毕马威:2024-25 全球卓越客户体验报告

2024-11-21 鹈鹕全面客户体验管理 | 译者:马振江

2024-25全球客户体验卓越报告

概述

企业要想超越人工智能的喧嚣,就必须制定一项战略,考虑到企业当前和未来所竞争的行业和市场、企业自身的财务目标,以及企业当前和计划中的能力的战略。有了这样的背景,企业就可以继续制定企业人工智能(AI)战略,包括 AI 用例的执行路线图。

当这些用例影响到客户和实现公司价值主张的员工时,还必须通过企业客户的视角来审视,确定企业希望提供的体验,包括可衡量的目标和所针对的关键结果。

敏捷方法论的使用,可以确保根据市场、客户和绩效反馈执行路线图的灵活性和适应性。与此同时,企业需要以道德和负责任的方式使用 AI ,并以此为指导,与客户和利益相关者建立信任。这种方法可以抓住 AI 在创新、转型、提高绩效(包括利润增长)方面的潜力,提供与众不同的客户体验,同时避免陷阱。

在今年的全球卓越客户体验报告中,我们强调有利环境的重要性和使用 AI 提升客户体验的最佳实践,探讨了如何让你的组织为 AI 做好准备,确保它成为整个企业的资产,而不是孤立于 IT 部门。本报告分为三个部分:

年度研究亮点

2024 年卓越客户体验(CEE)研究详细考察了众多品牌和地区的客户评价。今年,我们在 23 个国家/地区采访了超过 86,000 名消费者,我们的研究包括了他们对 2,970 个品牌的 86,073 项评价,根据每个品牌在各自国家内的“卓越客户体验”总分进行排名。

不断变化的客户期望

尽管今年总体趋势较为积极,但一些行业的客户体验得分仍远低于全球平均水平。

非杂货零售:比全球平均水平高出 3%。非杂货零售业在个性化、时间和精力以及期望值中的每一个方面都优于全球平均水平。对电子商务的投资,使顾客更容易下订单并设定具体的送货时间。

公共部门:比全球平均水平低 9%。在时间和精力(-11%)以及同理心(-9%)得分相对较低的情况下,对公共服务部门提供高效快捷服务的期望越来越高。漫长的等待时间、繁琐的流程和官僚主义障碍是导致不满意的重要原因。数字服务和私营部门的高效率,提高了公众的期望值,使公共服务部门的低效更加明显和令人沮丧。

物流:比全球平均水平低 3%。时间与精力(-5%)和期望值(-5%)导致物流行业得分低于平均水平。在物流业中,及时送达和尽量减少为客户付出的努力至关重要,因此延误、丢失包裹和复杂的跟踪系统会严重影响客户满意度。物流业近期面临着供应链中断、劳动力短缺和需求增加等挑战,所有这些都对交货时间和效率造成了压力。

在排名第一的品牌中,有 77% 的品牌的 CEE 分数比去年平均提高了 1.3%,这表明了一种趋势,即一旦取得卓越成就,就会促进持续改进。这些顶级品牌代表了 15 个不同的细分行业,从主题公园到金融服务,再到保健和美容,表明卓越的客户体验在所有行业都是可以实现的。

全球大品牌在各个国家或地区的指数中日益突出,它们的成功取决于了解和尊重消费者的文化和物质期望的能力。耐克、阿迪达斯和苹果等品牌正在成功地将其服务本地化,以适应所服务地区的文化差异和不断变化的消费者期望。

耐克和阿迪达斯针对不同地区开展营销活动,与当地文化产生共鸣。例如,耐克在日本的营销活动强调和谐与社区,符合日本的文化价值观。在墨西哥,营销活动的重点则是该国对足球的热情及其充满活力的地方特色。不同地区的苹果专卖店反映了当地的建筑风格和文化美学。例如,中国香港特别行政区的 Apple 突出了九龙区。在新加坡,Apple 滨海湾金沙店是海湾上的一个独特存在,直径 30 米的穹顶是对大地穹顶的现代诠释。

客户偏好和行为

人工智能的采用凸显了不同代际人群在态度和关注点上的明显差异。对于旨在有效实施 AI 驱动的客户服务解决方案的企业来说,了解这些差异至关重要。

年轻消费者:年轻人群的主要担忧是担心 AI 取代人类工作,从而担心入门级职位的减少以及对职业机会的长期影响。

老年消费者:他们重视真人服务代表提供的个人接触。他们认为 AI 的互动不近人情,不那么令人满意,尤其是在处理复杂或敏感问题时。他们对个人数据的安全性也有明显的担忧,担心潜在的数据泄露和 AI 系统滥用他们的个人信息。

研究中的大多数国家/地区都面临着生活成本和通货膨胀的压力,但不同年龄段的人对这些压力的感受是不同的:年轻群体对经济压力的感受最为强烈(18-24 岁的年轻人中有 60% 受到极大/非常大的影响)。55 岁以上的人相对不受影响(21% 稍受影响或不受影响),他们受益于储蓄和较高的收入水平。

在 ESG(环境、社会和治理)考虑因素方面,过去几年中,我们发现客户在做出采购决定时越来越优先考虑可持续发展。今年,这仍然是一个重要因素,53% 的消费者愿意为道德和可持续采购的商品和服务支付更多费用。值得注意的是,这一意愿因年龄段而异。

