利用 AI 实现增强型 CX 的数据策略最大化

内部 前言 Contents 在数字化时代，竞争性的客户体验建立在有效且智能地使用客户数据的基础上，这些数据得到了人工智能（AI）的支持。因此，所有市场中的CX从业者都在不懈努力，以更深入地理解他们现有的数据，并更好地捕捉缺失的数据。 他们的角色在于2024年将是数据和分析。有效利用这些数据需要从业者及其团队设定明确的目标、确保数据质量、将AI与客户体验（CX）策略相结合，并遵守数据隐私法律法规。简而言之，以数据驱动、AI赋能的客户体验（CX）需要一个有效的数据战略。 前言page 2 伟大的数据创造伟大的 AIpage 3 人工智能（AI）在其中扮演着至关重要的角色，它能够捕捉每个客户接触点的数据，将数据处理成客户档案，预测客户的需求和行为，并提供无缝且个性化的体验。然而，如果没有适当的数据支持，从业者知道AI无法有效完成这些任务。 探究确保数据质量、合规性和安全性的方法，并解释需要采取的步骤以利用数据并交付个性化、有效且高效的客户体验。 准备数据以避免偏见 ， 幻觉和品牌损害page 6 基于来自Electrolux、H&M、Cash App、AquaCal和Argano的客户体验（CX）实践者的输入，本报告结合自身研究为从业者提供如何方面的指导。CX 网络 设计由数据和 AI 驱动的现实世界体验page 9 事实上 ， 当研究了全球国家CX 网络 何时何地调整数据管理方法 ， 并在竞争激烈的市场中保持优势。 来自全球的282位客户体验（CX）从业者、服务领导者、体验设计师、分析师和咨询顾问表示，认为影响最大的趋势是 结论 ： AI 的成功取决于质量数据page 11 关于 Arganopage 12 关于 CX 网络page 13 伟大的数据创造伟大的 AI 垃圾输入等于垃圾输出。这意味着由数据和AI驱动的竞争体验需要一个有效的数据策略，该策略明确了数据将如何被收集、利用和存储，并且能够实现哪些目标。 本部分报告解释了通过设定明确可量化的目标，将这些目标与企业整体的战略目标相结合，从而启动人工智能（AI）项目的方法。 When进行了年度研究CX 网络 进入全球客户体验（CX）、数据和分析的状态，数据 和分析被反复强调为变革的力量，并且是从业者面临的主要趋势之一。 我们对全球范围内的282位CX实践者、服务领导者、体验设计师、分析师和咨询顾问进行了调查，了解他们在数据analytics 方面的应用情况。结果显示，97%的受访者已经在工作中使用了数据 analytics，其中78%的人表示这对其客户忠诚度产生了积极影响，而79%的人表示这对其公司利润产生了积极影响。在调查的其他部分，受访者被要求选出当前对其角色影响最大的三个趋势，数据和 analytics成为了首要趋势，得票率达到了42%，位居首位（见图1）。 “你的 [数据] 目标和目标应该与公司战略挂钩。这一战略可以被分解成可衡量的指标。 " Jon RastiaArgano 全球创新总监 随着各个行业的企业转向将其AI技术整合到其技术栈和运营中，这些结果不足为奇。一种稳健的数据管理方法不仅能够提升AI工具的效果，还可以支持决策制定、体验改进和资源分配等关键绩效驱动因素。 Furthermore, 数据用于训练算法，并使基于AI的工具能够自我学习、识别模式，甚至改进相关数据的质量。然而，正如那句常说的话，在AI方面， 伟大的数据创造伟大的 AI 财务 ： 跟踪成本、收入和盈利能力等财务价值的滞后指标。 为数据和 AI 项目设置目标 具备并清晰展示一项新技术投资（如AI）所带来的回报能力是至关重要的。因此，项目从一开始就应明确目标和目标值。在实施AI时，目标可能包括提高个性化水平、缩短客户服务响应时间或优化产品推荐。所有这些目标都必须量化，并与组织的更广泛战略紧密联系起来。明确的目标使领导者能够在项目生命周期后期更准确地衡量其工作的影响。 