Zendesk Memungkinkan Layanan Pelanggan Lebih Cepat Menggunakan Deep Learning di AWS

Zendesk adalah platform layanan pelanggan yang dirancang untuk perusahaan yang ingin menciptakan hubungan pelanggan yang lebih bermakna, pribadi, dan produktif. Berkantor pusat di San Francisco, California, Zendesk membantu perusahaan dalam memberikan dukungan yang luar biasa, kemudian berkembang dengan keterlibatan mandiri dan proaktif.

Membangun Aplikasi Pelanggan Deep-Learning Baru

Zendesk, yang menyediakan platform dukungan pelanggan perangkat lunak sebagai layanan (SaaS), selalu bekerja untuk menciptakan solusi baru dan lebih baik bagi pelanggannya. Zendesk perlu merespons tren yang sedang berkembang: pelanggan yang ingin cepat menemukan sendiri jawaban atas pertanyaannya, tanpa harus berbicara dengan agen pendukung. “Kami ingin memberikan jawaban yang lebih relevan kepada pelanggan secepat mungkin, dan kami ingin mendorong model dukungan pelanggan mandiri,” kata Soon-Ee Cheah, salah satu ilmuwan data Zendesk. Perusahaan seperti pengecer online dan perusahaan besar lainnya menggunakan Zendesk untuk mewujudkan dukungan pelanggan yang baik.

Zendesk menghadapi tantangan ini dengan menggunakan pembelajaran mendalam—sebuah cabang kecerdasan buatan (AI) yang semakin populer. Kerangka kerja deep-learning menggunakan jaringan neural yang dimodelkan ke otak manusia untuk memungkinkan komputer belajar secara mandiri, berdasarkan data yang diberikan, dan melakukan tugas dengan sedikit pengawasan.

Proyek deep-learning terbaru Zendesk adalah Answer Bot—asisten pelanggan virtual yang secara otomatis menjawab pertanyaan pelanggan menggunakan konten dari basis pengetahuan Zendesk Guide. Misalnya, jika pelanggan mengirim email ke pedagang ritel sepatu untuk meminta bantuan menemukan ukuran, Answer Bot akan mengirimkan artikel yang relevan kepada pelanggan tentang ukuran yang tersedia. “Untuk Answer Bot, yang kami suka adalah model deep-learning dapat membantu aplikasi terus menyempurnakan sendiri untuk memberikan jawaban terbaik kepada pelanggan,” ujar Cheah. Answer Bot telah membantu dengan mengambil tanggung jawab dalam memberikan pengalaman yang memprioritaskan anggota bagi ratusan perusahaan, termasuk Dollar Shave Club. “Answer Bot sangat bagus bagi kami untuk menawarkan cara sederhana bagi anggota kami untuk menemukan jawaban yang mereka butuhkan,” ujar Brian Crumpley, Manajer Analisis Layanan Anggota (Analytics Manager of Member Services) di Dollar Shave Club. “Ini bukan soal melarang anggota untuk menghubungi kami, melainkan membekali anggota dengan pengetahuan yang tepat dan memberikan respons lebih cepat kepada mereka—jadi menguntungkan semua pihak.”

Menggunakan TensorFlow di AWS untuk Mendapatkan Jawaban yang Lebih Baik

Zendesk mengandalkan TensorFlow—pustaka perangkat lunak sumber terbuka untuk machine learning—untuk mengembangkan aplikasi deep-learning. Seiring Zendesk siap untuk membuat Answer Bot, diperlukan teknologi dasar yang dapat mewujudkan pengembangan cepat dan skalabilitas mudah. “Algoritme pelatihan memakan banyak waktu, dan kami sungguh ingin memacu proses itu untuk mendapatkan solusi baru bagi pelanggan secara lebih cepat,” kata Cheah. “Kami tahu cloud akan membantu kami mewujudkannya.”

Perusahaan telah menjalankan platform utama dan aplikasi data-logging internal di Amazon Web Services (AWS) Cloud, dan disadari bahwa AWS juga akan menjadi pilihan tepat untuk pembelajaran mendalam. Pengembang yang menggunakan TensorFlow dapat menjalankan lingkungan tersebut di AWS dengan meluncurkan instans GPU AWS. “Kami telah memiliki fondasi AWS di seluruh perusahaan, dan fakta bahwa TensorFlow tergabung dalam instans GPU AWS sangat sesuai dengan kebutuhan kami,” ujar Arwen Griffioen, ilmuwan data di Zendesk.

