دسترسی هنرمندان یک گالری آمریکایی به ابزارهای عرضه نشده اوپنایآی از جمله Sora
اوپنایآی روز جمعه اعلام کرد که طی همکاری با یک گالری هنر شهر نیویورک، این…
۱۷ شهریور ۱۴۰۳
۱۶ اسفند ۱۴۰۱
زمان مطالعه : ۹ دقیقه
انقلاب یادگیری ماشینی تحولی است که قاعده و اصول تجارت امروز را زیر و رو میکند. از چتباتهای هوشمندی همچون ChatGPT گرفته تا پیشنهاد محتوای شخصیسازیشده در شبکههای اجتماعی همه و همه حاکی از نقش پررنگ یادگیری ماشینی (ML) در صنایع مختلف است. به علاوه پیشرفت تکنولوژیهای مبتنی بر یادگیری ماشینی یکی از چالشهای مهم کسبوکارهای امروزی را حل میکند: ارائه تجربهای بینقص به مشتریان.
امروزه کسبوکارهای بیشتری برای بهبود تجربه مشتریان خود از یادگیری ماشینی استفاده میکنند. تحقیقات نشان میدهد به لطف افزایش استفاده از تکنولوژیهای جدید، حجم بازار ML از ۲۱.۱۷ میلیارد دلار در سال ۲۰۲۲ با نرخ رشد سالانه ۳۸.۸ درصد به بیش از ۲۰۹ میلیارد دلار در سال ۲۰۲۹ میرسد. بهبود تجربه مشتریان یکی از فاکتورهای مهم بقا در بازار امروزی است. ۸۵ درصد از مشتریان معتقدند چگونگی تجربه آنها در یک شرکت به اندازه محصول یا خدمات دریافتی اهمیت دارد. به همین دلیل سازمانهای زیادی برای درک انگیزه و علایق مشتریان خود از یادگیری ماشینی استفاده میکنند.
تحلیل با یادگیری ماشینی انواع مختفی دارد. برای مثال شرکتی به نام اینتلیگیج (Intelligage) مدعی است «با استفاده از مدلهای AI با هوش احساسی، ارتباطات کاربران در اپلیکیشنهای زوم (Zoom) و گانگ (Gong) را تجزیه و تحلیل کرده و در نهایت انگیزه خاص هر فرد را مشخص میکند و درنتیجه پلتفرمهای فروش بعد چهارمی از مشتریان خود را مشاهده میکنند. سازمانها میتوانند با بررسی هرگونه ارتباط با مشتری خود، مکالمه انجامشده را درک کنند و درک بهتری برای بهبود تجربه مشتری داشته باشند». این پلتفرم همچنین یک «مربی دیجیتالی» را نیز در اختیار سازمانها قرار میدهد که برای آموزش بهتر تیمها در استفاده از هوش احساسی طراحی شده است.
در سوی دیگر این میدان شرکت اورکم (OrCam) حضور دارد که برای توانمندسازی افراد نابینا یا دچار اختلالات بینایی و کسانی که با خواندن و مشارکت در فعالیتهای روزمره مشکل دارند از دید مصنوعی مبتنی بر راهحلهای هوش مصنوعی استفاده میکند. این شرکت با ترکیب اطلاعات بهدستآمده از حوزههای مختلف هوش مصنوعی از جمله دید کامپیوتری، یادگیری ماشینی، تشخیص گفتار خودکار (ASR)، پردازش زبان طبیعی (NLP) و درک زبان طبیعی (NLU)، ابزارهایی پوشیدنی یا دستی در اختیار مشتریان خود قرار میدهد.
اورکم دو محصول OrCam MyEye و OrCam Read را در ۵۰ کشور و به ۲۵ زبان زنده دنیا در اختیار افراد کمبینا قرار میدهد. این شرکت به تازگی محصولی به نام OrCam Learn نیز برای کمک به یادگیری افراد کمبینا به زبان انگلیسی عرضه کرده و در بازارهای آمریکا و انگلستان مشغول فعالیت است.
