Videó: Hogyan alakult az e-kereskedelem? (November 2024)
A mesterséges intelligencia (AI) szinte kizárólag a tudományos fantasztikus kifejezésben használt kifejezés volt, hogy bármit elindítson az Armageddon megszállott szuperszámítógépektől a szerencsétlen gyárrobotokig, amelyeket a villámcsapások éreznek. De ma az AI-t arra használják, hogy leírja az üzleti élet gyakorlatilag minden olyan aspektusának közeljövőét, amely kihasználja a szervezet adatait. A probléma az, hogy a felhőalapú számítás kezdeti napjaihoz hasonlóan, az AI technológia fejlesztői is eltérően határozzák meg. Ez zavaró marketingmûködést tett az AI-bõl, a gépi tanulásból (ML), a prediktív elemzésbõl és még a virtuális asszisztensekbõl is.
Ezenkívül nehezen navigálhatóvá vált, hogy ezek a technológiák hogyan befolyásolják az üzleti különféle aspektusait. Az e-kereskedelem az egyik kulcsterület, amelyben az AI és az ahhoz kapcsolódó technológiák már régóta hatással vannak a színfalak mögött. Az e-kereskedelemben az intelligens elemzés új képességeket kínál, a személyre szabott vásárlási élményektől a prediktív vásárlói viselkedési elemzésig. Beszéltünk Kris Hamrick-lel, az IBM Watson ügyfél-elkötelezettségért felelős üzletvezetőjével, hogy tisztázzuk az AI és az e-kereskedelem körüli zavart. Megvitatták azt is, hogy a Big Blue miként fogja kiaknázni az IBM Watsont az e-kereskedelem területén.
PCMag: Köszönöm, hogy időt fordítottál velünk beszélgetésre. Először is könnyű összekeverni a személyre szabott reklámozást a "kognitív kereskedelemmel", mivel mindkettő magában foglalja az adatok és az analitika felhasználását az ajánlatok és az ügyfelek preferenciáinak és szokásainak összehangolására. Gyakran összekeverik a kognitív kereskedelmet és a virtualizált asszisztenseket, például az Amazon Alexa és a Google Assistant. Hogyan látja az IBM az AI-vezérelt koncepciók közötti különbségeket?
Magyarázom el, hogyan különbözteti meg az IBM az AI-t a kognitív számítástechnikától. Az AI a számítógép azon képessége, hogy megértse és értelmezze, mint egy ember. A kognitív számítástechnika magában foglalja a megértés, érvelés, tanulás és interakció képességét, összehozva az embert és a gépet, hogy egymástól tanuljanak, és egymással kombinálva erősebb módon működjenek együtt.
Az adatok előkészítik az AI-t. Mi lenne azokkal az adatokkal, amelyek egy alkalmazáson kívül, üzleti egységekben, külső forrásokban, sötét adatokban és még sok másban vannak? Különböző rendszerek világában élünk, amelyek együttes összekapcsolásakor, amikor adatkapcsolatot létesítenek vagy új azonosított mintákat hoznak létre, 1 + 1 = 3 értéket adhatnak. A Watson egyedivé teszi az a hozzáférés mindezen különféle adatforrásokhoz, valamint az emberekkel való interakció, az üzleti kérdések megértése, az akció oka felfedezésének kognitív képességei és végül az interakcióból való tanulás, valamint a tanulás jövőbeni lekérdezésekben történő felhasználása.
A személyre szabás és a kognitív kereskedelem vonatkozásában a Watson lehetővé teszi a felhasználók számára, hogy túllépjenek például az ügyfélkapcsolat-menedzsment alapú analitikán, hogy mélyebb betekintést nyerjenek és további információkkal - például a sötét adatokkal (például szociális média, csevegőszobák, ügyfélszolgálati átiratok és egyéb információk) - cselekedjenek. adatok, amelyeket a modern CRM-ekhez csatolhatunk. A Watson használatával a kampányok részletesebb információkból és betekintésből származhatnak, optimalizálhatják például az árakat, a teljesítést, a szállítás végrehajtását; előre láthatja a kihívásokat, mielőtt azok bekövetkeznének, és végül javítja a KPI-ket. Ez exponenciálisan javítja a felhasználók azon képességét, hogy működjenek együtt a funkcionális területeken, és kevesebb erőfeszítéssel jobban befolyásolja az üzletet.