环境、社会和治理考虑因素因年龄段而不同

为优质客户体验付费的意愿在很大程度上受到代际因素的影响。60% 的年轻消费者愿意为个性化、便利性和社会认可支付更多费用,这使他们更倾向于购买 VIP 等高级服务。相比之下,33% 的年长消费者愿意花更多的钱,这表明他们优先考虑的是价值、可靠性和谨慎的消费。

各行业的主要趋势

AI 正在彻底改变各个业务领域,提高效率,改善客户体验,实现创新解决方案。今年的领先企业在客户体验中推广和运营方面取得了重大进展。

航空公司:总部位于阿联酋的阿联酋航空(UAE)正在利用 AI 来简化运营、提升客户服务并优化旅行体验。该航空公司使用 AI 聊天机器人即时回应客户的询问,减少了等待时间,提高了满意度。此外,AI 算法分析数据预测维护需求,以更好地预防技术问题,确保更安全、更可靠的飞行。AI 还帮助阿联酋航空个性化营销工作,根据个人偏好和旅行历史定制促销和服务。

银行:英国的网络银行 first direct 和法国的 MAIF 利用 AI 提供个性化金融服务并提高运营效率。AI 还通过分析交易模式和实时识别异常情况来检测欺诈活动。同样,MAIF 也利用 AI 来加强与客户的互动。AI 还能够分析索赔数据,发现潜在欺诈行为并批准合法索赔,从而简化和加快保险索赔处理过程。

零售:领先的零售商正在利用 AI 提升购物体验,优化供应链管理。总部位于捷克的 La Formaggeria Gran Moravia 公司根据顾客的偏好,通过个性化推荐和有针对性的营销,增强了体验,同时提高了销售额和顾客忠诚度。美国的连锁杂货店 HEB 通过使用 AI 分析采购模式和天气等外部因素,能够预测需求、管理库存并减少浪费。

医疗保健:AI 正在通过改进诊断、患者护理和运营效率来改变医疗保健行业。美国梅奥诊所使用 AI 分析患者数据,从而能够更早、更准确地做出诊断。AI 算法还能协助解读医学影像,识别人眼可能忽略的模式。Humana 是一家医疗保险公司,它利用 AI 来提供个性化的健康建议和管理慢性疾病,同时其 AI 驱动的平台实时监控患者数据,提供积极的健康干预措施,并改善患者的治疗效果。

酒店:在酒店业,全球品牌万豪和希尔顿利用 AI 提升客人体验并简化运营。万豪酒店利用 AI 与客人进行个性化互动,从定制房间设置到量身推荐当地景点。AI 驱动的聊天机器人还能协助处理预订查询和服务请求,提高效率和客户满意度。在希尔顿,AI 通过分析预订趋势和动态调整价格来优化收入管理。AI 还通过优化能源使用和减少浪费来支持酒店的可持续发展工作。

保险:亚洲的富卫集团(FWD)和美国的联合服务汽车协会(USAA)保险公司正在采用 AI 来改善客户服务、承保和理赔处理。FWD 利用 AI 提供即时保险报价并简化核保流程。AI 算法能更准确地评估风险,从而使保费更公平,保单签发更迅速。USAA 通过使用 AI 图像识别来评估车辆损坏情况并加快理赔审批,从而改进了理赔流程。AI 还能帮助 USAA 检测欺诈性索赔,减少损失并提高服务效率。

物流:AI 通过优化路线、缩短交货时间和提高客户服务水平,正在彻底改变物流业。在捷克共和国,Zásilkovna 公司利用 AI 驱动的分析预测需求,更好地分配资源,减少运输时间和燃料消耗。物流平台 Packeta 采用 AI 为客户提供实时跟踪和个性化交付选项,并改善仓库运营,从而降低成本、提高准确性并增强客户体验。

公共部门:在公共部门,AI 正在提高服务交付和运营效率。新加坡中央医院利用 AI,通过预测分析和个性化治疗计划改善病人护理。AI 算法分析病人数据,预测健康结果并建议干预措施,从而提高康复率并减少住院时间。马来西亚的雇员公积金(EPF)利用 AI 简化行政流程,并通过管理会员缴费和付款、为会员提供准确及时的信息来提升客户服务。

电信:电信公司正在利用 AI 来提高网络性能、客户服务和运营效率。奥地利的 Spusu 公司利用 AI 优化网络管理,确保可靠的连接并减少停机时间。他们还利用 AI 驱动的分析来了解客户的使用模式,从而提供个性化服务。越南电信公司 Viettel 正在通过虚拟助理和聊天机器人改善客户服务,提供即时支持,减少呼叫中心工作量,并通过预测故障和优化维修时间表来进行网络维护。

在市场趋势的引领下,各行业都在尝试将 AI 应用到令人兴奋的新领域:

各行业代表性人工智能用例

人工智能和人性化的用户体验

在数字时代,互动通常以机器为媒介,保持人情味是一项重大挑战。去年的报告强调了一个重要观点:作为人类,我们与个性而非机器产生共鸣。

领先的组织正在使他们的 AI 界面人性化,通过拟人化(即把人类的特征赋予非人类事物)使其更具吸引力和相关性,从而创造出更具吸引力和亲和力的体验。这种方法利用了我们与生俱来的与类人特征联系的倾向,使 AI 机器人(如微软的 Cortana 和苹果的 Siri)能够以其独特的性格和对话风格提供更个性化、更能引起情感共鸣的体验。

富达集团(Fidelity)利用 AI 检测客户情绪,体现了技术使互动更加个性化和富有同理心来提升客户体验。通过分析语音、文本、行为模式甚至面部表情,Fidelity 可以更好地了解并响应客户的需求和情绪。当 AI 检测到痛苦或沮丧的迹象时,它可以触发客户服务代表的主动参与,目的是在问题升级之前加以解决。