客户 ： 可以领先或滞后的措施 ， 并关注客户对组织的看法。 使用数据和分析中他们的工作 内部措施 ： 专注于关注生产力、风险和合规性的措施。 组织能力 ： 这些指标侧重于员工、基础设施、技术和文化。 报告使用数据和分析有一个积极的影响客户忠诚度 然而，仍然可能存在五个常见的障碍（见图2）。Rastia指出：“选择合适的KPI是生成有意义的见解和报告的关键步骤。有用的指标能够提供有关组织表现的实际行动建议，帮助识别当前面临的挑战和机遇，并与组织的文化和战略目标保持一致。” 您的目标和客观应与企业战略挂钩，而该战略可以分解为可量化的KPIs。”全球创新总监Jon Rastia表示。为了衡量进展，实践者应在可能的情况下跟踪领先指标。为了验证进展，他们必须首先确定其方法的当前状态，然后跟踪达成率或趋势。 说数据和分析是最具影响力的趋势 最合适的指标将根据具体情况而变化，并且除了与整个组织相关外，它们还必须与该组织所处的具体情况相关。Rastia 建议采用平衡计分卡方法，该方法要求在四个一般类别中使用多种指标： 资料来源:CX 网络 ， 全球州CX 调查 ， 2024 年 1 月至 3 月 伟大的数据创造伟大的 AI 关于如何将客户体验（CX）相关的目标与整个企业的目标相一致，资深客户体验执行官兼零售专家DominikOlejko表示，这一切都始于治理和责任分配。一旦团队和利益相关者在这个方面达成一致，并团结在一个共同的目标下，他们就可以推动更广泛目标的实现。 基于其在H&M、IKEA和Decathlon的工作经验，Olejko表示：“没有人单独负责客户体验；如果要以客户为中心，每个人都应该是客户体验管理者。你需要明确客户体验对组织意味着什么，以及客户体验带来的好处是什么。” 如所示，基于AI的客户体验功能可能旨在通过个性化提高参与度，或通过自动化缩短响应时间。要实现这一点，组织必须对其持有的数据进行整理和管理，这要求CX团队具备特定的数据管理技能。然而，的研究发现 ， 更少的CX 网络2023 年 ， 超过一半的组织对他们的团队进行了数据管理 培训。 下一节将探讨这些挑战，并分析从业者在部署AI之前如何确保数据质量、合规性和安全性。 准备数据以避免偏见 ， 幻觉和品牌损害 真相是，原始数据本身并不具备太多价值。真正的价值在于对原始数据进行处理和提取时实现的。在大多数情况下，有十项基本原则可以采用来处理和准备数据（见图3）。 组织和数据治理政策到位。“在数据组织和利用方面，人工智能的到来向我们展示了市场的赢家和输家。正如他们所说，当潮水退去时，才能看出谁光着游泳了。” 并且关键在于客户-facing和使能团队所需的数据是什么。确定了关键数据后，一个最佳实践是优先处理需要保留的数据，并在整个业务范围内开发数据管理实践，“他说。这种治理模式确保只有重大的监管变化才会实质性地影响组织处理数据的方式。” 在最简单的层面上，Olejko 表示从业者应该保持清晰的版本管理，以帮助管理更新并确保数据集最新且准确。此外，所有涉及客户体验（CX）的人“都需要了解如何与AI交流”。他强调：“如果不了解应该问什么样的问题，就无法正确地与AI合作。” 尽管图 3 中的基本面很重要 ，对 CX 全球状况的研究CX 网络2024年的研究发现，只有42%的调查受访者在2023年对 CX团队进行了数据利用或管理的培训。这表明许多组织可能面临潜在挑战；未能确保数据质量可能会损害AI模型的表现，导致偏差、幻觉，甚至品牌受损。 泰建议实践者加入论坛和其他专业网络，以便了解即将到来的潜在变化。 最后 ， 必须定期审核和更新输入 AI 系统的数据源。 从业者应持续设计其客户战略和目标与关键结果（OKR），以包括预期的法规变更。 生成式AI是一种出色的工具，但也有其缺点，Olejko如是说。为了避免偏见，他建议实践者确保所使用的数据具有多样性、代表性且足够大，以准确反映实际情况。