实例探究.

我们的案例数据库覆盖了全球物联网生态系统中的 19,090 家解决方案供应商。
您可以通过筛选条件进行快速浏览。

筛选条件
  • (5,807)
    • (2,609)
    • (1,767)
    • (765)
    • (625)
    • (301)
    • (237)
    • (163)
    • (155)
    • (101)
    • (94)
    • (87)
    • (49)
    • (28)
    • (14)
    • (2)
    • 查看全部
  • (5,166)
    • (2,533)
    • (1,338)
    • (761)
    • (490)
    • (437)
    • (345)
    • (86)
    • (1)
    • 查看全部
  • (4,457)
    • (1,809)
    • (1,307)
    • (480)
    • (428)
    • (424)
    • (361)
    • (272)
    • (211)
    • (199)
    • (195)
    • (41)
    • (8)
    • (8)
    • (5)
    • (1)
    • 查看全部
  • (4,164)
    • (2,055)
    • (1,256)
    • (926)
    • (169)
    • (9)
    • 查看全部
  • (2,495)
    • (1,263)
    • (472)
    • (342)
    • (227)
    • (181)
    • (150)
    • (142)
    • (140)
    • (129)
    • (99)
    • 查看全部
  • 查看全部 15 技术
  • (1,744)
  • (1,638)
  • (1,622)
  • (1,463)
  • (1,443)
  • (1,412)
  • (1,316)
  • (1,178)
  • (1,061)
  • (1,023)
  • (838)
  • (815)
  • (799)
  • (721)
  • (633)
  • (607)
  • (600)
  • (552)
  • (507)
  • (443)
  • (383)
  • (351)
  • (316)
  • (306)
  • (299)
  • (265)
  • (237)
  • (193)
  • (193)
  • (184)
  • (168)
  • (165)
  • (127)
  • (117)
  • (116)
  • (81)
  • (80)
  • (64)
  • (58)
  • (56)
  • (23)
  • (9)
  • 查看全部 42 行业
  • (5,826)
  • (4,167)
  • (3,100)
  • (2,784)
  • (2,671)
  • (1,598)
  • (1,477)
  • (1,301)
  • (1,024)
  • (970)
  • (804)
  • (253)
  • (203)
  • 查看全部 13 功能区
  • (2,573)
  • (2,489)
  • (1,873)
  • (1,561)
  • (1,553)
  • (1,531)
  • (1,128)
  • (1,029)
  • (910)
  • (696)
  • (647)
  • (624)
  • (610)
  • (537)
  • (521)
  • (515)
  • (493)
  • (425)
  • (405)
  • (365)
  • (351)
  • (348)
  • (345)
  • (317)
  • (313)
  • (293)
  • (272)
  • (244)
  • (241)
  • (238)
  • (237)
  • (217)
  • (214)
  • (211)
