Vào thời điểm khởi đầu, Verizon được biết đến như là một trong những “baby Bells”, xuất hiện ban đầu với tên cái tên Bell Atlantic khi Bộ Tư pháp Hoa Kỳ buộc phải chia tách tập đoàn điện thoại Bell vào năm 1984.
Ngày nay, với tư cách là Verizon Communications, “baby Bells” một thời đã trở thành một trong những công ty công nghệ truyền thông lớn nhất thế giới. Đây là nhà cung cấp dịch vụ thuê bao không dây số 1 tại Mỹ1 và cung cấp dịch vụ băng rộng cáp quang tốc độ cao cho hàng triệu thuê bao Mỹ thông qua dịch vụ Fios của họ.2
Mãi đến gần đây, nguồn dữ liệu chính của Verizon dành cho việc đo lường mức độ hoạt động của mạng lưới mới được vận hành, và chất lượng dịch vụ mà người dùng được trải nghiệm sẽ xây dựng từ phản hồi của khách hàng.
Ngày nay, lưu thông và dữ liệu được giám sát thông qua mạng lưới của nó, học máy (machine learning) được sử dụng để hiểu chất lượng dịch vụ bị ảnh hưởng như thế nào bởi mức độ sử dụng cũng như các yếu tố bên ngoài như là thời tiết hoặc thay đổi thói quen của khách hàng.
Verizon đưa kinh nghiệm về học máy bổ sung vào việc kinh doanh của nó thông qua việc mua lại Yahoo! vào năm 2017.
Trí tuệ nhân tạo hỗ trợ giải quyết vấn đề nào?
Giám sát một mạng lưới quy mô tầm Verizon để hiểu ra nơi nào xảy ra lỗi và xử lí mỗi khi mất điện cần một nỗ lực cực kì lớn.
Theo truyền thống, điều này được thực hiện thông qua phản hồi khách hàng – về cơ bản là chờ đợi một điều gì sai xảy ra và lúc đó những khiếu nại về dịch vụ kém chất lượng sẽ bắt đầu tràn ngập khắp mạng lưới.
Chỉ có thể đối phó với sự cố sau khi nó diễn ra – đồng nghĩa rằng thậm chí nếu Verizon có thể tìm ra lỗi và sửa lỗi được đi chăng nữa, thì khách hàng lúc đó cũng đã có một trải nghiệm tồi tệ vềchất lượng dịch vụ rồi.
Tuy có thể dự đoán được nơi phát sinh vấn đề trước khi chúng làm ảnh hưởng đến khách hàng, nhưng cho đến khi học máy đủ tiến bộ, thì việc sử dụng các công cụ phân tích là cần thiết để đưa ra những dự đoán chính xác được như vậy.
Trí tuệ nhân tạo được ứng dụng trong thực tiễn như thế nào?
Các thuật toán học máy của Verizon thu thập dữ liệu từ tất cả các thành phần mạng của nó, và sử dụng những hiểu biết sâu sắc (insight) để hiểu cách thức và thời điểm xảy ra mất điện hay các sự cố.
Điều đó có nghĩa rằng Verizon có khả năng nhận biết khi nào các tình huống xảy ra, tương tự những tình huống đã gây ra sự cố mạng trong quá khứ, ví dụ như mức độ sử dụng dữ liệu của khách hàng hoặc điều kiện thời tiết khắc nghiệt dẫn đến hỏng hóc thiết bị.
Học máy thực hiện điều này bằng cách phân tích tất cả các yếu tố có sẵn và thiết lập các cấp độ hoạt động “bình thường”. Sau đó, các thuật toán sẽ tìm kiếm các chỉ số của ngoại lệ xuất hiện bên ngoài những mô hình hành vi thông thường – và cố gắng thiết lập nguyên nhân của chúng.
Matt Tegerdine – Giám đốc hiệu suất và phân tích mạng của Verizon, nói với tôi rằng: “Cái hay của việc này nằm ở việc chúng tôi đã không chỉ nhìn vào một nguồn dữ liệu đơn lẻ như thống kê giao diện – mà còn mở rộng ra ngoài và thu thập những số liệu như thống kê môi trường, mức độ sử dụng CPU trên các bộ định tuyến – chúng tôi sử dụng học máy để nghiên cứu mức ‘bình thường’ là như thế nào.”
Mục đích là lắng nghe càng nhiều yếu tố nhà mạng càng tốt và sau đó sử dụng mô hình dự đoán để đảm bảo khách hàng nhận được dịch vụ sẽ hoàn toàn không bị gián đoạn.
