ایجنت هوش مصنوعی لژیون در محدوده داده و دسترسیهای مجاز برای تحلیل، پیشنهاد و اجرای عملیات تعریفشده به کار میرود. کیفیت سیستم فقط به پاسخ مدل وابسته نیست؛ مجوز، قابلیت بازبینی و کنترل انسانی هم بخشی از طراحیاند.
ایجنت AI لژیون برای کار با داده و قابلیتهایی استفاده میشود که کسبوکار به آن اجازه دسترسی داده است. ایجنت میتواند داده را تحلیل کند، پیشنهاد بدهد و در صورت داشتن مجوز، بعضی عملیات تعریفشده را اجرا کند. سطح دسترسی و نیاز به تأیید انسانی باید برای هر سناریو روشن باشد.
لژیون روی داده و عملیات واقعی مشتریان ساخته شده است
برای حل مسئله باید گسست اصلی میان داده، تصمیم و اقدام مشخص شود؛ نه اینکه فقط ابزار بیشتری به فرایند اضافه شود.
مدل دقیق در یک فرایند کاری نامناسب میتواند همچنان تصمیم یا تجربه ضعیفی بسازد. وقتی پاسخ یک سؤال ساده درباره افت خرید یا تغییر رفتار مشتری نیازمند باز کردن چند داشبورد، فیلتر و خروجی باشد، زمان تیم به پیدا کردن داده میگذرد. عامل باید بتواند سؤال را به داده مشتری ترجمه کند و مسیر تحلیل را کوتاهتر کند.
حتی بعد از پیدا کردن یک سگمنت مشتریان مهم، تیم معمولاً باید به بخش دیگری برود، مخاطب را دوباره بسازد، کمپین را تعریف کند و شرطها را تنظیم کند. این فاصله باعث کندی و خطای عملیاتی میشود و ارزش بینش را کاهش میدهد. اگر این وضعیت با گروههای دیگر مخلوط شود، اقدام بعدی هم عمومی و کمدقت میشود.
یک مدل عمومی میتواند ایده بدهد، اما بدون دسترسی مجاز به پروفایل، رویداد، سگمنت مشتریان و سفر مشتری واقعی نمیداند وضعیت مشتریان شما چیست و نمیتواند نتیجه را در سیستم اجرا کند. داده عملیاتی همان چیزی است که یک عامل را از ربات گفتوگو جدا میکند. پیش از اتومیشن، باید معلوم باشد این مسئله با کدام داده قابل تشخیص است.
توانایی انجام عملیات زمانی ارزشمند است که محدوده دسترسی، سطح خواندن و نوشتن و تغییر، تأیید برای اقدامات حساس و ثبت عملیات روشن باشند. عامل نباید دسترسی نامحدود یا مبهم داشته باشد و کنترل انسانی باید بخشی از طراحی محصول باشد.
نتیجه مطلوب باید در رفتار واقعی مشتری یا کیفیت تصمیم تیم دیده شود؛ نه فقط در تعداد تنظیمات، گزارشها یا پیامها.
کاربر میتواند مسئله را با زبان طبیعی مطرح کند و در همان جریان از تحلیل به ساخت سگمنت مشتریان، طراحی اقدام و اجرای مجاز برسد. کیفیت را با نتیجه کار، خطا، نیاز به اصلاح، اعتماد و اثر بر KPI واقعی بسنجید؛ نه فقط پسند کاربران از پاسخ.
پاسخ و پیشنهاد بر اساس دادههای مجاز کسبوکار، رویدادها، خریدها، بخشهای مشتری و ساختار واقعی لژیون شکل میگیرد.
بخشهایی از فیلتر کردن، ساخت مخاطب و پیکربندی سناریو میتوانند به عامل سپرده شوند و تیم روی تصمیم و کنترل تمرکز بیشتری داشته باشد.
سطح دسترسی و حالت تعامل مشخص میکند عامل فقط پاسخ بدهد، پیشنهاد ایجاد کند یا عملیات مجاز را با کنترل تعریفشده انجام دهد.