  • (207)
  • (207)
  • (202)
  • (191)
  • (188)
  • (182)
  • (181)
  • (175)
  • (160)
  • (156)
  • (144)
  • (143)
  • (142)
  • (142)
  • (141)
  • (138)
  • (120)
  • (119)
  • (118)
  • (116)
  • (114)
  • (108)
  • (107)
  • (99)
  • (97)
  • (96)
  • (96)
  • (90)
  • (88)
  • (87)
  • (85)
  • (83)
  • (82)
  • (81)
  • (80)
  • (73)
  • (67)
  • (66)
  • (64)
  • (61)
  • (61)
  • (59)
  • (59)
  • (59)
  • (57)
  • (53)
  • (53)
  • (50)
  • (49)
  • (48)
  • (44)
  • (39)
  • (36)
  • (36)
  • (35)
  • (32)
  • (31)
  • (30)
  • (29)
  • (27)
  • (27)
  • (26)
  • (26)
  • (26)
  • (22)
  • (22)
  • (21)
  • (19)
  • (19)
  • (19)
  • (18)
  • (17)
  • (17)
  • (16)
  • (14)
  • (13)
  • (13)
  • (12)
  • (11)
  • (11)
  • (11)
  • (9)
  • (7)
  • (6)
  • (5)
  • (4)
  • (4)
  • (3)
  • (2)
  • (2)
  • (2)
  • (2)
  • (1)
  • 查看全部 127 用例
  • (10,416)
  • (3,525)
  • (3,404)
  • (2,998)
  • (2,615)
  • (1,261)
  • (932)
  • (347)
  • (10)
  • 查看全部 9 服务
  • (507)
  • (432)
  • (382)
  • (304)
  • (246)
  • (143)
  • (116)
  • (112)
  • (106)
  • (87)
  • (85)
  • (78)
  • (75)
  • (73)
  • (72)
  • (69)
  • (69)
  • (67)
  • (65)
  • (65)
  • (64)
  • (62)
  • (58)
  • (55)
  • (54)
  • (54)
  • (53)
  • (53)
  • (52)
  • (52)
  • (51)
  • (50)
  • (50)
  • (49)
  • (47)
  • (46)
  • (43)
  • (43)
  • (42)
  • (37)
  • (35)
  • (32)
  • (31)
  • (31)
  • (30)
  • (30)
  • (28)
  • (28)
  • (27)
  • (24)
  • (24)
  • (23)
  • (23)
  • (22)
  • (22)
  • (21)
  • (20)
  • (20)
  • (19)
  • (19)
  • (19)
  • (19)
  • (18)
  • (18)
  • (18)
  • (18)
  • (17)
  • (17)
  • (16)
  • (16)
  • (16)
  • (16)
  • (16)
  • (16)
  • (16)
  • (16)
  • (15)
  • (15)
  • (14)
  • (14)
  • (14)
  • (14)
  • (14)
  • (14)
  • (14)
  • (13)
  • (13)
  • (13)
  • (13)
  • (13)
