想象未来IT专业人员可以转变为客户科学家,这听上去可能有些牵强,但下一代IT的确需要走上更严格、更系统的客户分析之路,以制定客户行为的因果理论。
每个组织都声称自己是以客户为中心的,有些组织甚至坚称自己以客户为中心。事实上,对于大多数企业来说,“以客户为中心”只是一个话题和愿望,而不是一种差异化能力。
想一想,在日常生活中,有多少产品或者服务交互超出了你的预期?有多少人见过这种产品或者服务?自2010年以来,客户满意度水平一直趋于平稳。自此之后,根据美国客户满意度指数显示,有近80%的企业无法提高客户满意度评级。因此,尽管组织可能正在关注客户体验问题,但他们并没有取得太大的进展。
客户科学案例
美国亚利桑那州立大学W.P.服务领导中心凯里商学院会定期进行全国客户愤怒调查,跟踪客户满意度、投诉处理以及客户不文明行为(即愤怒)的惊人发生率。客户体验/满意度领域有一个新兴的关键绩效指标是“愤怒点击”——例如,由于网站加载缓慢或冻结,用户有时会点击按钮五六次。减少或消除客户愤怒是否应该成为一项IT指标?
很多人把科学定义为对现象的严格且系统的识别和测量。在营利性和非营利性板块中,最重要的现象就是客户行为和心态。
客户科学将客户的行为和心态置于显微镜下。你的组织擅长客户科学吗?你的组织是否衡量了客户体验?你的组织是否聘请了“科学家”根据收集的数据观察和解释客户行为?
在每个客户都有广播平台的这个世界中,未能满足或超出客户期望可能都会带来重大的影响。
2018年2月21日,凯莉·詹纳 (Kylie Jenner)在推特上表达了对Snapchat应用新布局的不满之后,Snapchat的市值在一天内损失了13亿美金。她只是说了:“还有人打不开Snapchat了吗?或者只是我……唉,这太悲伤了。”2016年,美国企业因服务质量差而导致客户流失,其损失高达1.6万亿美金。
实践中的悖论
通往客户科学的道路充满了悖论。组织型的悖论是,如果“客户为王”,为什么企业中没有人有权确保每一次交互都达到或超出预期。这就是现在非常流行的首席客户官的角色吗?还是首席体验官?
Glenn Laverty曾任理光加拿大公司总裁兼首席执行官,现在他已经退休。他巧妙地解决了这种责任/权力悖论,将每位员工的薪酬与客户体验/满意度指标联系起来。
衡量什么以及奖励什么会驱动行为。在波音公司,有迹象表明,生产吞吐量补偿指标胜过安全考虑。客户科学可以为每个人的薪酬与客户体验指标之间的校准和细致联系提供信息。
美国客户满意度指数创始人Claes Fornell、密歇根大学商学院荣誉教授Donald C. Cook描述了客户科学的数据悖论。组织收集到的客户信息比以往更多,但“矛盾的是,企业收集的客户数据越多,他们似乎就越不知道如何满足客户的需求。”这个情况这必须有所改变。
“客户科学”这个术语几乎是一个矛盾的说法。有几位诺贝尔奖获得者——例如Herb Simon(1978年)和Daniel Kahneman(2002年)——已经消除了大多数主流经济学所基于的错误假设,即顾客总是理性的。
品牌研究人员、客户体验专家和客户满意度研究人员一致认为,真正的客户忠诚度取决于企业/品牌与买家建立情感联系。虽然科学和人类情感当然不是同义词,但我们相信,科学可以影响情感,而且客户是可以理解的。
不少商学院撰写的经济史认为,在1967年左右(参见Philip Kotler的《营销管理》,现已出版第16版)组织发现,应该由客户而不是产品来推动决策。客户、客户体验和客户满意度应该是管理者努力的焦点。战略成为识别目标客户和制定指导所有战术活动(包括产品设计、定价、促销和分销)价值主张的一个过程。
管理大师Peter Drucker说过:“企业的目的是创造客户。”CIO必须确保系统到位,以确保我们了解企业正在创造的客户。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。