Naslov Upsell Discovery by Analysing Customer Communication and Integration into the Amazon Bedrock Infrastructure Naslov (hrvatski) Otkrivanje mogućnosti za prodaju dodatnih usluga putem analize komunikacije s klijentom na Amazon Bedrock infrastrukturi Autor Lorenzo Šamanić Mentor Sanda Martinčić-Ipšić (mentor) Član povjerenstva Marina Ivašić-Kos (predsjednik povjerenstva) Član povjerenstva Miran Pobar (član povjerenstva) Ustanova koja je dodijelila Sveučilište u Rijeci Datum i država obrane 2024-07-25, Hrvatska Znanstveno / umjetničko TEHNIČKE ZNANOSTI Sažetak This thesis explores an innovative approach to identifying opportunities for selling additional services (upsell) through a detailed analysis of communication between the agency and clients. The aim is to use advanced generative AI techniques for automated data collection and analysis from communication tools such as Teamwork and Slack, as well as from meeting transcripts. The focus is on understanding clients' specific needs that are currently unmet.
The implementation began with integrating Slack as the primary platform for collecting communication data. A custom bot was developed to connect to various Slack channels, systematically extracting messages and user interactions. This bot also provided real-time feedback by posting analysis results back into the channels, ensuring that the team remained informed and engaged. The collected data included detailed communication logs and user profiles, all stored in Amazon Aurora for structured management and analysis. In parallel, Teamwork was utilized for its robust project management capabilities. Custom fields were added to link projects in Teamwork with their corresponding Slack channels. Teamwork provided detailed project data, including timelines, task progress, and milestones. This data was also stored in Amazon Aurora, ensuring a centralized and unified repository for all project-related information. A key aspect of the implementation was the use of Amazon Bedrock, which facilitated the deployment of the Anthropic Claude 3 model. This advanced language model was used to analyze the collected data, leveraging Amazon's Titan embedding algorithm to transform the data into meaningful vectors. The model's capabilities were crucial in identifying patterns and extracting insights that indicated potential upsell opportunities. Creating an effective prompt for the language model involved a week of rigorous fine-tuning and numerous iterations. The process required balancing the amount of context provided in the prompt to ensure relevance without verbosity. Incorporating context prompts significantly improved the model's outputs, leading to more accurate and actionable insights.
The entire analysis process was automated to run every two weeks using AWS Lambda functions. This automation ensured that BB Agency continuously received up-to-date insights without manual intervention, allowing the team to focus on strategic decision-making and client interactions. The results of these analyses were stored in Amazon Aurora, from where they could be accessed and displayed in a readable format in Slack.
The implementation provided significant long-term value to BB Agency. By automating the identification of upsell opportunities and analyzing incomplete tasks, the agency could proactively address client needs and enhance service offerings. This approach led to increased upsell conversion rates and stronger client relationships. The scalability of Amazon Aurora and the flexibility of AWS Lambda ensured that the system could grow with the agency, accommodating an increasing volume of projects and data. The final design and output were rigorously evaluated and approved by three project managers who would be the primary users of these features. Their approval validated the practicality and usability of the implemented solutions. The system's ability to deliver consistent and accurate insights significantly enhanced the agency's project management capabilities and overall operational efficiency.
Sažetak (hrvatski) Ovaj diplomski rad istražuje pristupe za prepoznavanja prilika za prodaju dodatnih usluga (upsell) kroz detaljnu analizu komunikacije između agencije i klijenata. U diplomskome radu se koriste i generativne AI tehnike za automatizirano prikupljanje i analizu podataka iz komunikacijskih alata kao što su Teamwork i Slack, kao i iz transkripata sastanaka. Fokus je na razumijevanju specifičnih potreba klijenata koje trenutno nisu zadovoljene.