  • (13)
  • (13)
  • (13)
  • (13)
  • (13)
  • (12)
  • (12)
  • (12)
  • (12)
  • (12)
  • (12)
  • (11)
  • (11)
  • (11)
  • (11)
  • (11)
  • (11)
  • (11)
  • (11)
  • (11)
  • (11)
  • (10)
  • (10)
  • (10)
  • (10)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (8)
  • (8)
  • (8)
  • (8)
  • (8)
  • (8)
  • (8)
  • (8)
  • (8)
  • (8)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • 查看全部 737 供应商
Selected Filters
19,090 实例探究
Zscaler 和 VMware SD-WAN 将 Northgate 市场转变为云优先组织
Zscaler
Northgate Market 通过市场增长和战略收购将规模扩大到 40 家超市。其雄心勃勃的扩张目标包括增加服务和能力,旨在为客户提供卓越的服务。然而,这些雄心壮志受到其老化基础设施、有限且存在故障的网络和安全能力的阻碍。Northgate Market 在 MPLS 网络上运营,每个地点有两个 T-1 网络连接,容量有限,为 3Mbps。当主要地面网络发生故障时,无线 3G LTE 网络充当备份。不幸的是,网络速度很慢,经常中断。所有互联网流量都从各个超市回程到两个公司数据中心,并通过 Web 内容过滤设备进行保护,然后再进入互联网。这造成了瓶颈,对用户体验以及 Northgate Market 员工向客户提供优质服务的能力产生了负面影响。
加速云迁移和远程工作推出:National Oilwell Varco 案例研究
Zscaler
National Oilwell Varco (NOV) 是一家为全球石油和天然气行业提供技术设备和服务的财富 500 强公司,当整个公司必须转向远程访问时,它面临着重大挑战。该公司的业务遍布 600 多个地点,拥有 25,000 名员工,其中 70% 的员工使用笔记本电脑进行移动,因此这种转变并不简单。该公司的命运与波动的全球大宗商品市场息息相关,在 2010 年代中期油价暴跌后,IT 团队的任务是少花钱多办事。他们需要减轻遗留技术债务的负担,降低历史上的高成本,增加更多功能,并提高其全球组织的安全性。该公司于 2016 年开始转型,转向云,远离 CIO Alex Philips 所说的“安全设备地狱”。
Powerco 通过 Zscaler 快速过渡到远程工作
Zscaler
Powerco 是新西兰领先的电力和天然气基础设施企业,面临着实现企业 IT 基础设施现代化的挑战。该公司的目标是在其办公地点从传统的广域网 (WAN) 架构过渡到纯互联网、零信任策略。这需要找到替代传统 Web 过滤和虚拟专用网络 (VPN) 功能的方法。此外,Powerco 希望改变其应用程序的部署方式,摆脱内联网并将其发布到安全门户后面。然而,COVID-19 大流行的爆发迫使该公司加快其部署计划,使情况变得更加复杂。
山特维克通过 Zscaler 私有访问过渡到零信任网络
Zscaler
山特维克集团是一家全球高科技工程公司,其传统的虚拟专用网络 (VPN) 方法在连接和保护远程工作人员方面面临重大挑战。VPN 技术自推出以来一直没有太大发展,导致生产力和用户体验受到阻碍。该公司正在寻找一种能够消除连接障碍并减少攻击面的技术,以改善其安全状况。COVID-19 疫情进一步加剧了这一挑战,迫使公司迅速过渡到随时随地工作 (WFA) 模式。该公司需要快速、平稳地建立零信任网络访问,以实现这一转变。
Zscaler 和 SICK AG:富有远见的云实施
Zscaler
