Αναβάθμιση της εμπειρίας του πελάτη, με τη βοήθεια της Τεχνητής Νοημοσύνης

Του Δημήτρη Σύρμου, Senior Presales Specialist της SAP

Τον Μάρτιο του 2020, η εταιρία ερευνών αγοράς IDC προέβλεψε ότι οι δαπάνες στο χώρο της Τεχνητής Νοημοσύνης (ΑΙ) θα κυμανθούν φέτος από τα 48 δισ. $ (αύξηση 25% έναντι του 2019) ως τα 50,7 δισ. $ (αύξηση 32%). Αν και οι εξελίξεις στο δεύτερο εξάμηνο του έτους παραμένουν -λόγω της πανδημίας- εν αμφιβόλω, όλα δείχνουν πως η ανάπτυξη της συγκεκριμένης αγοράς παρουσιάζει μεγαλύτερη αντοχή, σε σχέση με άλλες τεχνολογίες.

Καθώς οι επιχειρήσεις πασχίζουν να προσδιορίσουν την καλύτερη προσέγγιση που θα τους επιτρέψει να λειτουργήσουν και να επιτύχουν στη νέα πραγματικότητα, η Τεχνητή Νοημοσύνη εξακολουθεί να παίζει έναν ιδιαίτερα κρίσιμο ρόλο. Με την αυτοματοποίηση επαναλαμβανόμενων διαδικασιών και τον εντοπισμό κοινών μοτίβων σε μεγάλους όγκους δεδομένων, οι βασισμένες σε ΑΙ υπηρεσίες έχουν τη δυνατότητα να βοηθήσουν τους οργανισμούς σε πολλές περιοχές: από την ενίσχυση της εξ αποστάσεως εργασίας και την επεξεργασία δεδομένων ως την προηγμένη φροντίδα ασθενών και την ανάλυση της απόδοσης του εργατικού δυναμικού.

Ωστόσο, ένας χώρος στον οποίο η συγκεκριμένη τεχνολογία μπορεί να έχει ακόμα μεγαλύτερο αντίκτυπο, είναι η εμπειρία του πελάτη (Customer Experience). Η εκθετική αύξηση του όγκου δεδομένων που συγκεντρώνουν οι επιχειρήσεις, τους δίνει την ευκαιρία να τα αξιοποιήσουν τόσο σε επίπεδο B2B όσο και B2C, σε συνδυασμό με την Τεχνητή Νοημοσύνη, προκειμένου να βελτιώσουν την καθημερινή εμπειρία του πελάτη.

Η επίδραση της Τεχνητής Νοημοσύνης σε τρεις τομείς
Για να επιτευχθεί η βέλτιστη εμπειρία του πελάτη, θα πρέπει να ενώσουν δυνάμεις όλα τα σχετικά μ’ αυτόν τμήματα μιας επιχείρησης και ιδιαίτερα οι πωλήσεις, το customer service και το marketing.

• Marketing και επαφή με τον πελάτη: Για να επιτύχουν, οι marketers θα πρέπει να κάνουν ευκολότερο το «ταξίδι» του υποψήφιου αγοραστή. Αν κι αυτό ισχύει επίσης τόσο στα B2C όσο και στα B2B σενάρια, είναι εντελώς απαραίτητο στην περίπτωση της διάδρασης με τους καταναλωτές, των οποίων οι αγοραστικές συνήθειες έχουν πλέον αλλάξει δραστικά, λόγω της πανδημίας – ειδικά μέσα από τα κανάλια του ηλεκτρονικού εμπορίου. Οι marketers μπορούν να αναβαθμίσουν την αγοραστική εμπειρία τους, αν αξιοποιήσουν τα δεδομένα των πελατών και χρησιμοποιήσουν ΑΙ για να αποκαλύψουν τις προτιμήσεις τους και να αναδείξουν νέα στοιχεία γι’ αυτούς.