费尔曼(Fielmann)是奥地利和德国的第一品牌,也是领先的眼镜零售商,它将 AI 集成到其服务中,进行个性化的眼镜推荐,同时以对话的方式提供提示和见解,模仿人类助理的体验。

开泰银行(KBank)部署了一个 AI 驱动的虚拟助理,能够理解客户的情绪并作出反应。利用先进的 NLP 和情感分析,AI 可以检测出客户何时感到沮丧、困惑或高兴。例如,如果客户对交易问题表示沮丧,虚拟助理就会以同理心做出回应,提供安慰,并在必要时为客户联系人工服务代表。

富卫集团(FWD)引入了 AI 驱动的理赔处理系统,该系统利用机器学习快速评估和批准理赔。该系统以友好和同情的方式与客户沟通,清楚地解释理赔流程,并提供个性化支持,同时在互动过程中监测客户的反馈和情绪。

各国领先企业都在通过融入情感智能、个性化互动和同理心沟通,成功地实现了 AI 体验的人性化,从而增强了客户所珍视的个人联系。为 AI 注入类似人类的特质,企业不仅能提高用户满意度,还能加强客户与 AI 系统之间的联系。实施拟人化设计原则可以弥合数字与人类互动之间的差距,让 AI 更好地与客户产生共鸣。

为此,请考虑以下原则:

  • 亲和力和同理心:设计元素应与人类体验产生共鸣,促进对产品的直观理解和互动。通过富有同理心的 AI 界面与用户建立联系,整合情商,使 AI 能够识别客户的情绪状态并做出适当回应。
  • 透明和诚实:通过确保一致和可预测的 AI 行为来培养信任。在所有互动中保持一致的语气、风格和行为。直言不讳地说明 AI 的能力和局限性。明确指出客户是在与 AI 而非人类互动。
  • 个性化和适应性:根据客户的个人行为和偏好量身定制互动,并随着时间不断调整。利用机器学习,从用户互动中学习并改进响应。采用反映人类对话模式的对话界面。同时,使用语音识别、手势和其他自然输入法来促进无缝互动。

特立独行

在我们的指数中,有几家公司选择偏离传统智慧,用非常规的方法和创新的战略挑战行业现状:

客户体验六大支柱

基于 15 年的研究,毕马威卓越客户体验六大支柱已经成为世界级体验的基本要素。总体而言,它们是净推荐值(NPS)和忠诚度等客户体验指标的关键驱动因素。但单独来看,它们的影响并不相同。与“期望值”相比,“时间和精力”在提高忠诚度方面变得更加重要,因为对于忙碌的消费者来说,轻松和简单是更优先考虑的因素。

今年,“诚信”成为 NPS 的最大驱动因素,表明消费者高度重视道德和诚信的商业行为。个性化是忠诚度的最大驱动因素,凸显了量身定制的客户互动的重要性。这些支柱为评估包括 AI 在内的新技术对客户体验的影响提供了一个详细的框架。机器学习、自然语言处理(NLP)、预测分析、计算机视觉、语音识别、机器人流程自动化和情感分析等技术正在彻底改变全渠道客户旅程的编排和协调。企业可以通过这些支柱来评估新技术,以确定它们是否能切实提升整体客户体验。

人工智能与体验经济学

并非所有问题都需要 AI 解决方案,也并非所有 AI 解决方案都有优势。企业应仔细考虑 AI 的战略整合,来解决具体问题,增加有形的底线价值,从而避免仅仅因为它是一种技术趋势而部署 AI。

事实证明, AI 可以改变许多公司的面貌,带来巨大的经济效益。通过个性化的客户体验和动态定价,可以在运营效率和预测性维护方面节省大量成本,并带来可观的收入。以下使用案例说明了领先企业如何从 AI 中获益。

实施人工智能

将 AI 有效引入企业需要一个结构化、多步骤的过程。就像互联网的变革性影响一样,AI 将重塑业务和运营模式,这就要求首席执行官全面考虑企业应如何战略性地采用 AI ,同时减少潜在的隐患。

它还需要一种与传统 IT 流程截然不同的思维方式和方法,以满足客户对这项技术的期望。其中的核心是企业与 IT 之间的高度有效合作。

根据毕马威发布的《2024 年全球科技报告》,企业计划在未来两年内利用 AI 来:提高运营效率(如自动执行重复性任务);开发产品和服务;以及推进模式检测和问题纠正。为实现这些目标,领先企业应采用统一的设计系统,在客户与多个 AI 模型交互时提供一致的用户体验。

优先考虑以客户为中心:成功实施 AI 的关键

AI 有能力实现智能搜索、从数据中提取意义、通过重新组织数据实现流程自动化和简化、识别异常情况,以及激发新的想法和概念,解锁新的可能性,从而增强人类的表现。

设计客户旅程:客户旅程涉及识别和处理客户与企业互动的接触点。AI 可以通过个性化体验、预测客户需求和及时提供解决方案来增强这些互动。例如,AI 驱动的聊天对话和虚拟助理可以提供实时支持,减少等待时间并提高满意度。这些实践应由营销和客户服务团队牵头,因为他们对客户行为和偏好有着细致入微的了解。通过与 IT 部门合作,业务部门可以确保技术与战略目标保持一致,并为客户带来实在的好处。

