapat termelékenységét
- Engedélyezze a támogatási csapat számára a következő legjobb műveleteket a hibák kiküszöbölése és a következő legjobb lépések megtétele érdekében
A SageMaker Canvas segítségével az alapmodellek nagyobb választékából választhat lenyűgöző hívási szkripteket. A SageMaker Canvas lehetővé teszi több modell egyidejű összehasonlítását is, így a felhasználó kiválaszthatja azt a kimenetet, amely leginkább megfelel az igényeinek az adott feladathoz, amellyel foglalkozik. A generatív mesterséges intelligencia által vezérelt chatbotok használatához a felhasználónak először meg kell adnia egy promptot, amely utasítást ad a modellnek, hogy mit kíván tenni.
Ebben a bejegyzésben négy gyakori használati esettel foglalkozunk:
- Új hívási szkriptek létrehozása
- Meglévő hívásszkript javítása
- Hívás utáni feladatok automatizálása
- Hívás utáni elemzés
A bejegyzés során az Amazon Bedrock által üzemeltetett SageMaker Canvasban elérhető nagy nyelvi modelleket (LLM-eket) használunk. Pontosabban, az Anthropic Claude 2 modelljét használjuk, amely egy nagy teljesítményű modell, amely nagyszerűen teljesít mindenféle természetes nyelvi feladathoz. A példák angol nyelvűek; az Anthropic Claude 2 azonban több nyelvet is támogat. Hivatkozni Antropikus Claude 2 többet tanulni. Végül, mindezek az eredmények reprodukálhatók más Amazon Bedrock modellekkel, mint például az Anthropic Claude Instant vagy az Amazon Titan, valamint a SageMaker JumpStart modellekkel.
Előfeltételek
Ehhez a bejegyzéshez győződjön meg arról, hogy beállított egy AWS-fiók megfelelő erőforrásokkal és engedélyekkel. Különösen hajtsa végre a következő előfeltétel lépéseket:
- Telepítsen egy Amazon SageMaker tartomány. Az utasításokat lásd Bekapcsolva az Amazon SageMaker domainbe.
- Konfigurálja az engedélyeket a SageMaker Canvas beállításához és üzembe helyezéséhez. További részletekért lásd: Az Amazon SageMaker Canvas beállítása és kezelése (informatikai rendszergazdáknak).
- Állítsa be a több eredetû erőforrás-megosztási (CORS) házirendet a SageMaker Canvashoz. További információkért lásd: Adjon engedélyt a felhasználóknak a helyi fájlok feltöltésére.
- Adja hozzá az alapmodellek használatához szükséges engedélyeket a SageMaker Canvasban. Az utasításokat lásd Használjon generatív mesterséges intelligenciát az alapozó modellekkel.
Vegye figyelembe, hogy a SageMaker Canvas által a generatív AI-feladatok megoldására használt szolgáltatások elérhetők a SageMaker JumpStartban és az Amazon Bedrockban. Az Amazon Bedrock használatához győződjön meg arról, hogy a SageMaker Canvast abban a régióban használja, ahol az Amazon Bedrock támogatott. Hivatkozni Támogatott régiók és tudjon meg többet!
Hozzon létre egy új hívásszkriptet
Ebben a felhasználási esetben a kapcsolattartó központ elemzője meghatároz egy hívási szkriptet a SageMaker Canvasban elérhető egyik, használatra kész modell segítségével, és beír egy megfelelő promptot, például „Hívásszkript létrehozása ügynökhöz, amely segít az ügyfeleknek elveszett hitelkártyák." Ennek megvalósításához, miután a szervezet felhőrendszergazdája egyszeri aláírási hozzáférést biztosított a kapcsolattartó központ elemzőjének, hajtsa végre a következő lépéseket:
- A SageMaker konzolon válassza a lehetőséget Vászon a navigációs ablaktáblában.
- Válassza ki domainjét és felhasználói profilját, majd válassza ki Nyissa meg a Canvast a SageMaker Canvas alkalmazás megnyitásához.
