人工智能（AI）和機(jī)器學(xué)習(xí)（ML）可以做些什么來(lái)改善客戶體驗(yàn)？ 自從網(wǎng)上購(gòu)物誕生以來(lái)，AI和ML就已經(jīng)和在線購(gòu)物系統(tǒng)緊密結(jié)合了 如果沒有購(gòu)物推薦，您幾乎無(wú)法使用亞馬遜或任何其他購(gòu)物服務(wù)，推薦系統(tǒng)通常根據(jù)供應(yīng)商對(duì)您的特征（您的購(gòu)買歷史記錄，瀏覽歷史記錄以及更多內(nèi)容）的理解進(jìn)行個(gè)性化。 亞馬遜和其他在線企業(yè)都希望發(fā)明一個(gè)了解您本人、了解您的品味的電子版本銷售人員（感覺有點(diǎn)天方夜譚），它可以準(zhǔn)確無(wú)誤地引導(dǎo)您購(gòu)買使您感到享受的產(chǎn)品。
一切都源于更好的數(shù)據(jù)
為了實(shí)現(xiàn)這一愿景，我們需要從后端的一些繁重工作開始。 誰(shuí)是你的客戶？ 你真的知道他們是誰(shuí)嗎？ 所有客戶都留下了數(shù)據(jù)路徑，但該數(shù)據(jù)路徑是一系列碎片，并且我們很難將這些碎片相互關(guān)聯(lián)起來(lái)。 如果一個(gè)客戶有多個(gè)帳戶，您能說(shuō)出來(lái)嗎？ 如果客戶有單獨(dú)的帳戶用于商業(yè)和個(gè)人用途，您可以鏈接它們嗎？ 如果一個(gè)公司使用了許多不同的名稱（我們記得有在一個(gè)PPT中，有人提到了數(shù)百個(gè)名字，結(jié)果實(shí)際上這些名字都指向了 IBM），你能發(fā)現(xiàn)為它們負(fù)責(zé)的單一公司實(shí)體嗎？ 客戶體驗(yàn)始于準(zhǔn)確了解客戶是誰(shuí)，以及客戶之前如何相關(guān)。清洗客戶列表以消除重復(fù)稱為實(shí)體解析，它曾經(jīng)是能夠雇傭很多人作為數(shù)據(jù)團(tuán)隊(duì)的大公司的底盤。 我們現(xiàn)在看到實(shí)體解析方案的民主化：現(xiàn)在有創(chuàng)業(yè)公司提供適合中小型組織的實(shí)體解析軟件和服務(wù)。
一旦你發(fā)現(xiàn)了你的客戶是誰(shuí)，你就必須自省你對(duì)它們的了解程度。 全面了解客戶的活動(dòng)對(duì)于了解客戶的需求至關(guān)重要。 您有什么客戶數(shù)據(jù)，以及如何使用它們？ ML和AI現(xiàn)在被用作數(shù)據(jù)收集的工具，處理來(lái)自傳感器、手機(jī)應(yīng)用程序和其他來(lái)源的數(shù)據(jù)流。 收集客戶數(shù)據(jù)可能具有侵入性，并且在道德上存在問(wèn)題; 當(dāng)您建立對(duì)客戶的理解時(shí)，請(qǐng)確?？蛻舻耐?，并且不會(huì)損害他們的隱私。
ML與任何其他類型的計(jì)算沒有根本的區(qū)別：“垃圾進(jìn)入，垃圾出” 規(guī)則仍然適用。 如果您的訓(xùn)練數(shù)據(jù)質(zhì)量較差，您的結(jié)果將會(huì)很差。 隨著數(shù)據(jù)源數(shù)量的增加，潛在數(shù)據(jù)字段和變量的數(shù)量也會(huì)增加，并且可能出現(xiàn)錯(cuò)誤：轉(zhuǎn)錄錯(cuò)誤，輸入錯(cuò)誤等。 在過(guò)去，可能手動(dòng)糾正和修復(fù)數(shù)據(jù)，但手動(dòng)更正數(shù)據(jù)是一項(xiàng)容易出錯(cuò)且繁瑣的任務(wù)， 持續(xù)占用數(shù)據(jù)科學(xué)家很多時(shí)間。 與實(shí)體解析一樣，數(shù)據(jù)質(zhì)量和數(shù)據(jù)修復(fù)已成為最近研究的主題，與此同時(shí)，一套用于自動(dòng)化數(shù)據(jù)清理的新機(jī)器學(xué)習(xí)工具開始出現(xiàn)。
應(yīng)用
機(jī)器學(xué)習(xí)和AI對(duì)客戶體驗(yàn)的一個(gè)常見應(yīng)用是個(gè)性化和推薦系統(tǒng)。 近年來(lái)， 混合推薦系統(tǒng)——結(jié)合多種推薦策略的應(yīng)用 – 變得更加普遍。 許多混合推薦系統(tǒng)依賴許多不同的來(lái)源和大量數(shù)據(jù)，并且深度學(xué)習(xí)模型通常是這種系統(tǒng)的一部分。 雖然基于定期重新訓(xùn)練的模型是比較常見的，但高級(jí)推薦和個(gè)性化系統(tǒng)需要是實(shí)時(shí)的。 使用強(qiáng)化學(xué)習(xí)，在線學(xué)習(xí)和老虎機(jī)算法，公司開始構(gòu)建推薦系統(tǒng)，不斷基于實(shí)時(shí)數(shù)據(jù)訓(xùn)練模型。
