Έξι βασικοί τομείς όπου η τεχνητή νοημοσύνη βελτιώνει τις εμπειρίες των πελατών

Συμπέρασμα: Η σκληρή επαναφορά του τρέχοντος έτους ενισχύει πόσο ζωτικής σημασίας είναι οι σχέσεις με τους πελάτες και πόσες δυνατότητες έχει η τεχνητή νοημοσύνη για να βρει νέους τρόπους για να τις βελτιώσει.

• 30% των πελατών θα αφήσει μια μάρκα και δεν θα επιστρέψει ποτέ λόγω μιας κακής εμπειρίας.
• 27% των εταιρειών λένε ότι η βελτίωση της ευφυΐας των πελατών τους και οι προσπάθειες δεδομένων είναι η υψηλότερη προτεραιότητά τους όσον αφορά την εμπειρία πελατών (CX).
• Μέχρι το 2023, το 30% των οργανισμών εξυπηρέτησης πελατών θα παρέχει προληπτικές υπηρεσίες πελατών χρησιμοποιώντας ενορχήστρωση διαδικασιών με δυνατότητα AI και συνεχή ευφυΐα, σύμφωνα με την Gartner.
• 13,9 δισεκατομμύρια δολάρια επενδύθηκαν σε τεχνητή νοημοσύνη που εστιάζει στο CX και 42,7 δισεκατομμύρια δολάρια σε Big Data και αναλυτικά στοιχεία με επίκεντρο το CX το 2019, με αμφότερα τα οποία αναμένεται να αυξηθούν στα 90 δισεκατομμύρια δολάρια το 2022, σύμφωνα με την IDC.

Η σκληρή επαναφορά που περνάει κάθε εταιρεία σήμερα κάνει τα ανώτερα διοικητικά στελέχη να επαναξιολογούν κάθε στοιχείο γραμμής και κάθε δαπάνη, ειδικά στο μάρκετινγκ. Οι δαπάνες για την εμπειρία πελατών επαναξιολογούνται, όπως και τα έργα και οι δαπάνες υποστήριξης AI, αναλυτικών στοιχείων, επιχειρηματικής ευφυΐας (BI) και μηχανικής μάθησης. Οι επαγγελματίες του μάρκετινγκ που είναι σε θέση να ποσοτικοποιήσουν τη συνεισφορά τους στα κέρδη των εσόδων πετυχαίνουν τα μέγιστα στην υπεράσπιση των προϋπολογισμών τους.

Βασικές αρχές της CX Economics

Το να γνωρίζουμε εάν και πόσο αποδίδουν οι πρωτοβουλίες και οι στρατηγικές CX ήταν άπιαστο. Ευτυχώς, αναπτύσσεται μια ποικιλία σημείων αναφοράς και υποστηρικτικών μεθοδολογιών που ενσωματώνουν τη συμβολή του CX. Πρόσφατη μελέτη της KPMG, Πόσο Αξίζει η Εμπειρία Πελατών; παρέχει καθοδήγηση στους τομείς του CX και των υποστηρικτικών του οικονομικών. Ο παρακάτω πίνακας παρέχει μια επισκόπηση των αλληλεπιδράσεων των βασικών χρηματοοικονομικών μέτρων με το CX. Ο παρακάτω πίνακας συνοψίζει τα ευρήματά τους:

Η μελέτη της KPMG διαπίστωσε επίσης ότι η αποτυχία ανταπόκρισης των προσδοκιών των πελατών είναι δύο φορές πιο καταστροφική από την υπέρβασή τους. Αυτό είναι ένα ισχυρό επιχείρημα για την ενσωμάτωση της τεχνητής νοημοσύνης και της μηχανικής μάθησης στο CX σε όλη την εταιρεία. Το ακόλουθο γράφημα ποσοτικοποιεί την οικονομική αξία της βελτίωσης του CX:

Όπου η AI βελτιώνει το CX

Προκειμένου τα έργα τεχνητής νοημοσύνης να τα καταφέρουν μέσω του χωνευτηρίου προϋπολογισμού που έχει δημιουργήσει η πανδημία του COVID-19, θα πρέπει να συνεισφέρουν στα έσοδα, τη μείωση του κόστους και τις βελτιωμένες εμπειρίες των πελατών σε έναν κόσμο ανέπαφων. Προσθέστε την ανάγκη για οποιαδήποτε στρατηγική CX να βρίσκεται σε μια ανθεκτική, αποδεδειγμένη πλατφόρμα και το μέλλον του μάρκετινγκ έρχεται στο επίκεντρο. Παραδείγματα πλατφορμών και πελατοκεντρικών δικτύων ψηφιακού μετασχηματισμού που μπορούν να βοηθήσουν στο να επικεντρωθεί εκ νέου ένας οργανισμός σε γνώσεις πελατών που βασίζονται σε δεδομένα και τεχνητή νοημοσύνη περιλαμβάνουν Αυτόνομη Ψηφιακή Επιχείρηση της BMC (ADE) και άλλοι. Το πλαίσιο διαφοροποιείται από πολλά άλλα ως προς τον τρόπο με τον οποίο έχει σχεδιαστεί για να αξιοποιεί τις βασικές δυνάμεις της τεχνητής νοημοσύνης και της μηχανικής μάθησης για τη βελτίωση κάθε πτυχής της εμπειρίας του πελάτη (CX) και της εμπειρίας των εργαζομένων (EX). Η BMC πιστεύει ότι η παροχή στους υπαλλήλους με τους ψηφιακούς πόρους που χρειάζονται για να διαπρέψουν στις δουλειές τους προσφέρει επίσης εξαιρετικές εμπειρίες πελατών.

Έχοντας εργαστεί στο κολέγιο σε ρόλους εξυπηρέτησης πελατών, μπορώ να βεβαιώσω πόσο πολύτιμη είναι η ύπαρξη των κατάλληλων ψηφιακών πόρων για την εξυπηρέτηση των πελατών.

Αυτό που μου αρέσει στο πλαίσιο τους είναι το πώς προσπαθούν να υπερβούν απλώς την ικανοποίηση των πελατών, θέλουν να τους ευχαριστήσουν. Η BMC αποκαλεί αυτό την παροχή μιας υπερβατικής εμπειρίας πελάτη. Από την κολλεγιακή μου καριέρα στην εξυπηρέτηση πελατών, θυμάμαι τα μηνύματα ηλεκτρονικού ταχυδρομείου που έστελναν οι ευχαριστημένοι πελάτες στα αφεντικά μου και θα αναρτώνονταν κατά μήκος ενός τοίχου στα γραφεία μας. Στην εξυπηρέτηση πελατών και στην εμπειρία πελατών, παίρνετε αυτό που δίνετε. Το να έχω στην πρώτη γραμμή αντιπροσώπους εξυπηρέτησης πελατών, όπως ο νεότερος μου εαυτός, ικανοί να λάβουν πόρους και υποστήριξη που χρειάζονται για να παρέχουν πιο αυθεντική και ανταποκρινόμενη υποστήριξη είναι το κλειδί. Βλέπω την ADE της BMC να κάνει το ίδιο διασφαλίζοντας μια επεκτάσιμη στρατηγική CX που διατηρεί την αυθεντικότητά της ακόμη και όταν οι χρόνοι απόκρισης μειώνονται και ο όγκος των πελατών αυξάνεται.

Ακολουθούν έξι τρόποι με τους οποίους η τεχνητή νοημοσύνη μπορεί να βελτιώσει τις εμπειρίες των πελατών:

Η βελτίωση της εξατομικευμένης εξυπηρέτησης πελατών χωρίς επαφή θεωρείται ένας από τους πιο πολύτιμους τομείς όπου η τεχνητή νοημοσύνη βελτιώνει τις εμπειρίες των πελατών

Αυτοί οι τομείς μάρκετινγκ «need to do» έχουν την υψηλότερη πολυπλοκότητα και το υψηλότερο όφελος. Σύμφωνα με την ανάλυση του Capgemini, οι επαγγελματίες του μάρκετινγκ δεν έχουν δώσει τόση έμφαση στους τομείς υψηλού οφέλους και χαμηλής πολυπλοκότητας που πρέπει να κάνετε. Αυτές οι περιοχές εφαρμογών περιλαμβάνουν Chatbots και εικονικούς βοηθούς, μειώνοντας τη μείωση των εσόδων, αναγνώριση προσώπου και προτάσεις προϊόντων και υπηρεσιών. Πηγή: Μετατροπή της τεχνητής νοημοσύνης σε συγκεκριμένη αξία: η εργαλειοθήκη επιτυχημένων υλοποιητών, Capgemini Consulting. (PDF, 28 σελ.).

