Pengalaman pelanggan yang luar biasa memberikan keunggulan kompetitif dan membantu menciptakan diferensiasi merek. Sesuai laporan Forrester, Keadaan Obsesi Pelanggan, 2022, mengutamakan pelanggan dapat memberikan dampak yang cukup besar pada neraca organisasi, karena organisasi yang menerapkan metodologi ini melampaui rekan-rekan mereka dalam hal pertumbuhan pendapatan. Meskipun pusat kontak terus-menerus berada di bawah tekanan untuk berbuat lebih banyak dengan lebih sedikit sekaligus meningkatkan pengalaman pelanggan, 80% perusahaan berencana untuk meningkatkan tingkat investasi mereka dalam Pengalaman Pelanggan (CX) untuk memberikan pengalaman pelanggan yang berbeda. Inovasi dan peningkatan pesat dalam AI generatif telah menarik perhatian dan perhatian kita perkiraan McKinsey & Company, penerapan AI generatif pada fungsi layanan pelanggan dapat meningkatkan produktivitas dengan nilai yang berkisar antara 30โ45% dari biaya fungsi saat ini.
Kanvas Amazon SageMaker memberi analis bisnis antarmuka tunjuk-dan-klik visual yang memungkinkan Anda membuat model dan menghasilkan prediksi pembelajaran mesin (ML) yang akurat tanpa memerlukan pengalaman atau pengkodean ML apa pun. Pada bulan Oktober 2023, SageMaker Canvas mengumumkan dukungan untuk model pondasi di antara model siap pakainya, Didukung oleh Batuan Dasar Amazon dan Mulai Lompatan Amazon SageMaker. Hal ini memungkinkan Anda menggunakan bahasa alami dengan antarmuka obrolan percakapan untuk melakukan tugas seperti membuat konten baru termasuk narasi, laporan, dan postingan blog; merangkum catatan dan artikel; dan menjawab pertanyaan dari basis pengetahuan terpusatโsemuanya tanpa menulis satu baris kode pun.
Tugas agen pusat panggilan adalah menangani panggilan pelanggan masuk dan keluar dan memberikan dukungan atau menyelesaikan masalah sambil menerima lusinan panggilan setiap hari. Mempertahankan volume ini sambil memberikan jawaban langsung kepada pelanggan adalah hal yang menantang jika tidak ada waktu untuk meneliti di antara panggilan. Biasanya, skrip panggilan memandu agen melalui panggilan dan menguraikan masalah yang ditangani. Skrip yang ditulis dengan baik meningkatkan kepatuhan, mengurangi kesalahan, dan meningkatkan efisiensi dengan membantu agen memahami masalah dan solusi dengan cepat.
Dalam postingan ini, kami mengeksplorasi bagaimana AI generatif di SageMaker Canvas dapat membantu memecahkan tantangan umum yang mungkin dihadapi pelanggan saat berurusan dengan pusat kontak. Kami menunjukkan cara menggunakan SageMaker Canvas untuk membuat skrip panggilan baru atau menyempurnakan skrip panggilan yang sudah ada, dan mengeksplorasi bagaimana AI generatif dapat membantu meninjau interaksi yang ada untuk memberikan wawasan yang sulit diperoleh dari alat tradisional. Sebagai bagian dari postingan ini, kami memberikan petunjuk yang digunakan untuk menyelesaikan tugas dan mendiskusikan arsitektur untuk mengintegrasikan hasil ini ke dalam Anda Intelijen Pusat Kontak AWS (CCI) alur kerja.
