利用 AI 和数字体验创造良性循环

关于数字客户体验、知识管理、数据和AI之间的关系，您的组织需要了解的内容。 内部 决策者如何思考数字客户体验的问题。为什么仅依靠聊天机器人已不再处于人工智能应用（特别是在知识管理领域）的前沿。实现数字CX、数据和AI的协同一致所需的关键步骤以及如何在组织内部创建良性循环。 Contents 受新工具和技术的驱动，客户体验（CX）在过去20年中迅速发展，如今，大多数客户期望数字优先的体验成为标准。然而，数字客户体验（DX）并非孤立存在；当与人工智能（AI）和数据相结合时，可以形成多向关系，从而利用这种关系创造一个持续改进的良性循环。 Featuring 案例研究来自 Moneygram、Proofpoint 和 Zuora，并结合 Moonpig、Fun.com、Glencore 和 NICE的见解，本报告为希望深入了解如何将人工智能超越聊天机器人和IVAs（交互式语音应答系统）以实现世界级数字客户体验的CX实践者提供了指南。它探讨了影响客户体验战略的人工智能技术，并详细规划了实践者可以采取的关键步骤以增强其工作。 前言page 2 人工智能 ： 良性循环的中心page 3 因此，领先的组织正在利用客户互动数据训练AI模型。这反过来又产生了更好的交互数据供模型学习，进而可以带来更优质的体验。把握这一点正确无误，其带来的好处将贯穿整个组织和客户基础。 数据在增压 CX 中的作用page 5 建立良性循环page 8 建立这一循环并非没有挑战。它需要在客户交互数据、知识管理与人工智能之间进行协调，并要求实践者具备对组织及其战略目标全面视角的能力。 Conclusionpage 10 关于 CX 网络page 11 这份报告探讨并解释了数字体验、客户互动数据、知识管理和人工智能（AI）之间的联系，并分析了如何利用这些联系来构建更加丰富的客户体验，同时推动AI超越简单的聊天机器人。 关于尼斯page 12 人工智能 ： 良性循环的中心 无论是在电子商务、移动 commerce 还是作为物理体验的数字化入口，各种形式的数字技术都是现代客户体验（CX）的基础。因此，从业者们将策略和预算集中在构建卓越数字体验的元素上，例如人工智能和自动化。 通过促进沟通、数据收集与分析以及实时旅程管理，人工智能使许多数字化客户体验成为可能。然而，要设计基于人工智能的体验，从业者必须思考如何利用人工智能创造新的体验和服务，而不仅仅是简单地将现有体验和服务数字化。 组织拥有大量未结构化的数据，例如NPS报告、通话记录、投诉、评论等，这些数据尚未通过AI处理，因此仍然被严重低估和利用不足。此外，也有很多流程没有得到优化。 例如，Gostev 强调了大语言模型（LLM）如何用于计算成千上万次对话的净推荐值（NPS）。这意味着不仅可以将NPS 仅与部分通话关联，还可以将其与所有通话关联。从流程角度来看，可以提示生成式AI代为执行任务，或者创建一个利用现有文件（如政策和指南）的知识库，然后训练LLM作为高级机器人，基于这些文件回答问题。 证明这一点 ， 当进行其年度CX 网络 研究全球客户体验（CX）状态时，从业者被要求选择当 前正在改变其角色的三大趋势。2023年，数字客户体验是最常被选中的趋势，但在2024年，这一趋势下降到第七位。与此同时，构成数字客户体验的要素，如自助服务和自动化，上升为优先考虑的事项（参见图1）。 Sirte Pihlaja，CXPA芬兰团队负责人兼Shirute首席执行官表示：“在许多公司进行与AI相关的项目时，重点往往是如何通过AI的支持来以新的方式完成我们已经一直在做的事情。而对于客户体验（CX）领域而言，他们应该思考AI能够帮助创造的新事物和新体验，并探索如何利用AI激发他们的创造力。” 尼奇公司数字和AI营销负责人伊丽莎白·托比认为，这些结果表明了数字客户体验的演变。