တိုက်ရိုက်အဖြေ
AI က ဖူးခက်မှာအိမ်ခြံမြေရှာနေသူတွေအတွက် ဘာသာပြန်ခြင်း၊ စာတွေခွဲခြားခြင်း၊ customer စိတ်ဝင်စားမှုအဆင့်တွက်ချက်ခြင်းတို့ကို လုပ်ပေးနိုင်ပါပြီ။ ဒါပေမယ့် အိမ်ကြည့်ခြင်း၊ စျေးနှုန်းညှိနှိုင်းခြင်း၊ ပြီးတော့ Chanote ခေါင်းစီးစစ်ဆေးခြင်းလို အရေးကြီးတဲ့အဆင့်တွေမှာတော့ လိုင်စင်ရ ပညာရှင်တစ်ယောက်ရဲ့ လက်ကို လိုအပ်နေဆဲပါ။ ၂၀၂၆ ခုနှစ် သြဂုတ်လမှာ မြောက်အမေရိကမှ ကြီးမားတဲ့ ပွဲစားကွန်ရက်တစ်ခုက Leo 2.0 ဆိုတဲ့ AI assistant နဲ့ agent တွေရဲ့ အလုပ်ရဲ့ ၈၀% ကို ၆ လအတွင်း automate လုပ်မယ်လို့ ကြေညာခဲ့ပေမယ့် daily message ကန့်သတ်ချက်ရှိနေတာကို သတိပြုမိရင် ဒီသတင်းရဲ့ အနှစ်သာရကို ပိုနားလည်နိုင်ပါလိမ့်မယ်။
အဓိကအချက်အလက်များ
- ၂၀၂၆ ခုနှစ်ရဲ့ လုပ်ငန်းစဉ်ရည်မှန်းချက်က အိမ်ခြံမြေ workflow ရဲ့ 80% ကို ၆ လအတွင်း (၂၀၂၇ အစောပိုင်းအထိ) automate လုပ်ဖို့ပါ။ Agent အစား ဘက်ရုံးအလုပ်တွေကို အဓိကထားတာပါ။
- Leo 2.0 ကို agent ထောင်ချီက beta စမ်းသပ်နေပြီး အလုပ်ထွက်ရည်နှင့် ကုန်ကျစရိတ်သက်သာမှု တိုးတက်လာကြောင်း သတင်းများရှိသည်။
- အဓိကအဟန့်အတားက model အရည်အသွေးမဟုတ်ဘဲ compute ကုန်ကျစရိတ်ဖြစ်သည်။ ဖွံ့ဖြိုးတိုးတက်သူများက တမင် access ကန့်သတ်ပြီး daily message အရေအတွက် ကန့်သတ်ကြသည်။
- အသုံးဝင်ဆုံး module မှာ AI Relationship Manager ဖြစ်ပြီး client ဆက်သွယ်မှု history နှင့် အသံထွက်ပုံကို ခွဲခြမ်းစိတ်ဖြာကာ ယခုချက်ချင်း ဝယ်ယူရန် အသင့်ဖြစ်နေသူများကို ထုတ်ပြသည်။
- ဖူးခက်အတွက်ဆိုရင် AI က property matching နှင့် စာပေးစာယူကို မြန်ဆန်စေသော်လည်း နိုင်ငံခြားသားပိုင်ဆိုင်ခွင့် quota စစ်ဆေးခြင်းနှင့် မြေအခြေအနေအတည်ပြုခြင်းကတော့ လိုင်စင်ရလူကိုသာ မှီခိုရဆဲဖြစ်သည်။
- ဒေသဆိုင်ရာ ဥပမာ - ပတ္တရား(Pattaya) တွင် AI filtering က condo list ကို ၈ စက္ကန့် အတွင်း ဖြတ်ပေးနိုင်ပြီဖြစ်ပြီး ၂၀၂၆ ပထမသုံးလပတ်တွင် ပျမ်းမျှ ရောင်းဝယ်စက်ဝန်းကာလသည် ၄၂ ရက်မှ ၂၈ ရက် သို့ လျော့ကျသွားခဲ့သည်(Colliers Thailand)။
ပြန်လည်ပြောင်းလဲနေသော အကျိုးသက်ရောက်မှုများ
- Leo 2.0 သည် standalone chatbot မဟုတ်ဘဲ reZEN platform အတွင်း layer တစ်ခုအဖြစ် run နေပြီး lead ရှာဖွေခြင်း၊ marketing နှင့် ဘက်ရုံးလုပ်ငန်းများကို တစ်နေရာတည်းတွင် ပေါင်းစည်းထားသည်။
- Customer ကို တိုက်ရိုက် ဝန်ဆောင်မှုပေးသော branded search tool HeyLeo ကိုလည်း launch လုပ်ပြီးဖြစ်ကာ AI သည် agent များကိုသာမက ဝယ်သူများကို တိုက်ရိုက်ထိတွေ့စေနေပါပြီ။