Ikhtisar solusi
Model dasar AI generatif dapat membantu membuat skrip panggilan yang kuat di pusat kontak dan memungkinkan organisasi melakukan hal berikut:
- Ciptakan pengalaman pelanggan yang konsisten dengan gudang pengetahuan terpadu untuk menangani pertanyaan pelanggan
- Mengurangi waktu penanganan panggilan
- Meningkatkan produktivitas tim pendukung
- Aktifkan tim dukungan dengan tindakan terbaik berikutnya untuk menghilangkan kesalahan dan mengambil tindakan terbaik berikutnya
Dengan SageMaker Canvas, Anda dapat memilih dari lebih banyak pilihan model dasar untuk membuat skrip panggilan yang menarik. SageMaker Canvas juga memungkinkan Anda membandingkan beberapa model secara bersamaan, sehingga pengguna dapat memilih keluaran yang paling sesuai dengan kebutuhan mereka untuk tugas spesifik yang mereka hadapi. Untuk menggunakan chatbot generatif yang didukung AI, pengguna harus terlebih dahulu memberikan perintah, yang merupakan instruksi untuk memberi tahu model apa yang ingin Anda lakukan.
Dalam postingan ini, kami membahas empat kasus penggunaan umum:
- Membuat skrip panggilan baru
- Meningkatkan skrip panggilan yang ada
- Mengotomatiskan tugas pasca panggilan
- Analisis pasca-panggilan
Sepanjang postingan, kami menggunakan model bahasa besar (LLM) yang tersedia di SageMaker Canvas yang didukung oleh Amazon Bedrock. Secara khusus, kami menggunakan model Claude 2 dari Anthropic, model canggih dengan performa luar biasa untuk semua jenis tugas bahasa alami. Contohnya dalam bahasa Inggris; namun, Anthropic Claude 2 mendukung banyak bahasa. Mengacu pada Claude Antropik 2 untuk mempelajari lebih lanjut. Terakhir, semua hasil ini dapat direproduksi dengan model Amazon Bedrock lainnya, seperti Anthropic Claude Instant atau Amazon Titan, serta model SageMaker JumpStart.
Prasyarat
Untuk postingan ini, pastikan Anda telah menyiapkan Akun AWS dengan sumber daya dan izin yang sesuai. Secara khusus, selesaikan langkah-langkah prasyarat berikut:
- Terapkan file Amazon SageMaker domain. Untuk instruksi, lihat Masuk ke Domain Amazon SageMaker.
- Konfigurasikan izin untuk menyiapkan dan menerapkan SageMaker Canvas. Untuk lebih jelasnya, lihat Menyiapkan dan Mengelola Amazon SageMaker Canvas (untuk Administrator TI).
- Konfigurasikan kebijakan berbagi sumber daya lintas asal (CORS) untuk SageMaker Canvas. Untuk informasi lebih lanjut, lihat Berikan Izin kepada Pengguna Anda untuk Mengunggah File Lokal.
- Tambahkan izin untuk menggunakan model dasar di SageMaker Canvas. Untuk instruksi, lihat Gunakan AI generatif dengan model dasar.
Perhatikan bahwa layanan yang digunakan SageMaker Canvas untuk menyelesaikan tugas AI generatif tersedia di SageMaker JumpStart dan Amazon Bedrock. Untuk menggunakan Amazon Bedrock, pastikan Anda menggunakan SageMaker Canvas di Wilayah di mana Amazon Bedrock didukung. Mengacu pada Wilayah yang Didukung untuk mempelajari lebih lanjut.
Buat skrip panggilan baru
Untuk kasus penggunaan ini, analis pusat kontak mendefinisikan skrip panggilan dengan bantuan salah satu model siap pakai yang tersedia di SageMaker Canvas, memasukkan perintah yang sesuai, seperti โBuat skrip panggilan untuk agen yang membantu pelanggan dengan kehilangan kartu kredit.โ Untuk menerapkan hal ini, setelah administrator cloud organisasi memberikan akses tanda tangan tunggal ke analis pusat kontak, selesaikan langkah-langkah berikut:
- Di konsol SageMaker, pilih Kanvas di panel navigasi.
- Pilih domain dan profil pengguna Anda dan pilih Buka Kanvas untuk membuka aplikasi SageMaker Canvas.
- Arahkan ke folder Model siap pakai bagian dan pilih Menghasilkan, mengekstrak, dan meringkas konten untuk membuka konsol obrolan.
- Dengan memilih model Anthropic Claude 2, masukkan perintah Anda โBuat skrip panggilan untuk agen yang membantu pelanggan dengan kartu kredit yang hilangโ dan tekan Enter.