Implementacija je započela integracijom Slacka kao primarne platforme za prikupljanje komunikacijskih podataka. Razvijen je prilagođeni bot za povezivanje s raznim Slack kanalima, sustavno izdvajanje poruka i interakcija korisnika. Ovaj je bot također pružao povratne informacije u stvarnom vremenu objavljivanjem rezultata analize natrag na kanale, osiguravajući da tim ostane informiran i angažiran. Prikupljeni podaci uključivali su detaljne zapise komunikacije i korisničke profile, a svi su pohranjeni u Amazon Aurora za strukturirano upravljanje i analizu. Usporedno s tim, Teamwork je korišten za njegove snažne mogućnosti upravljanja projektima. Dodana su prilagođena polja za povezivanje projekata u Teamworku s njihovim odgovarajućim Slack kanalima. Teamwork je pružio detaljne podatke o projektu, uključujući vremenske rokove, napredak zadatka i prekretnice. Ti su podaci također pohranjeni u Amazon Aurori, osiguravajući centralizirano i jedinstveno spremište za sve informacije povezane s projektom. Ključni aspekt implementacije bilo je korištenje Amazon Bedrocka, što je olakšalo implementaciju modela Anthropic Claude 3. Ovaj napredni jezični model korišten je za analizu prikupljenih podataka, koristeći Amazonov algoritam „Titan embedding“ za transformaciju podataka u smislene vektore. Mogućnosti modela bile su presudne u identificiranju obrazaca i izvlačenju uvida koji su ukazivali na potencijalne prilike za povećanje prodaje. Stvaranje učinkovitog odzivnika za jezični model uključivalo je tjedan dana rigoroznog finog podešavanja i brojnih ponavljanja. Proces je zahtijevao balansiranje količine konteksta danog u upitu kako bi se osigurala relevantnost bez opširnosti. Uključivanje konteksta značajno je poboljšalo rezultate modela, što je dovelo do točnijih i djelotvornijih uvida.
Cijeli proces analize je automatiziran za pokretanje svaka dva tjedna pomoću AWS Lambda funkcija. Ova automatizacija osigurala je da BB Agency kontinuirano prima ažurne uvide bez potrebe po ručnoj intervenciji, omogućujući timu da se usredotoči na donošenje strateških odluka i interakcije s klijentima. Rezultati ovih analiza pohranjeni su u Amazon Aurori, odakle im se moglo pristupiti i prikazati u čitljivom formatu u Slacku.
Implementacija je osigurala značajnu dugoročnu vrijednost BB agenciji. Automatiziranjem identifikacije prilika za povećanje prodaje i analizom nedovršenih zadataka, agencija može proaktivno odgovoriti na potrebe klijenata i poboljšati ponudu usluga. Ovaj pristup doveo je do povećanja stopa konverzije skuplje prodaje i čvršćih odnosa s klijentima. Skalabilnost Amazon Aurore i fleksibilnost AWS Lambde osigurale su da sustav može rasti s agencijom, prilagođavajući se sve većoj količini projekata i podataka. Konačni dizajn i rezultat su rigorozno ocijenjeni i odobreni od strane tri voditelja projekta koji će biti primarni korisnici ovih značajki. Njihovo odobrenje potvrdilo je praktičnost i upotrebljivost implementiranih rješenja. Sposobnost sustava da isporuči dosljedne i točne uvide značajno je poboljšala sposobnosti agencije za upravljanje projektima i ukupnu operativnu učinkovitost.
Ključne riječi
Upsell
Advanced analytics
Machine learning
Client communication
Data analysis
Amazon Bedrock
Teamwork
Slack
Personalization
Revenue growth
Ključne riječi (hrvatski)
Prodaja dodatnih usluga
Napredna analitika
Strojno učenje
Komunikacija s klijentima
Analiza podataka
Amazon Bedrock
Teamwork
Slack
Personalizacija
Rast prihoda
Jezik engleski URN:NBN urn:nbn:hr:195:347520 Studijski program Naziv: Informatika Vrsta resursa Tekst Način izrade datoteke Izvorno digitalna Prava pristupa Otvoreni pristup Uvjeti korištenja Datum i vrijeme pohrane 2024-07-17 19:06:02