Zendesk menggunakan Amazon Simple Storage Service (Amazon S3) untuk menyimpan file inisialisasi untuk model pelatihan. Perusahaan juga memanfaatkan instans P2 Amazon Elastic Compute Cloud (Amazon EC2) untuk kemampuan komputasi paralel berbasis GPU. “Instans P2 Amazon EC2 sangat kuat, dan menggunakannya sangat membantu mempercepat kemampuan penelitian kami,” ujar Cheah. Zendesk juga menggunakan mesin basis data relasional Amazon Aurora untuk merekam perubahan yang dibuat di artikel pusat pengetahuan, yang dikirimkan kembali ke model pelatihan Answer Bot dalam waktu yang hampir real-time. “Kami menggunakan algoritma deep-learning untuk menjalankan proses mencocokkan kueri pelanggan dengan artikel,” ujar Cheah.

Perusahaan juga sangat antusias untuk menggunakan Amazon Sagemaker yang baru dirilis, layanan terkelola sepenuhnya yang memungkinkan pengembang dan ilmuwan data dengan cepat dan mudah membangun, melatih, dan men-deploy model machine-learning dalam skala apa pun.

"Kami sangat antusias terhadap pengumuman terbaru Amazon SageMaker," ujar David Bernstein, Direktur Teknologi Strategis (Director of Strategic Technology) di Zendesk. "Amazon SageMaker akan menurunkan biaya dan meningkatkan kecepatan untuk penggunaan machine learning kami. Dengan Amazon SageMaker, kami dapat melakukan transisi dari penyebaran TensorFlow yang saat ini dikelola sendiri menjadi layanan yang dikelola sepenuhnya. Amazon SageMaker juga memberi kami akses yang lebih mudah ke kerangka kerja deep-learning populer lainnya, sambil mengelola infrastruktur untuk pembuatan, pelatihan, dan penyajian model kami."

Mempercepat Pengembangan melalui Pemodelan Deep-Learning yang Lebih Cepat

Zendesk menggunakan AWS untuk dengan mudah mencerna set data besar yang digunakan untuk melatih algoritma deep-learning. Akibatnya, Zendesk membuat Answer Bot dalam waktu jauh lebih singkat dari yang dapat dilakukan dengan menggunakan solusi lokal. “Kumpulan pemodelan prediktif kami saat ini sudah berada di AWS Cloud, sehingga mengembangkan Answer Bot di AWS akan lebih cepat,” kata Wai Chee Yau, salah satu spesialis data Zendesk. “Alih-alih membeli dan memasang perangkat keras sendiri, kami menggunakan fleksibilitas AWS untuk menambahkan GPU dan CPU yang kami butuhkan dengan cepat.”

Ilmuwan data Zendesk dapat meningkatkan laju penelitian dengan mengandalkan AWS. “AWS membuat kami dapat mencoba banyak ide sekaligus, dan itu membantu mempercepat laju penelitian kami,” kata Griffioen. “Kita dapat memutar instans Amazon EC2 secepat kami butuhkan dan melakukan berbagai permutasi atas model kami pada instans tersebut tanpa harus menunggu. Tanpa kemampuan ini, tentulah kami tidak akan dapat mengembangkan Answer Bot.”

Perusahaan saat ini dapat mewujudkan solusi layanan pelanggan baru dan inovatif melampaui harapan pelanggan. “AWS memungkinkan kami mengembangkan dan memberikan kemampuan yang belum pernah dimiliki pelanggan kami,” kata Cheah. “Dengan Answer Bot, misalnya, pelanggan kami dapat secara otomatis memberikan jawaban yang lebih tepat sasaran dan akurat atas pertanyaan pelanggan mereka. Dan karena dapat langsung memberi jawaban kepada pelanggan dalam beberapa detik, Answer Bot dapat menyelesaikan tiket permintaan dukungan sebelum mencapai agen. Ini sungguh bisa mengubah pengalaman layanan pelanggan.”

Zendesk kini dapat menskalakan lingkungan pengembangan pembelajaran mendalamnya sesuai permintaan untuk memenuhi kebutuhan pengembang akan lebh banyak sumber daya komputasi atau penyimpanan. “Model pembelajaran mendalam kami dapat diskalakan dengan sangat efisien menggunakan daya pemrosesan GPU di AWS, dan ini menguntungkan selama kami mengembangkan aplikasi untuk mengakomodasi lebih banyak pelanggan,” kata Cheah. “AWS adalah platform ide pembelajaran mendalam mumpuni yang kami gunakan di sebagian besar penelitian kami,” tambah Griffioen. “Fleksibilitas dan kecanggihan yang kami dapatkan dari AWS telah membantu Zendesk mengungguli teknologi pembelajaran terdepan di bidang layanan pelanggan. Kami tidak hanya menciptakan pendekatan yang berbeda—kami menciptakan pendekatan algoritmik baru, berkat AWS.”