機(jī)器學(xué)習(xí)和人工智能可以自動(dòng)執(zhí)行許多不同的企業(yè)任務(wù)和工作流程，這其中就包括客戶交互。 我們都有經(jīng)驗(yàn)豐富的聊天機(jī)器人，可以對(duì)客戶服務(wù)的各個(gè)方面進(jìn)行自動(dòng)化。 到目前為止，聊天機(jī)器人與其說(shuō)是有用，還不如說(shuō)比較煩人 – 但設(shè)計(jì)良好，用于回答常見問(wèn)題的簡(jiǎn)單“FAQ機(jī)器人”可以帶來(lái)良好的客戶獲取率。 只是，我仍然處于自然語(yǔ)言處理和理解的早期階段 – 在過(guò)去的一年里，我們已經(jīng)看到了許多突破。 隨著我們構(gòu)建復(fù)雜語(yǔ)言模型的能力的提高，我們將看到聊天機(jī)器人多個(gè)階段的發(fā)展：從提供通知，到管理簡(jiǎn)單的問(wèn)答場(chǎng)景，理解上下文和參與簡(jiǎn)單的對(duì)話，最后到“個(gè)人助理”，最后能夠意識(shí)到“他們的用戶“的需求。 隨著聊天機(jī)器人的改進(jìn)，我們希望它們成為客戶服務(wù)不可或缺的一部分，而不僅僅是您為了和真人溝通所必須走的一個(gè)煩人的形式。為了使聊天機(jī)器人達(dá)到這種性能水平，他們需要整合實(shí)時(shí)推薦和個(gè)性化。 他們需要了解客戶以及人。
欺詐檢測(cè)是另一項(xiàng)正在消化機(jī)器學(xué)習(xí)的技術(shù)。 欺詐檢測(cè)涉及好人和罪犯之間的持續(xù)戰(zhàn)斗，賭注不斷增加。 欺詐藝術(shù)家正在發(fā)明更復(fù)雜的在線犯罪技術(shù)。 欺詐不再是人對(duì)人：它是自動(dòng)化的，就像機(jī)器人搶購(gòu)活動(dòng)的所有門票一樣，因此他們可以在黃牛黨那里重新出售。 正如我們?cè)谧罱脑S多選舉中看到的那樣，犯罪分子很容易通過(guò)創(chuàng)建一個(gè)充斥著自動(dòng)回復(fù)的機(jī)器人來(lái)滲透社交媒體。 發(fā)現(xiàn)這些機(jī)器人并實(shí)時(shí)阻止它們要困難得多。 這只有機(jī)器學(xué)習(xí)才有可能做到。即使這樣，這也是一個(gè)難以解決的問(wèn)題。 但要重建人們感到安全和受到尊重的在線世界，解決這個(gè)問(wèn)題是關(guān)鍵。
語(yǔ)音技術(shù)和情感檢測(cè)的進(jìn)步將進(jìn)一步減少自動(dòng)化客戶交互中的摩擦。 結(jié)合不同類型輸入（音頻，文本，視覺）的多模態(tài)模型將使得更容易以合適的方式響應(yīng)客戶; 客戶可能能夠向您展示他們想要的內(nèi)容，或者就他們所面臨的問(wèn)題直接發(fā)送一個(gè)實(shí)時(shí)視頻。 雖然人類和機(jī)器人之間的互動(dòng)經(jīng)常將用戶置于令人毛骨悚然的“神秘山谷”中（譯者注：Uncanny Valley指在機(jī)器人越來(lái)越像人的過(guò)程中，有一個(gè)區(qū)間會(huì)使真人覺得毛骨悚然），但可以肯定的是，未來(lái)的客戶對(duì)機(jī)器人的熟悉程度將超過(guò)我們現(xiàn)在的水平。
但如果我們要讓客戶通過(guò)這個(gè)神秘山谷的另一邊，我們也必須尊重他們的價(jià)值。 影響客戶的AI和ML應(yīng)用必須尊重隱私; 他們必須是安全的; 他們必須公平和公正。這些挑戰(zhàn)都不簡(jiǎn)單，但如果客戶最終感到受到技術(shù)被濫用了，技術(shù)將無(wú)法改善客戶體驗(yàn)。 最后就算流程效率變高了，但權(quán)衡而言無(wú)法彌補(bǔ)體驗(yàn)上的損失。
機(jī)器學(xué)習(xí)和人工智能將為客戶體驗(yàn)做些什么？ 它已經(jīng)做了很多。 但它還有更多可以做的事情，而且必須要做的是，建立未來(lái)”無(wú)摩擦“的客戶體驗(yàn)。
相關(guān)內(nèi)容 ：
- 機(jī)器學(xué)習(xí)時(shí)代的產(chǎn)品管理——圣何塞人工智能會(huì)議的新教學(xué)輔導(dǎo)課
- “用于個(gè)性化推薦的機(jī)器學(xué)習(xí)算法”——Tony Jebara解釋Netflix如何進(jìn)行個(gè)性化推薦，并優(yōu)化向訂閱用戶展示的界面。
- “實(shí)時(shí)實(shí)體解析觸手可及”——Jeff Jonas關(guān)于實(shí)體解析技術(shù)演變的介紹
- “企業(yè)中的下一代AI助手”
- “用于機(jī)器學(xué)習(xí)開發(fā)和模型治理的專用工具正變得越來(lái)越重要”
- “你創(chuàng)建了一個(gè)機(jī)器學(xué)習(xí)應(yīng)用程序。 現(xiàn)在確保它是安全的。“
- “數(shù)據(jù)流的倫理”