SICK AG 是工业自动化技术传感器、系统和服务领域的全球领导者,在 IT 安全现代化和推动数字化方面面临着挑战。该公司在国际上占有重要地位,拥有 50 多家子公司和约 10,000 名员工,工业 4.0 流程严重依赖传感器智能。然而,欧洲、亚洲和北美现有的四个互联网网关是云优先基础设施的限制因素。该公司需要一种解决方案,能够在每个地点实现安全的互联网突破,并促进传感器通过云记录的数据交换。 2015 年,SICK 决定停止使用现有的安全硬件,并寻求基于云的解决方案来推动数字化和 IT 安全现代化。
Stolt-Nielsen 利用 Zscaler 和 VMware 提高效率和安全性
Zscaler
Stolt-Nielsen Limited 是特种化学品和其他散装液体运输和存储领域的全球领导者,由于其采用 MPLS 连接的传统 WAN,在为其办公室和远程用户维持优质用户体验方面面临着挑战。该公司发现该系统效率低下且不符合其整体云战略。 MPLS 合同价格昂贵,具有长期承诺,并且使得新位置难以部署。该公司的本地网关安全解决方案缺乏处理云和 SaaS 流量的灵活性,安全监控功能有限,并且无法为本地突破、远程员工或出差人员提供保护。此外,该公司将流量集中到欧洲的一个数据中心,以便出口到互联网,从而导致世界其他地区的延迟问题。这导致美洲和亚太地区许多地点的用户体验不佳,员工的挫败感日益增加。
云中的业务连续性:武田制药公司的远程访问扩展
Zscaler
武田制药公司是全球历史最悠久的制药公司,在与 Shire PLC 合并后面临重大挑战。此次合并导致网络架构“相当脱节”,需要进行整合和保护。该公司的 IT 团队由首席信息安全官 Mike Towers 领导,负责管理遍布 110 个国家/地区的 70,000 多名员工的系统。该公司已于 2018 年底开始推出 Zscaler Internet Access (ZIA),以通过云保护员工的互联网出口并提供一致的用户体验。然而,此次合并加速了武田向云的迁移,推动该公司尽快转向零信任、用户到目的地模式。挑战在于通过本地互联网分流为每种类型的员工提供安全的员工连接,同时在所有地点保持一致的政策。
TT Electronics:采用零信任和 SASE 架构来增强连接性
Zscaler
TT Electronics 是一家全球工程电子产品供应商,其现有网络基础设施面临着挑战。该公司于2010年建立了具有网页扫描、电子邮件扫描和VPN功能的全球MPLS网络,并于2015年续签了合同,增加了带宽和用户数量。然而,由于向云应用程序的快速过渡,增加的带宽被证明是不够的。此外,该公司正在努力确保向云应用程序和日益移动的员工队伍的过渡。 COVID-19 大流行使情况变得更加复杂,需要远程工作。该公司现有的远程访问 VPN 被证明不够灵活且带宽有限,给中国用户带来了困难。
Watercare 通过 Zscaler 零信任交换平台增强安全性和用户体验
Zscaler
新西兰奥克兰的一家公用事业公司 Watercare Services 在保护其网络以及优化其 IIoT 和 IoT 设备的随处工作 (WFA) 和远程访问方面面临重大挑战。该公司最初使用多种安全解决方案(包括安全云网关和虚拟专用网络 (VPN))度过了第一波 COVID-19 封锁。然而,在第二次封锁期间,这些解决方案被证明是不够的。该公司现有的安全云网关很突兀,在用户中不受欢迎。此外,Watercare 的主要 VPN 产品在第二次封锁前崩溃,公司迫切需要一个更可靠、更全面的解决方案。该公司致力于采用零信任安全方法,需要一个能够提供卓越用户体验同时提供强大安全性的平台。
Goulston & Storrs 通过 Zscaler 工作负载分段增强客户数据安全
Zscaler
Goulston & Storrs 是一家 Am Law 200 强律师事务所,在保护客户数据方面面临着多项挑战。该公司需要不断提高保护级别,以应对不断变化的威胁。由于过时的安全机制与现代应用程序不符而导致运营效率低下,这也是一个令人担忧的问题。该公司的安全措施因政策管理问题而变得复杂。该公司的私有云和公共云是网络犯罪分子的数据丰富的目标,通常通过基于防火墙的控制来保护安全。由于缺乏原始网络属性之外的可见性,这些控制允许恶意通信利用允许的网络策略。该公司需要一种能够提供应用程序级执行和持续信任评估以实现无间隙安全覆盖的解决方案。