A vállalkozások ma a meglévő erőforrásokkal próbálják ezt megtenni. Jelentéseik, sok táblázata és sok találkozója van az adatokról és intuícióikról. De végül sok esetben kognitív elfogultság alapján hajtják végre - vagyis az összes adatot és zajt kiszűrik, hogy olyan adatokat találjanak, amelyek megfelelnek a dolgok korábbi elvégzésének. Valójában ez a döntéshozatali torzítás, nem pedig az adatok.
Összegezve: a Watson Customer Engagement keretein belül kognitív képességeket ágyazunk be a folyamatokba, hogy maximalizáljuk az üzleti teljesítményt, javítsuk az értékesítési / árképzési döntéseket és optimalizáljuk a teljes ellátási láncot. Az ügyfelek közvetlenül elérhetik ugyanazokat a Watson alkalmazásprogramozási felületeket, hogy lehetővé tegyék saját örökölt alkalmazásaikat és folyamataikat kognitív képességekkel. A legfontosabb: Watson felvázolja a rendellenességeket, javasolja a fellépéseket és megmagyarázza miért .
PCMag: A B2B kereskedelem vitathatatlanul bonyolultabb volt, mint a B2C, az automatizálás és az ajánlatok méretezése, valamint az árak, a feltételek és a tranzakciók szempontjából. Például, amíg a fogyasztók árakat vásárolnak, addig a vállalkozások kemény árazási tárgyalásokat folytatnak, sőt az ár-vásárlás mellett üzletédesítőket várnak el. Hogyan lehet a kognitív kereskedelem vagy a kognitív számítástechnika megváltoztatni a B2B-ügyletek végrehajtásának módját? És hogyan fogja ez betartani a vásárlók költségeit, és javítani az eladók nyereségét?
KH: A B2B kereskedelem nagyszerű példája annak, hogy a vállalkozás megtanulja felhasználni a B2C világban zajló csodálatos forradalmakat a profit maximalizálása és az ügyfelek és partnerek jobb tapasztalatainak biztosítása érdekében. A kis méretű, közepes méretű vállalkozások számára eladott vállalkozások ugyanolyan kihívásokkal néznek szembe, mint a kiskereskedelmi társaik, ideértve az árrés-eróziót, a csatornakonfliktusokat, az ügyfelek elégedettségét, az „Amazon-effektust” (az Amazon Business-en keresztül), amely lehetővé teszi az ügyfelek számára a kívánt vásárlási út kiválasztását, lehetővé téve az értékesítőknek, hogy összpontosítsanak a megfelelő lehetőségekre tranzakciós csatorna biztosításával és hasonlókkal.
Az első lépés az, hogy partnereinek és ügyfeleinek jobb átfogó élményt nyújtson, mint a versenytársainál, és magas szintű ügyfélszolgálatot várjon el az emberek ezen a korban. Ha az Ön ügyfele vagyok, ez azt jelenti, hogy meg kell ismernie a tárgyalt árazási feltételeimet, a vásárlási előzményeimet, meg kell mutatnia a vállalkozásom szempontjából releváns termékeket vagy ajánlatokat, és lehetővé kell tennem számomra, hogy ezeket a termékeket és szolgáltatásokat fogyasztói- barátságos megoldás. A kognitív képességeket a teljes értékláncban szövni lehet és meg kell szövni, hogy elérjék ezeket a célokat.
Ma azt látjuk, hogy ez sok iparágban megtörténik. Ha egy lépéssel tovább akarunk lépni, vigyük át a kérdést, nem csupán a „tranzakciót”, és kezdjük meg mérlegelni, hogy mit jelent a B2B a különféle iparágakban, és hogyan szolgálják ki ügyfeleiket.
Például a vezető gyártók előre jelezhetik az időjárási viszonyokat, hogy elkerüljék az ellátási lánc zavarát és a készlethiányt a termék bevezetésekor. Az egyik ügyfelünk, a Kone, a felvonók IoT-adatait használja fel a kopás megelőzésére és a karbantartás prioritásainak meghatározására a szolgáltatás kiesése előtt. Az orvosi területen a Quest Diagnostics Watson segítségével elemzi az egyén daganatainak biopsziáját, és összehasonlítja a DNS-szekvenciát az orvosi folyóiratok, kutatási dokumentumok és klinikai vizsgálatok millió oldalas oldalával, hogy az onkológus számára a legjobb kezelési ajánlást nyújtsa az adott beteg számára..
