CX + AI = 💜? Как меняется клиентский опыт под влиянием AI

Искусственный интеллект может существенно улучшить клиентский опыт (Customer Experience) в разных сферах — ритейл, банкинг, туристическая отрасль. Тем более, что и сами клиенты к этому готовы: по некоторым данным, 60 % потребителей ожидают, что компании будут использовать собранную у них информацию для улучшения клиентского опыта. Компаниям ИИ даёт возможность больше узнать о предпочтениях клиентов, оценить их настроение после взаимодействия с брендом или сделать общение с чат-ботом более «человеческим».

Что может дать ИИ в улучшении клиентского опыта

Большинство компаний, особенно из B2C-сектора, уделяет сегодня большое внимание клиентскому опыту. С одной стороны, сами клиенты всё чаще хотят видеть более персональный подход и внимание к своим потребностям и эмоциям. Как следует из доклада компании Appinventiv, 86 % покупателей готовы платить больше за хороший клиентский опыт, а 61 % отказываются от товаров или услуг бренда из-за плохой работы с клиентами.

С другой стороны, компании понимают, что качественный анализ запросов клиентов, изучение их эмоциональных реакций на товары и более точное прогнозирование поведения дают преимущество перед конкурентами.

В последние несколько лет у компаний появился новый способ работы с клиентским опытом — различные инструменты на основе искусственного интеллекта. Вот несколько вариантов, как ИИ помогает улучшить клиентский опыт.

Улучшение работы чат-бота и виртуальные ИИ-ассистенты

По опросу Appinventiv, 50 % пользователей ожидают, что бренды будут быстро отвечать на вопросы в соцсетях. Одним из инструментов, которые компании уже давно используют для быстрых ответов пользователям, являются чат-боты. Генеративные модели, такие как ChatGPT или YandexGPT, помогают совершенствовать ответы чат-ботов.

Развитие ИИ делает возможным и создание более продвинутых виртуальных ассистентов. Технологии Natural Language Processing позволяют виртуальным ассистентам лучше понимать запросы пользователей и выдавать ответы, почти неотличимые от человеческой речи.

Важно и совершенствование ИИ-инструментов для голосового поиска. Тем более, что количество и объём покупок с помощью голосовых запросов растёт на сотни процентов в год: в 2023 году в сравнении с 2021-м общая сумма покупок, совершённых этим способом, выросла более чем на 400 %, составив $19,4 млрд.

Сегментация клиентов

Согласно опросу компании Sprout Social, 49 % руководителей считают, что ИИ станет критически важным инструментом сегментации клиентов. В частности, он может анализировать их поведение в интернете и выделять группы, которым можно предлагать те или иные продукты. ИИ позволяет намного более точно выделять категории потенциальных клиентов и делать таргетированную рекламу под них.

Анализ настроения клиентов

ИИ-инструменты могут анализировать посты в соцсетях и отзывы клиентов с точки зрения настроения — понравился ли клиенту товар или услуга. Такие инструменты анализируют тональность постов на основе употребляемых слов, речевых оборотов, использованных эмодзи и других показателей.

Анализ изображений и компьютерное зрение

Такие технологии могут использоваться, например, для анализа фотографий и видео пользователей, чтобы понять, насколько им понравился товар или услуга. Другой вариант применения — исследование предложений конкурентов. Анализ больших данных, полученных при обработке изображений и видео, даёт новые возможности для оценки удовлетворённости потребителей, их эмоций и предпочтений.

Технологии компьютерного зрения могут улучшить клиентский опыт в офлайн-магазинах: например, они «проверяют», какие товары находятся у покупателей в корзине — это ускоряет обслуживание на кассе и на выходе из магазина.

Предиктивная аналитика

Инструменты предиктивной аналитики позволяют делать более точные прогнозы поведения клиентов на основе больших данных: информации о покупателях, продажах, предложениях конкурентов, комментариев в соцсетях, реакций на разные рекламные кампании. Например, такие инструменты анализируют, данные о том, какая погода бывает в этом сезоне в этом месте, насколько популярно место у клиентов (на основе как посещений и продаж, так и данных из соцсетей), какие товары они чаще покупают. Это помогает делать более точные прогнозы по продажам и числу покупателей, а также прогнозировать макротренды в отрасли.

