Bridging Search and CRM: Productionizing AI Product Research Agents for Customer Re-Engagement
यह शोध पत्र एक प्रोडक्शन-डिप्लॉयड फ्रेमवर्क प्रस्तुत करता है जो खोज (सर्च) और सीआरएम (CRM) प्रणालियों को एआई-संचालित प्रोडक्ट रिसर्च एजेंट्स के माध्यम से एकीकृत करता है ताकि अन्वेषणात्मक इरादे वाले उपयोगकर्ताओं की पहचान की जा सके और व्हाट्सएप के माध्यम से व्यक्तिगत, सुदृढ़ उत्पाद अनुशंसाएं प्रदान की जा सकें, जिसके परिणामस्वरूप क्लिक-थ्रू रेट, जुड़ाव और डाउनस्ट्रीम राजस्व में महत्वपूर्ण सुधार हुआ है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
आधुनिक खरीदारी के विशाल डिजिटल परिदृश्य में, एक शांत घर्षण अक्सर अनसुना रह जाता है। जब कोई ग्राहक सर्च बार में "गेमिंग के लिए सबसे अच्छा स्मार्टफोन" जैसा एक अस्पष्ट, खोजपूर्ण प्रश्न टाइप करता है, तो सिस्टम आमतौर पर बिक्री या कीवर्ड द्वारा रैंक किए गए उत्पादों की एक स्थिर सूची के साथ प्रतिक्रिया देता है। यह दृष्टिकोण विशिष्ट अनुरोधों के लिए अच्छा काम करता है, जैसे कि किसी विशेष मॉडल नंबर को खोजना, लेकिन यह उन व्यक्तिपरक जरूरतों के लिए संघर्ष करता है जहाँ उपयोगकर्ता मार्गदर्शन, तुलना और विश्वास की तलाश में होता है। फलस्वरूप, कई खरीदार खरीदारी करने से पहले बाहरी समीक्षाओं, वीडियो चैनलों या फ़ोरम से परामर्श करने के लिए ऐप छोड़ देते हैं। यह यात्रा खंडित हो जाती है, जिससे प्लेटफॉर्म और उपयोगकर्ता के बीच का संबंध टूट जाता है। इस अंतर को पाटने के लिए, शोधकर्ता तेजी से ऐसे कृत्रिम बुद्धिमत्ता (AI) सिस्टम की ओर मुड़ रहे हैं जो बिल्कुल वैसे ही तर्क दे सकते हैं, खोज कर सकते हैं और जानकारी को संश्लेषित कर सकते हैं जैसे कि एक मानव विशेषज्ञ करता है। ये सिस्टम, जिन्हें अक्सर 'एजेंट्स' कहा जाता है, केवल डेटा प्राप्त नहीं करते; वे इरादे को समझते हैं, कई स्रोतों से साक्ष्य एकत्र करते हैं, और एक सुसंगत उत्तर तैयार करते हैं। यह सवाल जो इस नए कार्य को संचालित कर रहा है वह यह है कि क्या ऐसे बुद्धिमान सिस्टम को बड़े पैमाने पर तैनात किया जा सकता है ताकि न केवल इन जटिल प्रश्नों के उत्तर दिए जा सकें, बल्कि उन ग्राहकों तक भी सक्रिय रूप से पहुँचा जा सके जो भटक गए हैं, उन्हें व्यक्तिगत, भरोसेमंद सलाह के साथ वापस लाने के लिए मार्गदर्शन दिया जा सके।
फ्लिपकार्ट (Flipkart), जो भारत का एक प्रमुख ऑनलाइन रिटेलर है, के शोधकर्ताओं की एक टीम ने ठीक ऐसा ही एक सिस्टम बनाया और परीक्षण किया है। उन्होंने एक ऐसा ढांचा तैयार किया है जो सर्च इंजन (जहाँ उपयोगकर्ता प्रश्न पूछते हैं) को ग्राहक संबंध प्रबंधन (CRM) उपकरणों से जोड़ता है जो उपयोगकर्ताओं को संदेश भेजते हैं। उनका लक्ष्य उन खरीदारों की पहचान करना था जो भ्रम या हिचकिचाहट के संकेत दिखा रहे थे—वे जिन्होंने व्यक्तिपरक शब्दों के लिए