例如,空乘人员可以通过自己的iPhone使用MyFlight应用,查看每位客户在过去五次航班中的体验。他们还可以查看乘客的生日是否就在近期,或者是否刚刚发生忠诚度变化。
另一款应用Easy Chat则能在飞机降落到再次起飞之间,把各项工作分配给航班上的机组人员。在航班起飞前两小时,该应用会通过聊天室派发工作任务,就座位变更、餐饮更新、舱顶行李箱满载度及其他可能影响飞机准时起飞的因素同客服代表、航班主管和运营人员展开实时沟通。
MyFlight和Easy Chat,只是美联航CIO Jason Birnbaum及数字技术团队开发的众多解决方案之一,旨在提高运营效率并实现更加个性化的客户服务。随着机场在疫情之后重归繁忙,客户期望享受无缝化的出行体验,而这些应用也凸显出数据与连接性这类战略优势在新时代下的重要意义。
Birnbaum于2015年加入美联航,并于去年被任命为CIO。在他看来“一切都核心在于连通性”,这不仅能让团队成员的工作更轻松,还“让他们能更好地为客户服务,实时解决问题并与所有相关人员顺畅沟通”。
美联航计划今年夏天飞往114个国内外城市,航班数量比去年增加了25%,努力满足急剧增长的美国境外旅行需求。他们还计划到2033年新增700多架新飞机,今年之内新增90架、2024年则为140架。
业务的快速回暖让航空企业可谓是“守得云开见月明”,与不少其他行业一样,航空领域在疫情爆发的几年中交通量大幅下降。而后疫情时代下,人们选择航班的方式和时间都有所变化,也让美联航意识到快速培养技术能力的重要意义。
“现实迫使我们重新思考美联航应当成为一家什么样的航空企业,我们必须想办法掌握灵活扩展的能力。”
为此,美联航开始高度关注数据的作用,采用更灵活的基础设施,并转向了以客户为中心的全新工作方式。
美联航开始在分析类用例上“三倍着力”,不仅借此支持航线规划决策,还可以诊断延误原因、帮助乘客转机,并提出更高效的燃料使用方式。美联航在分析工作中采用一套中心辐射模型,即先设立一个核心数字技术分析团队,再将数据科学家嵌入到各应用团队当中。
而支持并推动这场分析变革的,当然是朝着云基础设施和“云原生”思维的持续转向。云基础设施能够带来更强的可扩展性,例如在天气条件突然变化时,从容应对旅客在应用上集中查询航班更新的峰值流量。此外,新设施的建立还能在发生问题时加快恢复速度,尽量降低高峰出行期间旅客可能遭遇的意外延误。Birnbaum坦言,“如今的业务紧迫感,要比以往任何时候都更加强烈。”
航空企业还一直在努力改善客户及团队成员的使用体验。负责设计工作的员工正努力让应用尽可能实现用户友好,特别是高效引导尚未掌握行业知识的新员工。
Birnbaum指出,数字技术小组正在积极探索大语言模型和生成式AI的应用可能。这项技术能够帮助旅行者们规划复杂的行程,提高客户服务中心的效率,并以易于理解的形式向团队提供关键运营更新。
美联航去年推出了Airshop创新实验室,数字技术团队正在这里试验虚拟现实、元宇宙、智能行李标签等各类新兴技术。落地在芝加哥的这处实验室也将成为美联航与各高校、创意合作伙伴和其他机构开展合作的中心。
其他一些举措则希望让航班设置更好地满足家庭出行需求。根据今年早些时候的一项最新家庭座位政策,航空企业应帮助家长们轻松把12岁以下的孩子安排在自己的座位旁。美联航为此推出了座位映射功能,可以在预订时动态寻找彼此相邻的可用座位。Birnbaum及其团队还在努力改善机场内的标识,打造更加直观的寻路系统,并提供诸如哪些机场餐厅更适合家庭用餐等细节引导。
Birnbaum最后总结道,“所谓个性化客户体验,其根本是将强大的技术与信息同卓越的从业者结合起来。”
好文章,需要你的鼓励
OpenAI 本周为 ChatGPT 添加了 AI 图像生成功能,用户可直接在对话中创建图像。由于使用量激增,CEO Sam Altman 表示公司的 GPU "正在融化",不得不临时限制使用频率。新功能支持工作相关图像创建,如信息图表等,但在图像编辑精确度等方面仍存在限制。值得注意的是,大量用户正在使用该功能创作吉卜力动画风格的图像。
Synopsys 近期推出了一系列基于 AMD 最新芯片的硬件辅助验证和虚拟原型设计工具,包括 HAPS-200 原型系统和 ZeBu-200 仿真系统,以及面向 Arm 硬件的 Virtualizer 原生执行套件。这些创新工具显著提升了芯片设计和软件开发的效率,有助于加快产品上市速度,满足当前 AI 时代下快速迭代的需求。
人工智能正在深刻改变企业客户关系管理 (CRM) 的方方面面。从销售自动化、营销内容生成到客服智能化,AI不仅提升了运营效率,还带来了全新的服务模式。特别是自主代理AI (Agentic AI) 的出现,有望在多渠道无缝接管客户服务职能,开创CRM发展新纪元。
数据孤岛长期困扰着组织,影响着人工智能的可靠性。它们导致信息分散、模型训练不完整、洞察力不一致。解决方案包括实施强大的数据治理、促进跨部门协作、采用现代数据集成技术等。克服数据孤岛对于充分发挥AI潜力至关重要。