- Navigáljon a Használatra kész modellek és válasszon Tartalom létrehozása, kinyerése és összefoglalása a csevegőkonzol megnyitásához.
- Ha az Anthropic Claude 2 modellt választotta, írja be a „Hívásszkript létrehozása ügynök számára, amely segít az ügyfelek elveszett hitelkártyáinál” parancsot, és nyomja meg a gombot. belép.
A generatív mesterséges intelligencia révén nyert szkript szerepel egy dokumentumban (például TXT, HTML vagy PDF), és hozzáadódik egy tudásbázishoz, amely útmutatást ad a kapcsolattartó központok ügynökeinek az ügyfelekkel folytatott interakcióik során.
Felhőalapú omnichannel contact center megoldás használatakor, mint pl Amazon Connect, kihasználhatja az AI/ML-alapú funkciók előnyeit az ügyfelek elégedettségének és az ügynökök hatékonyságának javítására. Amazon Connect Wisdom csökkenti az ügynökök által a válaszok keresésével eltöltött időt, és lehetővé teszi az ügyfelek problémáinak gyors megoldását azáltal, hogy tudáskeresést és valós idejű ajánlásokat biztosít, miközben az ügynökök beszélnek az ügyfelekkel. Ebben a konkrét példában az Amazon Connect Wisdom szinkronizálható Amazon egyszerű tárolási szolgáltatás (Amazon S3) a tudásbázis tartalomforrásaként, ezáltal beépítve a SageMaker Canvas segítségével generált hívásszkriptet. További információkért lásd: Amazon Connect Wisdom S3 Sync.
A következő diagram ezt az architektúrát szemlélteti.
Amikor az ügyfél felhívja a kapcsolattartó központot, és vagy interaktív hangválaszon (IVR) megy keresztül, vagy a hívás céljára vonatkozóan meghatározott kulcsszavakat észlel (például „elveszett” és „hitelkártya”), az Amazon Connect Wisdom javaslatok az ügynökkel való interakció kezelésére, beleértve a SageMaker Canvas által generált megfelelő hívási szkriptet.
A SageMaker Canvas generatív mesterséges intelligencia segítségével a kapcsolati központ elemzői időt takarítanak meg a hívási szkriptek létrehozása során, és gyorsan kipróbálhatnak új promptokat a szkriptek létrehozásának módosításához.
Javítson egy meglévő hívási szkriptet
Az alábbiak szerint felmérés, az ügyfelek 78%-a úgy érzi, hogy a telefonos ügyfélszolgálati tapasztalata javul, ha az ügyfélszolgálati munkatárs nem úgy hangzik, mintha egy forgatókönyvből olvasna. A SageMaker Canvas generatív mesterséges intelligencia segítségével elemezheti a meglévő hívási szkriptet, és javaslatokat tehet a hívási szkriptek minőségének javítására. Előfordulhat például, hogy javítani szeretné a hívási szkriptet, hogy jobban megfeleljen, vagy udvariasabb hangzásúvá tegye a szkriptet.
Ehhez válassza a lehetőséget új csevegés és válassza ki a Claude 2-t modellnek. Használhatja az előző használati esetben generált mintaátiratot és a „Szeretném, ha kapcsolattartó központ minőségbiztosítási elemzőjeként járjon el, és javítsa az alábbi hívási átiratot, hogy az megfeleljen és udvariasabban szóljon.”
Automatizálja a hívás utáni feladatokat
A SageMaker Canvas generatív mesterséges intelligencia segítségével automatizálhatja a hívás utáni munkát a call centerekben. Gyakori felhasználási esetek a hívásösszegzés, a hívásnaplók kitöltésében való segítségnyújtás és a személyre szabott követő üzenetek létrehozása. Ez javíthatja az ügynök termelékenységét és csökkentheti a hibák kockázatát, lehetővé téve számukra, hogy nagyobb értékű feladatokra összpontosítsanak, mint például az ügyfelek bevonása és a kapcsolatépítés.