खोज की लेकिन किसी भी परिणाम पर क्लिक नहीं किया—और फिर उन्हें सीधे उनके व्हाट्सएप मैसेजिंग ऐप पर एक सहायक, AI-जनरेटेड सिफारिश भेजकर पुन: संलग्न (re-engage) करना था। उन्होंने जो सिस्टम बनाया है वह एक एकल प्रोग्राम नहीं है, बल्कि विशेष डिजिटल श्रमिकों, या एजेंटों की एक समन्वित टीम है, जिनमें से प्रत्येक का एक विशिष्ट कार्य है। एक एजेंट उपयोगकर्ता के प्रश्न को सुनता है और यह पता लगाता है कि वे वास्तव में क्या चाहते हैं, जैसे कि बजट सीमा या किसी विशिष्ट ब्रांड के लिए प्राथमिकता। दूसरा एजेंट व्यापक इंटरनेट पर जाकर विशेषज्ञ समीक्षाएं, तुलनात्मक लेख और सामुदायिक चर्चाएं ढूंढता है ताकि सर्वश्रेष्ठ उम्मीदवारों की पहचान की जा सके। तीसरा एजेंट इन उम्मीदवारों की रिटेलर के अपने आंतरिक डेटाबेस के साथ जांच करता है ताकि यह सुनिश्चित हो सके कि वस्तुएं वास्तव में स्टॉक में हैं, उपयोगकर्ता के स्थान के लिए डिलीवरी के लिए उपलब्ध हैं, और लागू छूट के साथ सही कीमत पर हैं। अंत में, चौथा एजेंट एक सख्त संपादक के रूप में कार्य करता है, सभी तथ्यों, तारीखों और विशिष्टताओं की दोबारा जांच करता है ताकि यह सुनिश्चित हो सके कि सलाह सटीक है और त्रुटियों से मुक्त है, इससे पहले कि उसे किसी व्यक्ति को दिखाया जाए।
यह पूरी प्रक्रिया कुशल और स्केलेबल होने के लिए डिज़ाइन की गई है। हर एक सर्च क्वेरी के लिए इस जटिल शोध को चलाने के बजाय, सिस्टम पहले केवल सबसे आशाजनक अवसरों को खोजने के लिए डेटा को फ़िल्टर करता है। यह विशिष्ट पैटर्न देखता है, जैसे कि वे उपयोगकर्ता जिनकी क्रय शक्ति अधिक है लेकिन जिन्होंने किसी भी खोज परिणाम पर क्लिक नहीं किया, और अपना प्रयास उन्हीं मामलों पर केंद्रित करता है। एक बार उच्च-क्षमता वाले उपयोगकर्ता की पहचान हो जाने के बाद, एजेंटों की टीम एक सिफारिश बनाने के लिए मिलकर एसिंक्रोनस (asynchronously) रूप से कार्य करती है। आउटपुट एक संक्षिप्त, व्यक्तिगत संदेश है जिसे व्हाट्सएप के माध्यम से भेजा जाता है, जिसमें कुछ उत्पाद सुझाव, उनकी कीमतें और यह स्पष्ट व्याख्या होती है कि उन्हें क्यों चुना गया। शोधकर्ताओं ने इसे तेईस दिनों की अवधि में एक लाइव वातावरण में टेस्ट किया। इस दौरान, सिस्टम ने लगभग पंद्रह हजार संदेश विभिन्न उपयोगकर्ताओं को भेजे, जो मुख्य रूप से मोबाइल फोन पर केंद्रित थे। परिणाम आश्चर्यजनक थे। इन संदेशों ने एक क्लिक-थ्रू रेट (CTR) उत्पन्न किया जो पारंपरिक अनुशंसा विधियों का उपयोग करने वाले पिछले अभियानों की तुलना में लगभग तीन गुना अधिक था। इससे भी अधिक महत्वपूर्ण उन उपयोगकर्ताओं का व्यवहार था जिन्होंने संदेश प्राप्त किए थे; कई दिनों में, लिंक पर क्लिक करने वाले लोगों की संख्या भेजे गए संदेशों की संख्या से अधिक थी। यह इंगित करता है कि उपयोगकर्ता न केवल संदेश पढ़ रहे थे बल्कि वे उन्हें अपने दोस्तों और परिवार के साथ सक्रिय रूप से साझा भी कर रहे थे, जिन्होंने फिर से उन लिंक्स पर क्लिक किया, जिससे प्रभावी रूप से ग्राहक एक माध्यमिक वितरण नेटवर्क बन गए।
