Nahlédnutí do odvětví: ai a budoucnost elektronického obchodu

Umělá inteligence (AI) bývala frází používanou téměř výlučně ve sci-fi k tomu, aby poháněla cokoli od superpočítačů posedlých Armageddonem až po nešťastné tovární roboty, které byly vnímavé bludnými blesky. Ale dnes se AI používá k popisu blízké budoucnosti prakticky každého aspektu podnikání, který využívá data organizace. Problém je, podobně jako v prvních dnech cloud computingu, vývojáři technologie AI každý tendenci jej definovat odlišně. To způsobilo matoucí marketingovou morálku z umělé inteligence, strojového učení (ML), prediktivní analýzy a dokonce i virtuálních asistentů.

Navíc, jak přesně tyto technologie ovlivní různé aspekty podnikání, se stává obtížnou navigací. Elektronický obchod je jednou z klíčových oblastí, v níž má AI a související technologie dlouhodobě dopad na pozadí. V oblasti elektronického obchodování poskytují inteligentní analytiky nové funkce, od osobních nákupních zážitků až po prediktivní analýzu chování zákazníků. Mluvili jsme s Krisem Hamrickem, výkonným ředitelem obchodní jednotky odpovědným za zákaznickou angažovanost společnosti Watson pro zákazníka společnosti IBM, abychom objasnili některé nejasnosti týkající se umělé inteligence a elektronického obchodování. Také jsme diskutovali o tom, jak Big Blue využije IBM Watson v prostoru elektronického obchodování.

PCMag: Děkujeme, že jste si našli čas na rozhovor s námi. Začněte tím, že je snadné zaměnit personalizovanou reklamu s „kognitivním obchodem“, protože obojí zahrnuje použití dat a analytiky k přizpůsobení nabídek preferencím a zvyklostem zákazníků. Je také běžné zaměnit kognitivní obchod a virtualizované pomocníky, jako je Amazon Alexa a Google Assistant. Jak IBM vidí rozdíly mezi těmito koncepty poháněnými AI?

Kris Hamrick (KH): Máte pravdu: kolem AI je na trhu hodně hluku. Při pohledu na to, co poskytovatelé technologií říkají, musí podniky B2C i B2B reagovat na konkurenční tlaky rychleji. V mnoha případech konkurence ve skutečnosti přichází z vnějších stran odvětví. To nutí podniky vymyslet, jak rozšířit svůj současný proces nebo je přehodnotit.

Dovolte mi vysvětlit, jak IBM odlišuje AI od kognitivního počítače. AI je schopnost počítače rozumět a uvažovat jako člověk. Kognitivní výpočetní technika zahrnuje schopnost rozumět, rozumět, učit se a interagovat, sdružovat člověka a stroj, takže se učí od sebe navzájem a interagují způsobem, který je v kombinaci více výkonný.

Data připravují cestu pro AI. A co všechna ta data mimo jednu aplikaci, napříč obchodními jednotkami, externími zdroji, tmavými daty a dalšími? Žijeme ve světě nesourodých systémů, které v kombinaci, když se vytvoří spojení mezi daty nebo novými identifikovanými vzory, mohou poskytnout hodnotu 1 + 1 = 3. To, co dělá Watson jedinečným, je jeho přístup ke všem těmto různým zdrojům dat, kombinovaný s kognitivními schopnostmi interagovat s lidmi, porozumět obchodním otázkám, objevovat důvody dané akce a nakonec se z této interakce poučit a použít toto učení v budoucích dotazech.

Pokud jde o přizpůsobení versus kognitivní obchodování, Watson umožňuje uživatelům překročit, řekněme, analytiku založenou na řízení vztahů se zákazníky, aby získali hlubší informace a podnikli další kroky, jako jsou tmavá data, jako jsou sociální média, chatovací místnosti, přepisy zákaznických služeb a další data, která mohou být připojena k moderním CRM. S využitím Watsonu mohou kampaně pracovat na podrobnějších informacích a statistikách, optimalizovat věci, jako jsou ceny, plnění, provádění přeprav; předjímat výzvy dříve, než k nim dojde, a nakonec zlepšit KPI. To exponenciálně zlepšuje schopnost uživatelů spolupracovat napříč funkčními oblastmi a má menší dopad na podnikání.