A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a új csevegés és válassza ki a Claude 2-t modellnek. Használhatja az előző használati esetben generált mintaátiratot és az „Összefoglalja az alábbi hívás-átiratot, hogy kiemelje az ügyfél problémáját, az Ügynök műveleteit, a hívás kimenetelét és az Ügyfél hangulatát” üzenetet.
Ha az Amazon Connect-et ügyfélközpont-megoldásként használja, akkor engedélyezheti a hívásrögzítést és -átírást Amazon Connect kontaktlencse, amely más elemzési funkciókat is tartalmaz, mint például a hangulatelemzés és az érzékeny adatok szerkesztése. Összefoglalással is rendelkezik, kiemelve a kulcsmondatokat az átiratban, és megjelölve a problémákat, az eredményeket és a cselekvési elemeket.
A SageMaker Canvas használatával egy lépéssel tovább léphet, és egyetlen munkaterületről válasszon a használatra kész modellek közül a hívás átiratának elemzéséhez vagy összefoglaló készítéséhez, sőt az eredmények összehasonlításához is, hogy megtalálja az adott felhasználási területnek leginkább megfelelő modellt. ügy. A következő ábra szemlélteti ezt a megoldás architektúrát.
Ügyfélhívás utáni elemzés
Egy másik terület, ahol a kapcsolattartó központok kihasználhatják a SageMaker Canvas előnyeit, az az ügyfél és az ügynökök közötti interakciók megértése. Mint a 2022-es NICE WEM globális felmérés, a telefonos ügyfélszolgálati ügynökök 58%-a azt állítja, hogy nagyon kevés haszna származik a vállalati coaching-ülésekből. Az ügynökök a SageMaker Canvas generatív AI-t használhatják az ügyfelek hangulatelemzésére, hogy jobban megértsék, milyen alternatív legjobb lépéseket tehettek volna az ügyfelek elégedettségének javítására.
Hasonló lépéseket követünk, mint az előző felhasználási esetekben. Választ új csevegés és válassza a Claude 2 lehetőséget. Használhatja az előző felhasználási esetben generált mintaátiratot, valamint a „Azt akarom, hogy a Contact Center felügyelőjeként lépjen fel, és bírálja el, és javasoljon fejlesztéseket az ügynök viselkedésére vonatkozóan az ügyfélbeszélgetésben.”
Tisztítsuk meg
A SageMaker Canvas 2 órás inaktivitás után automatikusan leállít minden alatta elindított SageMaker JumpStart modellt. Kövesse az ebben a részben található utasításokat, hogy hamarabb leállítsa ezeket a modelleket a költségek megtakarítása érdekében. Vegye figyelembe, hogy nincs szükség az Amazon Bedrock modellek leállítására, mert nincsenek telepítve a fiókjában.
- A SageMaker JumpStart modell leállításához két módszer közül választhat:
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a új csevegés, majd a modell legördülő menüjében válassza a lehetőséget Indítson el egy másik modellt. Aztán a Alapozó modellek oldal, alatt Amazon SageMaker JumpStart modellek, válassza ki a modellt (pl Falcon-40B-Instruct) és a jobb oldali ablaktáblában válassza a lehetőséget Állítsa le a modellt.
- Ha több modellt hasonlít össze egyidejűleg, az eredmények összehasonlító oldalán válassza ki a SageMaker JumpStart modell beállítási menüjét (három pont), majd Állítsa le a modellt.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Kijelentkezés a bal oldali ablaktáblában, hogy kijelentkezzen a SageMaker Canvas alkalmazásból, hogy leállítsa a fogyasztását SageMaker Canvas munkaterület-példányok nyitvatartása. Ezzel felszabadítja a munkaterület-példány által használt összes erőforrást.