Skrip yang diperoleh melalui AI generatif disertakan dalam dokumen (seperti TXT, HTML, atau PDF), dan ditambahkan ke basis pengetahuan yang akan memandu agen pusat kontak dalam interaksi mereka dengan pelanggan.
Saat menggunakan solusi pusat kontak omnichannel berbasis cloud seperti Sambungan Amazon, Anda dapat memanfaatkan fitur yang didukung AI/ML untuk meningkatkan kepuasan pelanggan dan efisiensi agen. Kebijaksanaan Amazon Connect mengurangi waktu yang dihabiskan agen untuk mencari jawaban dan memungkinkan penyelesaian cepat masalah pelanggan dengan menyediakan pencarian pengetahuan dan rekomendasi waktu nyata saat agen berbicara dengan pelanggan. Dalam contoh khusus ini, Amazon Connect Wisdom dapat melakukan sinkronisasi dengan Layanan Penyimpanan Sederhana Amazon (Amazon S3) sebagai sumber konten untuk basis pengetahuan, sehingga menggabungkan skrip panggilan yang dihasilkan dengan bantuan SageMaker Canvas. Untuk informasi lebih lanjut, lihat Sinkronisasi Amazon Connect Wisdom S3.
Diagram berikut menggambarkan arsitektur ini.
Saat pelanggan menelepon pusat kontak, dan mereka melalui respons suara interaktif (IVR) atau kata kunci tertentu terdeteksi terkait tujuan panggilan (misalnya, โhilangโ dan โkartu kreditโ), Amazon Connect Wisdom akan memberikan saran tentang cara menangani interaksi dengan agen, termasuk skrip panggilan relevan yang dihasilkan oleh SageMaker Canvas.
Dengan AI generatif SageMaker Canvas, analis pusat kontak menghemat waktu dalam pembuatan skrip panggilan, dan dapat dengan cepat mencoba perintah baru untuk mengubah pembuatan skrip.
Tingkatkan skrip panggilan yang ada
Seperti berikut ini , 78% pelanggan merasa bahwa pengalaman pusat panggilan mereka meningkat ketika agen layanan pelanggan tidak terdengar seolah-olah mereka sedang membaca naskah. SageMaker Canvas dapat menggunakan AI generatif untuk membantu Anda menganalisis skrip panggilan yang ada dan menyarankan perbaikan untuk meningkatkan kualitas skrip panggilan. Misalnya, Anda mungkin ingin menyempurnakan skrip panggilan telepon agar menyertakan lebih banyak kepatuhan, atau membuat skrip Anda terdengar lebih sopan.
Untuk melakukannya, pilih Obrolan baru dan pilih Claude 2 sebagai model Anda. Anda dapat menggunakan contoh transkrip yang dihasilkan dalam kasus penggunaan sebelumnya dan perintah โSaya ingin Anda bertindak sebagai Analis Penjaminan Mutu Pusat Kontak dan menyempurnakan transkrip panggilan di bawah ini agar sesuai dan terdengar lebih sopan.โ
Otomatiskan tugas pasca-panggilan
Anda juga dapat menggunakan AI generatif SageMaker Canvas untuk mengotomatiskan pekerjaan pasca-panggilan di pusat panggilan. Kasus penggunaan yang umum adalah ringkasan panggilan, bantuan dalam penyelesaian log panggilan, dan pembuatan pesan tindak lanjut yang dipersonalisasi. Hal ini dapat meningkatkan produktivitas agen dan mengurangi risiko kesalahan, memungkinkan mereka untuk fokus pada tugas-tugas bernilai lebih tinggi seperti keterlibatan pelanggan dan membangun hubungan.
