Suche
Mein Konto
Vallankumous Aschaffenburgissa: Start-up löytää ongelmat ennen yrityksiä!
Aschaffenburg-start-up Sumtix mullistaa verkkokommenttien analysoinnin tekoälyllä ja parantaa asiakkaiden älykkyyttä.
Vallankumous Aschaffenburgissa: Start-up löytää ongelmat ennen yrityksiä!
Aschaffenburgin start-up Sumtix on tehnyt itselleen mainetta auttamalla yrityksiä säilyttämään maineensa älykkäällä verkkokommenttien analysoinnilla. Erik Kaiserin ja hänen tiiminsä kehittämän innovatiivisen ohjelmistonsa avulla yritykset, kuten BMW, Melitta ja Pirelli, voivat arvioida suuria tietomääriä nopeasti ja tehokkaasti. Tämä ohjelmisto vertailee asiakkaiden arvosteluja alustoilla, kuten Amazon, Facebook ja YouTube, ja suodattaa pois epäolennaiset tiedot saadakseen tärkeitä tietoja asiakastyytyväisyydestä. Esimerkiksi Sumtix pystyi tunnistamaan hammasharjamallin ongelmat varhain, kauan ennen kuin valmistaja tiesi niistä, ja näin vältyttiin mahdollisilta taloudellisilta ja mainevaurioilta.
Tekniikka tulevaisuutta varten
Tämän tarkan analyysin avulla yritykset voivat reagoida ennakoivasti asiakaspalautteeseen ja siten estää paskamyrskyn. Sumtix-tiimi ei toimi vain Aschaffenburgissa, vaan se laajenee myös kansainvälisesti, myös Lontooseen. Asiakaspalauteanalytiikan uudelleen kuvitteleminen voi olla erityisen vallankumouksellista auto- ja kulutustavarateollisuudessa, jossa nopea toiminta on ratkaisevan tärkeää. Itse asiassa yksi esimerkki osoittaa, että Sumtixin ohjelmisto keräsi nopeasti palautetta tuotteesta, kuten Bayer-ehkäisykierukasta, mikä sai yrityksen reagoimaan varhaisessa vaiheessa ja itsenäisesti. Tämä johti siihen, että vältyttiin miljardien dollarien vahingoilta Hessian.ai raportoitu.
Innovatiiviset lähestymistavat tekoälyn käyttöön ovat yrityksen ytimessä. Ohjelmisto ei vain analysoi kommentteja, vaan myös tunnistaa positiivisen tai negatiivisen palautteen perimmäiset syyt ja antaa yrityksille arvokasta tietoa reaaliajassa. Kaiserin mukaan tämä teknologinen kehitys ei voisi täysin korvata ihmiskunnan roolia päätöksentekoprosessissa, mutta se voisi moninkertaistaa sen tehokkuuden ja merkityksen. Automaattisen data-analyysin käyttö ei ainoastaan säästä aikaa, vaan myös parantaa päätösten laatua.