Következtetés
Ebben a bejegyzésben azt elemeztük, hogyan használhatja fel a SageMaker Canvas generatív mesterséges intelligenciát a kapcsolati központokban, hogy hiperszemélyre szabott ügyfélkapcsolatokat hozzon létre, javítsa a kapcsolattartó központok elemzői és ügynökei termelékenységét, és milyen betekintést nyerhet a hagyományos eszközökből. Amint azt a különböző felhasználási esetek mutatják, a SageMaker Canvas egyetlen egységes munkaterületként működik, anélkül, hogy különböző ponttermékeket kellene használnia. A SageMaker Canvas generatív mesterséges intelligencia segítségével a kapcsolattartó központok javíthatják az ügyfelek elégedettségét, csökkenthetik a költségeket és növelhetik a hatékonyságot. A SageMaker Canvas generatív mesterséges intelligencia lehetővé teszi, hogy új és innovatív megoldásokat hozzon létre, amelyek képesek átalakítani a kapcsolattartó központok iparágát. A generatív mesterséges intelligencia segítségével azonosíthatja a trendeket és betekintést az ügyfelekkel való interakcióba, így segítve a vezetőket működésük optimalizálásában és az ügyfelek elégedettségének javításában. Ezenkívül a generatív mesterséges intelligencia segítségével képzési adatokat állíthat elő új ügynökök számára, lehetővé téve számukra, hogy tanuljanak a szintetikus példákból, és gyorsabban javítsák teljesítményüket.
Tudjon meg többet A SageMaker Canvas funkciói és a kezdje el ma a vizuális, kód nélküli gépi tanulási képességek kiaknázására.
A szerzőkről
Davide Gallitelli az AI/ML vezető megoldások szakértője. Székhelye Brüsszelben van, és világszerte szorosan együttműködik azokkal az ügyfelekkel, akik az alacsony kódú/kód nélküli gépi tanulási technológiákat és a generatív mesterséges intelligenciát kívánják alkalmazni. Egészen kicsi kora óta fejlesztő, 7 évesen kezdett el kódolni. Az AI/ML-t az egyetemen kezdte tanulni, és azóta beleszeretett.
Jose Rui Teixeira Nunes az AWS megoldások építésze, székhelye Brüsszelben, Belgiumban van. Jelenleg segíti az európai intézményeket és ügynökségeket felhő útjukon. Több mint 20 éves információtechnológiai tapasztalattal rendelkezik, nagy hangsúlyt fektetve a közszféra szervezeteire és a kommunikációs megoldásokra.
Anand Sharma a luxemburgi AWS generatív AI vezető partnerfejlesztési szakértője, több mint 18 éves tapasztalattal innovatív termékek és szolgáltatások kínálatában az e-kereskedelem, a fintech és a pénzügyek területén. Mielőtt csatlakozott az AWS-hez, az Amazonnál dolgozott, és termékmenedzsmentet és üzleti intelligencia funkciókat vezetett.
- SEO által támogatott tartalom és PR terjesztés. Erősödjön még ma.
- PlatoData.Network Vertical Generative Ai. Erősítse meg magát. Hozzáférés itt.
- PlatoAiStream. Web3 Intelligence. Felerősített tudás. Hozzáférés itt.
- PlatoESG. Carbon, CleanTech, Energia, Környezet, Nap, Hulladékgazdálkodás. Hozzáférés itt.
- PlatoHealth. Biotechnológiai és klinikai vizsgálatok intelligencia. Hozzáférés itt.
