至顶网CIO与应用频道 06月25日 北京消息:员工敬业度(employee engagement)已成为客户体验(CX)提升中一个需要关注的重点问题。在全球领先的信息技术研究和顾问公司Gartner开展的调查中,86%的客户体验高管认为,相对于其他因素(例如项目管理和数据技能)而言,员工敬业度对客户体验具有同等甚至是更大的影响力。
Gartner研究副总裁Olive Huang女士谈道:“客户体验是一个与人相关的问题。在某些情况下,即使是最好的技术投资也会因为员工因素而错失收益机会。例如:员工缺乏培训或激励、士气低落或承诺不足以及目标传达不畅。”
Gartner的该项研究于2018年2月至3月期间开展,其209名调查对象来自英国、美国、澳大利亚、新加坡、印度、加拿大和新西兰。这些调查对象来自不同的行业、不同规模的企业,且都深度参与了至少一个客户体验项目,其中71%的人都来自领导层。此外,五分之一的调查对象的直接上级领导就是首席执行官。近四分之三的受调查企业都拥有专门的客户体验团队。
虽然企业机构可以考虑进行成百上千种不同的潜在客户体验提升项目,但仅有少部分可以得到资金。调查对象将个性化(personalization)、客户之声(VoC)、客户体验指标(metrics)与多渠道投资相关项目列为2018年最高的优先事项。
Huang女士谈道:“调查结果表明,客户体验提升中没有‘万能药’。客户体验领导者在项目优先级、获得成功所需的技术项目和技能的组合方面面临着广泛的选择。您需要根据投资回报率对投资进行优先级排序,并随着时间对客户体验进行基准测试与衡量。”
技术投资优先项
在技术方面,客户分析被认为是客户体验提升项目中最关键的技术投资问题。客户分析涵盖了一系列不同的可能性,而企业机构在对投资进行优先级排序时,会把重点放在客户旅程(customer journey)、客户需求和数字化营销分析(digital marketing analytics)上。
然而,用来提升客户体验所使用的技术范围仍然很广泛,涵盖从业务流程管理、客户之声(VoC)和用户体验(UX)设计工具和平台等成熟技术到人工智能(AI)等新兴技术。
放眼未来,超过三分之一的企业机构正在考虑使用虚拟助理来提升客户体验。其中包括虚拟客户助理(VCA)、聊天机器人(chatbot)和虚拟个人助理(VPA)。目前,15%的企业机构正在考虑应用区块链;11%的企业机构正在考虑使用人工智能。
客户体验衡量
在客户体验测量中,客户满意度(CSAT)仍然是最常用的指标(占比62%),其次是产品或服务质量指标(product/service quality metrics)和员工敬业度。在接受调查的企业中,近三分之一将客户费力度(customer effort score)作为客户体验衡量指标;近四分之一将净推荐值(NPS)作为客户体验衡量的指标。
Huang女士指出:“客户体验衡量的关注重点表明,客户体验逐渐成为一个跨企业、全局性的优先问题。在这项调查中更值得注意的一点是,衡量客户体验的新型指标越来越多,例如客户费力度。事实上,企业机构确实需要多种指标来衡量客户体验。”
该调查还发现,投资回报率(ROI)已经成为企业重点关注的问题,其中93%的被调查企业在其客户体验提升项目中考虑投资回报率的因素。
近半数的调查对象表示,在衡量客户体验投资回报率时,其使用的是已经就位的财务指标,而不是非财务或非正式指标。此外,62%的调查对象表示,在过去几年里,其所在企业机构开展的客户体验提升项目已经获得了预期的投资回报率。实现的投资回报率包括提高客户效益(如增加客户满意度、忠诚度和宣传力度)与提高企业效益(如增加收入、客户生命周期价值、客户留存率与客户收益率)等。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。