利用深度个性化:通过 AI 场景感知,企业可以创建更加个性化、自适应和有效的互动,实现客户的目标和意图。例如,更改订单的交付日期、更改送货地址或允许实时更新货运状态。这就需要识别各种场景因素,并相应地调整行为,从而建立更牢固、更有弹性的客户关系。心理健康支持应用程序,如 Woebot 和 Companion,利用 AI 与用户进行对话,通过他们的反应检测情绪状态。这些应用程序可以根据用户当前的情绪提供支持、应对策略和治疗对话。然而,它们需要深入了解客户、他们的心理需求以及生理和交易需求。

优化价值流和用例:价值流包括企业向客户提供产品或服务的一系列步骤。AI 可以通过自动化日常任务、优化供应链和预测需求波动来简化这些流程。运营和物流团队掌握了对效率和瓶颈的洞察,应率先确定 AI 可以增加价值的领域。IT 部门在这方面的作用是提供有效实施这些解决方案所需的技术基础设施和支持。

解决客户问题,实现客户目标:AI 的预测分析能力可以在客户问题升级之前先发制人地加以解决。在不久的将来,智能客服很可能会自主运行,为客户执行任务。例如,在金融领域,AI 可以分析交易模式,检测欺诈活动并主动提醒客户。深入了解客户需求和痛点的产品开发团队应推动这些举措。他们必须与数据科学家和 IT 专业人员密切合作,确保 AI 模型的稳健、准确和符合道德。

必须认识到,并非每个问题都需要 AI 解决方案,也并非每个 AI 应用都能带来价值。重点应放在 AI 的战略整合上,解决具体问题,带来切实利益。通过详细研究来发现客户的痛点,企业可以准确定位 AI 可以提供有意义解决方案的领域。企业可以绘制客户旅程图、支持客户旅程的价值流以及确定 AI 可以在哪些方面提升客户体验,确保其 AI 解决方案能够战略性地提升客户体验。

实施人工智能的结构化方法

领先企业成功实施 AI 需要遵循清晰、结构化、多步骤的流程。通过研究,我们确定了七个关键步骤。这一过程首先要建立正确的基础,明确 AI 在支持组织目标方面的作用,并评估组织的准备情况,特别是在数据质量方面。全面了解客户洞察力,对于确定 AI 如何缓解痛点和提升体验至关重要。对使用案例进行优先排序,同时为合乎道德和负责任的使用、敏捷工作和文化协调制定准则,也是至关重要的。

步骤 01 | 根据战略目标调整用例

这一过程的基础步骤是制定明确的 AI 战略、目的和目标,其中包括确定 AI 能够带来价值的关键挑战和机遇。AI 目标应与企业的总体战略保持一致,并进行衡量,以有效跟踪进展情况。

将 AI 植根于企业的目标和挑战中,包括将潜在的 AI 用例与战略目标相统一,确定 AI 能产生最大影响的关键业务领域,以及指出 AI 可以解决的具体痛点或低效问题。清晰明确的目标包括提高客户服务、市场营销和销售的客户满意度,或提高供应链管理、物流和生产的运营效率,推动收入增长,加强产品创新或实现竞争优势,从而提供一个框架,在此框架内对 AI 计划进行评估和优先排序。

让整个组织的利益相关者参与进来,可以提供对业务需求和挑战的宝贵见解,帮助确定相关而实用的 AI 用例。他们的支持对于实施 AI 解决方案所需的资源和帮助至关重要。

制定详细的 AI 实施路线图,确保各项工作重点突出、协调有序。路线图应概述 AI 项目的顺序、关键里程碑、时间表和资源分配。路线图还应包括管理风险和应对潜在挑战的应急计划。这种结构化的方法有助于保持势头,跟踪战略目标的进展情况。

潜在风险

  • 高成本。对某些组织而言,AI 技术、基础设施和人才的初始投资可能高得令人望而却步。维护、更新和扩展 AI 解决方案需要持续投资。

行动

  • 成本效益分析:彻底进行此类分析,以确定潜在投资回报率最高的 AI 项目的优先次序。
  • 分阶段实施:分阶段实施 AI 项目,在一段时间内分摊成本,减轻前期财务负担。
  • 云服务:利用基于云的 AI 服务,减少对昂贵的内部基础设施的需求。
  • 资金和赠款:探索融资机会、赠款和合作伙伴关系,以支持 AI 计划。

对客户的影响

  • 确保每个 AI 用例都能支持公司的愿景,即提供始终如一、情感联系、意义非凡的客户体验。

步骤 02 | 可行性和影响评估

在开始实施 AI 之前,企业应评估准备情况和可用资源。此外,企业还应重视数据战略资产,利用客户关系管理 (CRM)、企业资源规划 (ERP) 和客户数据管理 (CDM) 系统等技术平台来释放 AI 的全部潜力。企业还需要评估数据的可用性和质量、员工的技能和能力,以及新技术对企业关键绩效指标的潜在影响。

以客户体验为导向的 AI 实施目标运营模式至关重要,因为它能确保 AI 计划与提供最佳客户体验保持一致。关注客户旅程,有助于确定 AI 在哪些方面能带来最大价值,无论是增强个性化、简化流程还是解决痛点。以支持客户满意度和业务目标的方式整合 AI 解决方案,实现更有效的、以客户为中心的结果。最终,以客户体验为导向的方法可以直接满足客户的需求和期望,从而将 AI 的影响最大化。

