The aim of this master thesis is to develop a suggested methodology for how to use Mavenoid infrastructure to improve customer support of DEFA EV chargers. Mavenoid is a company that helps other companies automate customer support, especially troubleshooting. This is done with Mavenoid models, interactive selfhelp tools that guide end users without technical knowledge through the troubleshooting process. Mavenoid models provide value both by deflecting cases (the end user solves the problem on their own using the model) and triaging cases (collect relevant information about the problem before escalating the case to a human support agent) The main methodology to develop a suggested methodology was learning by doing, using the suggested methodology to actually implement Mavenoid models available to end users on DEFA’s home page. This was complemented with a literature review, interviews and data analysis from model usage. The suggested methodology is to iteratively follow the steps of deciding which models to build, make priorities within these models, build the models, analyze their performance and continuously improve the models. To decide models, carefully evaluate DEFA’s support situation to decide where Mavenoid models would have the greatest impact. Force yourself to make quantitative assumptions to estimate a payback time for each possible model. For each model, carefully prioritize what to include and where the focus should be using estimates of frequency, value and time to model. Build the models to maximize deflection and triage and minimize abandoned sessions. Collect and analyze data from model usage and use this information to improve the models. To prioritize between possible improvements, force yourself to make quantitative assumptions of value and time to model and rank improvements by payback time. Limit the improvements you make either by time available or desired payback time. The potential business opportunity between Mavenoid and its customers is more attractive the more support cases the customer has and the larger fraction of end users that use Mavenoid. The business opportunity varies greatly with assumptions that are very difficult to estimate accurately at the early stages of a Mavenoid implementation. This indicates that Mavenoid models should be implemented step by step and assumptions updated when more data is available. Implementing Mavenoid models can be both positive and negative from a sustainable development perspective. They could encourage people to repair products instead of replacing them, scale renewable energy technology faster and remove boring and repetitive tasks from support staff. On the other hand, they might not be appreciated by all end users, could lead to increased electricity consumption and potential unemployment for support staff. Being about a largely unresearched topic, the results in this thesis are relatively subjective. This suggested methodology was used and proved to work to implement Mavenoid models for DEFA EV charging stations but it should be seen as one possible methodology, not the confirmed best methodology. / Syftet med detta examensarbete är att utveckla en metodologi för hur Mavenoids teknologi kan användas till att förbättra kundsupporten för DEFAs elbilsladdare. Mavenoid är ett företag som hjälper andra företag att automatisera kundsupport, särskilt felsökning. Detta görs med Mavenoidmodeller, interaktiva självhjälpsverktyg som guidar slutanvändare utan teknisk kunskap genom felsökningsprocessen. Mavenoidmodeller ger värde både genom att slutanvändaren löser problemet på egen hand genom att använda modellen (deflection) och genom att samla relevant information om problemet innan ärendet eskaleras till teknisk support (triage). Den huvudsakliga metoden för att utveckla metodologin var att lära genom att göra, faktiskt implementera Mavenoidmodeller och göra de tillgängliga för slutanvändare på DEFA: s hemsida. Detta kompletterades med en litteraturöversikt, intervjuer och dataanalys av hur modellerna användes. Den föreslagna metodologin är att iterativt följa stegen besluta vilka modeller som ska byggas, prioritera inom dessa modeller, bygga modellerna, analysera data från dem och kontinuerligt förbättra modellerna. För att bestämma modeller, utvärdera DEFAs supportsituation noggrant för att bestämma var Mavenoid-modellerna skulle ha störst inverkan. Tvinga dig själv att göra kvantitativa antaganden för att uppskatta en återbetalningstid för varje möjlig modell. För varje modell ska du noggrant prioritera vad du ska inkludera och var fokus ska vara genom att använda uppskattningar av frekvens, värde och tid att modellera. Bygg modellerna för att maximera deflection och triage och minimera övergivna sessioner. Samla och analysera data från modellerna och använd denna information för att förbättra modellerna. För att prioritera mellan möjliga förbättringar, tvinga dig själv att göra kvantitativa antaganden om värde och tid att modellera och rangordna förbättringar efter återbetalningstid. Begränsa de förbättringar du gör antingen utifrån tillgänglig tid eller önskad återbetalningstid. Den potentiella affärsmöjligheten mellan Mavenoid och dess kunder är mer attraktiv ju fler supportärenden kunden har och ju större andel slutanvändare som använder Mavenoid. Affärsmöjligheten varierar kraftigt med antaganden som är mycket svåra att uppskatta i början av ett projekt att implementera Mavenoidmodeller. Detta indikerar att Mavenoidmodeller bör implementeras steg för steg och antaganden uppdateras när mer data finns tillgängligt. Implementering av Mavenoid-modeller kan vara både positivt och negativt sett till hållbar utveckling. De kan uppmuntra människor att reparera produkter istället för att byta ut dem, skala upp förnybar energiteknologi snabbare och ta bort tråkiga och repetitiva uppgifter från teknisk support. Å andra sidan kanske de inte uppskattas av alla slutanvändare, kan leda till ökad elförbrukning och potentiell arbetslöshet för de som jobbar inom teknisk support. Eftersom examensarbetet handlar om ett relativt outforskat ämne är resultaten relativt subjektiva. Denna föreslagna metodologi användes och visade sig fungera för att implementera Mavenoidmodeller för DEFAs elbilsladdare men den bör ses som en möjlig metodologi, inte den bekräftat bästa metodologin.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-277818 |
| Date | January 2020 |
| Creators | Högberg, Tomas |
| Publisher | KTH, Kraft- och värmeteknologi |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | Swedish |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | TRITA-ITM-EX ; 2020:379 |
Page generated in 0.0023 seconds