Podniky se to snaží dělat dnes s prostředky, které mají. Mají zprávy, spoustu tabulek a mnoho setkání o všech těch datech a jejich intuici. Nakonec však v mnoha případech vykonávají na základě kognitivní předpojatosti - což znamená, že filtrují veškerá data a šum, aby našli data, která odpovídají způsobu, jakým se věci dělaly dříve. Ve skutečnosti je to zkreslení utváření rozhodnutí, nikoli dat.

Abychom to shrnuli, v rámci zákaznické angažovanosti společnosti Watson vkládáme kognitivní schopnosti do procesů s cílem maximalizovat výkonnost podniku, zlepšit rozhodnutí o prodeji / tvorbě cen a optimalizovat celý dodavatelský řetězec. Klienti mají také přímý přístup ke stejným programovacím rozhraním aplikací společnosti Watson, aby mohli používat své vlastní starší aplikace a procesy s kognitivními schopnostmi. Nejdůležitější je, že se Watson vyhýbá anomáliím, doporučuje akce a vysvětluje proč .

PCMag: B2B obchod je zřejmě automatizovanější než B2C z hlediska automatizace a škálování nabídek a cen, podmínek a transakcí. Například zatímco spotřebitelé nakupují ceny, podniky přidají tvrdá vyjednávání o cenách a dokonce očekávají sladidla na úkor ceny za nákupy. Jak je kognitivní obchod nebo kognitivní výpočetní technika připravena změnit způsob, jakým se uzavírají obchody B2B? A jak to bude zahrnovat náklady pro kupující a jak zlepšit zisky pro prodejce?

KH: B2B obchod je skvělým příkladem toho, jak se podnik učí využívat některé z úžasných revolucí, ke kterým dochází ve světě B2C, aby maximalizoval zisky a poskytoval lepší zkušenosti s obchodováním se zákazníky a partnery. Podniky, které prodávají malým a středním podnikům, mají některé stejné výzvy, jaké mají jejich maloobchodní protějšky, včetně eroze marží, konfliktů kanálů, spokojenosti zákazníků, „efektu Amazon“ (prostřednictvím Amazon Business), což zákazníkům umožňuje zvolit si požadovanou cestu nákupu, což umožňuje prodejci se zaměřit na správné příležitosti poskytnutím transakčního kanálu a podobně.

Prvním krokem je poskytnout vašim partnerům a zákazníkům lepší celkový zážitek než vaše konkurence a vysoká úroveň zákaznických služeb, které lidé očekávají v dnešní době. Pokud jsem váš zákazník, znamená to, že budete potřebovat znát mé vyjednané cenové podmínky, historii nákupu, ukázat mi produkty nebo nabídky, které jsou relevantní pro mé podnikání, a umožnit mi konzumovat tyto produkty a služby v zákaznickém - přátelské řešení. Kognitivní schopnosti mohou a měly by být propleteny v celém hodnotovém řetězci, aby byly tyto cíle splněny.

Dnes vidíme, že se to děje v mnoha průmyslových odvětvích. Abychom to udělali ještě o krok dále, položte otázku nad rámec „transakce“ a začněte uvažovat, co to B2B znamená v různých odvětvích a jak obsluhují své zákazníky.

Například přední výrobci mohou předvídat vzorce počasí, aby se během uvedení produktu zabránilo narušení dodavatelského řetězce a nedostatku zásob. Jeden z našich klientů, Kone, používá data IoT z výtahů k předvídání opotřebení a stanovení priority údržby před výpadkem služby. V oblasti medicíny používá Quest Diagnostics Watson k analýze biopsie nádoru jedince a porovnává sekvenování DNA s miliony stránek lékařských časopisů, výzkumných prací a klinických hodnocení, aby poskytl onkologovi nejlepší doporučení léčby pro daného konkrétního pacienta..