अभियान की सफलता केवल क्लिक तक सीमित नहीं थी; यह वास्तविक आर्थिक गतिविधि में परिवर्तित हुई। शोधकर्ताओं ने उन उपयोगकर्ताओं को ट्रैक किया जिन्होंने संदेश प्राप्त किए थे और पाया कि उनमें से एक महत्वपूर्ण संख्या ने अनुशंसित उत्पादों को खरीदा, जिससे कंपनी के लिए पर्याप्त राजस्व उत्पन्न हुआ। सिस्टम विश्वसनीय हो, यह सुनिश्चित करने के लिए, टीम ने उनके द्वारा तैयार की गई हजारों सिफारिशों की कठोर मैन्युअल समीक्षा की। उन्होंने वास्तविक दुनिया के डेटा के विरुद्ध फोन के तकनीकी विनिर्देशों और लॉन्च तिथियों की जांच की। सिस्टम उल्लेखनीय रूप से सटीक साबित हुआ, जिसमें ९९ प्रतिशत से अधिक विनिर्देश और लॉन्च तिथएं सही थीं। तथ्य की यह उच्च स्तर की शुद्धता काफी हद程度上 अंतिम "समीक्षा" एजेंट के कारण थी, जिसने संदेश भेजने से पहले विसंगतियों या त्रुटियों को पकड़ने के लिए एक सुरक्षा जाल के रूप में कार्य किया। शोधकर्ताओं ने एजेंटों की टीम को व्यवस्थित करने के दो अलग-अलग तरीकों की भी तुलना की। उन्होंने पाया कि एक ऐसी संरचना जहाँ एक केंद्रीय प्रबंधक श्रमिकों का समन्वय करता है, उस संरचना से कहीं बेहतर है जहाँ श्रमिक बिना किसी निरीक्षण के कार्यों को एक पंक्ति में आगे बढ़ाते हैं। केंद्रीकृत दृष्टिकोण ने त्रुटियों को काफी कम कर दिया और यह सुनिश्चित किया कि सिस्टम सभी आवश्यक नियमों का पालन करता है, जैसे कि केवल तभी लॉन्च तिथियां शामिल करना जब उपयोगकर्ता ने "नवीनतम" मॉडलों के लिए पूछा हो।
यह कार्य प्रदर्शित करता है कि कृत्रिम बुद्धिमत्ता सरल स्वचालन से आगे बढ़कर ग्राहक यात्रा में एक सक्रिय भागीदार बन सकती है। खुले वेब पर खोजने की क्षमता को रिटेलर के आंतरिक डेटा की सटीकता के साथ जोड़कर, और इसे एक भरोसेमंद संचार चैनल में लपेटकर, सिस्टम ने सफलतापूर्वक उन उपयोगकर्ताओं को पुन: संलग्न किया जो पहले अलग हो गए थे। अध्ययन से पता चलता है कि जब AI का उपयोग जमीनी, व्याख्या योग्य और तथ्य-जांच वाली सलाह प्रदान करने के लिए किया जाता है, तो यह एक खरीदार और एक प्लेटफॉर्म के बीच के संबंध को बहाल कर सकता है। निष्कर्ष बताते हैं कि ई-कॉमर्स का भविष्य केवल अधिक उत्पाद दिखाने के बारे में नहीं है, बल्कि बेहतर, अधिक बुद्धिमान मार्गदर्शन प्रदान करने के बारे में है जो उपयोगकर्ता की संदर्भ और विश्वास की आवश्यकता का सम्मान करता है। शोधकर्ताओं ने सिद्ध किया है कि ऐसा सिस्टम बनाया, तैनात और स्केल किया जा सकता है जो वास्तविक दुनिया के बाजार की जटिलताओं को संभाल सके, जिससे एक खंडित खरीदारी अनुभव को एक सुसंगत और उत्पादक यात्रा में बदला जा सके।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।