Cushman & Wakefield 通过安全 SD-WAN 和云安全进行转型
Zscaler
全球房地产服务公司 Cushman & Wakefield 面临着巨大的挑战,即提供安全、响应迅速的网络,为用户提供统一的体验,无论他们身在何处。该公司的员工严重依赖软件即服务 (SaaS) 产品,如 Workday、Salesforce 和 Microsoft 365,无论是在办公室还是在旅途中。然而,传统的中心辐射式 WAN 架构无法满足公司的需求。这尤其成问题,因为该公司正专注于通过并购 (M&A) 实现其增长战略。将新公司整合到 Cushman & Wakefield 网络中意味着尽可能无缝、快速地引入技术、软件、网络、流程和人员。现有的 WAN 架构不适合处理这种快速的入职。
亚航利用人工智能聊天机器人提升客户体验
亚洲航空是旅游业客户体验领域的全球领导者,由于乘客人数迅速增加,其在维持高质量客户服务方面面临着挑战。尽管其应用程序拥有超过 330 万活跃用户,但缺乏自助服务解决方案意味着客户需要聘请现场代理来获取支持,导致平均等待时间为 45 分钟。对于时间敏感且紧急的查询来说,这尤其成问题。此外,对以当地时间和语言运营的语音呼叫中心团队的依赖使得亚航难以支持其国际客户群、建立新的联系并推动新的销售。
AI 驱动的协助彻底改变了咖啡与百吉饼的客户支持
Coffee Meets Bagel (CMB) 是一款流行的约会应用程序,随着公司的发展,在管理客户服务方面面临着重大挑战。每个月都会收到数千封新电子邮件通知单,让支持团队不堪重负,导致第一次回复的平均等待时间为 12 小时。这对客户体验产生了负面影响,因为客服人员花时间解决本来可以在没有实时支持的情况下处理的简单问题。事实证明,客户服务对人际联系的依赖是一种障碍,而不是优势。
利用 AI 彻底改变加密货币领域的客户支持:LiteBit.eu 案例研究
LiteBit.eu 是一家总部位于荷兰的加密货币经纪商,成立于 2013 年,提供购买、销售和存储 55 种不同类型加密货币的平台。该公司以提供高质量的客户体验而自豪,其 93% 的 NPS 得分令人印象深刻。然而,2017 年加密货币流行度的激增导致客户咨询量大幅增加,LiteBit.eu 现场支持代理的工作量增加了一倍多。这种突然的增长威胁到了客户支持的质量,而客户支持的质量是 LiteBit.eu 品牌价值的核心支柱。尽管该公司推出了 Zendesk 票务软件来简化客服人员的工作,但它无法提供实时响应,而这对于维持 LiteBit.eu 闻名的个性化体验至关重要。该公司需要一种解决方案,能够在不影响其行业领先的 NPS 的情况下扩展强大的自动化。
AI驱动的客户服务转型:Qapital案例研究
Qapital 是一项仅限移动设备的银行服务,在管理客户服务查询方面面临着重大挑战。尽管 Qapital 在 2017 年被 Google 评为“年度最具创新应用程序”,但事实证明,Qapital 对 Zendesk 实时客服人员服务客户服务的依赖是一个瓶颈。该公司经历了漫长的等待时间和不断增加的票单,这不仅让客户感到沮丧,而且也让客服人员很难专注于更复杂的问题。作为一家致力于将保守的银行业数字化的公司,Qapital 热衷于为其客户支持带来同样水平的创新。
Ada 如何在一年内为加拿大发展最快的电信公司实现超过 200 万次对话的自动化
在实施 Ada 的解决方案之前,该客户是一家快速发展的加拿大电信公司,每年难以管理来自 1,300 万多个客户的超过 3,000 万次查询。该公司的客户服务策略严重依赖实时支持,该支持仅在上午 9 点至下午 5 点提供,这导致客户等待时间增加,并产生大量重复的低价值票据,从而降低了客服人员的工作效率。即使是支付和升级等基本任务也需要人工支持,这进一步给系统带来了压力。为了继续提供卓越的客户体验并满足客户不断变化的期望,该公司需要一种企业级、可扩展的解决方案,以减少客户的工作量、提高座席工作效率并节省管理成本。
通过 Ada 为全球教育应用程序提供扩展支持