“客户体验相关方正在成熟其数字战略，并准备好采用AI技术，以成功实施能够实现员工和客户目标的数字客户体验。” 超越机器人 虽然它们最初因其作为聊天机器人的动力技术而在客户体验（CX）领域崭露头角，但人工智能和生成式人工智能的能力远不止于此。 我们观察到利益相关者在客户体验（CX）方面变得更加精明和细致，并且在成功执行方面变得更加有针对性。这些结果证实，找到合适的AI工具以支持卓越的数字客户体验至关重要，同样重要的是能够实施有效的自动化。 根据Moonpig的人工智能负责人Peter Gostev的说法，聊天机器人有一定的用途，但他指出：“我们之所以过于依赖聊天机器人，是因为ChatGPT作为聊天工具取得了巨大的成功，人们没有意识到它还可以用于更多领域。”他特别提到生成式人工智能：“许多生成式AI的能力目前被严重低估和未充分利用。” 在NICE，一组AI模型专注于优化体验，“这是我们处理并实施更有效自动化的关键差异化因素，”Tobey说道。这些模型利用了能够理解消费者意图、以个性化方式响应并全面解决任何问题的AI驱动聊天机器人。 AI模型及其对数字客户体验（CX）所能带来的变化真的是一场游戏变革。没有AI，我们根本无法达到所需的理解水平和细腻的回应能力，也无法有效通过自动化方式解决复杂的消费者需求。” 我们过度依赖聊天机器人因为ChatGPT作为聊天工具非常成功，人们没有意识到它还可以用于更多领域。 下一节报告将通过主要组织的真实案例研究，展示AI如何优化和增强知识库，并说明为知识库部署准备数据所需采取的步骤。 Moonpig 的 AI 负责人彼得 · 戈斯特夫 Tobey 表示：“人工智能远远不仅仅是指独特的数据输出，无论是图表和图形、类似人类的回应，还是详细的视觉效果——其 sophistication（复杂程度或精妙之处）远超这些。” 10 个趋势正在改变 2023 年 CX 从业者的角色 数据在增压 CX 中的作用 交付第一部分中概述的数字化、基于人工智能的体验需要来自整个组织的准确且高质量的数据。正如谚语所说，“垃圾进，垃圾出”。如果打好这个基础，人工智能就能收集和分析更好的数据供未来模型学习。当这个循环建立得当，它将能为组织及其客户带来显著成果。 Zuora 以前使用了一系列基于文本的维基、内容管理系统软件、PDF 文件和 Microsoft Word 文档。然而，其数据难以访问，实际上毫无用处；信息背后需要登录，这意味着搜索几乎是不可能的，而且只有两名作者在创建新的 PDF 和文档，导致整个过程出现了严重的瓶颈。很多时候，各部门和代理人员会根据自己的知识来回答问题，而不是依赖公司希望建立的单一真实来源。 订阅和 monetization 平台 Zuora 希望通过整合不同的系统和数据源，在首个接触点到账户续订的整个过程中提供一致的客户体验。该项目旨在使知识库内容易于查找，同时为代理人员和客户提供直观的支持，从而提升整体客户体验。 Zuora 使用 NICE CXone Expert 对其知识库内容进行了结构化处理和整合，围绕产品和帮助类别建立了统一的内容体系，并引入了一致性和分析能力。 蒂恩·特佐，Zuora的创始人兼CEO表示：“最成功的业务专注于建立有价值的企业关系。我们知道，在NICE我们有一个对我们的产品成功极度关注的合作伙伴。” 通过改进对用户行为和内容使用方面的分析，Zuora 现在更好地理解了在其旅程的每个阶段，哪些知识库内容对其客户最为重要。销售、上线和支持功能可以主动教育客户，从而提高满意度并整体提升客户体验。 数据在增压 CX 中的作用 票务量非常难以预测，这意味着很难预见到服务需求，也没有可供客户自助的服务内容。这使得其小团队代理人员反复回答相同的问题。随着经销商现在将加入客户服务工作，必须消除重复工作。 水平很高 ， 因为他们没有一次又一次地遇到同样的问题。 “ 使用小型代理团队扩展操作 准备为您的知识库增压 网络安全是一个快速发展的行业，参与者往往需要迅速扩大规模。