Pilih Obrolan baru dan pilih Claude 2 sebagai model Anda. Anda dapat menggunakan contoh transkrip yang dihasilkan dalam kasus penggunaan sebelumnya dan perintah โRingkaslah transkrip Panggilan di bawah ini untuk menyorot masalah Pelanggan, tindakan Agen, hasil Panggilan, dan sentimen Pelanggan.โ
Saat menggunakan Amazon Connect sebagai solusi pusat kontak, Anda dapat mengimplementasikan perekaman dan transkripsi panggilan dengan mengaktifkan Lensa Kontak Amazon Connect, yang menghadirkan fitur analitik lain seperti analisis sentimen dan redaksi data sensitif. Ini juga memiliki ringkasan dengan menyorot kalimat-kalimat kunci dalam transkrip dan memberi label pada isu, hasil, dan item tindakan.
Menggunakan SageMaker Canvas memungkinkan Anda melangkah lebih jauh dan dari satu ruang kerja memilih model yang siap digunakan untuk menganalisis transkrip panggilan atau membuat ringkasan, dan bahkan membandingkan hasilnya untuk menemukan model yang paling sesuai dengan penggunaan spesifik- kasus. Diagram berikut menggambarkan arsitektur solusi ini.
Analisis pasca-panggilan pelanggan
Area lain di mana pusat kontak dapat memanfaatkan SageMaker Canvas adalah untuk memahami interaksi antara pelanggan dan agen. Sesuai dengan Survei Global WEM NICE 2022, 58% agen call center mengatakan bahwa mereka hanya mendapat sedikit manfaat dari sesi pelatihan perusahaan. Agen dapat menggunakan AI generatif SageMaker Canvas untuk analisis sentimen pelanggan guna memahami lebih lanjut tindakan alternatif terbaik yang dapat mereka ambil untuk meningkatkan kepuasan pelanggan.
Kami mengikuti langkah serupa seperti pada kasus penggunaan sebelumnya. Memilih Obrolan baru dan pilih Claude 2. Anda dapat menggunakan contoh transkrip yang dihasilkan dalam kasus penggunaan sebelumnya dan perintah โSaya ingin Anda bertindak sebagai Supervisor Pusat Kontak dan mengkritik serta menyarankan perbaikan pada perilaku agen dalam percakapan pelanggan.โ
Membersihkan
SageMaker Canvas akan secara otomatis mematikan semua model SageMaker JumpStart yang dimulai di bawahnya setelah 2 jam tidak aktif. Ikuti petunjuk di bagian ini untuk mematikan model ini lebih cepat guna menghemat biaya. Perlu diperhatikan bahwa Anda tidak perlu mematikan model Amazon Bedrock karena model tersebut tidak diterapkan di akun Anda.
- Untuk mematikan model SageMaker JumpStart, Anda dapat memilih dari dua metode:
- Pilih Obrolan baru, dan pada menu tarik-turun model, pilih Mulai model lain. Lalu, di Model pondasi halaman, di bawah Model JumpStart Amazon SageMaker, pilih modelnya (misalnya Falcon-40B-Instruksikan) dan di panel kanan, pilih Matikan modelnya.
- Jika Anda membandingkan beberapa model secara bersamaan, pada halaman perbandingan hasil, pilih menu opsi model SageMaker JumpStart (tiga titik), lalu pilih Matikan modelnya.
- Pilih Keluar di panel kiri untuk keluar dari aplikasi SageMaker Canvas untuk menghentikan konsumsi Jam instans ruang kerja SageMaker Canvas. Tindakan ini akan melepaskan semua sumber daya yang digunakan oleh instance ruang kerja.
Kesimpulan
Dalam postingan ini, kami menganalisis bagaimana Anda dapat menggunakan AI generatif SageMaker Canvas di pusat kontak untuk menciptakan interaksi pelanggan yang sangat dipersonalisasi, meningkatkan produktivitas analis dan agen pusat kontak, dan memberikan wawasan yang sulit diperoleh dari alat tradisional. Seperti yang diilustrasikan oleh kasus penggunaan yang berbeda, SageMaker Canvas bertindak sebagai satu ruang kerja terpadu, tanpa perlu menggunakan produk titik yang berbeda. Dengan AI generatif SageMaker Canvas, pusat kontak dapat meningkatkan kepuasan pelanggan, mengurangi biaya, dan meningkatkan efisiensi. AI generatif SageMaker Canvas memberdayakan Anda untuk menghasilkan solusi baru dan inovatif yang berpotensi mengubah industri pusat kontak. Anda juga dapat menggunakan AI generatif untuk mengidentifikasi tren dan wawasan dalam interaksi pelanggan, membantu manajer mengoptimalkan operasi mereka dan meningkatkan kepuasan pelanggan. Selain itu, Anda dapat menggunakan AI generatif untuk menghasilkan data pelatihan bagi agen baru, memungkinkan mereka belajar dari contoh sintetis dan meningkatkan kinerjanya dengan lebih cepat.