قابلیتها باید در کنار هم یک مسیر روشن بسازند؛ از شناخت و تحلیل تا تصمیم، اقدام و اتصال به سیستمهای مرتبط.
بهجای ساخت دستی چند گزارش، سؤال تحلیلی را مستقیم مطرح کنید؛ مانند کاهش خرید یک گروه، تغییر رفتار مشتریان یا تفاوت بخشهای مشتری. عامل سؤال را به داده مجاز لژیون متصل میکند، نتیجه را توضیح میدهد و در صورت نیاز گام بعدی را پیشنهاد میکند.
پلتفرم داده مشتریمعیار مخاطب را با زبان طبیعی تعریف کنید؛ مثلاً مشتریانی که بیش از سه خرید داشتهاند اما مدت مشخصی برنگشتهاند. عامل میتواند منطق را به شرطهای سگمنت مشتریان تبدیل کند، نتیجه را نمایش دهد و پیش از ذخیره یا استفاده، امکان بررسی تعریف را فراهم کند.
سگمنتبندی مشتریاناز عامل درباره تغییر گروههای تازگی، تکرار و ارزش خرید (RFM)، رشد مشتریان در معرض ریزش یا جابهجایی مشتریان ارزشمند سؤال کنید. هدف فقط نمایش عدد نیست؛ عامل میتواند تغییر را توضیح دهد، داده مرتبط را نشان دهد و اقدام مناسب برای بررسی یا نگهداشت پیشنهاد کند.
تحلیل تازگی، تکرار و ارزش خرید (RFM) مشتریانبعد از مشخص شدن مخاطب، عامل میتواند برای همان سگمنت مشتریان یک کمپین بازگشت یا فعالسازی طراحی کند؛ شامل هدف، کانال، زمانبندی و پیشنهاد پیام. اجرای نهایی باید با محدوده دسترسی و تأیید موردنیاز کسبوکار هماهنگ باشد.
کمپینهای مشتریاندرخواست چندمرحلهای را به ساختار محرک، انتظار، شرط و اقدام تبدیل کنید. عامل میتواند منطق سناریو را پیشنهاد یا در صورت مجاز بودن بسازد و قبل از فعالسازی، مراحل و شرایط خروج را برای بررسی کاربر نمایش دهد.
سفر مشتری خودکارعامل میتواند داده سطح، سگمنت مشتریان، مأموریت و اتومیشن را در کنار هم ببیند و برای گروههای مشخص سناریوی وفاداری پیشنهاد یا عملیات مجاز را اجرا کند. این قابلیت به داده واقعی باشگاه مشتریان متصل است، نه به یک توصیه عمومی درباره وفاداری.
باشگاه مشتریان لژیوننمونههای صفحه نشان میدهند ایجنت هوش مصنوعی چگونه سؤال را به تحلیل، پیشنهاد یا اقدام در محدوده دسترسی تعریفشده تبدیل میکند.
«مشتریانی که سه ماه گذشته خریدشان کاهش پیدا کرده را پیدا کن.»
تحلیل داده ← شناسایی الگوی افت ← ساخت یا پیشنهاد سگمنت مشتریان ← نمایش نتیجه
«مشتریانی که بیش از سه خرید داشتهاند ولی ۶۰ روز است برنگشتهاند را جدا کن.»
تبدیل درخواست به شرطهای سگمنت مشتریان ← نمایش منطق ← ساخت سگمنت مشتریان در صورت مجوز
«برای این مشتریان یک کمپین بازگشت طراحی کن.»
انتخاب مخاطب ← پیشنهاد پیام ← انتخاب کانال ← زمانبندی ← تعریف هدف تبدیل
مسیر اجرا از هدف و داده شروع میشود و تا تصمیم، اقدام و بازبینی نتیجه ادامه دارد.
کاربر سؤال، تحلیل یا اقدام موردنظر را به زبان طبیعی توضیح میدهد. درخواست میتواند از یک سؤال تحلیلی ساده تا ساخت سگمنت مشتریان یا طراحی سفر مشتری چندمرحلهای باشد.