还需要确定预算分配和所需资源。这项工作可以借助针对 AI 的全面 SWOT 分析(优势、劣势、机会、威胁)来完成,确定优势领域、改进领域、潜在风险和威胁。对以下方面进行分析,有助于突出需要解决的技术、技能或数据方面的潜在差距,确保 AI 的成功实施:

在评估 AI 的准备情况和可行性时,一个关键因素是确定 AI 模型的复杂程度。

公司可以为每项工作选择合适的 AI 模型,将资源集中在对客户最有利的方面,即速度、准确性和响应度,而不会因为系统过于复杂而造成延误或增加成本。对于识别图像或理解自然语言等任务,深度学习等先进的 AI 模型可以帮助实现准确的结果。但对于较简单的任务,如基本预测或产品分类,决策树等简化模型也能很好地发挥作用,而且通常更快、资源效率更高。

此外,还必须确定实现组织和客户目标所需的 AI 构件类型。这些构件可能包括用于数据的分类、用于未来趋势的预测、用于决策的优化,以及在客户服务或运营中将音频转换为文本。每个构建模块都需要特定的数据类型和领域知识,这有助于团队评估采用 AI 的技术和运营可行性。

建立强大的数据基础是关键的第一步,确保公司为提供可靠的、以客户为中心的结果做好准备。通过准备结构化数据(如购买记录)和非结构化数据(如社交媒体反馈),企业可以创建一个坚实的基础,支持准确、一致的 AI 洞察。对客户而言,这将带来一致、可信的建议和服务,反映客户的真实需求。优先考虑数据质量和准备情况,企业不仅可以保护其品牌声誉,还可以与客户建立持久的信任,客户可以信赖 AI 驱动的体验的准确性和相关性。

训练和调整 AI 所需的数据:为了向客户提供可靠、准确的 AI 服务,公司必须确保用于训练和完善 AI 模型的数据能够反映真实世界的场景。这意味着要收集反映 AI 运行环境的更多样化的数据集。例如,如果 AI 旨在预测需求,那么使用高质量的历史销售数据有助于预测的准确性。公司应优先考虑数据质量、数量和相关性,才能训练出一致、可靠模式的 AI 模型。

AI 推断所需的数据:确保 AI 系统接收干净、高质量的数据,公司可以为客户提供可靠的预测、相关的建议和准确的分类。这种持续的数据管理意味着客户可以信任其结果,无论他们收到的是量身定制的产品推荐、最新的价格还是准确的服务响应,都能增强他们的体验和对品牌的信心。AI 系统一旦部署,就需要持续不断地获得实时或接近实时的数据流,确保准确的洞察力,使客户直接受益。这些数据来自内部系统或市场趋势等外部指标,需要定期更新和验证,以保持高度准确性。

帮助管理和治理的数据:AI 在帮助企业管理和保护大量数据方面发挥着重要的作用,通过确保数据质量和合规性,使客户直接受益。例如, AI 驱动的数据治理工具可以对敏感信息进行分类、追踪其来源并检测异常情况,从而保持高标准并保护客户隐私。此外,AI 还可以通过标记、分类和分析数据来增强,使决策者更容易获得有价值的洞察。随着数据源和数据量的增长,采用 AI 驱动的数据管理方法,公司可以确保客户数据的完整性得到维护。这种对数据管理的承诺可促进信任,因为客户知道他们的数据得到了负责任的处理。

潜在风险

  • 与现有系统集成。将 AI 与过时的系统集成可能很困难,可能需要进行重大修改或更换。现有 IT 基础设施中累积的技术债务会阻碍 AI 的实施和集成。

行动

  • 渐进式集成:采用渐进式方法将 AI 与传统系统集成,从小型试点项目开始。
  • 应用程序接口和中间件解决方案:使用应用程序接口(API)和中间件来促进 AI 系统与现有基础设施之间的通信。
  • 技术债务管理:通过逐步实现遗留系统的现代化,减少对过时技术的依赖,从而解决技术债务问题。
  • 供应商支持:让专门从事 AI 与传统系统集成的供应商提供专家支持。

对客户的影响

  • 在可行性分析中纳入对客户满意度、拥护度和忠诚度的潜在影响,使 AI 用例与全企业优势和机遇模型(SWOT)保持一致。

步骤 03 | 推论和洞察

企业必须利用客户洞察来开发强大的 AI 能力,战略性地整合客户数据、高级分析和 AI 技术,以提升客户体验,推动业务增长。客户洞察力来自于各种接触点收集到的数据,这些数据可提供对客户行为、偏好和痛点的更深入了解。根据毕马威发布的《2024 年全球技术报告》,78% 的技术领导者承认,从客户那里收集到的洞察没有得到有意义的利用。

要建立全面的客户数据收集框架,企业首先需要整合多种来源的结构化和非结构化数据,如合同、产品图片和视频,这些数据来自内部和外部系统,如网站、社交媒体、客户服务互动和销售数据。客户关系管理(CRM)和企业资源规划(ERP)等内部系统是关键数据的重要来源。客户数据平台(CDP)越来越多地被用来从这些系统中提取客户数据,并使其适用于 AI。

作为成功的 AI 系统的支柱,企业必须投资于数据管理解决方案,以确保客户数据的准确性、完整性和相关性。数据清理、规范化和验证等质量保证流程有助于数据集的完整性,消除 AI 模型中的噪音、偏差和不准确性。

一旦数据得到收集和管理,机器学习和预测建模等先进的分析技术就能发现可行的见解,使企业能够识别可能并不明显的模式和趋势。例如,机器学习算法可以分析客户的购买历史,预测未来的购买行为,从而实现个性化营销,提高客户留存率。

