人工智能改善客户体验的六个方面2020年5月22日，星期五|12最小读数这篇文章是路易斯·哥伦布在《福布斯》上写的一句话：今年的硬重置正在放大客户关系的重要性，以及人工智能有多大的潜力去寻找改善客户关系的新方法。30%的顾客会因为糟糕的体验而离开一个品牌，再也不会回来。27%的公司表示，在客户体验（CX）方面，联网，改善客户情报和数据工作是他们的首要任务。根据Gartner的数据，到2023年，30%的客户服务组织将通过使用人工智能的流程协调和持续智能来提供主动的客户服务。IDC的数据显示，2019年，有139亿美元投资于专注于CX的人工智能，427亿美元投资于专注于CX的大数据和分析，预计2022年这两项投资将增长至900亿美元。如今，每家公司都在经历一次艰难的调整，这使得高级管理团队重新评估每一项产品和支出，尤其是在市场营销方面。客户体验方面的支出正在重新评估，支持人工智能、分析、商业智能（BI）以及机器学习项目和支出。能够量化自己对收入增长的贡献的营销人员在维护预算方面最成功。CX经济学基础要知道CX计划和战略是否以及通过多大程度上取得了成效，一直是个难以捉摸的问题。幸运的是，有各种基准和支持方法正在开发中，它们将CX的贡献结合起来。毕马威最近的一项研究，顾客体验值多少钱？在CX及其经济支持领域提供指导。下表概述了关键财务指标与CX的相互关系。下表总结了他们的发现：毕马威的研究还发现，未能达到客户期望的破坏性是超出预期的两倍。这是让人工智能和机器学习在CX公司范围内根深蒂固的有力论据。下图量化了改进CX的经济价值：人工智能正在改进CX对于人工智能项目来说，要想通过COVID-19流感大流行造成的预算困境，他们必须在一个非接触的世界中为收入、成本降低和改善客户体验做出贡献。再加上任何CX战略都需要建立在一个有弹性、久经考验的平台上，bi大数据分析，市场营销的未来就成为焦点。平台和以客户为中心的数字转型网络可以帮助组织重新集中在数据和人工智能驱动的客户洞察力上，包括BMC的自主数字企业（ADE）和其他公司。该框架与其他许多框架的不同之处在于，它是如何利用人工智能和机器学习的核心优势来改进客户（CX）和员工体验（EX）的各个方面。BMC认为，为员工提供他们在工作中出类拔萃所需的数字资源，也能提供出色的客户体验。在大学期间，我一直在客户服务岗位上工作，我可以证明拥有正确的数字资源对服务客户是多么有价值。我喜欢他们的框架是他们试图超越仅仅满足客户的方式，他们希望取悦他们。BMC称之为提供卓越的客户体验。在我大学做客户服务的职业生涯中，我回想起那些让客户高兴的邮件，这些邮件会贴在我们办公室的墙上。在客户服务和客户体验中，你得到了你所给予的。让像我年轻的自己这样的客户服务代表站在第一线，大数据有什么用，能够获得他们所需的资源和支持，以提供更真实、更具响应性的支持是关键。我看到BMC的ADE也在做同样的事情，它确保了一个可扩展的CX战略，即使在响应时间缩短和客户数量增加的情况下，也能保持其真实性。以下是人工智能改善客户体验的六种方式：改善非接触式个性化客户服务被认为是人工智能改善客户体验的最有价值的领域之一。这些"需要做"的营销领域具有最高的复杂性和最高的效益。根据凯捷的分析，营销人员并没有把重点放在高效益和低复杂度的"必须做"领域。这些应用领域包括聊天机器人和虚拟助理、减少收入流失、面部识别以及产品和服务推荐。资料来源：将人工智能转化为具体价值：成功实现者的工具箱，凯捷咨询。（PDF，28页）。预测和预测每一位顾客对购买地点、时间和购买什么的偏好会发生怎样的变化，并提前为他们消除障碍。减少客户在尝试在一个从未购买过的渠道内购买产品时所面临的摩擦并不是靠运气。使用增强的预测性分析来生成实时见解，以定制每个客户的营销组合，从而改善销售渠道，保持利润，并可以提高销售速度。了解哪些客户接触点在改善顾客体验和提高回购率方面最有效和最不有效。成功地使用人工智能改进CX需要基于潜在客户和客户交互的所有可跟踪渠道的数据。数字接触点，包括移动应用程序使用、社交媒体和网站访问，都需要聚合到数据集ML算法中，以便不断了解每个客户，并预测哪个接触点对他们最有价值以及为什么。