- ဖွံ့ဖြိုးတိုးတက်သူများက data သို့မဟုတ် infrastructure ကို outsource မလုပ်ဘဲ in-house ပြုလုပ်ခြင်းကို ယှဉ်ပြိုင်မှုအားသာချက်အဖြစ် ယူဆထားသည်။
- အောင်မြင်မှုတိုင်းတာမှုများသည် AI ထုတ်ပေးသော စာသားအရေအတွက်မဟုတ်ဘဲ CRM လှုပ်ရှားမှုနှင့် အမှန်တကယ် agent ရလဒ်များနှင့် ဆက်စပ်ထားသည်။
- ကြေညာချက် ရက်စွဲမှာ ၂၀၂၆ ခုနှစ် သြဂုတ်လ ၁၂ ရက် ဖြစ်ပြီး ယေဘုယျခန့်မှန်းချက်မဟုတ်ဘဲ အများသိ timeline တစ်ခုအဖြစ် ပေးထားသည်။
- ထိုင်းနိုင်ငံတွင် AVM (automated valuation model) စျေးနှုန်းတိကျမှုသည် ဘန်ကောက်နှင့် ဖူးခက် condo များအတွက် 3-5% ရှိသော်လည်း ဖူးခက်နှင့် ကိုးစမွီ villa များအတွက် 10-15% အထိ ကျယ်ပြန့်သွားကြောင်း ၂၀၂၆ အလယ်ပိုင်း industry data က ဖော်ပြသည်။
- ထို့အပြင် ထိုင်း agency ၆၇% သည် နိုင်ငံခြားသားဝယ်သူများ၏ ကနဦးမေးမြန်းမှုများကို AI ဖြင့် ကိုင်တွယ်နေပြီဖြစ်ပြီး developer ကြီးများတွင်မူ ၆ လအတွင်း inquiry အားလုံး၏ ၇၈% အထိ တိုးလာခဲ့သည်(Colliers Thailand, ဇန်နဝါရီ ၂၀၂၆)။
ကြေညာချက်တွေမှာ မပါတဲ့ အမှန်တရားများ
Sentiment analysis က အင်္ဂလိပ်လိုဆိုရင် ကောင်းစွာအလုပ်လုပ်ပေမယ့် ရိုးရှင်းစွာတိုက်ရိုက်မပြောဘဲ ယဉ်ကျေးစွာ ဖျောင်းဖျ ပြောတတ်တဲ့ ဘာသာစကားတွေမှာတော့ သိသိသာသာ ညံ့ဖျင်းပါတယ်။ 'ကျေးဇူးတင်ပါတယ်၊ စဉ်းစားကြည့်ပါ့မယ်' လို့ပြန်ဖြေတာကို model က positive signal အဖြစ် လက်ခံဖတ်တတ်ပြီး hot lead အဖြစ် မှတ်သားတတ်ပါတယ်။ ရလဒ်အနေနဲ့ agent က ဘယ်တော့ကမှ ဝယ်တော့မယ့်သူ မဟုတ်တော့သူကို ၁ နာရီကြာ အချိန်ပေးနေရတတ်ပါတယ်။
ဒုတိယပြဿနာကတော့ ပိုပြင်းထန်ပါတယ်။ Listing data ကို training လုပ်ထားတဲ့ chatbot တစ်ခုက projected yield ကို guarantee အဖြစ် ပြောတတ်ပါတယ်။ 'နှစ်စဉ် 8% အာမခံချက်ရှိပါတယ်' ဆိုတဲ့ automated reply ဟာ marketing စကားလုံးမဟုတ်ဘဲ broker ကိုယ်တိုင် တာဝန်ယူရမယ့် legal claim တစ်ခုဖြစ်သွားနိုင်ပါတယ်။ ကျွန်တော်တို့ ဘက်ကတော့ ကိုယ့်ရဲ့ bot ကို yield ရာခိုင်နှုန်း၊ လွှဲပြောင်းရက်၊ legal status စတာတွေအပေါ်မှာ verified database ကနေပဲ ထုတ်ယူခွင့်ပြုပြီး လွတ်လပ်စွာ generate မခွင့်ပြုအောင် hard-limit ထားပါတယ်။
တတိယအချက်ကတော့ AI က ပထမဆုံးစာကို ကောင်းကောင်းရေးနိုင်ပေမယ့် ညှိနှိုင်းပွဲစားစားပွဲမှာ သိပ်မအသုံးဝင်ပါဘူး။ ထိုင်းနိုင်ငံမှာ developer ကပေးတဲ့ discount ဆိုတာ unit batch size၊ ငွေပေးချေမယ့် currency၊ installment timing စတာတွေပါဝင်တဲ့ စကားဝိုင်းတစ်ခုပါ။ ဒါတွေရဲ့ တစ်ဝက်လောက်က ဘယ်မှာမှ စာနဲ့ မတင်ထားတတ်ပါဘူး။