要成功实施 AI,企业必须培养数据驱动型文化,在决策过程中优先考虑数据,并实施培训计划,提高整个企业的数据素养。这种文化转变将帮助从客户数据中获得的洞察力在 AI 项目中得到重视和有效利用。

潜在风险

  • 数据质量和可用性。 AI 系统在很大程度上依赖于高质量的数据。不完整、不准确或不干净的数据会导致模型性能低下。数据通常存在于不同部门的孤岛中,难以有效汇总和使用。
  • 数据隐私和安全。在遵守 GDPR 和 CCPA 等法规的同时,确保数据隐私和安全是一项挑战。

行动

  • 数据管理框架:建立健全的数据管理框架,确保整个组织的数据质量和一致性。
  • 数据清理和准备:投资于数据清理、规范化和准备的工具和流程,以提高准确性和完整性。
  • 数据集成工具:使用数据集成工具(如客户或企业数据平台)从孤立数据库中汇总数据,实现统一的视图和更好的数据利用。
  • 定期审核:定期进行数据审核,及时发现并纠正数据质量问题。

对客户的影响

  • 注重识别和解决客户痛点,消除不满意的根源,提升整体体验,利用数据预测,主动缓解潜在的客户问题。

步骤 04 | 确定优先次序

各组织应优先考虑可提供切实投资回报(ROI)的实际应用,并注重速赢,如自动执行重复性任务和个性化客户体验,以提供即时价值,为更广泛地采用 AI 造势。

为确定最佳的 AI 客户用例,企业应对每种潜在方案进行全面的成本效益分析,考虑初始投资、持续成本和预期投资回报率等因素。实施方法的选择取决于预算、现有专业知识、战略目标和投资回报预期等因素。在评估可扩展性以实现未来增长的同时,还需要考虑缓解策略。

然而,虽然 AI 的实施有多种途径,但企业还需要考虑该技术将满足的客户需求(交易和情感需求)。尽管功能强大,然而 AI 仍有可能成为成本更低、但效果更差的人际互动替代品。简单地将客户转移到低成本的技术渠道,无论他们在情感上是否需要人工接触,都会使客户在寻求帮助时遇到障碍,让客户感到失望和沮丧。

为了维持积极的客户体验和培养信任,需要以正确的方式构建 AI 模型。透明、可靠且符合道德规范的 AI 系统有助于确保客户获得准确、个性化和公平的互动。不良的模型可能会导致有偏见的结果、错误或不一致的服务,从而削弱客户信任并损害品牌声誉。此外,在开发 AI 模型时,如果考虑到隐私、安全和道德因素,客户就会更有信心,相信他们的数据得到了负责任的处理。最终,建立良好的 AI 模型可以提供一致的价值和维护信任,加强牢固的客户关系。

建立 AI 模型是一个迭代过程,需要不断利用反馈来完善和微调模型的性能。当模型准备好部署时,应持续进行监控,以便及时发现并解决随着时间出现的任何偏差或退化。道德考量、跨职能合作、文档记录和建立反馈回路也需要贯穿整个模型构建过程,帮助确保公平、透明和持续学习与改进。

潜在风险

  • 衡量和证明投资回报率。企业往往难以确定衡量 AI 计划成功与否和投资回报率的适当指标。AI 项目可能需要很长时间才能带来可衡量的效益,从而导致利益相关者的压力和失去耐心。
  • 大型语言模型风险。用于回答的数据可能会将企业的专有信息公之于众。
  • 监控人工智能的特定风险。监测对于检测数据模式、数据完整性和模型漂移的变化至关重要。

行动

  • 定义指标:根据业务目标,明确定义 AI 项目的成功指标和 KPI。
  • 基准测量:在实施 AI 之前建立基准衡量标准,以便与实施后的结果进行比较。
  • 长期跟踪:实施长期跟踪,监控 AI 项目的长期性能和效益。
  • 利益相关者报告:定期向利益相关者报告进展情况和投资回报率,以保持支持并展示价值。
  • 制定安全使用指南:这是帮助确保正确、有效使用生成式 AI 应用的关键,对防止其他风险至关重要,比如版权侵权。
  • 监控适用法律:保持警惕,确保组织在使用 AI 时不会违反适用法律,包括隐私法、客户协议或专业标准。

对客户的影响

  • 优先考虑能解决客户关键问题(如安全和隐私)的 AI 计划,以建立信任和信心。

步骤 05 | 治理和伦理

评估道德影响,确保合规,对于避免潜在隐患、客户体验失败和声誉受损至关重要。揭示特定的风险(如偏见和偏差)对于 AI 解决方案的未来发展非常重要。

组织需要制定明确的道德准则和原则,优先考虑透明度、公平性、问责制和人权,以指导整个 AI 开发和部署过程中的决策。这些原则将有助于在部署 AI 系统和有效管理任何潜在风险时坚持高标准。

制定这样一个框架,首先需要各组织确定明确的数据和 AI 治理方法,确定 AI 带来的好处和机遇,以及潜在的风险和道德挫折。必须确定治理准则和标准,包括提供内部和外部保证和验证,以确保公平、透明和问责。

这就要求各组织从多角度考虑问题,包括与不同的利益相关者进行定期检查。它们还需要将 AI 纳入完善的风险管理分类法,并辅以审计,以便对系统进行持续监督。参与每项技术应用的所有利益相关者还应考虑客户的关切。