- Forrás: https://aws.amazon.com/blogs/machine-learning/overcoming-common-contact-center-challenges-with-generative-ai-and-amazon-sagemaker-canvas/
- :van
- :is
- :nem
- :ahol
- $ UP
- 100
- 150
- 20
- 20 év
- 2023
- 408
- 7
- a
- Képes
- Rólunk
- hozzáférés
- Fiók
- pontos
- törvény
- Akció
- cselekvések
- hozzáadott
- Ezen kívül
- cím
- címzés
- adminisztrátorok
- elfogadja
- Előny
- Után
- kor
- ügynökségek
- Ügynök
- szerek
- AI
- AI-hajtású
- AI / ML
- Minden termék
- lehetővé téve
- lehetővé teszi, hogy
- Is
- alternatív
- amazon
- Amazon SageMaker
- Amazon SageMaker Canvas
- Az Amazon Web Services
- között
- an
- elemzés
- elemző
- Az elemzők
- analitika
- elemez
- elemzett
- és a
- bejelentés
- Másik
- válaszok
- Antropikus
- bármilyen
- Alkalmazás
- Alkalmazása
- megfelelő
- építészet
- VANNAK
- TERÜLET
- körül
- cikkek
- AS
- Támogatás
- biztosíték
- At
- figyelem
- automatizált
- automatikusan
- elérhető
- AWS
- Egyenleg
- Mérleg
- bázis
- alapján
- mert
- óta
- viselkedés
- hogy
- Belgium
- lent
- haszon
- BEST
- között
- Blog
- Blogbejegyzések
- márka
- hoz
- Bring
- Brüsszel
- épít
- üzleti
- üzleti intelligencia
- by
- hívás
- hívóközpont
- kéri
- TUD
- vászon
- képességek
- rögzített
- Kártyák
- ami
- eset
- esetek
- Központ
- Centers
- központosított
- kihívások
- kihívást
- csevegés
- chatbots
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a
- szorosan
- felhő
- coaching
- kód
- Kódolás
- Közös
- távközlés
- Companies
- vállalat
- Társaságé
- összehasonlítani
- összehasonlítva
- összehasonlítás
- kényszerítő
- versenyképes
- teljes
- befejezés
- teljesítés
- engedékeny
- vonatkozó
- Csatlakozás
- következetes
- Konzol
- állandó
- fogyasztás
- kapcsolat
- kapcsolatközpont
- tartalom
- Beszélgetés
- társalgó
- kiadások
- tudott
- teremt
- létrehozása
- teremtés
- hitel
- Bankkártyák
- Jelenlegi
- Jelenleg
- vevő
- Ügyfél-elkötelezettség
- Vásárlói élmény
- Vevői elégedettség
- Vevőszolgálat
- Ügyfelek
- CX
- napi
- dátum
- foglalkozó
- Annak meghatározása,
- átadó
- telepíteni
- telepített
- Ellenére
- részletek
- észlelt
- Fejlesztő
- Fejlesztés
- különböző
- differenciált
- Megkülönböztetés
- nehéz
- megvitatni
- do
- dokumentum
- Nem
- domain
- le-
- tucat
- e-commerce
- él
- hatékonyság
- bármelyik
- megszüntetése
- átkarolás
- felhatalmazza
- lehetővé
- lehetővé teszi
- lehetővé téve
- eljegyzés
- Angol
- növelése
- belép
- belépés
- hibák
- európai
- Még
- példa
- példák
- létező
- tapasztalat
- Tapasztalatok
- szakvélemény
- feltárása
- kivonat
- Arc
- Elesett
- Jellemzők
- érez
- Végül
- finanszíroz
- Találjon
- FINTECH
- vezetéknév
- Összpontosít
- következik
- következő
- A
- Forrester
- Alapítvány
- négy
- ból ből
- funkció
- funkciók
- további
- generál
- generált
- nemző
- Generatív AI
- kap
- Giving
- Globális
- földgolyó
- Go
- támogatások
- nagy
- Növekedés
- útmutató
- fogantyú
- Kezelés
- Kemény
- Legyen
- he
- segít
- segít
- segít
- Kiemel
- kiemelve
- NYITVATARTÁS
- Hogyan
- How To
- azonban
- HTML
- http
- HTTPS
- azonosítani
- illusztrálja
- azonnali
- Hatás
- végre
- javul
- javulás
- fejlesztések
- javítja
- javuló
- in
- tartalmaz
- beleértve
- Beleértve
- amely magában foglalja
- Növelje
- ipar
- információ
- információs technológia
- Innováció
- újító
- meglátások
- példa
- azonnali
- intézmények
- utasítás
- integrálni
- Intelligencia
- szándékozik
- kölcsönhatás
- kölcsönhatások
- interaktív
- Felület
- beruházás
- kérdés
- kérdések
- IT
- tételek
- ITS
- Munka
- csatlakozott
- utazás
- jpg
- tartás
- Kulcs
- kulcsszavak
- tudás
- címkézés
- nyelv
- Nyelvek
- nagy
- nagyobb
- TANUL
- tanulás
- Led
- balra
- kevesebb
- szint
- Tőkeáttétel
- mint
- vonal
- kis
- helyi
- log
- keres
- elveszett
- szerelem
- Luxemburg
- gép
- gépi tanulás
- csinál
- vezetés
- Menedzserek
- kezelése
- Lehet..
