Искусственный интеллект дает невиданные прежде возможности для работы над повышением клиентского счастья. Собрали заметные кейсы применения ИИ в CX-менеджменте
Пока бизнесмены, футурологи и власти спорят о вопросах этики в использовании данных, потребители голосуют за то, чтобы информация о них использовалась для улучшения их клиентского опыта. Умение управлять им — одно из ключевых конкурентных преимуществ, ведь клиенты готовы платить и даже переплачивать за персонализированный подход. По данным Appinventiv, 61 % готовы уйти от бренда, если посчитают сервис недостаточно хорошим.
Появление искусственного интеллекта для анализа данных дало возможность эффективнее работать над повышением клиентского счастья. ИИ дает возможность больше узнать о предпочтениях клиентов, оценить их настроение после взаимодействия с брендом или сделать общение с чат-ботом более «человеческим».
Вот основные «точки приложения» для ИИ.
Оптимизация работы чат-ботов и виртуальных ассистентов
Согласно исследованию Appinventiv, 50 % пользователей ожидают от брендов оперативных ответов на свои запросы в социальных сетях. Чат-боты стали одним из основных инструментов, которые компании используют для быстрой коммуникации с клиентами. Генеративные модели, такие как ChatGPT или YandexGPT, способствуют улучшению качества ответов от чат-ботов.
Развитие искусственного интеллекта также открывает возможности для создания более совершенных виртуальных ассистентов. Технологии обработки естественного языка позволяют виртуальным помощникам лучше понимать, что у них спрашивают, и давать ответы, почти неотличимые от человеческих.
Кроме того, стоит отметить прогресс в области инструментов голосового поиска, что особенно актуально в свете стремительного роста покупок, осуществляемых с помощью голосовых команд. Объем покупок, которые делаются с помощью голоса, уже достиг 19,4 миллиарда долларов и всего за 2 последних года вырос на 400 %!
Сегментация клиентов
49 % руководителей уверены, что ИИ станет важным инструментом для сегментации клиентов. Он может анализировать поведение потребителей в интернете и выделять сегменты, которым уместно предлагать те или иные продукты. А это означает более эффективную рекламу благодаря точному таргетингу и более эффективное расходование бюджетов.
Анализ настроений клиентов
Инструменты искусственного интеллекта могут проводить анализ постов и комментариев в социальных сетях, а также отзывов о товарах с точки зрения настроения — например, насколько клиенту понравился продукт или услуга. Эти инструменты могут анализировать десятки параметров: слова, фразы, эмодзи и др.
Компьютерное зрение
Это еще более продвинутый анализ настроений пользователей. Технологии компьютерного зрения могут быть использованы для анализа фотографий и видео клиентов, чтобы понять их отношение к товару или услуге. Также их можно применять для анализа предложений конкурентов. Обработка больших объемов данных, полученных из изображений и видео, открывает новые перспективы для оценки удовлетворенности клиентов и их предпочтений.
В офлайн-магазинах эти технологии могут выявлять, какие товары покупатели собираются приобрести, что ускоряет процесс обслуживания на кассе.
Предиктивная аналитика
Инструменты предиктивной аналитики помогают более точно прогнозировать поведение клиентов на основе анализа больших данных: информации о покупателях, продажах, предложениях конкурентов и отзывов в социальных сетях. Такие инструменты анализируют погодные условия, популярность тех или иных локаций, что позволяет более точно прогнозировать количество клиентов и продаж.
Динамическое ценообразование
Около 45 % руководителей, опрошенных Sprout Social, планируют использовать ИИ для создания моделей динамического ценообразования. Это особенно актуально для отраслей, где цены подвержены колебаниям в зависимости от сезона и других факторов — например, гостиничного бизнеса и туризма. Искусственному интеллекту можно поручить изучение исторических данных о спросе и о том, как конкуренты меняют цены.