Η πρόβλεψη και η πρόβλεψη του τρόπου με τον οποίο θα αλλάξουν οι προτιμήσεις κάθε πελάτη για το πού, πότε και τι θα αγοράσουν και αφαιρώντας τα εμπόδια πολύ νωρίτερα για αυτούς

Η μείωση της τριβής που αντιμετωπίζουν οι πελάτες όταν προσπαθούν να αγοράσουν μέσα από ένα κανάλι που δεν έχουν αγοράσει ποτέ στο παρελθόν δεν μπορεί να αφεθεί στην τύχη. Η χρήση επαυξημένης, προγνωστικής ανάλυσης για τη δημιουργία πληροφοριών σε πραγματικό χρόνο για την προσαρμογή του μείγματος μάρκετινγκ για κάθε μεμονωμένο Πελάτη βελτιώνει τις διοχετεύσεις πωλήσεων, διατηρεί τα περιθώρια κέρδους και μπορεί να αυξήσει την ταχύτητα των πωλήσεων.

Γνωρίζοντας ποια σημεία επαφής πελατών είναι τα πιο και τα λιγότερο αποτελεσματικά για τη βελτίωση του CX και την αύξηση των ποσοστών επαναγοράς

Η επιτυχής χρήση του AI για τη βελτίωση του CX πρέπει να βασίζεται σε δεδομένα από όλα τα κανάλια με δυνατότητα παρακολούθησης με τα οποία αλληλεπιδρούν οι υποψήφιοι και οι πελάτες. Τα ψηφιακά σημεία επαφής, συμπεριλαμβανομένης της χρήσης εφαρμογών για κινητά, των μέσων κοινωνικής δικτύωσης και των επισκέψεων σε ιστότοπους, πρέπει να συγκεντρωθούν σε σύνολα δεδομένων αλγόριθμους ML για χρήση για να μαθαίνουν συνεχώς περισσότερα για κάθε Πελάτη και να προβλέπουν ποιο σημείο επαφής είναι το πιο πολύτιμο για αυτόν και γιατί. Γνωρίζοντας πώς συγκεντρώνονται τα σημεία επαφής από την οπτική γωνία ενός πελάτη, δείχνει αμέσως ποια κανάλια πάνε καλά και ποια χρειάζονται βελτίωση.

Πρόσληψη νέων τμημάτων πελατών χρησιμοποιώντας βελτιώσεις CX για να τα αποκτήσετε ως υποψήφιους πελάτες και στη συνέχεια να τα μετατρέψετε σε πελάτες

Το AI και το ML έχουν χρησιμοποιηθεί για την τμηματοποίηση πελατών εδώ και χρόνια. Οι διαδικτυακοί έμποροι λιανικής χρησιμοποιούν τεχνητή νοημοσύνη για να προσδιορίσουν ποιες βελτιώσεις CX στις εφαρμογές τους για κινητά, τους ιστότοπους και τα συστήματα εξυπηρέτησης πελατών είναι πιο πιθανό να προσελκύσουν νέους πελάτες.

Οι έμποροι λιανικής συνδυάζουν εξατομίκευση, αντιστοίχιση μοτίβων βάσει τεχνητής νοημοσύνης και μηχανές συστάσεων βάσει προϊόντων στις εφαρμογές τους για κινητά, δίνοντας τη δυνατότητα στους αγοραστές να δοκιμάσουν ρούχα που ενδιαφέρονται να αγοράσουν εικονικά