عامل فقط به داده و ابزارهایی دسترسی دارد که برای همان کسبوکار و همان محدوده دسترسی مجاز شدهاند. این داده مرتبط میتواند شامل پروفایل، رویداد، خرید، سگمنت مشتریان، تازگی، تکرار و ارزش خرید (RFM) یا تنظیمات مرتبط باشد.
عامل درخواست را به مراحل قابل اجرا تبدیل میکند؛ مثلاً فیلتر داده، ساخت سگمنت مشتریان، انتخاب مخاطب، تنظیم محرک و شرط یا پیشنهاد اقدام بعدی.
در پرسش فقط پاسخ ارائه میشود؛ در پیشنهاد طرح اقدام ساخته میشود؛ و در اقدام فقط عملیات مجاز در محدوده تعریفشده انجام میشود. اقدامات حساس میتوانند نیازمند تأیید صریح باشند. اتصال کانال یا اقدام را بعد از تثبیت داده و منطق تصمیم انجام دهید.
در صورت مجاز بودن، خروجی در سیستم ساخته یا اجرا میشود و عملیات عامل باید قابل ثبت و بازبینی باشد تا تیم بداند چه چیزی، با چه محدوده دسترسی و در چه زمانی انجام شده است. کیفیت را با نتیجه کار، خطا، نیاز به اصلاح، اعتماد و اثر بر KPI واقعی بسنجید؛ نه فقط پسند کاربران از پاسخ.
سناریو زمانی مفید است که نقطه شروع، کاربرد و نتیجه مورد انتظار آن روشن باشد.
مدیر بهجای ساخت چند گزارش، سؤال را مطرح میکند. عامل داده خرید و سگمنتهای مشتریان مجاز را بررسی میکند، افت رفتار را توضیح میدهد، گروه مرتبط را پیشنهاد میکند و در صورت اجازه میتواند سگمنت مشتریان قابل استفاده برای سفر مشتری بازگشت بسازد. این سناریو را با یک گروه محدود، شرط خروج روشن و معیار نتیجه شروع کنید.
بعد از تأیید مخاطب، عامل هدف کمپین، کانال، پیام پیشنهادی و زمانبندی را آماده میکند. در پیشنهاد خروجی برای بررسی باقی میماند و در اقدام فقط بخشهایی که مجوز دسترسی دارند قابل اجرا هستند. مدل دقیق در یک فرایند کاری نامناسب میتواند همچنان تصمیم یا تجربه ضعیفی بسازد.
عامل تغییر گروه تازگی، تکرار و ارزش خرید (RFM) را با داده بررسی میکند و عوامل قابل مشاهده مانند افت تازگی خرید یا تغییر تکرار را توضیح میدهد. سپس میتواند سگمنتهای مشتریان مرتبط یا اقدام بعدی برای بررسی را پیشنهاد کند. اگر مشتری رفتار هدف را انجام داد، مسیر باید بتواند متوقف یا تغییر کند.
سطح و رفتار اخیر مشتریان بررسی میشوند و عامل یک مأموریت یا سفر مشتری بازگشت طراحی میکند. نوع مزیت و اقدامها حساس باید با قواعد وفاداری و دسترسیهای مشخص کسبوکار کنترل شوند. مقایسه با رفتار طبیعی مشتری کمک میکند اثر سناریو بیشبرآورد نشود.
اگر رویداد از رابط برنامهنویسی (API) یا سیستم متصل وارد شود، عامل میتواند توضیح دهد چگونه از آن بهعنوان محرک یا شرط استفاده شود و در محدوده دسترسی مجاز ساختار سفر مشتری را آماده کند. پیش از اجرا، رویداد و مجوز دسترسی باید در همان حساب کسبوکار بررسی شوند. کیفیت را با نتیجه کار، خطا، نیاز به اصلاح، اعتماد و اثر بر KPI واقعی بسنجید؛ نه فقط پسند کاربران از پاسخ.