Персонализация контента
Анализ больших данных предоставляет возможность лучше понимать клиентов. С помощью ИИ можно рассматривать различные данные о покупателях, включая историю покупок и поведение на сайте, а также взаимодействие в социальных сетях. На основе этой информации ИИ-инструменты могут предлагать более персонализированные решения. Это особенно важно для крупных маркетплейсов с огромным ассортиментом, где клиент может не заметить многие подходящие варианты без персонализированных рекомендаций.
ИИ не только в ритейле
В России драйверами внедрения ИИ остаются ритейл и банкинг, но и в других отраслях немало успешных примеров. Приведем некоторые из них.
Ритейл
«Яндекс Маркет» использует инструмент, который создает персонализированные подборки для пользователей. Нейросеть анализирует предыдущие покупки и действия покупателя, а затем предлагает ему релевантные товары. Инструмент обучается по мере добавления пользователями новых товаров в избранное.
Ozon проводит эксперименты с генерацией изображений одежды на виртуальных моделях. Продавцам достаточно загрузить фотографию предмета одежды, а инструмент создает изображение с ним на человеке-модели.
В апреле 2024 года «Магнит» открыл лабораторию, которая разрабатывает и внедряет в практику инструменты генеративного ИИ для персонализации общения с покупателями, создания качественных изображений товаров и разработки виртуальных помощников для сотрудников.
Банкинг
«Альфа-Банк» применяет ИИ для оптимизации работы с отзывами клиентов. Алгоритмы ИИ помогают классифицировать отзывы по темам, анализировать оценки клиентов и делать выводы о необходимых изменениях в работе банка.
Искусственный интеллект также используется для оценки эмоций и настроений клиентов. Например, в Alfa Research Center функционирует система нейросетей Sense Machine, которая анализирует данные с камер и микрофонов для определения эмоций клиентов.
Сфера гостеприимства и общепит
Сеть отелей Marriott Bonvoy использует генеративный искусственный интеллект для помощи пользователям в поиске подходящего отеля. Клиенты могут задать определенные параметры, описав задачу: «Я хотел бы остановиться в отеле в центре Праги» или «Мне нужен дом на берегу моря на Мальдивах для празднования девичника». Генеративный ИИ анализирует эти запросы и подбирает наиболее подходящий вариант размещения.
Starbucks не первый год применяет платформу искусственного интеллекта Deep Brew. Платформа анализирует большие данные, чтобы прогнозировать загруженность кофеен в разное время, оптимизировать объемы запасов и распределять сотрудников по точкам.
Кроме того, Deep Brew помогает анализировать предпочтения клиентов — и на их основании вносить изменения в меню или разрабатывать более эффективные маркетинговые стратегии.
MedTech и HealthTech
Компания Cisco, владеющая облачной платформой Webex Connect, разработала два инструмента на основе искусственного интеллекта специально для медицинской сферы: Deep Medical и SpinSci.
Deep Medical анализирует информацию о поведении людей и прогнозирует вероятность, что они пропустят прием у врача. Этот инструмент помогает пациентам не забыть о приеме, а при необходимости записывает их на другое время.
SpinSci — платформа, которая позволяет объединить все виды взаимодействия с пациентами в одном месте. На ней хранятся направления к врачам, график записи, рецепты на лекарства и другие важные документы и данные пациента.
Компания «ТелеМедХаб» представила медицинского телеграм-бота «Склифосовский GPT», который помогает пользователям записаться к нужному врачу на основе описанных симптомов.
По прогнозам Accenture, уже к 2035 году компании, которые активно используют искусственный интеллект, смогут повысить прибыль на 35%. По некоторым оценкам, к 2030 году объем рынка искусственного интеллекта в ритейле может достичь 40,7 миллиарда долларов. Еще более впечатляют оценки потенциала роста ИИ в медицине — 188 миллиардов долларов.
ИИ, когда-то вышедший из ИТ-лабораторий, уже шагнул за пределы финтеха и ритейла, которые на старте были драйверами его «конвейерного» применения. Компаниям, которые хотят сохранить конкурентоспособность, нельзя упускать возможность применять ИИ для оптимизации самых разных процессов.