Trong thực tế, sự hài lòng của khách hàng là thước đo làm nên nền tảng cho toàn bộ chiến lược, với việc thuyên giảm số lượng khách hàng “rời mạng” – những người không gia hạn đăng ký – là một việc làm ưu tiên.
Verizon cũng giới thiệu một chatbot hoạt động thông qua Facebook Messenger. Khách hàng có thể sử dụng tính năng trò chuyện bằng lời nói quen thuộc mà họ sử dụng trong việc trò chuyện với bạn bè, để hỏi những câu y như ngôn ngữ trò chuyện tự nhiên thường ngày, chẳng hạn là: trên tivi chiếu gì, hoặc lắng nghe tư vấn kĩ thuật về cách khởi động lại bộ định tuyển và yêu cầu cập nhật thông tin thanh toán.
Công nghệ, công cụ và dữ liệu nào được sử dụng?
Tegerdine bảo với tôi rằng: “Học máy là một hệ sinh thái cực kỳ phức tạp gồm các nguồn dữ liệu khác nhau, và nó là sự kết hợp dẫn tới nhiều hiểu biết sâu sắc được khám phá, và là nơi giá trị của các phép phân tích tăng lên.”
Trên thực tế, thuật toán phân tích dự đoán của Verizon theo dõi 3GB dữ liệu/giây, được truyền từ hàng triệu giao diện mạng, bộ định tuyến của khách hàng, cảm biến thu thập dữ liệu nhiệt độ và thời tiết, và dữ liệu vận hành, bao gồm hồ sơ thanh toán của khách hàng.
Chatbot của Verizon sử dụng xử lí ngôn ngữ tự nhiên và công nghệ mạng nơ-ron nhân tạo để trả lời các câu hỏi của khách hàng thông qua nền tảng Facebook Messenger.
Kết quả thu được là gì?
Năm 2017, bằng công nghệ dự đoán dựa trên cơ sở học máy, Verizon đã dự đoán được 200 biến cố “tác động lên khách hàng” ngay cả khi điều đó chưa diễn ra.4
Nhờ có điều này, nên những vấn đề đã được khắc phục trước khi chúng gây ra hậu quả nào đó cho khách hàng.
Gã khổng lồ ngành viễn thông cũng có thể sử dụng những hiểu biết sâu sắc được tạo ra thông qua nền tảng giám sát mạng của mình để thúc đẩy các quyết định kinh doanh và marketing. Thông qua việc giám sát và thử nghiệm dịch vụ trên diện rộng, các kĩ sư đã rất ngạc nhiên khi biết rằng dịch vụ 750MB/giây của họ thực sự cung cấp tốc độ 1GB/giây cho nhà của khách hàng. Điều này đồng nghĩa với việc họ hoàn toàn có thể tái định vị thương hiệu của mình thành dịch vụ 1GB, dẫn đường cho tiềm năng tăng doanh số đáng kể.5
Những thách thức và bài học chính được rút ra
- Dự đoán những biến cố tác động lên khách hàng nghĩa là chúng hoàn toàn có thể được khắc phục trước khi gây ra bất kì vấn đề nào cho khách hàng, dẫn đến sự gia tăng mức độ hài lòng của khách hàng và giảm thiểu tỉ lệ rời mạng.
- Với kích thước và phạm vi của mạng Verizon như hiện tại, có rất nhiều dữ liệu có sẵn có thể được sử dụng để dự đoán các biến cố này.
- Một lợi thế cạnh tranh của Verizon trong thực tế, đó là phần lớn dữ liệu của Verizon là dữ liệu nội bộ và không có sẵn cho các doanh nghiệp khác.
Tham khảo
1. Recode, A merged T-Mobile and Sprint will still be smaller than AT&T orVerizon: https://www.recode.net/2018/4/30/17300652/tmobile-sprint-att-verizon-merger-wireless-subscriber-chart
2. Verizon Fios: https://www.verizon.com/home/fios/
3. Knowledge@Wharton, Tapping AI: The Future of Customer Expe-rience at Verizon Fios: http://knowledge.wharton.upenn.edu/article/competing-with-the-disruptors-a-view-of-future-customer-experience-at-verizon-fios/
4. Verizon, How Verizon is using artificial intelligence and machine learningto help maintain network superiority: https://www.verizon.com/about/our-company/fourth-industrial-revolution/how-verizon-using-artificial-intelligence-and-machine-learning-help-maintain-network
5. Forbes, The Amazing Ways Verizon Uses AI And Machine Learning ToImprove Performance: https://www.forbes.com/sites/bernardmarr/2018/06/22/the-amazing-ways-verizon-uses-ai-and-machine-learning-to-improve-performance/#2b859af07638