该客户端是一款快速发展的教育应用程序,美国和其他 150 多个国家/地区一半以上的学校都在使用该应用程序,该应用程序在管理客户支持方面面临着挑战。小型客户支持团队正在努力跟上每月不断增加的电子邮件票数,尤其是在返校高峰期。对客服人员手动响应的依赖对用户体验产生了负面影响,客户在首次联系前等待长达 28 小时。此外,在北美工作的美国客户服务团队无法支持不断增长的国际客户群,从而限制了品牌建设和销售驱动对话的潜力。
自动化客户支持:Ada 与 Square 整合的案例研究
Square 是一家数字支付公司,在提供高效和个性化的客户支持方面面临着挑战。该公司需要一个可以作为全球客户成功的第一个联系点的解决方案,提供个性化的自助服务,对卖家问题和产品问题进行分类,并在必要时将卖家路由到理想的联系渠道。目标是减少客户的工作量和支持需求,同时提高客户成功的效率和影响力。该公司还希望通过利用卖家资料数据来显示最佳支持路径并减少客户挫败感,从而优化支持渠道。此外,Square 旨在通过提供更广泛的背景信息来提高处理常见问题时的辩护人效率,从而减少卖家的工作量并提高辩护人效率。
荷兰皇家航空公司的创新预订和打包机器人“BB”由 Dialogflow 提供支持
Dialogflow
荷兰皇家航空是一家每年为超过 3000 万名乘客提供服务的全球航空公司,在为客户提供个性化且便捷的预订体验方面面临着挑战。平均客户每年乘坐荷航航班 1.4 次,其中许多客户不会下载航空公司的移动应用程序来预订航班。荷航希望为这些客户创建一个新的切入点,为使用语音或文本进行对话互动提供机会。目标是为与客户的对话带来温暖和个性,从而增强整体客户体验。
Ticketmaster 利用 Dialogflow 增强购票体验
Dialogflow
Ticketmaster 是全球领先的现场活动票务公司,一直在寻求为购票者提供更快、更个性化服务的方法。他们认识到自然语言处理在增强客户体验方面的潜力,但在该领域缺乏经验。我们面临的挑战是找到一种易于实施、可扩展并提供良好开发人员体验的技术。他们还需要一个能够理解并准确响应数千名不同音乐艺术家姓名的系统,这是他们业务的一个重要方面。
Domino's 利用 Dialogflow 的对话技术增强客户体验
Dialogflow
全球披萨连锁餐厅 Domino's 一直走在数字创新的前沿,让客户能够通过“Dom”订购披萨,Dom 是一款在线和通过公司移动应用程序提供的订购机器人。然而,随着消费者行为的变化和创新需求的增加,该公司面临着由自然语言理解 (NLU) 和机器学习提供支持的丰富对话体验的挑战。该公司需要一种可扩展并适应复杂订购流程所需的意图数量的解决方案。挑战在于考虑到客户从其丰富的菜单中订购时可能采取的多种指示。
亚洲顶级初创企业利用 Instabot 提供个性化用户体验
FintruX Network 是亚洲领先的初创企业,面临着在静态网站上在有限的时间内向四位不同受众解释其高度复杂的技术的挑战。用户在网站上的平均停留时间在 90 到 150 秒之间,具体取决于是 B2B 还是 B2C 网站。在这么短的时间内,用户通常无法阅读网站上的所有内容,从而导致转化率下降。如果用户遇到摩擦或无法找到问题的答案,他们更有可能放弃该网站。 FintruX 需要一种解决方案,能够回答不同受众的常见问题、教育访问者并加快他们的转换周期,而无需更改其网站上的任何内容。
TSI 通过 Instabot 将聊天线索翻倍:物联网案例研究
TSI 是一家入选 Inc. 5000 名人堂的消费物流公司,在增加潜在客户以推动竞争激烈的行业显着增长方面面临着挑战。该公司为客户提供多种联系方式,其中实时聊天是一个关键渠道。然而,由于资源重定向,实时聊天体验将从网站上很大程度上删除。这是一个令人担忧的问题,因为测试和客户反馈表明,完全删除交互式对话选项将对收入产生负面影响。此外,在可用于实时聊天的资源有限的时间内,取消某些不适合 TSI 的潜在客户资格以提高效率变得越来越重要。 TSI 使用 Intercom 作为他们的实时聊天解决方案,但随着聊天量的增加,价格标签也随之增加。除了 TSI 已经支付的高额月费之外,使用 Intercom 机器人产品还要支付额外费用,这使得它成为一个站不住脚的解决方案。
Harry Rosen 人工智能驱动的客户服务转型