Proofpoint 提供以人为中心的安全和合规解决方案，这些解决方案能够跨电子邮件、云服务、社交媒体和网络减轻客户最关键的风险。其大部分增长来自于收购，当英特尔将 Proofpoint 任命为电子邮件安全的首选供应商时，该公司需要迅速扩大规模、提供面向公众的知识库，并为迅速扩大的客户基础提供上下文相关的帮助。 在准备数据部署知识库时，组织必须采取若干关键步骤，正如Zuora和Proofpoint所做的一样。 该解决方案使知识库内容公开，Proofpoint希望这不仅能增加公司的盈利能力，还能改善客户体验，并为中小企业提供企业级保护。 托比说：“每个人都应该明白，并没有任何知识体系是完美的。我从未与过一家公司合作，它们不希望自己的数据更加完整。这是不可避免的，而不是一种失败。拥有对你所有知识的访问权，无论其当前状态如何，是最为重要的第一步。” 使用NICE CXone Expert，Proofpoint成功迁移了知识库，并能够在扩大CXone Expert在其他业务领域的应用之前展示了其投资回报率（ROI）。 从那时起，你可以发现知识上的缺口，并再次利用AI来填补这些空白，从而开始享受AI与知识协同工作的飞轮效应带来的好处。 在这一过程中，知识库内容由每位指派少量文章的代理更新。借助Expert平台的帮助，他们能够完成比预期更多的文章。 大卫·索克，公司技术支持部门的高级经理表示：“在那个阶段，我们能够迅速发布那些视觉效果出色、易于消化的知识文章，而不是直接通过电话和额外的工单进入支持系统，这真是雪中送炭。我们能够保持人员数量较低并维持高生产效率。” 伊丽莎白 · 托比营销、数字和 AI NICE 主管 数据在增压 CX 中的作用 并且评估其他数据仓库。接下来，检查数据的质量，包括完整性和准确性、一致性和相关性，然后识别需要解决的空白点，以使知识库全面且有效，”他补充道。 正确的合作伙伴可以帮助集中并开放访问现有数据，并且能够协助将这些知识转化为向量数据库。这为AI在客户体验（CX）中的使用设定了边界，确保了准确性和可靠性，从而提升品牌认知度和声誉。 为知识库部署准备数据的 8 个关键步骤 从那里，你可以发现知识上的缺口，并再次利用AI来帮助填补这些空白，从而开始享受AI和知识协同作用带来的飞轮效应所带来的好处。这不仅能够积极影响你的自动化应用场景，还能够惠及公司内所有代理和其他员工的其他应用案例，托比这样补充道。 一旦到达第四步，数据可以按照与知识库目标相关的内容组织成类别或主题。此时可以应用元数据、标签和索引来提高数据的可发现性。 进行数据审核 后续的集成、安全性和测试工作旨在确定不同类型的数据源将如何整合到知识库中，并确保已为该项目部署了正确的工具。 斯里尼瓦斯·普拉德ep（Srinivas Pradeep），嘉能可（Glencore）首席数据科学家，建议CX从业者在准备知识库部署时采取八步措施（详见框内）。他指出：“部署知识库是组织有效管理和利用数据的关键步骤。为了确保部署顺利且成功，精心准备数据至关重要。” 组织和分类数据 在建立数据治理方面，Pradeep 表示：“应任命数据 steward，他们负责维护数据质量和治理，并制定和执行数据管理政策，包括数据录入、更新和归档。随后实施持续的监控和审计流程，以确保数据随着时间的推移保持准确、一致和相关。” 制定数据集成计划 确保安全和隐私 为了启动一个项目，Pradeep建议客户体验（CX）实践者应首先回答一些基本问题。他说：“是为了改进客户服务的知识库、增强内部知识共享，还是支持决策过程？” 测试和验证 下一节将阐述如何创建由数据和AI驱动的数字体验，并解释从业者可以采取的具体步骤以提供世界级的数字客户体验。 建立数据治理 “从这里 ， 识别和编目所有现有数据源 ， 包括文档、数据库、电子表格 建立良性循环 尽管数据、AI与数字客户体验之间的联系清