Aquant通过AI融资3000万美元，为客户服务代理商提供关键任务数据

 
组织数据通常散布在整个系统中，隐藏在文本中，并锁定在员工的脑海中。考虑到不同的渠道，如何将这些数据统一起来并传递给支持服务电话的支持代理?劳动力管理和服务优化公司ClickSoftware的前同事Assaf Melochna和Shahar Chen倡导基于AI和机器学习的解决方案。两家公司共同创立了Aquant，该公司以算法方式挖掘和分析来自各种来源的数据，以学习制造，公用事业和电信公司的独特服务语言，并将客户问题映射到解决方案。
今天，Aquant预计将实现大幅增长，宣布已在由Insight Partners领导的B轮融资中筹集了3,000万美元，由Angular Ventures和Silvertech Ventures参与，使其过去14个月的总融资达到4,000万美元。 Chen首席执行官表示，这笔投资将通过扩大工程，客户服务和上市团队来使公司满足市场需求。 “随着技术服务工人的退休，制造公司客户的期望也在增长。这使得卓越的服务交付比以往任何时候都更加关键和更具挑战性。”
在较高的层次上，Aquant通过从诸如客户关系管理平台和企业资源计划软件之类的数据孤岛中提取见解来捕获主题专家的知识。它分析客户意见和现场技术人员注释的文本，并在向服务团队的每个成员提供说明性见解之前，与表现最佳的人员一起验证其发现。
在这方面，Aquant正在跨行业地采用客户体验自动化。 Gartner预测，到2020年，将有25%的客户服务和支持业务将跨参与渠道集成虚拟客户助理或聊天机器人技术，而2017年这一比例不到2%。这是常识-Gartner报告说，组织报告称最多可减少70%实施虚拟客户助理后，您可以在通话，聊天或电子邮件中进行查询，并且每次语音互动可以节省33%。
Chen说，Aquant只需几天时间就可以从客户票证，零件目录，库存，供应链，物联网警报等中学习服务语言。它的AI算法在解释服务问题描述方式的差异时识别模式并做出决策。然后，Aquant会根据环境和意图进行推断，并将问题映射到正确的解决方案，从而根据业务目标确定技术人员的工作计划。
水族
Aquant旨在优化零件拾取，消除为每个客户分配仓库的低效率，并减轻威胁服务业务的风险(主要是不合规，机器故障和客户流失)。智能分类功能平台使现场服务代理能够了解问题，从而自动完成对客户查询的答复，部分方式是通过现有的客户关系管理平台来显示对代理问题的答复。
使用预测分析，Aquant可以预测何时客户的投诉是错误或环境因素与产品故障的结果。该系统会自动提示团队成员做出相应的反应，从理论上讲，这消除了浪费在派遣技术人员以及诊断和更换零件上的金钱，并且在寻找保修索赔异常的同时，还基于成本效益推荐了解决方案。
Aquant表示，其客户-强生，DSL，家得宝，智能护理设备解决方案，Edwards，Stryker，KLA Tencor，BD，TFI食品设备，Orbotech，Glory，3D Systems，Rational和Haemonetics的客户平均经验为34重复访问次数减少了%，零件消耗减少了26%，首次联系解决方案增加了15%，每次保修索赔的费用减少了30%。
那么，到2022年全球客户服务自动化市场预计将从2016年的15.6亿美元增长到62.3亿美元，这不足为奇。顶级品牌包括Kustomer，该公司最近筹集了6,000万美元以进一步开发其客户服务流程自动化平台，直接，这周获得了2000万美元。 Zinier就是另一个例子。它在1月初获得了9000万美元的收入，这是因为它的现场服务工具嵌入了AI和机器学习技术。
Insight Parnters董事总经理Peter Sobiloff Peter表示：“我们的使命是投资高增长的软件公司，这些公司正在颠覆行业，以创造更高的效率和最大的生产力。”他计划加入公司董事会。 “对我们来说很明显，Shahar和Assaf对现场服务软件领域有着深刻的了解，因此，他们拥有独特的机会在太空中制造破坏性产品。