Tyto příklady se zjevně značně liší, ale to jen zdůrazňuje, že možnosti jsou nekonečné. Jsme teprve na začátku kognitivní cesty. Začínáme objevovat mnoho způsobů, jak tato technologie může pomoci zlepšit vztahy mezi podniky a jejich zákazníky.

PCMag: Digitální transformace probíhá všude zběsilým tempem a vytváří mnohem více dat, než jsme kdy viděli. Vědci údajů se však domnívají - a zdá se, že se IBM shodují - že data by neměla existovat izolovaně, protože jeho hodnota spočívá převážně v přidávání smysluplné hloubky a kontextu ke složitým dotazům. Proč je Watson jedinečně vhodný pro práci s různorodými daty a složitými dotazy?

KH: Jak jsme diskutovali dříve, 88 procent všech dat je skutečně tmavé. To znamená, že data, která obsahují informace, které se všichni snažíme najít, nejsou ve zdrojích dat, které lze snadno strávit nebo filtrovat. Kromě toho jsou vědci v oblasti dat drahými zdroji a nesnadno rozšiřují své znalosti v rámci celé firmy nebo na menší společnosti.

Cílem společnosti Watson je vzít tato temná data a učinit je použitelnými pro kohokoli, kdo je potřebuje. Možnosti jsou nekonečné. Watson má jedinečné schopnosti spotřebovávat velké množství strukturovaných a nestrukturovaných dat v různých jazycích, jednat s daty pomocí velkého množství kognitivních služeb, optimalizovat zážitek pro jakékoli publikum od firemních uživatelů až po spotřebitele a poskytovat stejné služby ostatním společnostem k vložení v rámci jejich aplikací.

Je zde mnoho příkladů. „Watson Tone Analyzer“ například umožňuje analýzu lingvistického obsahu, která dokáže detekovat a porozumět tónům v konverzacích a komunikacích, aby mohla odpovídajícím způsobem reagovat. „Watson Insights Insights“ získává charakteristiky osobnosti na základě toho, jak osoba píše. „Watson Conversation“ vám umožňuje nasadit robota nebo virtuálního agenta napříč zařízeními, platformami pro zasílání zpráv, jako je Slack, nebo dokonce na robota.

A „Watson Visual Recognition“ rozumí obsahu obrázků. To je jeden z mých oblíbených, protože je tak univerzální. Pomocí funkce Visual Recognition můžete zjistit určitý typ šatů v maloobchodě, identifikovat zkažené ovoce v inventáři obchodu s potravinami, analyzovat poškození, které způsobila krupobití na střechu jednoho z vašich pojistných zákazníků, a ještě mnohem více.

PCMag: Ve většině organizací dnes probíhá demokratizace dat - nebo alespoň plánovaná -. Flipside - spotřebitelská spotřeba dat - také roste, protože spotřebitelé každý den přijímají více rozhodnutí založených na údajích. Jaké role mohou nebo mohou Watson a kognitivní obchod hrát v tomto trendu konzumace dat?

KH: To je skvělý bod: Data nejsou používána pouze k řízení více obchodních rozhodnutí, ale také k řízení dalších spotřebitelských rozhodnutí. Stejně jako podniky i spotřebitelé chtějí, aby více dat dělalo informovanější rozhodnutí, ale nechtějí trávit spoustu času a energie prosíváním více dat. Chtějí rychlý výsledek a vědět, že je to optimální rozhodnutí na základě toho, co v daném okamžiku potřebují. A konečně chtějí zviditelnit, jaké údaje toto rozhodnutí informovaly.

