至顶网CIO与应用频道 07月24日 北京消息:随着人工智能(AI)和物联网(IoT)等数字技术的逐步融合,越来越多的企业着手利用先进的分析软件,以实时掌握并满足客户的需求。最近,在SAS、英特尔和埃森哲应用智能业务部(Accenture Applied Intelligence)的赞助下,《哈佛商业评论》分析服务部开展了一项新研究。该研究表明,应用了客户分析软件的企业获得了显著的收益。然而,大多数企业认为,在提升客户服务的实时性和高效性上,他们做的还远远不够。
根据这份名为《实时分析:解锁客户洞察能力并提升客户体验的秘诀》的报告,44%的受访者表示,客户分析为他们的业务和营收带来“显著增长”;58%的受访者表示,客户分析有效帮助他们显著提升客户忠诚度。但是仅有16%的受访者认为,他们的企业在实现跨渠道的实时客户互动方面“非常有效”,还有30%的受访者表示“完全无效”。
这就为企业亮起了红灯,因为大多数(60%)的商界领袖认为,现今与客户开展实时互动是“非常重要”的企业能力,还有更多(79%)的商界领袖认为,这一企业能力将在最近两年内变得“非常重要”。
“不论现在还是未来,实时客户分析应当作为每个企业的战略重点,”《哈佛商业评论》分析服务部总经理Alex Clemente说:“该研究表明,率先应用客户分析的企业已经在客户互动和营收方面获得显著提升。即便如此,他们仍面临一些重大挑战。针对有能力提供大规模定制化客户体验的企业,成功的关键是保持战略一致性和分析方式的实时调整。”
对很多企业来说,一个公认的挑战是如何创建拥有实时客户互动功能的分析程序。只有11%的受访者表示,他们的解决方案已经准备就绪,可实现与客户的实时互动。该研究报告表明,常见的挑战还包括缺乏获取客户数据的基础设施、企业文化和适合的技术。
“为保障实时客户分析程序的有效运行,要求企业实现数据基础架构的现代化。”英特尔全球分析和人工智能经理Maneeza Malik表示:“数据孤岛和数据策略缺失仍然是许多企业需要攻克的主要课题。”
尽管面临诸多挑战,H&R Block和Telefónica智利等公司深知,每个客户接触点都很重要。这两家公司都在复杂性和定制化方面持续优化实时产品,并且已初见成效。“实时互动能够为企业实现增值。” H&R Block的直销和企业分析经理Mike Weger在报告中说:“它不仅可以增加利润,还能提高客户满意度,从而维系客户关系并最终提高盈利能力。”
谁负责客户体验?调查喻称首席信息官“买菜”,首席营销官“做饭”
为了克服实时客户分析的挑战,企业必须从最高管理层开始转变,进而到整个公司的转变。正如调查结果所强调的,在客户体验策略规划和部署中,经常涉及多个执行者的角色。例如,当被问及谁负责企业的整体客户体验战略时,36%的受访者认为是“首席营销官”,25%的受访者认为是“首席执行官”。但当被问及谁负责技术支持时,受访者分别选择了:首席信息官(30%)、首席技术官(23%)、首席营销官(12%)和首席执行官(6%)。
“为了追求品牌差异化并满足客户需求,成功的企业制定了客户体验管理战略,其核心是预测性分析,”SAS全球客户智能总监Wilson Raj说:“问题不在于谁负责客户体验,而是整个公司管理层如何开展客户体验。当首席营销官、首席信息官和其他首席高管们统一管理客户数据,并应用智能化的、强大的分析软件时,他们将为营销活动提供情报,发现新的商机,甚至对业务产生更深层次的影响。”
显然,公司管理层的协调一致至关重要。在那些认为他们的实时客户分析“非常有效”的受访者中,有64%表示他们的高层管理者步调一致。
“客户期望得到非常符合他们需求、本地化和量身定制的产品,”埃森哲应用智能业务部首席数据科学家Athina Kanioura博士说:“基于以下三种能力,成功的品牌通过提供定制化、实时的客户体验来满足客户期望——统一的客户数据平台、由机器学习支持的规范性分析以及跨数字和物理接触点的情境化互动。实时客户分析是促成这些策略大规模实施的平台。”
其他主要研究发现包括:
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。