 
Δύο από τις πιο αποτελεσματικές περιπτώσεις χρήσης ΑΙ στο marketing, είναι η επιλογή λογαριασμού-στόχου (target account selection) και η ‘καλλιέργεια’ ενδείξεων (lead nurture). Στην πρώτη, μπορούν να χρησιμοποιηθούν predictive analytics, προκειμένου να επιλεγεί ο καλύτερος συνδυασμός λογαριασμών με κριτήριο το ποσοστό ολοκλήρωσης προηγουμένων αγορών, κάτι που επιτρέπει στους marketers να εστιάσουν με απόλυτη ακρίβεια στους πιο αποδοτικούς λογαριασμούς. Στη δεύτερη περίπτωση, η ‘καλλιέργεια’ (πάλι με τη βοήθεια της Τεχνητής Νοημοσύνης) προηγούμενων ενδείξεων και στοιχείων μπορεί να εφαρμοστεί στο σύνολο της δραστηριότητας των πελατών, με στόχο την περαιτέρω κατηγοριοποίηση των λογαριασμών τους, ανάλογα με την επαφή μαζί τους, το ενδιαφέρον που δείχνουν και την ετοιμότητά τους να αποφασίσουν για μια αγορά.
 
Το τελικό αποτέλεσμα των δυο στρατηγικών θα βελτιώσει το ROI των προσπαθειών του τμήματος marketing, καθώς θα αυξήσει την αποτελεσματικότητα της επαφής με τον πελάτη και θα επιτρέψει τη διάθεση περισσότερων πόρων στα σημεία εκείνα που θα δώσουν το καλύτερο δυνατό αποτέλεσμα στον συντομότερο χρόνο.
 

• Η διαδικασία της πώλησης: Η εμπειρία της πώλησης είναι σήμερα περισσότερο πολύπλοκη από ποτέ άλλοτε, εν μέρει λόγω της αύξησης των ψηφιακών καναλιών, αλλά και της επιτακτικής ανάγκης να προσφέρεται κάθε φορά μια ιδιαίτερα προσωποποιημένη εμπειρία. Οι σημερινοί αγοραστές είναι «διαβασμένοι» και ξέρουν πολύ καλά τι ζητούν: εκείνο το συνδυασμό προϊόντων και υπηρεσιών που καλύπτουν επακριβώς τις δικές τους, εξειδικευμένες ανάγκες, που είναι διαθέσιμος στην πλατφόρμα ή το κανάλι της αρεσκείας τους και, βεβαίως, κινείται στο επιθυμητό εύρος τιμής.

Η «καλλιέργεια» προηγούμενων στοιχείων (Lead-to-cash, στη διεθνή ορολογία) είναι μια από τις σημαντικότερες πελατοκεντρικές διαδικασίες σε έναν οργανισμό – ξεκινά από την προδιάθεση για αγορά και ολοκληρώνεται με την καταγραφή των εσόδων. Με την ενσωμάτωση Τεχνητής Νοημοσύνης και Μεγάλου Όγκου Δεδομένων σ’ αυτή τη διαδικασία, οι οργανισμοί μπορούν να κάνουν την εμπειρία του πελάτη περισσότερο έξυπνη και απολαυστική. Η Τεχνητή Νοημοσύνη και η Μηχανική Μάθηση βοηθούν στη μεταμόρφωση των τμημάτων πωλήσεων, ώστε να προνοούν αντί απλώς να ενεργούν και να δρουν βάσει σχεδίου αντί να αυτοσχεδιάζουν. Κυρίως, όμως, αυτές οι τεχνολογίες μπορούν να κατευθύνουν το «ταξίδι» κάθε αγοράς, από την αρχική αναγνώριση του υποψήφιου πελάτη ως την εξασφάλιση και ολοκλήρωση της πώλησης.
 