Několik příkladů: Za prvé, 1-800-Flowers nedávno představilo „Gwyn“ jako osobní botan pro recepční, aby pomohlo zákazníkům najít nejlepší produkt na základě sentimentu a osobních preferencí příjemce dárku. Pomocí Watson může Gwyn komunikovat se zákazníky online pomocí přirozeného jazyka. Například zákazník může napsat: „Hledám dárek pro svou matku, “ a Gwyn bude schopna tuto otázku interpretovat, a pak položí řadu kvalifikačních otázek o příležitosti a sentimentu, aby zajistila, že poskytne odpovídající a návrhy dárků na míru každému zákazníkovi. Toto personalizuje katalog, ukazuje méně dat pro kupujícího a zaměřuje interakci konkrétně na to, co chce kupující v daném okamžiku dosáhnout.

Podobně poskytuje The North Face interaktivní přístup založený na dialogu, který pomáhá svým zákazníkům. Pravděpodobně byste nepovažovali bundy za komplikovaný produkt, ale jsou. Existuje mnoho faktorů, jako je rozsah počasí, úroveň aktivity a mobilita, které zákazník nemusí zpočátku zvažovat. Systém North Face, využívající schopnosti společnosti Watson aplikovat logické uvažování a jeho schopnost porozumět, kategorizovat a hodnotit přirozený jazyk, žádá krátkou řadu rafinérských otázek, aby dodal přizpůsobená doporučení produktu a obsahu, která odpovídají formulovaným touhám a preferencím nakupujícího. Uvádí také důvod, proč funkce produktu odpovídají těmto specifickým potřebám. To odhalí data, která potřebujete k ověření doporučení.

Jsme pevně přesvědčeni, že zákazníci očekávají tuto úroveň přizpůsobených přizpůsobených služeb napříč všemi kanály. Chtějí, aby zážitek byl spíše konverzací, zážitkem a zážitkem, kde se jich zeptá: „Jak vám mohu dnes pomoci?“ Je to jako služba, kterou získáte, když vstoupíte do maloobchodního obchodu známého skvělým zákaznickým servisem. Společnosti, které jsou schopny poskytovat nejlepší zkušenosti se značkou, budou nakonec těmi, které zachytí největší podíl na trhu.

PCMag: Zdá se, že se již blížíme ke dni, kdy je analýza dat v reálném čase příliš malá, pro některé případy použití příliš pozdě. Brzy budeme potřebovat a očekávat proaktivní pomocníky - nebo virtuální pomocníky -, kteří nejen předpovídají, ale ve skutečnosti předvídají, co budeme potřebovat nebo chtít ještě předtím, než o to požádáme. Vidíme to brzy v záblesku nedávno oznámeného Googlu „Proaktivní asistent“. Co dělá IBM z hlediska proaktivní analýzy?

KH: Toto je oblast, které IBM věnovala spoustu energie. Zaměřili jsme se na poskytování kognitivních schopností, které pomáhají podnikům poskytovat smysluplné zkušenosti se zákazníky v případě scénářů B2C i B2B. Již jsme diskutovali o několika příkladech.

Věřím, že podniky historicky chtěly získat přístup k co nejvíce relevantním údajům. S explozí dat, ke které došlo v posledních několika letech, máme nyní spoustu dat. Problém nyní spočívá v tom, jak učinit všechna tato data použitelnými bez zkreslení. Kromě toho musíme uvést do rovnováhy historické údaje obsažené v CRM systému s realitou toho, co potenciální kupující nyní potřebuje. Nemůžeme být oslepeni pouze tím, co CRM systém řekne, že si už koupila.

Kognitivní může umožnit nové CRM nebo alespoň být efektivní proměnnou v celkovém rozhodnutí. Společnosti mohou mít tisíce datových bodů u každého jednotlivého zákazníka B2B nebo dokonce B2C. Tento historický pohled však musí brát v úvahu velmi málo datových bodů, které mohou být nejdůležitější ve chvíli, kdy zákazník zvažuje nákup. To může zahrnovat proměnné, jako je záměr, emoce, trendy a další vnější faktory.

Aby bylo možné předvídat další nejlepší akci, musí každá firma posoudit nákupní vzorce svých zákazníků a určit, kdy současná nebo předvídatelná realita jejich prostředí převezme historická data CRM. To je proaktivní analytická vize, na které IBM pracuje.