ایجنت هوش مصنوعی مجاز میتواند در صورت وجود اتصال فنی مشخص به قابلیتهای لژیون متصل شود و با محدوده دسترسی تعریفشده داده بخواند یا عملیات انجام دهد. نوع دسترسی، احراز هویت و عملیات مجاز باید قبل از استفاده واقعی مشخص و تست شوند.
داده مرتبط مشتری، خرید و رویداد را برای تحلیل و تصمیم عامل فراهم میکند. در اتصال، هویت مشتری و زمان واقعی ایونت باید حفظ شوند.
پلتفرم داده مشتریعامل میتواند گروههای موجود را تحلیل کند یا در محدوده دسترسی مجاز منطق سگمنت مشتریان جدید بسازد. منبع حقیقت و رفتار داده تکراری را قبل از اجرای سناریو مشخص کنید.
سگمنتبندی مشتریانخروجی تحلیل میتواند به طراحی و اجرای کنترلشده کمپین و اتومیشن متصل شود. هدف یکپارچهسازی انتقال حداکثری داده نیست؛ داده باید کاربرد روشن داشته باشد.
اتومیشن بازاریابیعامل خارجی مجاز میتواند در صورت وجود اتصال فنی تأییدشده و محدوده دسترسی مشخص به قابلیتهای لژیون دسترسی پیدا کند. نمونه رکورد را از سیستم مبدأ تا استفاده نهایی انتهابهانتها کنترل کنید.
رابط برنامهنویسی (API) لژیونبهجای مقایسه تعداد قابلیتها، تفاوت روش اجرا و نقش هر گزینه را کنار هم ببینید.
بله
محدود به دادهای که به آن داده میشود
محدود و خارج از سیستم
خارج از سیستم
ایده و متن
ندارد
خارج از مدیریت ارتباط با مشتری (CRM)
ندارد
بله
بر اساس دادههای مجاز محصول
تحلیل و توضیح
میتواند پیشنهاد دهد
پیشنهاد و برنامه عملیاتی
به طراحی محصول وابسته
قابل طراحی
به پیادهسازی وابسته
بله
بر اساس دادههای مجاز محصول
تحلیل + امکان اقدام در محدوده دسترسی مجاز
میتواند در صورت مجوز بسازد
پیشنهاد یا اجرای مجاز
فقط در محدوده دسترسی و مجوز دسترسی تعریفشده
بخشی از مدل کنترل عامل
باید در حاکمیت عامل دیده شود
برای اتصال لژیون به هوش مصنوعی خودتان، MCP در هر سه پلن اصلی لژیون در دسترس است. لازم نیست فقط برای MCP پلن بالاتری انتخاب کنید.
مشاهده پلنهای لژیوناستفاده از ایجنت هوش مصنوعی لژیون جدا از اشتراک اصلی و از طریق اعتبار هوش مصنوعی قیمتگذاری میشود. تا زمانی که قیمت رسمی اعتبارها اعلام نشده، این صفحه عددی برای هر اعتبار یا میزان مصرف فرض نمیکند.
توانایی عامل باید با محدوده دسترسی و مجوز دسترسی روشن همراه باشد. هر کسبوکار میتواند مشخص کند عامل در چه بخشهایی فقط بخواند، کجا پیشنهاد بدهد و چه عملیات مجازی را انجام دهد. اقدامات حساس میتوانند قبل از اجرا نیازمند تأیید انسانی باشند.
عامل داده مجاز را تحلیل میکند و پاسخ یا توضیح ارائه میدهد؛ هیچ تغییری در سیستم ایجاد نمیشود.
عامل برنامه عملیاتی، سگمنت مشتریان، کمپین یا سفر مشتری را پیشنهاد میدهد اما اجرای نهایی پس از بررسی کاربر انجام میشود.
عامل فقط در محدوده دسترسی و مجوز دسترسی مشخص میتواند عملیات مجاز را اجرا کند و عملیات باید قابل ثبت و بازبینی باشند.