解决偏见问题非常重要。应采用各种技术来检测和减轻 AI 算法和数据中的偏见,确保不同人口群体之间的公平性,并最大限度地减少歧视性结果。

与行业合作伙伴、学术界和政府机构的合作可促进共享最佳实践,并为 AI 的道德应用制定行业标准。

潜在风险

  • 道德和偏见问题。AI 系统可能会延续甚至加剧训练数据中存在的偏见,从而导致不公平的结果。确保 AI 实践符合道德规范,并解决与透明度、问责制和公平性相关的问题可能非常复杂。
  • 监管和合规问题。遵守围绕 AI、数据使用和隐私的不断变化的法规可能很困难。不同的行业在实施 AI 时必须遵守独特的监管要求。

行动

  • 偏差检测工具:使用偏差检测和缓解工具来识别和纠正 AI 模型中的偏差。
  • 道德准则:制定并执行 AI 开发和部署的道德准则和标准。
  • 多元化团队:组建多元化团队,提供不同的视角,降低 AI 系统出现偏见的风险。
  • 透明度和问责制:确保 AI 决策过程的透明度,并建立问责机制。
  • 合规计划:制定并实施符合 GDPR 和 CCPA 等法规的全面数据隐私和安全计划。
  • 加密和访问控制:使用加密、匿名化和严格的访问控制来保护敏感数据。
  • 隐私影响评估:进行隐私影响评估,以了解并降低与 AI 项目相关的潜在隐私风险。
  • 安全培训:定期为员工提供有关数据安全最佳实践和合规性的培训。

对客户的影响

  • 当客户与 AI 互动时,明确沟通,确保负责任、合乎道德的使用,以保持透明度。发布负责任使用框架的客户友好版本。

步骤 06 | 更加敏捷

在 AI 项目中采用敏捷和迭代开发方法,可实现灵活性、快速客户原型设计以及基于反馈和实验的持续改进。这一过程的重点是试运行和迭代,使企业能够验证选定用例的可行性和有效性,并根据反馈和实际数据不断改进。

敏捷方法能更快、更灵敏地提供解决方案,更好地满足客户需求,从而使客户受益。通过迭代、灵活的方法,团队可以快速适应客户反馈,不断改进产品和服务。这有助于确保客户获得更符合期望的最新产品。敏捷方法还能促进各部门之间的协作,从而带来更具凝聚力和无缝衔接的客户体验。在每次冲刺或迭代中优先考虑客户价值,可以促进创新,提供更高质量的成果,最终提高客户满意度和忠诚度。因此,敏捷性已成为成功实施 AI 的关键,使企业能够适应某些技术、市场需求和客户期望。

AI 开发和部署的动态性质要求采用灵活、反应迅速的方法,来整合现代技术,在竞争中保持领先。敏捷型组织可以快速响应不断变化的客户期望、市场趋势和不可预测的条件,确保其 AI 计划在动荡的商业环境中保持相关性和有效性。

要实现组织的敏捷性,首先要采用敏捷的思维方式,并接受一种持续改进、灵活和反应迅速的文化。敏捷的思维方式可以提高适应能力,根据新的见解迅速做出调整,并有效地纠正方向,从而增加成功的机会。领导者应倡导协作、创新、勇于尝试和从失败中学习等价值观,培养团队的思维方式和环境,让他们感到有能力承担风险和探索新思路。

Scrum 和 Kanban 等敏捷方法为管理 AI 项目提供了结构化框架,强调迭代开发和定期反馈,帮助确保最终产品满足用户需求和期望。AI 的实施需要各部门之间的协作,建立具有不同技能组合和观点的跨职能团队,促进创新并加快问题的解决。

这些团队应利用他们的集体专业知识来设计、开发和部署 AI 解决方案,应对复杂的业务挑战。云计算和 DevOps 实践在提高组织灵活性、提供可扩展的按需基础设施,以及简化开发和运营以更快地交付 AI 解决方案方面发挥着重要的作用。

AI 项目由于其复杂性和实验性,可以从敏捷和迭代的实施方法中获益。这包括将项目分解成较小的、可管理的任务或冲刺,并根据反馈完善。拥有可扩展基础设施和云平台的企业,再加上采用微服务架构和容器化,会发现更容易扩展、部署和维护 AI 应用,从而使其更具竞争优势。

潜在风险

  • 变革管理。员工和利益相关者可能会因为担心失业或不适应新技术而抵制 AI。创建一种拥抱 AI 和创新的文化需要大量的努力和领导力。

行动

  • 变革管理战略:制定全面的变革管理策略,消除阻力,促进认同。
  • 利益相关者的参与:让主要利益相关者尽早参与 AI 的实施过程,以获得他们的认同和支持。
  • 培训和支持:提供广泛的培训和支持,帮助员工适应新的 AI 工具和技术。
  • 宣传益处:强调 AI 给员工带来的好处,如将琐碎的任务自动化,使工作更具战略性。

对客户的影响

  • 使用敏捷、测试驱动的开发和客户反馈循环来持续改进和完善客户体验。 AI 模型需要持续监控和刷新,确保将其纳入发布计划。

步骤 07 | 文化建设

组织和客户体验从业者需要培养一种拥抱实验的文化,并将失败视为学习机会,这对 AI 的成功至关重要。此外,创建和填补专门从事 AI 开发、部署和管理的新角色,对于充分利用其潜力至关重要。