Pelajari lebih lanjut tentang Fitur Kanvas SageMaker dan mulai hari ini untuk memanfaatkan kemampuan pembelajaran mesin visual tanpa kode.
Tentang Penulis
Davide Gallitelli adalah Arsitek Solusi Spesialis Senior untuk AI/ML. Dia berbasis di Brussels dan bekerja sama dengan pelanggan di seluruh dunia yang ingin mengadopsi teknologi Pembelajaran Mesin Kode Rendah/Tanpa Kode, dan AI Generatif. Dia telah menjadi seorang pengembang sejak masih sangat muda, mulai membuat kode pada usia 7 tahun. Dia mulai mempelajari AI/ML di universitas, dan mulai jatuh cinta padanya sejak saat itu.
Jose Rui Teixeira Nunes adalah Arsitek Solusi di AWS, yang berbasis di Brussels, Belgia. Saat ini dia membantu institusi dan agensi Eropa dalam perjalanan cloud mereka. Beliau memiliki pengalaman lebih dari 20 tahun di bidang teknologi informasi, dengan fokus kuat pada organisasi sektor publik dan solusi komunikasi.
Anand Sharma adalah Spesialis Pengembangan Mitra Senior untuk AI generatif di AWS di Luksemburg dengan pengalaman lebih dari 18 tahun dalam memberikan produk dan layanan inovatif di bidang e-commerce, fintech, dan keuangan. Sebelum bergabung dengan AWS, dia bekerja di Amazon dan memimpin fungsi manajemen produk dan intelijen bisnis.
- Konten Bertenaga SEO & Distribusi PR. Dapatkan Amplifikasi Hari Ini.
- PlatoData.Jaringan Vertikal Generatif Ai. Berdayakan Diri Anda. Akses Di Sini.
- PlatoAiStream. Intelijen Web3. Pengetahuan Diperkuat. Akses Di Sini.
- PlatoESG. Karbon, teknologi bersih, energi, Lingkungan Hidup, Tenaga surya, Penanganan limbah. Akses Di Sini.
- PlatoHealth. Kecerdasan Uji Coba Biotek dan Klinis. Akses Di Sini.
- Sumber: https://aws.amazon.com/blogs/machine-learning/overcoming-common-contact-center-challenges-with-generative-ai-and-amazon-sagemaker-canvas/
- :memiliki
- :adalah
- :bukan
- :Di mana
- $NAIK
- 100
- 150
- 20
- 20 tahun
- 2023
- 408
- 7
- a
- Sanggup
- Tentang Kami
- mengakses
- Akun
- tepat
- Bertindak
- Tindakan
- tindakan
- menambahkan
- Selain itu
- alamat
- menangani
- administrator
- mengambil
- Keuntungan
- Setelah
- usia
- lembaga
- Agen
- agen
- AI
- Bertenaga AI
- AI / ML
- Semua
- Membiarkan
- memungkinkan
- juga
- alternatif
- Amazon
- Amazon SageMaker
- Kanvas Amazon SageMaker
- Amazon Web Services
- antara
- an
- analisis
- analis
- Analis
- analisis
- menganalisa
- dianalisis
- dan
- mengumumkan
- Lain
- jawaban
- Antropik
- Apa pun
- Aplikasi
- Menerapkan
- sesuai
- arsitektur
- ADALAH
- DAERAH
- sekitar
- artikel
- AS
- Bantuan
- jaminan
- At
- perhatian
- mengotomatisasikan
- secara otomatis
- tersedia
- AWS
- Saldo
- Neraca keuangan
- mendasarkan
- berdasarkan
- karena
- menjadi
- laku
- makhluk
- Belgia
- di bawah
- manfaat
- TERBAIK
- antara
- Blog
- Posting blog
- merek
- membawa
