糟糕的客户体验会导致企业营收损失明显。2023年5月IDC开展的全球客户体验管理调查显示,大部分企业将客户战略放在首位,但在客户体验管理方面面临的最大挑战是来自于缺少足够的技术预算和高层支持。
通过品牌传道脱颖而出
在这个AI和全渠道客户体验的时代,良好的客户体验必不可少。但企业还必须不断为客户创造价值,提高他们对品牌的忠诚度并将他们转化为品牌传道者。创造品牌传道者的关键在于了解客户、增加与客户的互动和作出快速响应。企业可以借助AI的力量来创造忠实客户。
利用AI创造客户价值
由于 ChatGPT 和 DALL-E 以及它们创建的内容通常与人类生成的内容(如计算机代码、论文甚至笑话)难以区分,人工智能的受欢迎程度激增。在生成式AI的推动下,这股AI热潮已渗入到商业领域。企业领导者们都想知道,AI到底是过眼云烟,还是一次改变业务的机遇。IDC最新发布的《全球人工智能支出指南》预测,亚太地区(不包括日本)的AI支出将在2026年增长至492亿美元。
虽然AI应用众多,但生成式AI是目前最具创新潜力的企业用例。例如,客户可以向基于AI的“虚拟助手”询问有关产品的技术问题,以便为今后的购买提供参考或解决现有问题。当获得数据并与正确的语境相关联时,虚拟助手可以比人类更快检索并回复正确的信息。随着AI模型的成熟,企业可以利用它们处理更复杂的用例,比如帮助客户识别和修复设备故障等。
使用AI将更基本或琐碎的客户体验任务自动化,让企业将更多的员工和资源投入到需要更多人际互动的领域,或者追求更高价值的任务,比如开拓潜在的销售机会等。
上述例子只是生成式AI在企业环境中能做什么,以及如何利用它来提升客户体验的冰山一角。
利用数据提供出众的客户体验
若想提供出众的客户体验,企业就需要挖掘数据的价值。企业可以通过识别客户行为数据中的历史趋势和模式,来预测客户需求并主动向他们提供更加个性化的产品和服务。
尽管企业明白数据对其客户忠诚度至关重要,但他们在收集、组织、整合和分析数据时往往面临挑战。而且由于大型企业的数据通常分布在全球各地,跨越公有云和私有云上,这些问题会变得更加复杂。
为了解决这一问题,东南亚领先的银行之一华侨银行通过部署独特的混合云解决方案,来整合其不同的数据源并提供创新的银行服务。这个“不挑云”的混合数据平台使该行的数据科学家能够使用各种应用,并在不同的云环境中访问华侨银行的大量结构化和非结构化数据,同时保证数据的安全。此外,华侨银行可以利用AI和机器学习在其移动银行应用上提供 100 多种不同的个性化通知,提醒客户有关机会的信息,这些通知的点击率高达 50%。
随着数据访问量的增加,企业必须能够信任自己的数据。AI的好坏取决于用来训练它们的数据。如果数据是最新、准确且无偏见的,企业就可以对其AI模型生成的洞察充满信心。
品牌信任至关重要。品牌传道者相信他们所喜爱的品牌能够满足他们的期望并兑现承诺,这使他们成为回头客。而信任自己的数据对企业同样重要。在相信自己的数据是健康且可以随时访问的前提下,企业可以使用这些数据来驱动AI模型,从而提升客户体验。
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。