实施 AI 可能会带来重大的变革管理挑战,因为员工需要适应新的工作方式、新的管理方法以及对工作保障的威胁。因此,重要的是要考虑文化需要如何适应 AI 的未来。文化不能失去人性,团队需要考虑 AI 解决方案如何改善个人需求和体验,以推动和维持变革。

文化始于最高层,企业必须培养实验思维,将失败视为学习机会而非挫折。要想借助 AI 实现蓬勃发展,企业可能需要抱着“快速失败”的心态,不断完善和改进技术工作,以保持竞争力。

需要仔细考虑的一个特殊领域是 AI 专家角色的结构和部署。我们已经确定了几个新角色,专门从事 AI 开发、部署和管理的各个方面:

人工智能专家的职责

成功采用 AI 不仅仅是技术问题,而是要在整个企业中使用生成式 AI 来提高员工的效率、生产力和创造力。必须对员工队伍进行全面审查和改革,塑造未来的员工队伍,并提供一个整合生成式 AI 的框架。应倡导一种持续改进的文化,在这种文化中,团队利用从实际应用中获得的反馈和见解,不断完善 AI 解决方案。

潜在风险

  • 人才和专业知识。对 AI 人才的需求量很大,而数据科学、机器学习和 AI 方面的熟练专业人员却十分短缺。现有员工往往需要大量的培训和技能提升,才能有效地使用 AI 技术。

行动

  • 培训和技能提升:投资于现有员工的培训和技能提升计划,以建立内部专业知识。
  • 建立合作伙伴关系:与大学、研究机构和 AI 培训机构合作,获取人才并了解最新进展。
  • 人才招聘:制定战略性人才招聘计划,吸引熟练的 AI 专业人才。
  • 导师计划:实施导师计划,由经验丰富的数据科学家指导初级员工,以加快学习速度。

对客户的影响

  • 培养以客户为中心的文化,让 AI 增强而不是取代人情味,让人工监督成为客户互动的核心。

驾驭人工智能的未来

AI 技术不仅发展迅速,而且有可能重新定义技术创造本身。因此,跟上发展的步伐才能让企业保持竞争力。

下一代 AI 将提供更加个性化、高效和直观的互动,彻底改变客户体验。先进的 AI 系统将能更准确地预测客户需求,实时提供量身定制的建议和解决方案。通过改进自然语言处理,客户将与 AI 进行更无缝、更像人类的对话,从而提高易用性和可访问性。此外,更智能的 AI 还能在潜在问题出现之前进行预测,从而实现主动支持并最大限度地减少中断。AI 技术的日益成熟可以使企业与客户建立更深入、更有意义的联系,将满意度和信任度提升到新的水平。

最近发表在《自然·人类行为(Nature Human Behavior)》上的研究表明,大型语言模型(LLMs)越来越能够理解人类复杂的心理状态,而这曾被认为是人类独有的特征。

理论上,AI 模型模仿人类的能力越强,它们与我们的互动就越有用,也越能引起共鸣。这些虚拟助手分别被命名为 GPT-4o 和 Astra,旨在提供比上一代更流畅、更自然的响应。虽然这些进步前景广阔,但我们必须认识到,这些 AI 能力并不像人类——即使它们看起来是这样。

随着自我监督学习、可解释 AI 和人机协作等方面的进步,未来的 AI 有望成为更加智能、自主和合乎道德的系统,对各行各业和日常生活产生重大影响。未来的 AI 系统可能具有更大的自主性,使其能够在没有人类持续干预的情况下运行。这可能对自动驾驶、机器人和工业自动化等领域产生特别大的影响。

为了在 AI 驱动的未来茁壮成长,企业应关注机器学习、自然语言处理、计算机视觉和机器人等技术的发展。了解 AI 和数据法规、遵守合乎道德的 AI 实践,以及制定与组织和战略目标相一致的明确的 AI 战略至关重要。投资研发、培养 AI 友好型文化,促进跨部门合作将有助于有效整合 AI。通过对员工进行再培训以及优先考虑 AI 和数据科学方面的招聘和培训,来应对劳动力变化是关键所在。通过合作伙伴关系和开放式创新举措与更广泛的生态系统合作,也将提供竞争优势。

客户体验的主要启示

今年的报告强调了 AI 对全球各行各业产生的变革性影响。然而,AI 驱动的成功之路远非如此简单。它要求重新思考传统假设,并适应新的运营方式。要想真正利用 AI 的力量,企业必须以全新的视角来审视自身——拥抱新的运营模式,培养以数据和技术为中心的文化,并将跨职能、敏捷的工作方式作为标准。今年领先企业的经验表明,这些转变并非可有可无,而是确保 AI 长期成功的关键。

为有效应对本报告研究结果,企业应采取以下行动:

通过遵守这些原则,企业可以使其 AI 计划与客户需求保持一致,在市场中取得更大的成功。这些准则提供了一条有用的途径,不仅可以将 AI 融入日常运营,还可以提高客户满意度并提升整体 CEE 分数。这样,企业就能做好更充分的准备,在迎接 AI 带来的挑战的同时抓住机遇,在各自的行业中推动可持续增长和竞争优势。


原文地址:

https://kpmg.com/xx/en/our-insights/transformation/global-cee-2024-2025.html


本文为作者原创翻译,欢迎转发分享。

转载时需在文章开头注明作者和“来源:鹈鹕全面客户体验管理(微信号:CEM-tihu)”,文字颜色为黑色,且不得修改原文内容。

欢迎小伙伴投稿合作,具体请联系:易女士 Yiml@tihu.com.cn