Динамическое ценообразование

Около 45 % руководителей из опроса Sprout Social заявили, что планируют использовать ИИ для построения моделей динамического ценообразования. Это особенно актуально для секторов, в которых цены сильно меняются в зависимости от сезона, дня недели и других факторов — например, в гостиничном бизнесе и туризме. ИИ позволяет сделать модели динамического ценообразования более точными, анализируя исторические данные о спросе в разные сезоны и дни, информацию о конкурентах, посты в соцсетях и другую информацию.

Персонализация контента

Анализ больших данных даёт возможность лучше узнавать клиента. С помощью ИИ можно анализировать самые разные данные о покупателе: не только историю покупок и поведение на сайте, но и комментарии в соцсетях и другие действия. На основе этой информации ИИ-инструменты могут подобрать более персонализированные предложения. Это особенно актуально для огромных маркетплейсов с миллионами позиций, где покупатель никогда не увидит многие подходящие предложения без персонализированных подсказок, учитывающих его предпочтения.

Все эти возможности ИИ для улучшения клиентского опыта могут применяться в самых разных сферах: от очевидных вариантов, например, ритейла, до специализированных отраслей, таких, как медицина.

Ритейл

Особенно активно ИИ-инструменты используются для улучшения клиентского опыта в ритейле. По некоторым прогнозам, рынок ИИ в ритейле к 2030 году достигнет $40,7 млрд.

Крупнейший в мире ритейлер Walmart дополнил поиск в своём приложении инструментами генеративного ИИ, которые обрабатывают запросы на естественном языке. По замыслу разработчиков, это повышает персонализацию приложения и делает его более удобным для пользователей. Генеративный ИИ позволяет клиенту вводить не точные названия или категории товаров, а общие описания — например, «для вечеринки под футбол». Дополнительно приложение анализирует местоположение, историю заказов и другие данные — и выдаёт рекомендацию продуктов и аксессуаров для такой вечеринки.

Американская сеть магазинов Sam’s Club использует систему компьютерного зрения для упрощения проверки покупателей на выходе. Система распознаёт товары в тележках и сравнивает их с тем, что покупатели оплатили. Это позволяет избежать очередей на проверку покупок сотрудниками магазинов и тем самым улучшает впечатление покупателя от посещения магазина.

Маркетплейсы тоже активно используют ИИ: например, для улучшения рекомендательных систем, составления текстов и других задач. Amazon предложил инструмент генеративного ИИ продавцам — с его помощью они могут быстрее создавать объявления. Такой инструмент по короткому описанию и фото продукта составляет его расширенное описание с указанием функциональных особенностей, цвета и размера.

Яндекс.Маркет недавно запустил ИИ-инструмент, составляющий персональные подборки для конкретных пользователей. Нейросеть анализирует прошлые покупки и другие действия покупателя и на их основе предлагает ему подборки в разных категориях — например, одежда или товары для дома. Инструмент обучается по мере того, как пользователи добавляют в избранное новые товары.

Ozon экспериментирует с генерацией изображений одежды на виртуальных моделях. Продавцам нужно загрузить фото одежды, после чего инструмент сгенерирует изображение, где эта одежда будет надета на модель. Пока инструмент запущен в тестовом режиме и работает с ограниченным набором предметов женской одежды.

«Магнит» в апреле 2024-го создал лабораторию для разработки и внедрения инструментов с использованием генеративного ИИ. Речь идёт об инструментах для персонализации общения с покупателями, создания более качественных изображений товаров, разработки виртуальных помощников для персонала.

Ещё одна разработка в сфере ритейла — виртуальный ассистент на основе ИИ. Он помогает искать нужную информацию в большом объёме текстов, видео и описаний товаров. Пользователь может задавать вопросы ассистенту в форме обычного чата в мессенджере — генеративный ИИ позволяет обрабатывать запросы и выдавать ответы на естественном языке. Кроме того, в инструменте используется технология RAG (Retrieval Augmented Generation) — при генерации ответа к запросу пользователя добавляется релевантная информация из дополнительных источников, что позволяет сделать ответ более точным и исключить вероятность «галлюцинаций».