دسترسی خواندن و تغییر داده بهصورت جدا تعریف میشوند و داشتن دسترسی تحلیل به معنی اجازه تغییر نیست.
اقدامهای حساس میتوانند پیش از اجرا نیازمند تأیید صریح کاربر مجاز باشند.
داده مرتبط هر کسبوکار از سایر کسبوکارها جداست و عامل فقط در محدوده دسترسی تعریفشده همان حساب کار میکند.
دسترسی عامل یا اتصال خارجی باید قابل قطع و لغو باشد تا کنترل نهایی در اختیار کسبوکار بماند.
عامل فقط به داده، کسبوکار و ابزارهایی دسترسی دارد که صریحاً برای آن تعریف شدهاند.
توانایی دیدن داده با اجازه تغییر آن یکسان نیست؛ خواندن و نوشتن و تغییر باید جدا تعریف شوند.
عملیات با اثر مالی، تغییر گسترده داده یا فعالسازی سناریوهای حساس میتوانند نیازمند تأیید انسانی باشند تا عامل بدون کنترل نهایی اقدام نکند.
برای اعتماد عملیاتی، باید مشخص باشد عامل چه درخواستی را پردازش کرده و چه تغییری در سیستم ایجاد کرده است. ثبت عملیات امکان بازبینی و عیبیابی را فراهم میکند.
اقدام گزارش ثبت
عملیات عامل باید قابل ثبت باشد تا تیم بتواند مسیر تصمیم و اقدام انجامشده را بازبینی کند.
محدوده دسترسی ابزار
عامل فقط ابزارها و عملیاتهایی را میبیند که برای نقش و سناریوی مشخص مجاز شدهاند.
امکان قطع دسترسی
کسبوکار باید بتواند محدوده دسترسی را تغییر دهد، نوشتن و تغییر را ببندد یا دسترسی عامل را قطع کند.
محدودیت ابزارها
ابزارهای عامل باید بر اساس نقش، حالت و سناریو محدود شوند.
پاسخ کوتاه به پرسشهایی که معمولاً هنگام بررسی این راهکار، نیازهای فنی و مسیر راهاندازی مطرح میشوند.
ربات گفتوگو عمومی عمدتاً سؤال را پاسخ میدهد و داده عملیاتی محدودی دارد. ایجنت هوش مصنوعی لژیون به داده و قابلیتهای مجاز داخل لژیون متصل است و میتواند علاوه بر تحلیل و پیشنهاد، در صورت داشتن مجوز دسترسی عملیات مشخصی مانند ساخت سگمنت مشتریان، آمادهسازی کمپین یا ساخت سفر مشتری را انجام دهد. تفاوت اصلی در اتصال به سیستم عملیاتی و توان اقدام کنترلشده است. کیفیت را با نتیجه کار، خطا، نیاز به اصلاح، اعتماد و اثر بر KPI واقعی بسنجید؛ نه فقط پسند کاربران از پاسخ.
پاسخ سؤال ۱خیر. مدل مطلوب این است که دسترسی بر اساس محدوده دسترسی مشخص تعریف شود. دادهها و ابزارهایی که برای عامل مجاز نیستند نباید در داده مرتبط آن قرار بگیرند. همچنین خواندن و نوشتن و تغییر باید از هم جدا باشند و داشتن امکان تحلیل یک بخش به معنی اجازه تغییر آن نباشد. مدل دقیق در یک فرایند کاری نامناسب میتواند همچنان تصمیم یا تجربه ضعیفی بسازد.
پاسخ سؤال ۲بسته به حالت و مجوز دسترسی. در پرسش فقط پاسخ داده میشود، در پیشنهاد اقدام برای بررسی پیشنهاد میشود و در اقدام عملیات مجاز قابل اجراست. اقدامات حساس میتوانند نیازمند تأیید صریح انسانی باشند. این تفکیک باید در تجربه محصول و سیاست دسترسی هر کسبوکار روشن باشد. مدل دقیق در یک فرایند کاری نامناسب میتواند همچنان تصمیم یا تجربه ضعیفی بسازد.