• Πολυκαναλική εξυπηρέτηση και chatbot: Πρόσφατα στοιχεία έδειξαν ότι ποσοστό 67% των καταναλωτών αναμένει πως η άμεση επικοινωνία τους με τις επιχειρήσεις θα αυξηθεί μέσα στα επόμενα δυο χρόνια. Μάλιστα, μετά το ξέσπασμα της πανδημίας, είναι πολύ πιθανό οι καταναλωτές να επιδιώκουν ακόμα περισσότερο την αμεσότητα. Ως εκ τούτου, είναι όσο ποτέ άλλοτε σημαντικό τα brands να προσφέρουν αμέριστη υποστήριξη στους πελάτες τους σ’ όλο το «ταξίδι» της αγοράς, ανεξάρτητα από το κανάλι που εκείνοι επιλέγουν.

 
Αυτός είναι ένας σοβαρός λόγος που οι οργανισμοί πρέπει να βρουν την καλύτερη ισορροπία ανάμεσα στην αυτό-εξυπηρέτηση και τη διάδραση, ώστε ο πελάτης να νιώθει όσο γίνεται πιο άνετα, σ’ όλη τη διάρκεια της εμπειρίας του. Τα chatbots, που βασίζουν τη λειτουργία τους στην Τεχνητή Νοημοσύνη, είναι ένα πολύτιμο εργαλείο το οποίο μπορεί να εξοικονομήσει πόρους στις επιχειρήσεις που τα χρησιμοποιούν, ενώ την ίδια ώρα επιτρέπει στους πελάτες να ρυθμίζουν τα ελάσσονα θέματα, όποτε βολεύει τους ίδιους, χρονικά.
 
Αξίζει να σημειωθεί πως τα chatbots δεν πρόκειται να αποδώσουν το ίδιο καλά, αν χρησιμοποιηθούν παντού. Θα ήταν προτιμότερο η χρήση τους να περιοριστεί σε επιλεγμένες λειτουργίες, όπως η διαχείριση των τιμολογίων, η παρακολούθηση των παραγγελιών και ο έλεγχος λογαριασμών. Μάλιστα, έρευνες έχουν δείξει ότι η χρήση chatbots μπορεί να επιταχύνει τη διαχείριση τιμολογίων κατά δυο ή ακόμα και τρεις φορές…
 
Όμως, όσο κι αν τα chatbots συνδέονται με μεγάλη εξοικονόμηση χρόνου, υπάρχουν αρκετές περιπτώσεις που ο πελάτης θα προτιμούσε να μιλήσει με έναν εκπρόσωπο της εταιρίας. Για κάποια πολύπλοκα θέματα, η «ζωντανή» συνομιλία με έναν εκπρόσωπο του τμήματος εξυπηρέτησης πελατών είναι μακράν η ευκολότερη και ταχύτερη μέθοδος για την επίλυσή τους. Οι σύγχρονες επιχειρήσεις δεν θα έπρεπε να θεωρούν τα chatbots ως αντικαταστάτες των ανθρώπων, αλλά περισσότερο ως συμπλήρωμα του ανθρώπινου δυναμικού, το οποίο συμβάλει στη μέγιστη δυνατή βελτίωση της απόδοσής του.
 
Στενότερες σχέσεις με τους πελάτες
Κοιτώντας μπροστά, στο μέλλον του επιχειρείν, η Τεχνητή Νοημοσύνη και η Μηχανική Μάθηση θα παίξουν κρίσιμο ρόλο τόσο στην ευελιξία των ίδιων των επιχειρήσεων, όσο και στη διαρκή ικανοποίηση των αναγκών του κοινού. Οι οργανισμοί πρέπει να συνεχίσουν να θέτουν ως προτεραιότητα τον ψηφιακό μετασχηματισμό τους για να καλύψουν αυτές τις ανάγκες, αλλά και για να αναβαθμίσουν τη συνολική εμπειρία του πελάτη.
 
Περισσότερο από ποτέ άλλοτε, οι πελάτες θέλουν να συνδεθούν στενότερα με τα brands που αγαπούν. Με τη σωστή προσέγγιση, η Τεχνητή Νοημοσύνη μπορεί να βοηθήσει τις επιχειρήσεις να συνδεθούν με τους πελάτες τους, σε ακόμα πιο προσωπικό επίπεδο.