Банкинг

Банковская сфера цифровизируется быстрее прочих отраслей. Здесь уже применяются многие ИИ-инструменты для улучшения клиентского опыта.

Bank of America внедрил ИИ-инструмент, который даёт персонализированные рекомендации по инвестиционной стратегии, что, в частности, повышает вовлечённость клиентов. Также банк совершенствует своего виртуального ассистента Erica: технологии Natural Language Processing и предиктивная аналитика помогают лучше понять, с чем может обратиться клиент.

«Альфа-банк» использует инструменты ИИ для улучшения работы с отзывами. Алгоритмы ИИ помогают классифицировать отзывы по темам, анализируют оценки клиентов и на их основании делают выводы о том, какие коррективы нужно внести в работу.

ИИ используется и для оценки эмоций и настроений клиентов. В частности, в центре исследования клиентского опыта Alfa Research Center действует система нейросетей Sense Machine, которая анализирует данные с камер и микрофонов и определяет, какие эмоции испытывают клиенты.

Туристическая отрасль и сфера услуг

Сеть отелей Marriott Bonvoy использует инструменты генеративного ИИ, чтобы помочь пользователям найти отель. Клиенты могут написать текст о том, в каком отеле они хотели бы остановиться. Например, «я бы хотел поехать в Париж или Вену и жить в центре» или «мне нужен дом на берегу моря на Карибских островах, который подходит для празднования девичника». Генеративный ИИ анализирует этот текст и подбирает клиенту отель или коттедж, максимально подходящий под его запрос

Сеть кофеен Starbucks не первый год применяет ИИ-платформу Deep Brew. В первую очередь это инструмент предиктивной аналитики больших данных о работе кофеен. Он позволяет прогнозировать загруженность кофеен в разное время и оптимизировать объёмы запасов и распределение сотрудников по точкам. Кроме того, Deep Brew помогает подготовить персонализированные предложения для разных клиентов, оценить их предпочтения, в соответствии с этим вносить изменения в меню и разрабатывать более эффективные маркетинговые кампании.

Один из крупнейших в мире производителей алкоголя Diageo также использует инструменты предиктивной аналитики для оценки эффективности маркетинговых кампаний. Этот инструмент позволяет прогнозировать окупаемость инвестиций на основании продолжительности, периода проведения, целевой аудитории и других показателей кампании. На основании прогнозов маркетологи Diageo могут принимать решения о том, когда и какие кампании будут успешнее.

Медицина

Рынок MedTech активно развивается в последние годы. Одно из перспективных направлений — цифровизация работы с пациентами, здесь также применяются ИИ-инструменты. По некоторым подсчётам, рынок ИИ в медицине к 2030 году достигнет $188 млрд.

Облачная платформа Webex Connect, принадлежащая разработчику Cisco, представила два ИИ-инструмента для медицинской сферы: Deep Medical и SpinSci. Deep Medical анализирует различные данные, в том числе связанные с поведением людей, и прогнозирует вероятность, что человек пропустит приём у врача. Инструмент напоминает пациентам о приёме и в случае необходимости помогает записаться на другой день.

Облачная платформа с использованием ИИ SpinSci позволяет объединить разные виды взаимодействия с пациентами в одном месте. На платформе хранятся направления к врачам, график записи к ним, рецепты на лекарства и другие необходимые пациенту данные и документы.

Как и в других сферах, в медицине популярны чат-боты с использованием ИИ. В 2023-м году компания «ТелеМедХаб» запустила медицинский чат-бот в Telegram «Склифосовский GPT». Пользователи этого чат-бота могут описать симптомы болезни и ответить на уточняющие вопросы, после чего бот порекомендует варианты лечения и запишет к врачу.

Перспективы

По прогнозам компании Accenture, ИИ может повысить прибыльность компаний на 38 % к 2035 году. По другим прогнозам, хоть и менее точным, уже к 2025 году 95 % взаимодействий брендов с клиентами будут совершаться с использованием ИИ.

Следствием этого будет улучшение клиентского опыта — уже сейчас компании разных сфер используют ИИ для того, чтобы сделать взаимодействие с клиентами более персонализированным, лучше анализировать и предсказывать их поведение, качественнее общаться с ними через чат-боты и виртуальных ассистентов.

‍

Этот материал опубликован на vc.ru