- Membawa
- Brussels
- membangun
- bisnis
- intelijen bisnis
- by
- panggilan
- call center
- Panggilan
- CAN
- kanvas
- kemampuan
- ditangkap
- Kartu-kartu
- yang
- kasus
- kasus
- pusat
- Pusat
- terpusat
- tantangan
- menantang
- mengobrol
- chatbots
- Pilih
- rapat
- awan
- pembinaan
- kode
- Pengkodean
- Umum
- komunikasi
- Perusahaan
- perusahaan
- Perusahaan
- membandingkan
- pembandingan
- perbandingan
- menarik
- kompetitif
- lengkap
- penyelesaian
- pemenuhan
- compliant
- tentang
- Terhubung
- konsisten
- konsul
- konstan
- konsumsi
- kontak
- contact center
- Konten
- Percakapan
- percakapan
- Biaya
- bisa
- membuat
- membuat
- penciptaan
- kredit
- Kartu kredit
- terbaru
- Sekarang
- pelanggan
- Keterlibatan pelanggan
- pengalaman pelanggan
- Kepuasan pelanggan
- Layanan Pelanggan
- pelanggan
- CX
- harian
- data
- berurusan
- Mendefinisikan
- mengantarkan
- menyebarkan
- dikerahkan
- Meskipun
- rincian
- terdeteksi
- Pengembang
- Pengembangan
- berbeda
- dibedakan
- Diferensiasi
- sulit
- membahas
- do
- dokumen
- Tidak
- domain
- turun
- puluhan
- e-commerce
- Tepi
- efisiensi
- antara
- menghapuskan
- merangkul
- memberdayakan
- aktif
- memungkinkan
- memungkinkan
- interaksi
- Inggris
- mempertinggi
- Enter
- memasuki
- kesalahan
- Eropa
- Bahkan
- contoh
- contoh
- ada
- pengalaman
- Pengalaman
- keahlian
- menyelidiki
- ekstrak
- Menghadapi
- Jatuh
- Fitur
- merasa
- Akhirnya
- keuangan
- Menemukan
- fintech
- Pertama
- Fokus
- mengikuti
- berikut
- Untuk
- Forrester
- Prinsip Dasar
- empat
- dari
- fungsi
- fungsi
- lebih lanjut
- menghasilkan
- dihasilkan
- generatif
- AI generatif
- mendapatkan
- Pemberian
- Aksi
- bumi
- Go
- beasiswa
- besar
- Pertumbuhan
- membimbing
- menangani
- Penanganan
- Sulit
- Memiliki
- he
- membantu
- membantu
- membantu
- Menyoroti
- menyoroti
- JAM
- Seterpercayaapakah Olymp Trade? Kesimpulan
- How To
- Namun
- HTML
- http
- HTTPS
- mengenali
- menggambarkan
- Segera
- Dampak
- melaksanakan
- memperbaiki
- perbaikan
- perbaikan
- meningkatkan
- meningkatkan
- in
- memasukkan
- termasuk
- Termasuk
- menggabungkan
- Meningkatkan
- industri
- informasi
- teknologi informasi
- Innovation
- inovatif
- wawasan
- contoh
- saat
- lembaga
- instruksi
- mengintegrasikan
- Intelijen
- berniat
- interaksi
- interaksi
- interaktif
- Antarmuka
- investasi
- isu
- masalah
- IT
- item
- NYA
- Pekerjaan
- bergabung
- perjalanan
- jpg
- pemeliharaan
- kunci
- kata kunci
- pengetahuan
- pelabelan
- bahasa
- Bahasa
- besar
- lebih besar
- BELAJAR
- pengetahuan
- Dipimpin
- meninggalkan
- kurang
- Tingkat
- Leverage
- 'like'
- baris
- sedikit
- lokal
- mencatat
- mencari
- kalah
- cinta
- Luksemburg
- mesin
- Mesin belajar
- membuat
- pengelolaan
- Manajer
- pelaksana
- Mungkin..
