Don Peppers和Martha Rogers《一對一的未來：挨個建立客戶關(guān)系（The One to One Future： Building Relationships One Customer at a Time）》一書有效地推動了客戶關(guān)系管理（CRM）及一對一營銷的革命。 Peppers表示，“時下的技術(shù)能夠大幅度地幫助知識型員工在營銷決策和CRM方面取得突破，這一點非常了不起?！?/p>
記者采訪了Peppers，以下是關(guān)于人工智能（AI）提高員工工作能力及實現(xiàn)一對一未來的對話。
問：一對一營銷的基本前提是什么？是 CRM嗎？
Don Peppers：簡單地說，一對一營銷就是企業(yè)需要個別地對待個別客戶。而CRM就更廣泛些，這地方的想法是，我們跟蹤對客戶的所有了解，利用每次互動獲得的知識不斷改善客戶體驗。
所有這些都是我們曾預(yù)測過的科技將實現(xiàn)的東西，而且科技的功能在不斷提高，有時以遞增的方式，有時甚至是戲劇性的，我們在隨后的著作、演講和相關(guān)工作中也一直在跟進(jìn)這方面的進(jìn)展。我相信，我們現(xiàn)在所處的時期是各種科技（包括與其他技術(shù)一起的人工智能）都將取得令人難以置信進(jìn)步的時期。
問：您能分享一個例子嗎？
如果您現(xiàn)在是從事營銷工作，那就會擁有所有各種數(shù)據(jù)。事實上，您手里的數(shù)據(jù)可能多到您不知道從哪里下手。
我所知道的大致如下。我知道我的網(wǎng)站上客戶看過的和買過的所有東西。又或者，如果我真的很厲害，我還能根據(jù)客戶在我店里做過的事情做進(jìn)一步的關(guān)聯(lián)。 我甚至還可以訪問客戶的一些第三方數(shù)據(jù)。但總的來說，當(dāng)我向客戶提供報價時，我就想以一種考慮到我們之前所有交易背景的方式報價。我會想知道客戶過去喜歡什么及要的是什么？
那我該如何配置我的系統(tǒng)才能讓客戶得到他想要的呢？我這里主要講電子商務(wù)，我有些過濾和增強等等的工具。利用過濾工具，我就知道客戶的年齡，我知道客戶是個男人，所以我就不會提女人或孩子的衣服。然后就是利用增強工具，我看到客戶喜歡Tommy Hilfiger，我還看到該客戶過去買的幾乎所有東西都是藍(lán)色或綠色。
這就是個別客戶的基礎(chǔ)。但是這里還有機會是一個新客戶正在訪問我的網(wǎng)站。另外，我可以與新客戶和現(xiàn)有客戶互動，從每次新的互動中學(xué)習(xí)到可能比我過去所做的更有效的東西。所以我在網(wǎng)站渲染、電郵活動和促銷活動、在與新老客戶進(jìn)行互動時方面都可以有一系列的選擇。
問：那人工智在這里能干嘛？
我想要效率，但我如何選擇呢？這就是我們用上人工智能（AI）和機器學(xué)習(xí)（ML）的地方。
我有一百萬不同的客戶。除了特定的互動，我還可以收集他們的收入水平、他們居住的地方、他們的年齡等信息。人工智能現(xiàn)在可以篩選多種選擇，可以將各種東西配置到有限的、可能是富有成效想法的籃子里。
這樣我就可以將數(shù)千種可能的選項合成到一頁的最佳選項里。現(xiàn)在的知識工作者可以運用經(jīng)驗和人類直覺來設(shè)置選擇盤，為網(wǎng)站設(shè)置護(hù)欄，可以從各種想法的列表中選擇。然后他們再在ML的協(xié)助下觀察及進(jìn)一步微調(diào)性能。
這正是現(xiàn)實世界中在發(fā)生的事情。例如，有一家名為Evergage的公司，客戶包括Academy Sports、Carrier和Autodesk。人工智能基本上正在幫助這些公司利用他們所了解的個人和人群越來越接近一對一營銷。
要注意一點，人工智能并不會不告訴任何人該做什么，而是提供引導(dǎo)和協(xié)助。人類的介入仍然很重要。但人工智能可以使知識工作者更有效地工作。
問：還有其他例子嗎？
今時今日，怕是很難找到有人不想通過凈推薦值（NPS）或客戶滿意度調(diào)查達(dá)到改善客戶體驗質(zhì)量的目的。也有許多人在用觀察數(shù)據(jù)，觀察數(shù)據(jù)可以是簡單的跟蹤每月有多少宗投訴，復(fù)雜一點的可以是用文本分析，再結(jié)合社交媒體中提到自己品牌的字面評論。我再說一次，所有這些數(shù)據(jù)已經(jīng)在我們手里了。
但要注意過去發(fā)生的事。過去有一個客戶的經(jīng)歷頗為糟糕：你要怎么辦呢？最大的問題：你如何完成這個反饋循環(huán)？你怎么激活這個反饋循環(huán)？
那好，你無法實時回復(fù)每一個反饋或投訴。太多的互動需要跟蹤，要發(fā)的信號太多。知識工作者在不知不覺中就會開始忽略一切。
那么你需要的就是AI和ML，AI和ML可以學(xué)習(xí)將有些行動提高優(yōu)先級別，會在適當(dāng)?shù)臅r間將警報信號發(fā)給合適的人。舉個例子，有人現(xiàn)在在商店發(fā)的調(diào)查問卷里給了差評，值班經(jīng)理就會收到警報信號，本身是知識工作者的值班經(jīng)理就可以做出適當(dāng)?shù)幕貞?yīng)。當(dāng)然，可能有10個15個或20個客戶也交了調(diào)查問卷，而人工智能的作用是幫助知識工作者確定行動的優(yōu)先順序。管理人員和其他人可以將精力集中在重要的投訴上，而ML則專注于不斷改進(jìn)這些選擇和響應(yīng)。
事實上，也可以看到這個模型在相關(guān)領(lǐng)域也是有用到。飛行員和外科醫(yī)生被淹沒在警報信號里，其中的大多數(shù)警報信號并不是真的重要，這些警報信號只是某些人不想事后負(fù)法律責(zé)任的垃圾警報。同樣，AI和ML可以幫助過濾此類警報，讓飛行員和外科醫(yī)生可以更專注于更重要的事情。
問：訪談結(jié)束前還有什么要說的嗎？
我剛才說了，這一切都不容易。很復(fù)雜。太多數(shù)據(jù)，很多機會。嘗試和摸索仍然是其中的一部分。大家要提出自己的想法，嘗試摸索，再嘗試再摸索。
不過，我們肯定還是處在一個計算機無法完成所有工作的階段。仍然需要大量的人類判斷。雖然按機器現(xiàn)在的發(fā)展什么都是有可能的，但我認(rèn)為人工智能和人類在未來相當(dāng)一段時間內(nèi)還是要進(jìn)行相互合作。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