在 COVID-19 疫情期间,由于封锁和客户行为的变化,加拿大男装零售商 Harry Rosen 的业务显著转向数字化领域。这一转变导致数字客户服务单量急剧增加,客户服务部门捉襟见肘。该公司最初试图通过将店内员工重新分配到数字客户服务来应对激增的客户服务单量。然而,这种方法被证明是不够的,也是不可持续的,因为单量持续上升,尤其是在假日购物季等旺季。
在拉丁美洲电子商务蓬勃发展的背景下,EBANX 利用人工智能扩大客户支持
拉丁美洲的数字化和电子商务繁荣给 EBANX 带来了重大挑战,EBANX 是一家总部位于巴西的公司,为该地区的跨国公司提供便利的支付服务。随着公司的商业基础迅速扩大,客户成功和支持团队努力跟上增长的步伐。聊天、电子邮件和语音消息中的客户支持票证数量达到每月约 55,000 个。 EBANX 团队发现维持响应时间越来越困难,导致客户支持聊天室中的队列数量比平时要多。由于客服人员缺乏及时响应,这导致客户经常放弃会话。面临的挑战是确保支持团队的平等增长和可扩展性,以最好地服务于用户和新兴市场。
Megabus 通过人工智能驱动的电子邮件机器人增强客户体验
Megabus 是一家在美国和加拿大运营的城际巴士服务,在全球疫情爆发时面临着重大挑战。该公司在改善客户体验方面一直取得了重大进展,但旅行的突然停止导致大量客户咨询涌入。客户感到困惑和焦虑,导致取消或重新安排行程、要求退款以及了解不断变化的政策的电话和电子邮件激增。这种情况导致了“幽灵联系”,即同一客户通过多个渠道联系,导致工单数量和响应时间大量积压。客户服务团队不堪重负,公司提高净推荐值 (NPS) 和减少客户接触的努力受到严重影响。
WestJet 利用 Netomi 的 AI 解决方案提升客户体验
领先的航空公司西捷航空面临的挑战是满足客户日益增长的期望,即立即、准确、有效地解决他们的疑问。该公司正在扩大业务,开辟新的目的地,扩充机队,并建立全球合作伙伴关系。随着业务的扩张,客户群也在增长,导致客户支持工单增加。该公司发现很难管理激增的客户查询并提供优质支持。在 Covid-19 疫情期间,情况进一步恶化,航空公司收到了大量重新预订或取消航班的请求,以及包括飞行限制和取消在内的大量问题。
Singtel 利用 Netomi 的人工智能增强电信客户服务
Singtel 是新加坡最大的电信公司之一,在为其超过 6.4 亿客户提供积极的客户体验方面面临着挑战。客户对轻松、即时、方便的支持的期望正在迅速上升。该公司正在努力应对大量电子邮件请求,平均解决时间超过 24 小时。其中许多门票都是高度重复的场景。此外,某些任务(例如在客户帐户上激活新计划)需要代理访问多个系统并进行来回交互以确认各种详细信息,每个请求需要花费 10 分钟以上的时间。
Zinus 客户支持团队扩大规模,利用 AI 满足大流行时代的需求
Zinus 是一家全球知名的在线床垫和家具品牌,在管理客户服务运营方面面临着巨大挑战。客户服务团队每月平均收到 5,000 张工单,与保修索赔、产品查询和订单状态相关的问题不堪重负。疫情加剧了这种情况,客户要等待 30-40 分钟,有时甚至要等上几天才能得到答复。随着公司计划在国际上扩张,需求不断上升,Zinus 需要一种解决方案来帮助他们管理不断增加的客户查询量并保持较高的客户满意度。
改变加密行业的客户服务:Simplex 与 Netomi 合作
Nuvei 旗下的 Simplex 是一家为复杂的加密货币生态系统提供完整法定货币基础设施的公司,由于需求激增且不可预测,该公司在管理客户服务方面面临挑战。该公司每月平均处理 5.5 万张票,每日票量变化很大,有时低至 500 张,有时高达 8,000 张。加密货币行业全天候运营的特点要求无论票量如何,都要采取一致的支持策略。为了在不增加员工人数的情况下扩大规模,Simplex 需要将 AI 融入其员工队伍中。

联系我们

欢迎与我们交流!

* Required
* Required
* Required
* Invalid email address
提交此表单,即表示您同意 IoT ONE 可以与您联系并分享洞察和营销信息。
不,谢谢,我不想收到来自 IoT ONE 的任何营销电子邮件。
提交

Thank you for your message!
We will contact you soon.