- McKinsey
- Menü
- üzenet
- Módszertan
- mód
- bánja
- ML
- modell
- modellek
- több
- a legtöbb
- többszörös
- narratívák
- Természetes
- Navigáció
- Szükség
- igénylő
- igények
- Új
- következő
- szép
- nem
- megjegyezni
- Megjegyzések
- regény
- szerez
- kapott
- október
- of
- omnichannel
- on
- ONE
- nyitva
- Művelet
- Optimalizálja
- Opciók
- or
- szervezetek
- Más
- mi
- ki
- Eredmény
- eredmények
- vázlat
- teljesítmény
- felett
- leküzdése
- oldal
- üvegtábla
- rész
- különös
- partner
- társaik
- mert
- Teljesít
- teljesítmény
- engedélyek
- Személyre
- terv
- Plató
- Platón adatintelligencia
- PlatoData
- pont
- Politikák
- állás
- Hozzászólások
- potenciális
- powered
- erős
- Tippek
- nyomja meg a
- nyomás
- előző
- Előzetes
- problémák
- gyárt
- Termékek
- termékmenedzsment
- termelékenység
- Termékek
- profil
- utasításokat
- ad
- biztosít
- amely
- nyilvános
- közszféra szervezetei
- cél
- világítás
- Kérdések
- Quick
- gyorsan
- kezdve
- gyors
- Olvasás
- real-time
- ajánlások
- felvétel
- csökkenteni
- csökkenti
- utal
- vidék
- engedje
- jelentést
- Jelentések
- raktár
- kutatás
- Felbontás
- megoldása
- forrás
- Tudástár
- válasz
- Eredmények
- jövedelem
- bevétel növekedés
- felülvizsgálata
- jobb
- Kockázat
- sagemaker
- elégedettség
- Megtakarítás
- azt mondják
- forgatókönyv
- szkriptek
- Keresés
- keres
- Rész
- szektor
- válasszuk
- kiválasztott
- kiválasztás
- idősebb
- érzékeny
- érzés
- szolgáltatás
- Szolgáltatások
- ülések
- készlet
- megosztás
- adatlap
- előadás
- becsuk
- Állítsa le
- hasonló
- Egyszerű
- egyszerre
- óta
- egyetlen
- jókora
- So
- megoldások
- Megoldások
- SOLVE
- hang
- forrás
- szakember
- különleges
- kifejezetten
- költ
- kezdődött
- Kezdve
- Állami
- Lépés
- Lépései
- megáll
- tárolás
- erős
- ilyen
- javasol
- összegez
- ÖSSZEFOGLALÓ
- támogatás
- Támogatott
- Támogatja
- biztos
- kimagasló
- szintetikus
- Vesz
- meghozott
- Beszél
- Feladat
- feladatok
- csapat
- Technologies
- Technológia
- mondd
- hogy
- A
- azok
- Őket
- akkor
- Ott.
- ezáltal
- Ezek
- ők
- ezt
- bár?
- három
- Keresztül
- idő
- titán-
- nak nek
- szerszámok
- hagyományos
- Képzések
- Másolat
- Átalakítás
- Trends
- megpróbál
- csípés
- kettő
- jellemzően
- alatt
- megért
- egységes
- egyetemi
- használ
- használati eset
- felhasználási esetek
- használt
- használó
- Felhasználók
- használ
- segítségével
- érték
- nagyon
- vizuális
- Hang
- kötet
- akar
- volt
- we
- háló
- webes szolgáltatások
- JÓL
- Mit
- amikor
- ami
- míg
- lesz
- bölcsesség
- val vel
- nélkül
- Munka
- dolgozott
- munkafolyamatok
- művek
- írás
- év
- te
- fiatal
- A te
- Zendesk
- zephyrnet