“如果系统缺乏相关的信息，它会提出一个听起来非常聪明的答案——对你来说可能非常相关——但实际上这可能是不真实的，或者不够具有代表性。”简而言之，AI总是会生成答案，但用于得出该答案的数据质量将决定其准确性。 在合规性和安全性方面保持领先地位 成千上万的法规和法律存在以保护并限制组织收集、处理和存储客户数据的方式，然而，为了训练一个AI模型，大量的数据是必不可少的。Cash App高级客户运营负责人Joshua Tye表示，那些在过去善于管理数据的企业现在能够最小化这些法规的影响。 Cash App 的高级客户运营负责人 “在考虑数据存储、传输和处理时 ， 确定什么是重要的 准备数据以避免偏见 ， 幻觉和品牌损害 准备数据以避免偏见 ， 幻觉和品牌损害 当数据质量得不到保证时，由此产生的错误会迅速侵蚀客户信任。Electrolux 全球CRM和忠诚度总监 Adam Nowak 表示：“在利用客户数据时，透明性、道德原则、安全措施和合规性仅是建立真实信任的基础因素，尤其是在涉及AI的情况下。要真正建立信任，组织需要明确展示提供数据如何具体解决客户的问题并为他们创造价值。” 其他最佳实践包括参与同行关于监管环境的讨论、参加以讨论监管变化为主要话题的会议，或与特定类型公司的监管机构建立关系。泰伊说，从业者应持续设计客户策略和目标以及关键结果，以纳入预期的监管变更。 教育客户特定用例，明确展示其数据与AI能力结合如何提升客户体验，例如通过增加便利性、个性化推荐或新增有价值的功能。“当客户能清楚看到对自己的好处时，他们更可能认为这种价值交换值得参与，并同意共享数据。”他补充道。 克服客户对 CX 中数据和 AI 的担忧 下一节报告将展示人工智能如何用于改进流程和体验的实际案例，并解释如何将初始目标与结果进行比较以衡量成功。 诺瓦克说 ， 关键是要传达所提供的价值交换。从业者应该 确保数据质量、安全和合规可以帮助保持监管机构的满意。然而，为了维持客户信任，企业必须超越这些基本要求，并承诺进行伦理的数据使用和人工智能开发。 在数据组织和利用方面，人工智能的出现向我们展示了市场的赢家和输家。正如他们所说，当潮水退去时，才能看出谁光着身子游泳。 自生成式AI问世以来，所有市场的消费者都更加aware了AI模型的训练方式、数据对它们的影响以及此类数据收集和利用可能带来的安全和伦理风险。CX 要求其成员选择三个客户网络 当前影响其角色的行为中，对AI工作原理及客户数据使用方式的认识成为了第三大被选中的回应。此外，65%的调查受访者认为客户对伦理AI的使用以及AI在未来CX中的发展非常关注或较为关注。 Dominik Olejko资深 CX 执行和零售专家 设计由数据和 AI 驱动的现实世界体验 在目标设定、质量保障和合规性管理均已落实之后，是时候设计能够吸引客户反复体验的体验方案了。如本报告所述，人工智能可以增强客户旅程中的多个环节——而所讨论的AI工具不一定需要直接面向客户。 一家美国床垫和睡眠产品制造商与Argano合作，利用人工智能改进其营销分析。通过结合并分析各种数据点，该制造商希望衡量其广告支出的效果，并更有效地 targeting 客户。 为了实现这一目标，它利用了Microsoft Fabric——一个基于AI的数据平台，帮助用户访问、管理和行动数据——将营销支出和零售流量的信息整合到数据湖中。零售流量数据被用于计算人流量，而营销支出数据则用于分析广告效果，进而影响人流量。 一个用户友好的数据模型在其系统中得以开发（主要数据来源为Dynamics 365 Customer Insights）。Power BI被用于构建报告以可视化这些数据，并建立零售商与“后端”商业智能和前端营销之间更直接的联系。这些报告为分析师与零售商的交流提供了有价值的工具，有助于推动业务发展并提高广告支出的效果。 在引入任何新技术或启动数字化转型之前，企业应就三个问题进