С появлением искусственного интеллекта компании теперь могут улучшать качество обслуживания, узнавая больше о поведении и потребностях своих клиентов. Многие бренды уже внедряют технологии искусственного интеллекта в ключевых точках взаимодействия с клиентами. Чтобы проиллюстрировать, как это выглядит на практике, мы собрали пять примеров улучшения коммуникации с клиентами на основе искусственного интеллекта из пяти различных отраслей.

Ритейл

Данные показывают, что топ 1% клиентов ритейлера 18 раз выгоднее среднестатистического покупателя. Наиболее эффективный инструмент для привлечения этих требовательных и особенно ценных клиентов - это персонализация. И здесь вступает в игру продвинутое машинное обучение. Улучшенная персонализация выходит за рамки типичной имитации личного взаимодействия с клиентами: это одноразовое персонализированное предложение, которые доставляются в нужное время, на нужное устройство и с идеальным сообщением. Своего рода переход от клиентских сегментов к аудитории одного.

 

Банки

Royal Bank of Scotland (RBS) управляет 17 миллионами клиентов по восьми различным каналам. Его историческая стратегия была сосредоточена на агрессивных продажах, направленных на то, чтобы предлагать клиентам новые кредитные карты, что выливалось в кучу цифрового и бумажного спама. RBS стремился полностью перестроить свои отношения с клиентом, обратившись к ИИ, чтобы изменить качество обслуживания. Подход банка состоял в том, чтобы использовать данные в совершенно новых формах контакта с клиентами. Например, когда клиент неоднократно перебрасывает свою учетную запись, ИИ отмечает соответствующий банковский персонал, чтобы связаться с клиентом с финансовым советом. Таким образом, банк поддерживает непрерывную коммуникацию с клиентом.

 

Авиалинии

Мы уже писали о том, как искусственный интеллект меняет авиаиндустрию. Еще один пример - Air Canada, которая обслуживает 45 миллионов клиентов в год, большинство из которых бронируют билеты онлайн или через мобильное приложение. Стремясь лучше понять своего клиента и, в конечном счете, улучшить работу своего мобильного приложения, компания развернула систему анализа данных ИИ и машинного обучения, которая обеспечила понимание поведения клиента по цифровым и автономным каналам. Лидеры компаний использовали аналитику данных для повышения производительности и оптимизации веб-сайта с точки зрения пользовательского опыта.

 

Концерты

В последнее время автоматизированные боты скупают большие блоки билетов на концерты, а затем мгновенно предлагают эти билеты для продажи в крупных наценках. Фанатов, желающих купить билеты на любимый концерт или спортивную игру, подобный опыт часто разочаровывает, заставляя тратить массу нервов и денег. Поэтому сервис по продаже билетов Ticketmaster обратился к ИИ, чтобы изменить правила игры, используя систему машинного обучения под названием Verified Fan. Система требует предварительной регистрации еще до того, как билеты поступят в продажу, и исходя из этого анализирует каждого пользователя для выявления ботов. В результате только 5% билетов оказались на вторичном рынке.

 

Отели

Для лучшего понимания клиента в сфере обслуживания обычно используются старые и проверенные методы - тайные покупатели и опросы клиентов. Анализ отзывов на многих сайтах онлайн-обзоров считался технически сложным или чрезмерно дорогим (или и то, и другое). Но так было пока бренд роскошных отелей Dorchester Collection не создал собственную аналитическую систему искусственного интеллекта, которая по сути представляет собой гигантскую фокус-группу, работающую непрерывно в режиме реального времени. Система смогла оценить около 7500 отзывов гостей из 28 отелей и представить свои выводы в 30-минутном видео. 

 

Источник: Forbes