Ezek a példák nyilvánvalóan nagyon különböznek egymástól, de csak azt hangsúlyozzák, hogy a lehetőségek végtelenek. Csak a kognitív utazás elején vagyunk. Most kezdjük felfedezni azon sokféle módot, amellyel ez a technológia hozzájárulhat a vállalkozások és ügyfeleik közötti kapcsolatok javításához.
PCMag: A digitális átalakulás dühös ütemben zajlik mindenhol, és jelentősen több adatot hoz létre, mint amit valaha láthattunk. Az adattudósok azonban úgy vélik - és úgy tűnik, hogy az IBM egyetért azzal, hogy az adatoknak nem szabad önállóan létezniük, mivel azok értéke nagyrészt abban rejlik, hogy értelmes mélység és kontextus adódik a komplex lekérdezésekhez. Miért egyedülállóan alkalmas a Watson arra, hogy eltérő adatokkal és bonyolult lekérdezésekkel dolgozzon?
KH: Ahogy korábban tárgyaltuk, az összes adat 88% -a valóban sötét. Ez azt jelenti, hogy azok a adatok, amelyek mindazokat a megkereséseket próbálják megtalálni, amelyek nem könnyen megemésztethetők vagy szűrhetők az adatforrásokban. Továbbá, az adattudósok drága források, és nem könnyű skálájukkal megosztani tanulmányaikat egy egész vállalkozáson belül vagy kisebb cégekig.
Watson esetében a cél az, hogy ezeket a sötét adatokat átvegye és mindenki számára elérhetővé tegye. A lehetőségek végtelenek. A Watson egyedülálló képességei vannak nagy mennyiségű strukturált és strukturálatlan adat fogyasztására különböző nyelveken, az adatok felhasználásával sokféle kognitív szolgáltatással működnek, optimalizálják a tapasztalatokat bármely közönség számára az üzleti felhasználóktól a fogyasztókig, és ugyanazokat a szolgáltatásokat nyújtják más vállalatoknak is, hogy beágyazhassák őket. alkalmazásukon belül.
Sok példa található itt. Az egyik esetében a "Watson Tone Analyzer" lehetővé teszi egy olyan nyelvi tartalomelemzést, amely felismeri és megérti a beszélgetésekben és a kommunikációban megjelenő hangokat, hogy megfelelő módon reagáljon. A "Watson Personality Insights" a személyiségjellemzőket az emberek írásmódja alapján vonja ki. A "Watson Conversation" lehetővé teszi egy bot vagy virtuális ügynök telepítését eszközökre, üzenetküldő platformokra, mint például a Slack, vagy akár egy robotra.
És a "Watson Visual Recognition" megérti a képek tartalmát. Ez az egyik kedvencem, mert annyira sokoldalú. A Visual Recognition használatával felismerheti egy bizonyos típusú ruhát a kiskereskedelmi üzletben, azonosíthatja az elrontott gyümölcsöket az élelmiszerüzlet leltárában, elemezheti az egyik biztosítási ügyfelének a tetőszakasz által okozott károkat és még sok minden mást.
PCMag: A legtöbb szervezetben az adatok demokratizálódása folyamatban van - vagy legalábbis tervezett -. De a flipside - az adatok fogyasztása - szintén felfelé mutat, mivel a fogyasztók minden nap adat-vezérelt döntéseket hoznak. Milyen szerepe van, vagy játszhat a Watson és a kognitív kereskedelem ebben az adatfogyasztási trendben?
KH: Ez egy nagyszerű pont: az adatokat nemcsak arra, hogy több üzleti döntést hozzanak, hanem több fogyasztói döntést is vezetnek. A vállalkozásokhoz hasonlóan a fogyasztók több adatot akarnak, hogy megalapozottabb döntéseket hozzanak, de nem akarnak sok időt és energiát tölteni azzal, hogy több adatot szűrjenek rá. Gyors eredményt akarnak, és tudniuk kell, hogy ez az optimális döntés az alapján, amire szükségük van az adott pillanatban. Végül azt szeretnék, hogy láthatóvá váljanak az adatok, amelyek döntéshozatalra támaszkodtak.
Néhány példa: Először: az 1-800-Flowers a közelmúltban mutatta be a "Gwyn" mint személyes portás botot, hogy segítse a vásárlókat a legjobb termék megtalálásában az ajándék kedvezményezettje érzelme és személyes preferenciái alapján. A Watson segítségével a Gwyn természetes nyelven kommunikálhat online ügyfelekkel. Például egy ügyfél beírhatja: „Ajándékot keresek anyámnak”, és Gwyn képes lesz értelmezni ezt a kérdést, majd feltenni számos minősítő kérdést az alkalomról és az érzelmekről annak biztosítása érdekében, hogy megfelelő és testreszabott ajándék-javaslat minden vásárló számára. Ez személyre szabja a katalógust, kevesebb adatot mutat be a vásárlónak, és az interakciót arra összpontosítja, hogy a vásárló abban a pillanatban mit akar elérni.
