根據NTT的2020年全球客戶(hù)體驗基準測試報告，有77%的企業(yè)認為客戶(hù)運營(yíng)(包括客戶(hù)之聲(VoC))將受到AI的積極影響。

據NTT稱(chēng)，現在有44%的企業(yè)運行結構化的“客戶(hù)之聲”計劃，以推動(dòng)客戶(hù)體驗(CX)的改善和創(chuàng )新。

根據IDC的《客戶(hù)體驗基準研究》，有30%的客戶(hù)會(huì )因為不良的體驗而離開(kāi)品牌而不會(huì )回來(lái)。

客戶(hù)的期望是指導他們如何與任何企業(yè)發(fā)展關(guān)系的護欄。大流行使可預測的情況變得不可預測，從而抹去了過(guò)去的營(yíng)銷(xiāo)角色，并實(shí)時(shí)對其進(jìn)行了重新編寫(xiě)。舊的護欄和期望正在迅速變化。從客戶(hù)的角度來(lái)看，準確的由內而外的觀(guān)點(diǎn)是VoC計劃所提供的價(jià)值，最好的是提供數據以指導戰略。

是時(shí)候為客戶(hù)關(guān)系帶來(lái)新的活力和見(jiàn)解了

自一月份以來(lái)，純電子商務(wù)訂單增長(cháng)了110%，電子商務(wù)收入增長(cháng)了96%。這些數據基于Emarsys 與GoodData合作 創(chuàng )建的COVID-19 Commerce Insight儀表板 。憑著(zhù)居家訂單的3.06億美國人，電子商務(wù)將蓬勃發(fā)展是顯而易見(jiàn)的。目前尚不清楚的是，如今形成的慣常購物模式將如何改變客戶(hù)關(guān)系，終止某些客戶(hù)關(guān)系并在未來(lái)創(chuàng )造新的客戶(hù)關(guān)系。

獲得見(jiàn)識和智慧以激發(fā)現有的客戶(hù)關(guān)系，要求在VoC計劃中更多地使用AI。以下是AI改善客戶(hù)心聲計劃的十種方法：

1. 使用基于A(yíng)I的客戶(hù)旅程數據分析，了解導致某些客戶(hù)比其他客戶(hù)流失更快的原因，這有助于定義新的活動(dòng)來(lái)保持它們。使用有監督和無(wú)監督機器學(xué)習算法的基礎AI概念來(lái)更好地了解客戶(hù)今年的購買(mǎi)行為如何改變他們的購買(mǎi)意圖是關(guān)鍵。減少客戶(hù)流失首先要建立客戶(hù)旅程數據的可靠基準，然后開(kāi)始進(jìn)行不斷測試新廣告系列的實(shí)踐，以了解如何最好地保持客戶(hù)關(guān)系的最新?tīng)顟B(tài)。

2. 使用算法對文本的每個(gè)非結構化數據源進(jìn)行實(shí)時(shí)文本挖掘，以分析客戶(hù)的情感水平。使用自然語(yǔ)言處理(NLP)建立所有可用的非結構化文本的語(yǔ)義模型，可以使客戶(hù)對所衡量的給定品牌，產(chǎn)品或服務(wù)的情感進(jìn)行匯總。使用情感分析，能夠量化給定品牌引起的情感。通過(guò)不斷地使用客戶(hù)數據教授預測模型，營(yíng)銷(xiāo)團隊可以更好地了解什么將最大程度地吸引客戶(hù)，以及如何避免使他們無(wú)動(dòng)于衷或生氣-鑒于當今客戶(hù)變化的速度，所有這些寶貴的見(jiàn)解。有關(guān)此主題的更多信息，可以從Qualtrics獲得有用的博客文章，“ 如何使用情感分析來(lái)改善客戶(hù)體驗”。下圖說(shuō)明了情緒分析的樣子：

3. 人工智能使語(yǔ)音分析的范圍得以擴展，包括聯(lián)絡(luò )中心對話(huà)，基于文本的客戶(hù)反饋以及來(lái)自每個(gè)客戶(hù)接觸點(diǎn)的運營(yíng)數據。實(shí)時(shí)在每個(gè)渠道上提供一致，可靠的銷(xiāo)售和服務(wù)響應，并在上下文中保持與每個(gè)客戶(hù)的對話(huà)對于今天任何一家企業(yè)保持客戶(hù)至關(guān)重要。與我交談過(guò)的積極使用語(yǔ)音分析的CMO表示，這表明他們需要擁有更廣泛的戰略框架來(lái)吸引客戶(hù)體驗。他們正在談?wù)摰母拍钭詈靡钥蚣艿男问秸f(shuō)明。BMC的自主數字企業(yè)(ADE)反映了CMO如何構想AI和機器學(xué)習(ML)，從而提供保持以客戶(hù)為中心并在VoC計劃中脫穎而出的卓越智能，以提供卓越的客戶(hù)體驗。該框架值得注意的是如何設計框架，以在組織的每個(gè)職能部門(mén)中實(shí)現更大的敏捷性和上市時(shí)間。它提供了一種提供無(wú)與倫比的客戶(hù)體驗，提供積極的員工體驗并支持組織正在進(jìn)行的數字化發(fā)展的方式。下圖說(shuō)明了ADE框架：