پاسخ سؤال ۳بر اساس محدوده دسترسی قابلیتهای لژیون، نمونهها شامل تحلیل داده مشتری، ساخت سگمنت مشتریان، تحلیل تازگی، تکرار و ارزش خرید (RFM)، پیشنهاد یا ساخت کمپین، طراحی سفر مشتری و عملیات مجاز وفاداری هستند. هر قابلیت اجرایی باید در زمان انتشار واقعاً در محصول پشتیبانی شود و صفحه نباید عملیاتی را که هنوز پیاده نشده بهعنوان قابلیت فعال نمایش دهد.
پاسخ سؤال ۴در معماری پیشنهادی، عامل خارجی مجاز میتواند از طریق اتصال فنی مشخص به قابلیتهای لژیون دسترسی داشته باشد؛ اما محدوده دسترسی، احراز هویت، داده قابل خواندن و عملیات نوشتن و تغییر باید دقیقاً تعریف شوند. نام یا لوگوی سرویس خارجی فقط زمانی باید در صفحه عمومی استفاده شود که اتصال واقعی و شرایط استفاده از برند آن تأیید شده باشد. مدل دقیق در یک فرایند کاری نامناسب میتواند همچنان تصمیم یا تجربه ضعیفی بسازد.
پاسخ سؤال ۵هدف این قابلیت حذف تصمیم انسانی نیست. عامل میتواند تحلیل و عملیات تکراری را سریعتر کند، اما تعریف هدف، سیاست دسترسی، انتخاب استراتژی و تأیید اقدامات حساس همچنان مسئولیت تیم است. مدل پرسش، پیشنهاد و اقدام عمداً برای حفظ همین مرز میان سرعت عامل و کنترل انسانی طراحی میشود. مدل دقیق در یک فرایند کاری نامناسب میتواند همچنان تصمیم یا تجربه ضعیفی بسازد.
پاسخ سؤال ۶محدوده دسترسی محدود، خواندن و نوشتن جدا، تأیید انسانی، ثبت عملیات، امکان قطع دسترسی و محدودیت ابزارها عناصر اصلی حاکمیت هستند. علاوه بر این، سناریوهای نوشتن و تغییر باید قبل از انتشار با نمونه داده تست شوند و تیم بتواند بفهمد چه عملیاتی در چه زمانی و با چه سطح دسترسی انجام شده است. کیفیت را با نتیجه کار، خطا، نیاز به اصلاح، اعتماد و اثر بر KPI واقعی بسنجید؛ نه فقط پسند کاربران از پاسخ.
پاسخ سؤال ۷فعلاً نه. اصلی صفحه فرود همین صفحه ایجنت هوش مصنوعی است و عبارت جستوجوهای هوش مصنوعی مدیریت ارتباط با مشتری، مدیریت ارتباط با مشتری عاملمحور و هوش مصنوعی بازاریابی ابتدا در همین خوشه محتوایی پوشش داده میشوند. دستیار هوش مصنوعی تا زمان عرضه با وضعیت «بهزودی» در همین صفحه میماند؛ جداسازی صفحات بعدی باید بر اساس عرضه واقعی و داده تقاضا انجام شود. مدل دقیق در یک فرایند کاری نامناسب میتواند همچنان تصمیم یا تجربه ضعیفی بسازد.
پاسخ سؤال ۸در جلسه دمو، ابتدا مسئله، منبع داده و رفتار هدف روشن میشوند؛ سپس درباره سناریوی قابل اجرا و روش سنجش آن صحبت میکنیم. کیفیت را با نتیجه کار، خطا، نیاز به اصلاح، اعتماد و اثر بر KPI واقعی بسنجید؛ نه فقط پسند کاربران از پاسخ.
پلتفرم داده مشتریسگمنتبندی مشتریانتحلیل تازگی، تکرار و ارزش خرید (RFM) مشتریاناتومیشن بازاریابیباشگاه مشتریان لژیونتعرفههای لژیون