- McKinsey
- menu
- pesan
- Metodologi
- metode
- keberatan
- ML
- model
- model
- lebih
- paling
- beberapa
- cerita
- Alam
- Navigasi
- Perlu
- membutuhkan
- kebutuhan
- New
- berikutnya
- bagus
- tidak
- mencatat
- Catatan
- novel
- memperoleh
- diperoleh
- Oktober
- of
- omnichannel
- on
- ONE
- Buka
- Operasi
- Optimize
- Opsi
- or
- organisasi
- Lainnya
- kami
- di luar
- Hasil
- hasil
- garis besar
- keluaran
- lebih
- mengatasi
- halaman
- pane
- bagian
- tertentu
- pasangan
- rekan-rekan
- untuk
- Melakukan
- prestasi
- Izin
- Personalized
- rencana
- plato
- Kecerdasan Data Plato
- Data Plato
- Titik
- Kebijakan
- Pos
- Posts
- potensi
- didukung
- kuat
- Prediksi
- pers
- tekanan
- sebelumnya
- Sebelumnya
- masalah
- menghasilkan
- Produk
- manajemen Produk
- produktifitas
- Produk
- Profil
- meminta
- memberikan
- menyediakan
- menyediakan
- publik
- organisasi sektor publik
- tujuan
- kualitas
- Pertanyaan
- Cepat
- segera
- mulai
- cepat
- Bacaan
- real-time
- rekomendasi
- rekaman
- menurunkan
- mengurangi
- lihat
- wilayah
- melepaskan
- relevan
- melaporkan
- laporan
- gudang
- penelitian
- Resolusi
- menyelesaikan
- sumber
- Sumber
- tanggapan
- Hasil
- pendapatan
- Pertumbuhan pendapatan
- meninjau
- benar
- Risiko
- pembuat bijak
- kepuasan
- Save
- mengatakan
- naskah
- script
- Pencarian
- mencari
- Bagian
- sektor
- memilih
- terpilih
- seleksi
- senior
- peka
- sentimen
- layanan
- Layanan
- sesi
- set
- berbagi
- lembar
- Menunjukkan
- menutup
- menutup
- mirip
- Sederhana
- serentak
- sejak
- tunggal
- cukup besar
- So
- larutan
- Solusi
- MEMECAHKAN
- Suara
- sumber
- spesialis
- tertentu
- Secara khusus
- menghabiskan
- mulai
- Mulai
- Negara
- Langkah
- Tangga
- berhenti
- penyimpanan
- kuat
- seperti itu
- menyarankan
- meringkaskan
- RINGKASAN
- mendukung
- Didukung
- Mendukung
- yakin
- melebihi
- sintetis
- Mengambil
- diambil
- Berbicara
- tugas
- tugas
- tim
- Teknologi
- Teknologi
- mengatakan
- bahwa
- Grafik
- mereka
- Mereka
- kemudian
- Sana.
- dengan demikian
- Ini
- mereka
- ini
- meskipun?
- tiga
- Melalui
- waktu
- titan
- untuk
- alat
- tradisional
- Pelatihan
- Salinan
- Mengubah
- Tren
- mencoba
- mencubit
- dua
- khas
- bawah
- memahami
- terpadu
- universitas
- menggunakan
- gunakan case
- kasus penggunaan
- bekas
- Pengguna
- Pengguna
- kegunaan
- menggunakan
- nilai
- sangat
- visual
- Suara
- volume
- ingin
- adalah
- we
- jaringan
- layanan web
- BAIK
- Apa
- ketika
- yang
- sementara
- akan
- kebijaksanaan
- dengan
- tanpa
- Kerja
- bekerja
- Alur kerja
- bekerja
- penulisan
- tahun
- Kamu
- muda
- Anda
- Zendesk
- zephyrnet.dll