)
Velocizzare l'assistenza nei negozi fai-da-te con MLOps
Machine Learning Reply ha utilizzato MLOPs per sviluppare un'app dedicata ad un rivenditore di articoli per la casa, che indirizza automaticamente le richieste dei clienti agli esperti giusti.
#MLOps
#Automation
#DX
La sfida
Contatto con il cliente:
diretto e digitale
Per fidelizzare i clienti, una catena tedesca di fai-da-te si affida alla sua piattaforma di servizi digitali. Tra le tante funzioni, l'app consente ai clienti di mettersi in contatto direttamente con un consulente specializzato in prodotti del proprio negozio locale: con questo servizio, l'azienda promuove un'esperienza personale e completa per il cliente. Ma il numero crescente di richieste di informazioni stava diventando una sfida per l'azienda, e l'assegnazione tempestiva degli esperti di settore corretti non poteva più essere garantita in modo affidabile. Era necessaria una soluzione in grado di fornire una risposta rapida ai clienti nonostante la domanda elevata.
)
La soluzione
Automazione per tempi di risposta più brevi
I nostri esperti di Machine Learning Reply hanno aiutato il negozio di fai-da-te a velocizzare l'elaborazione delle richieste dei clienti ricevute nella propria app, garantendo un chiaro vantaggio in termini di customer service. Con l'aiuto di uno speciale modello di machine learning, le richieste dei clienti vengono ora inoltrate all'esperto giusto in modo completamente automatico. L'architettura del prodotto implementata si basa sui servizi AWS Lambda, MLFlow e SNS.
Come l'abbiamo fatto
Modelli più efficienti
grazie a MLOPs
I modelli di machine learning, come quelli utilizzati per l'applicazione di questa catena, consentono ai sistemi di apprendere da soli, e quindi hanno spesso grandi vantaggi competitivi: tuttavia, è proprio questo vantaggio a rendere i modelli molto complessi. Il software "classico" riceve determinate regole attraverso il codice, in base alle quali elabora i dati a sua disposizione. I modelli di machine learning, invece, creano una propria serie di regole in base ai dati, che possono a loro volta applicare ad altri dati. Ad esempio, un cambiamento nella distribuzione dei dati, noto come data drift, può avere effetti estesi sull'intero modello. Si tratta di una dinamica difficile da controllare. Per poter gestire la complessità che ne deriva e rendere la soluzione il più efficiente possibile, gli esperti di Machine Learning Reply si sono affidati ai principi centrali di MLOps per la soluzione del rivenditore di articoli per la casa.
)
I risultati
Veloce, scalabile ed economico
Grazie al supporto degli esperti di Machine Learning Reply, oggi il cliente beneficia di una vasta gamma di vantaggi:
Riduzione del tempo di risposta da minuti a secondi
Riduzione del 70% degli sforzi manuali per la fornitura di servizi
Riduzione dei tempi di implementazione delle nuove funzionalità da settimane a minuti
Riduzione dei costi combinando diversi servizi in base al costo per utilizzo
Maggiore scalabilità
del sistema
Manutenzione del sistema più semplice in futuro
Machine Learning Reply offre soluzioni personalizzate di data science end-to-end che coprono l'intero ciclo di vita del progetto: dalla consulenza strategica iniziale, all'architettura dei dati e alle questioni infrastrutturali, fino all'elaborazione dei dati e alla quality assurance con algoritmi di machine learning. Machine Learning Reply ha una vasta esperienza nella scienza dei dati in tutti i settori chiave delle società tedesche HDAX. Machine Learning Reply consente ai propri clienti di introdurre con successo nuovi modelli di business basati sui dati e di ottimizzare i processi e i prodotti esistenti, con particolare attenzione alle tecnologie open source e cloud. Con il Machine Learning Incubator, l'azienda offre un programma per formare la prossima generazione di decision maker, data scientist e sviluppatori.