Η μηχανική εκμάθηση υπερέχει στην αναγνώριση μοτίβων και η τεχνητή νοημοσύνη είναι κατάλληλη για μηχανές προτάσεων τελειοποίησης, οι οποίες μαζί οδηγούν σε μια νέα γενιά εφαρμογών αγορών όπου οι πελάτες μπορούν να δοκιμάσουν σχεδόν οποιοδήποτε ένδυμα. Η εφαρμογή μαθαίνει τι προτιμούν περισσότερο οι αγοραστές και επίσης αξιολογεί την ποιότητα της εικόνας σε πραγματικό χρόνο και, στη συνέχεια, προτείνει είτε αγορά στο διαδίκτυο είτε σε κατάστημα. Πηγή: Capgemini, Χτίζοντας το Superstar Retail: Πώς η απελευθέρωση AI σε όλες τις λειτουργίες προσφέρει μια ευκαιρία πολλών δισεκατομμυρίων δολαρίων.

Το να βασίζεσαι στην τεχνητή νοημοσύνη για την καλύτερη κατανόηση των πελατών και τον επαναπροσδιορισμό της υποδομής διαχείρισης πληροφορικής και λειτουργιών για την υποστήριξή τους είναι μια αληθινή δοκιμή για το πόσο πελατοκεντρική είναι μια επιχείρηση

Τα δίκτυα ψηφιακού μετασχηματισμού πρέπει να υποστηρίζουν κάθε σημείο επαφής της εμπειρίας του πελάτη. Πρέπει να διαθέτουν AI και ML σχεδιασμένα για να προβλέπουν τις ανάγκες των πελατών και να παρέχουν τα αγαθά και τις υπηρεσίες που απαιτούνται την κατάλληλη στιγμή, μέσω του καναλιού που προτιμά ο Πελάτης. Το Autonomous Digital Enterprise Framework της BMC είναι ένα χαρακτηριστικό παράδειγμα. Πηγή: Cognizant, Η εμπειρία πελατών 2020.