从客户的角度了解接触点是如何累积起来的，可以立即说明哪些渠道做得好，哪些需要改进。通过使用CX改进来招募新的客户群，使他们成为潜在客户，然后将他们转化为客户。人工智能和人工智能已经被用于客户细分多年。在线零售商正在使用人工智能来确定其移动应用程序、网站和客户服务系统上的哪些CX增强功能最有可能吸引新客户。零售商将个性化、基于人工智能的模式匹配和基于产品的推荐引擎整合到他们的移动应用程序中，使购物者能够试穿他们真正感兴趣的服装。机器学习擅长于模式识别，而人工智能非常适合于微调推荐引擎，它们共同导致了新一代购物应用程序的诞生，在这些应用程序中，顾客可以在任何服装上进行虚拟试穿。该应用程序了解购物者最喜欢什么，并实时评估图像质量，然后推荐在线或在商店购买。资料来源：凯捷，打造零售业巨星：如何跨职能释放人工智能提供数十亿美元的机会。依靠人工智能来最好地了解客户，并重新定义IT和运营管理基础设施以支持他们，这是对企业如何以客户为中心的真正考验。数字转型网络需要支持客户体验的每个接触点。他们必须设计AI和ML，以预测客户需求，并通过客户的首选渠道在适当的时间交付所需的货物和服务。BMC的自主数字企业框架就是一个很好的例子。来源：认知，2020年客户体验。额外资源《营销自动化中使用机器学习的4种方法》，中，2017年3月30日2018年，84%的B2C营销组织正在实施或扩展人工智能。信息图表。安普勒罗。人工智能，机器学习，和他们的应用程序的成长，阿德琳周。SlideShare/LinkedIn，2018年2月8日。AI:The Next Generation of Marketing Driving Competitive Advantage Over The Customer Life Cycle（PDF，10页，无选择加入），Forrester，2017年2月。2018年营销人员的人工智能：寻找超越炒作的价值，微信返利机器人可靠吗，eMarketer。（PDF，20页，无选择加入）。2017年10月人工智能：下一个前沿？麦肯锡全球研究所（PDF，80页，无选择加入）人工智能：终极技术颠覆上升，伍德赛德资本合伙人。（PDF，111页，无选择加入）。2017年1月。AWS宣布亚马逊机器学习解决方案实验室，营销技术洞察B2B预测营销分析平台：营销人员指南，（PDF，36页，无选择加入）营销土地研究报告。Campbell，C.，Sands，S.，Ferraro，C.，Tsao，H.Y.J.和Mavrommatis，A.（2020年）。从数据到行动：营销人员如何利用人工智能。商业视野，63（2），227-243。大卫·西姆奇·列维Earley，大数据 学习，S.（2017年）。个性化问题：人工智能驱动的大规模分析。IT专业人士，19（6），74-80。《营销中机器学习的四个用例》，2018年6月28日，Martech Advisor，Gacanin，H.和Wagner，M.（2019年）。下一代网络客户体验管理的人工智能范式：挑战与展望。IEEE网络，33（2），188-194。Hildebrand，C.和Bergner，A.（2019年）。人工智能驱动的销售自动化：使用聊天机器人来促进销售。NIM营销情报评论，11（2），36-41。机器学习如何帮助销售成功（PDF，12页，无选择参与）认知Inside Salesforce Einstein Artificial Intelligence A Look at Salesforce Einstein Capabilities，Use Cases and Challenges，Doug Henschen，Constellation Research，2017年2月15日Kaczmarek，J.和Ryżko，D.（2009年）。量化和优化用户体验：为客户体验管理调整人工智能方法。毕马威，客户至上。客户迷恋。2019年全球客户体验卓越报告（92页，PDF）营销人员机器学习（PDF，91页，无选择参与）iPullRank机器学习营销——51位高管和初创企业的专家共识，TechEmergence。营销与销售大数据