Hasonlóképpen, az The North Face interaktív, párbeszéd alapú megközelítést biztosít a vásárlók számára. Valószínűleg nem gondolná a kabátokra, mint egy bonyolult termékre, ám vannak. Sok olyan tényező létezik, mint az időjárási tartomány, az aktivitás szintje és a mobilitás, amelyeket a vásárló kezdetben nem számíthat. Watson logikai érvelési képességeinek felhasználásával, valamint a természetes nyelv megértésének, kategorizálásának és értékelésének képességével felhasználva az North Face rendszer egy rövid finomítási kérdést tesz fel, hogy testreszabott termék- és tartalmi ajánlásokat nyújtson, amelyek megfelelnek a vásárló kifejezett kívánságainak és preferenciáinak. Megállapítja azt is, hogy a termék jellemzői miért felelnek meg az adott igényeknek. Ez felfedi azokat az adatokat, amelyekre szükség van az ajánlás érvényesítéséhez.
Meggyőződésünk, hogy az ügyfelek minden csatornán elvárják az ilyen szintű testreszabott, személyre szabott szolgáltatást. Azt akarják, hogy az élmény inkább beszélgetés, tapasztalat legyen, ahol azt kérdezik: "Hogyan segíthetek ma?" Ez olyan, mint a szolgáltatás, amelyet akkor kap, ha belép a nagy ügyfélszolgálatból ismert kiskereskedelmi üzletbe. Végső soron azok a cégek, amelyek képesek a legjobb márkaélményt nyújtani, a legtöbb piaci részesedést fogják elérni.
PCMag: Úgy tűnik, hogy már gyorsan megközelítjük azt a napot, amikor még a valós idejű adatok elemzése is kevés, túl késő bizonyos felhasználási esetekben. Hamarosan szükségünk lesz proaktív asszisztensekre - vagy virtuális asszisztensekre -, akik nem pusztán megjósolják, hanem valójában előre jelezik, amire szükségünk lesz vagy akarunk, még mielőtt kérnénk. A Google nemrégiben bejelentett "Proaktív asszisztens" -ben korai pillantást vethet erre. Mit csinál az IBM a proaktív elemzés szempontjából?
KH: Ez egy olyan terület, amelyre az IBM sok energiát fordított. Arra koncentráltunk, hogy olyan kognitív képességeket nyújtsunk, amelyek segítenek a vállalkozásoknak az ügyfelek elkötelezettsége szempontjából értelmes tapasztalatokat szolgáltatni mind a B2C, mind a B2B forgatókönyvekhez. Több példát már tárgyaltunk.
Úgy gondolom, hogy a vállalkozások történelmileg akartak a lehető legtöbb releváns adathoz hozzáférni. Az elmúlt években történt adatrobbanással, sok adatunk van. A probléma most az, hogy ezeket az adatokat torzítások nélkül használhatóvá tesszük. Ezenkívül egyensúlyba kell hoznunk a CRM rendszerben szereplő történelmi adatokat a valósággal, amire most szüksége van egy potenciális vásárlónak. Nem szabad elvakítanunk pusztán azért, amit a CRM rendszer mond, hogy korábban vásárolt.
A kognitív új CRM-et engedélyezhet, vagy legalábbis hatékony változó lehet az átfogó döntésben. A vállalatok ezrei adatpontokkal rendelkezhetnek egyetlen B2B vagy akár B2C ügyféllel. Ennek a történelmi nézetnek azonban figyelembe kell vennie a nagyon kevés adatpontot, amelyek a legfontosabbak abban a pillanatban, amikor az ügyfél mérlegeli a vásárlást. Ez olyan változókat foglalhat magában, mint a szándék, az érzelmek, a trendek és más külső tényezők.
A következő legjobb intézkedés előrejelzéséhez minden üzleti vállalkozásnak ki kell értékelnie vásárlói vásárlási mintáit, és meg kell határoznia, mikor áll fenn környezetük jelenlegi vagy kiszámítható realitása a korábbi CRM-adatokkal. Ez a proaktív elemzési látás, amely felé az IBM dolgozik.