ကျွန်တော်တို့ ထိုင်းအိမ်ခြံမြေ ရဲ့ ရပ်တည်ချက်က ရိုးရှင်းပါတယ် - ဘက်ရုံးအလုပ်ကို automate လုပ်ပြီး ဝယ်သူနဲ့ စကားပြောတဲ့အပိုင်းကိုတော့ ကိုယ်တိုင်ထိန်းထားပါ။ ၂၀၂၆ မှာ အနိုင်ရနည်းက အထက်ဆုံး AI ဘက်ကမဟုတ်ဘဲ အသန့်ရှင်းဆုံး CRM ဘက်ကဖြစ်ပါတယ်။ တစ်နှစ်ကို အရောင်း ၁၀ ခုထက် နည်းနည်းရင် ဒီ infrastructure တစ်ခုလုံးက တန်ဖိုးမထိုက်ပါဘူး - configure လုပ်တာနဲ့ပဲ အချိန်ကုန်သွားနိုင်ပါတယ်။
လက်တွေ့စတင်ရန် အဆင့်ဆင့်လမ်းညွှန်
- အရင် ၁၂ လရဲ့ data ကို သန့်ရှင်းလုပ်ပါ။ Contact တစ်ဝက်လောက်မှာ source (သို့) last-touch date မပါတဲ့ spreadsheet ကနေ Leo 2.0 အဆင့်ရှိတဲ့ assistant မှလည်း deal-ready client ကို ထုတ်ပေးနိုင်မှာမဟုတ်ပါဘူး။ ဒီအတွက် ၂ ပတ်ခန့် ဘတ်ဂျက်ချထားပါ။
- လုပ်ငန်းစဉ် ၁၀ ခုမဟုတ်ဘဲ တစ်ခုကိုသာ ရွေးပါ။ Property shortlist ပြင်ဆင်ခြင်းနဲ့ document ဘာသာပြန်ခြင်းကနေ စတင်ပါ။ Shortlist တစ်ခုကို ၄၀-၆၀ မိနစ်ခန့် ချွေတာနိုင်ပါတယ်။
- ကိန်းဂဏန်းတွေကို bot ကသက်သက် မပြောစေပါနဲ့။ Yield ရာခိုင်နှုန်း၊ လွှဲပြောင်းရက်၊ မြေအခြေအနေ၊ quota အခြေအနေတွေကို bot က မပြောဘဲ လူသို့ escalate လုပ်ဖို့ system prompt ထဲ ရေးထည့်ပါ။
- Sentiment analysis ကို ဖွင့်ပြီး ကိုယ်တိုင် calibrate လုပ်ပါ။ Model က 'hot' လို့ flag လုပ်တဲ့ ပထမဆုံး contact ၅၀ ကို ကိုယ်တိုင်ပြန်စစ်ပါ။ အင်္ဂလိပ်မဟုတ်တဲ့ စကားပြောမှုတွေက ပြင်ဆင်ဖို့ လိုအပ်လေ့ရှိပါတယ်။
- Query တစ်ခုချင်းရဲ့ ကုန်ကျစရိတ်ကို မှတ်ထားပါ။ Leo 2.0 ဖွံ့ဖြိုးသူတွေက compute ကုန်ကျစရိတ်ကြောင့် daily message ကန့်သတ်ထားတာပါ။ User တစ်ယောက်ချင်းအတွက် limit ချမယ်၊ မဟုတ်ရင် လစဉ်ဘေလ်က အံ့ဩစရာဖြစ်လာနိုင်ပါတယ်။
- အိမ်ကြည့်ခြင်းနှင့် စစ်ဆေးခြင်းကို လူဖြင့်ပဲ ဆက်လုပ်ပါ။ AI က viewing tour route ကို မိနစ်အနည်းငယ်ထဲ ဖန်တီးပေးနိုင်ပေမယ့် ဖူးခက် high season မှာတော့ logistics က route optimization ထက် ပိုအရေးကြီးတတ်တဲ့အတွက် ကြည့်မယ့်နေရာအနီး hotel ကို အစောကြီး ကိုယ်တိုင်ကြိုတင်စာရင်းသွင်းထားသင့်ပါတယ်။
- ၉၀ ရက်ကြာပြီးတဲ့အခါ ဂဏန်းတစ်ခုကိုပဲ တိုင်းတာပါ - ၆ လအထက်ကြာနေပြီဖြစ်တဲ့ contact ကနေ အရောင်းဘယ်နှစ်ခု ဖြစ်လာလဲ။ ၀ ဆိုရင် ကိုယ့် automation ဟာ မျက်နှာဖုံးပဲ ဖြစ်နေသေးတယ်လို့ သိပါ။
ရင်းမြစ် - Kalinka Thailand