4. 包括Amazon Connect在內的基于云的語(yǔ)音分析平臺都依靠AI消除了阻礙跨多種地區和語(yǔ)言啟動(dòng)和微調VoC程序的障礙。Amazon Connect結合了Amazon Transcribe來(lái)執行實(shí)時(shí)語(yǔ)音識別，并為每個(gè)呼叫創(chuàng )建高質(zhì)量的文本轉錄成文本。Amazon Comprehend用于分析每個(gè)交互并檢測呼叫者的情緒。Amazon Connect還可以識別對話(huà)中的關(guān)鍵字和短語(yǔ)。而且，當與Amazon Translate結合使用時(shí)，對話(huà)可以以代理商的首選語(yǔ)言進(jìn)行。以下是Amazon Connect平臺的示意圖：

5.使用人工智能獲得的見(jiàn)解導致呼叫中心從一線(xiàn)服務(wù)提供商轉變?yōu)閼鹇圆町惢蛩?，從而推?dòng)客戶(hù)滿(mǎn)意度和財務(wù)績(jì)效顯著(zhù)提高。公司已經(jīng)應用高級分析功能，將平均處理時(shí)間減少多達40%，將自助服務(wù)包含率提高5%至20%，將員工成本削減多達500萬(wàn)美元，并提高了服務(wù)電話(huà)銷(xiāo)售的轉化率幾乎提高了50%，同時(shí)提高了客戶(hù)滿(mǎn)意度和員工敬業(yè)度。

6. 機器學(xué)習算法使得可以在單個(gè)集成儀表板中提供基于呼叫者和代理的態(tài)度表現，語(yǔ)調，情感以及每個(gè)方面的相對變化的實(shí)時(shí)多維視圖。將有監督和無(wú)監督的機器學(xué)習算法結合在一起，以在現有數據中查找模式，并創(chuàng )建全新的語(yǔ)言和態(tài)度模型，這為組織提供了將新的活力和洞察力帶入客戶(hù)關(guān)系所需的情報。以下Tableau示例說(shuō)明了將機器學(xué)習技術(shù)應用于VoC數據時(shí)可能發(fā)生的情況，以找出實(shí)時(shí)需要改進(jìn)的地方以及進(jìn)展良好的地方。來(lái)源：VoiceBase客戶(hù)儀表板的語(yǔ)音。

7. 將從實(shí)時(shí)客戶(hù)行為和運營(yíng)數據中獲得的AI驅動(dòng)見(jiàn)解與凈促銷(xiāo)值(NPS)數據相結合，有助于定義客戶(hù)風(fēng)險閾值，然后再將其推向競爭對手。NPS是最常用的度量標準之一，用于量化客戶(hù)對他們購買(mǎi)的給定公司的忠誠度水平。 Qualtrics最近的博客文章，什么是凈促銷(xiāo)分數(NPS)?定義與范例提供了很好的解釋。使用深度學(xué)習神經(jīng)網(wǎng)絡(luò )分析NPS，客戶(hù)，行為和運營(yíng)數據時(shí)，有可能發(fā)現最容易流失的客戶(hù)。值得一提的是，這項技術(shù)可能需要數周的分析才能得出基于A(yíng)I的分析可以在幾秒鐘內得出的相同結論。

8. 每個(gè)客戶(hù)使用AI個(gè)性化服務(wù)恢復策略，可以提高保留率并降低客戶(hù)流失的高昂成本。服務(wù)恢復是在服務(wù)故障發(fā)生后嘗試保存客戶(hù)關(guān)系的策略。有效的服務(wù)恢復策略的實(shí)質(zhì)是糾正超出客戶(hù)期望得到的響應范圍的問(wèn)題。事實(shí)證明，基于A(yíng)I的定制或個(gè)性化服務(wù)恢復響應的技術(shù)非常有效，可以在發(fā)生服務(wù)錯誤后保持客戶(hù)關(guān)系的完整性。

9. 使用基于6 Sigma的質(zhì)量方法(使用AI自動(dòng)化)對客戶(hù)入職進(jìn)行故障排除，以簡(jiǎn)化和改善最初的客戶(hù)體驗。六西格碼(Six Sigma)是一種眾所周知的通用質(zhì)量管理框架和方法，用于消除過(guò)程中的差異。六個(gè)標準差的核心概念是DMAIC(設計，測量，分析，改進(jìn)和控制)過(guò)程?？蛻?hù)的聲音是使DMAIC立足于客戶(hù)期望的基礎，以確保過(guò)程改進(jìn)符合他們的要求。AI被廣泛用于解釋客戶(hù)入職流程創(chuàng )建的所有形式的文本，非結構化內容，因此可以對其進(jìn)行改進(jìn)。

10. 了解加售，交叉銷(xiāo)售，廣告活動(dòng)和促銷(xiāo)如何影響客戶(hù)對品牌的看法和忠誠度，尤其是在包括電子商務(wù)和移動(dòng)平臺在內的新渠道中。大流行導致了全新的購買(mǎi)行為和習慣性使用數據，而客戶(hù)以前沒(méi)有時(shí)間考慮這些數據。知道每次加售和交叉銷(xiāo)售嘗試如何被認為是有幫助或無(wú)幫助。另外，能夠通過(guò)促銷(xiāo)活動(dòng)來(lái)監控活動(dòng)和忠誠度水平是了解客戶(hù)心聲以及如何最好地為現在和將來(lái)提供服務(wù)的本質(zhì)。