Επιπρόσθετοι πόροι

• 4 τρόποι χρήσης της μηχανικής μάθησης στον αυτοματισμό μάρκετινγκMedium, 30 Μαρτίου 2017
• Το 84 τοις εκατό των οργανισμών μάρκετινγκ B2C εφαρμόζουν ή επεκτείνουν την τεχνητή νοημοσύνη το 2018. Infographic. Amplero.
• AI, Machine Learning και η εφαρμογή τους για ανάπτυξη, Adelyn Zhou. SlideShare/LinkedIn. 8 Φεβρουαρίου 2018.
• AI: Η επόμενη γενιά του μάρκετινγκ που οδηγεί σε ανταγωνιστικό πλεονέκτημα σε όλο τον κύκλο ζωής των πελατών (PDF, 10 σελ., χωρίς συμμετοχή), Forrester, Φεβρουάριος 2017.
• Artificial Intelligence for Marketers 2018: Εύρεση αξίας πέρα ​​από τη διαφημιστική εκστρατεία, eMarketer. (PDF, 20 σελ., χωρίς συμμετοχή). Οκτώβριος 2017
• Τεχνητή Νοημοσύνη: Το επόμενο σύνορο; McKinsey Global Institute (PDF, 80 σελ., χωρίς συμμετοχή)
• Τεχνητή Νοημοσύνη: Η απόλυτη τεχνολογική διαταραχή ανεβαίνει, Woodside Capital Partners. (PDF, 111 σελ., χωρίς συμμετοχή). Ιανουάριος 2017.
• Η AWS ανακοινώνει το Amazon Machine Learning Solutions LabMarketing Technology Insights
• B2B Predictive Marketing Analytics Platforms: A Marketer’s Guide, (PDF, 36 σελ., χωρίς συμμετοχή) Έκθεση Έρευνας Marketing Land.
• Campbell, C., Sands, S., Ferraro, C., Tsao, HYJ, & Mavrommatis, A. (2020). Από τα δεδομένα στη δράση: Πώς οι έμποροι μπορούν να αξιοποιήσουν την τεχνητή νοημοσύνη. Business Horizons, 63(2), 227-243.
• Ντέιβιντ Σίμτσι-Λέβι
• Earley, S. (2017). Το πρόβλημα της εξατομίκευσης: Αναλύσεις που βασίζονται σε AI σε κλίμακα. IT Professional, 19(6), 74-80.
• Τέσσερις περιπτώσεις χρήσης μηχανικής μάθησης στο μάρκετινγκ28 Ιουνίου 2018, Martech Advisor,
• Gacanin, H., & Wagner, M. (2019). Παράδειγμα τεχνητής νοημοσύνης για διαχείριση εμπειρίας πελατών σε δίκτυα επόμενης γενιάς: Προκλήσεις και προοπτικές. IEEE Network, 33(2), 188-194.
• Hildebrand, C., & Bergner, A. (2019). Αυτοματοποίηση πωλήσεων βάσει AI: Χρήση Chatbots για ενίσχυση των πωλήσεων. NIM Marketing Intelligence Review, 11(2), 36-41.
• Πώς η μηχανική μάθηση βοηθά στην επιτυχία των πωλήσεων (PDF, 12 σελ., χωρίς συμμετοχή) Cognizant
• Inside Salesforce Einstein Artificial Intelligence Μια ματιά στις δυνατότητες, περιπτώσεις χρήσης και προκλήσεις του Salesforce EinsteinDoug Henschen, Constellation Research, 15 Φεβρουαρίου 2017
• Kaczmarek, J., & Ryżko, D. (2009). Ποσοτικοποίηση και βελτιστοποίηση της εμπειρίας χρήστη: Προσαρμογή μεθοδολογιών AI για Διαχείριση Εμπειρίας Πελατών.
• KPMG, Πελάτης πρώτα. Εμμονή με τον πελάτη. Έκθεση Παγκόσμιας Εμπειρίας Πελατών για την Αριστεία, 2019 (92 σελ., PDF)
• Machine Learning για Marketers (PDF, 91 σελ., χωρίς συμμετοχή) iPullRank
• Marketing Machine Learning – Συναίνεση εμπειρογνωμόνων 51 στελεχών και νεοφυών επιχειρήσεωνTechEmergence.
• Marketing & Sales Big Data, Analytics, and the Future of Marketing & Sales, (PDF, 60 σελ., χωρίς συμμετοχή), McKinsey & Company.
• OpenText, Η τεχνητή νοημοσύνη στην εμπειρία πελατών βελτιώνει την αφοσίωση και τη διατήρηση (11 σελ., PDF)
• Το μέγεθος του βραβείου – Ποια είναι η πραγματική αξία του AI για την επιχείρησή σας και πώς μπορείτε να το αξιοποιήσετε; (PDF, 32 σελ., χωρίς συμμετοχή) Pw
• Τα νέα σύνορα της βελτιστοποίησης τιμών, MIT Technology Review. 07 Σεπτεμβρίου 2017.
• Η δύναμη του πελατειακού πλαισίου, Forrester (PDF, 20 pp., no opt-in) Carlton A. Doty, 14 Απριλίου 2014. Παρέχεται ευγενική προσφορά της Pegasystems.
• Μετατροπή της τεχνητής νοημοσύνης σε συγκεκριμένη αξία: η εργαλειοθήκη επιτυχημένων υλοποιητών, Capgemini Consulting
• Χρήση μηχανικής εκμάθησης για βελτιστοποίηση τιμολόγησης ασφάλισης, Ιστολόγιο Google Cloud Big Data and Machine Learning,
• Τι μπορούν να περιμένουν οι έμποροι από την τεχνητή νοημοσύνη το 2018, Jacob Shama. Mintigo. 16 Ιανουαρίου 2018.

Φωτογραφία από Τιμ Μοσχόλντερ επί Ξεβιδώστε

Ενδιαφέρεστε να ακούσετε τους ηγέτες του κλάδου να συζητούν θέματα όπως αυτό και να μοιράζονται τις περιπτώσεις χρήσης τους; Παρακολουθήστε τη συστεγαζόμενη IoT Tech Expo, Έκθεση Blockchain, AI & Big Data Expo, Cyber ​​Security & Cloud Expo και 5G Expo World Series με επερχόμενες εκδηλώσεις στη Silicon Valley, το Λονδίνο και το Άμστερνταμ και εξερευνήστε το μέλλον της επιχειρηματικής τεχνολογίας.