امیر لیبرمن، مدیرعامل شرکت ایموشن لاجیک (Emotion Logic) که در زمینه تحلیل صدا و تصمیمات هوش مصنوعی فعال است، میگوید: «رشد کلانداده و افزایش دسترسی به فناوریهای پیشرفته هوش مصنوعی پیشرفت تکنولوژی تشخیص احساس باعث شکلگیری چنین روندی شده است. در ژاپن که خدمات مشتریان یک موضوع مقدس محسوب میشود، مشتریان ما با استفاده از اطلاعات احساسی و سبک و سیاق مشتریان خود برای بهبود تجربه مشتری، رضایت و افزایش فروش تلاش میکنند.»
مشتریان در لحظه تصمیم میگیرند و خیلی سریع درنتیجه کمترین تاخیر یا ناراحتی راهشان را از شما جدا میکنند. تحقیقات و آزمونهای شخصی اطلاعات کلی خوبی را ارائه میکنند اما کسبوکارهای امروزی برای اینکه یک قدم از دیگران جلوتر باشند به دادههای لحظهای در مورد رفتار مشتری خود نیاز دارند و باید تاثیر رفتار بر تصمیمگیری را درک کنند. چنین اطلاعاتی نقشه راهی برای برآورده کردن نیازهای مشتری و بهبود سطح کیفی در اختیار شما قرار میدهند.
۹۰ درصد از مشتریان خواستار پاسخ «فوری» به سوالات خود هستند و ۶۰ درصد آنها «پاسخ فوری» را پاسخی در ۱۰ دقیقه یا کمتر میدانند.
پلتفرم فروش و بازاریابی هاباسپات (HubSpot) در سال ۲۰۱۸ گزارش کرد ۹۰ درصد از مشتریان خواستار پاسخ «فوری» به سوالات خود هستند و ۶۰ درصد آنها «پاسخ فوری» را پاسخی در ۱۰ دقیقه یا کمتر میدانند. رفتار مشتریان در این حوزه تغییر چندانی نکرده است. تحقیقات شرکت فرشورکس (Freshworks) نشان میدهد در دوران پاندمی ۵۲ درصد از مشتریان به دلیل زمان انتظار طولانی خرید خود از یک شرکت را متوقف کردهاند.
از نظر توماس بین، مدیر ارشد بازاریابی شرکت دادههای هوش مصنوعی دیتااستکس (DataStax)، در حوزه اطلاعات لحظهای همه چیز به خروجی و توان پاسخگویی به موقع بستگی دارد. لحظه مهم همان وقتی است که کاربر پشت گوشی در انتظار شماست یا باید در مورد مسیریابی یک دارایی تصمیم بگیرید و یک تراکنش جعلی را متوقف کنید. او افزود: «همه چیز به این بستگی دارد که بگذارید اپلیکیشنها مضمون موقعیت را درک کنند و در لحظه به آن پاسخ دهند. داده لحظهای چنین چیزی را ممکن میکند. دریافت اطلاعات در لحظه به شما اجازه میدهد به سمت یک هدف حرکت یا در لحظه از پیامدی جلوگیری کنید.»
دیتااستکس که بر مبنای پایگاه داده متنباز NoSQL ساخته شده امکان تجهیز دادههای لحظهای و پس از آن ساخت اپلیکیشنهای هوشمند و با رشد بالا را در هر مقیاس و هر فضای ابری برای شرکتها فراهم میکند. پایگاه داده این شرکت حامی استارتآپهاست و ۹۰ درصد از سازمانهای موجود در شاخص ۵۰۰ شرکت برتر بورس آمریکا در حوزههای مختلفی مثل بازی، نرمافزاری به عنوان یک خدمت (SaaS) و بانکداری از آن استفاده میکنند. این شرکت که دفتر مرکزی آن واقع در سانتا کلارای کالیفرنیاست به بیش از ۸۰۰ مشتری از جمله اپل، نتفلیکس و اوبر در ۵۰ کشور جهان خدمترسانی میکند.
برخلاف سیستم پردازش گروهی اطلاعات که دادهها را به صورت زمانبندیشده پردازش میکند و فضایی را هم برای اطلاعات قدیمی در نظر میگیرد، پردازش دادههای لحظهای به صورت فوری انجام میشود و دادههای موجود باید به روز و بدون تاخیر باشند. توماس بین میگوید مشتریان حوزه امور مالی دیتااستکس دادههای لحظهای را به میلیثانیه محاسبه میکنند و این در حالی است که در صنایع دیگر مبنا هر دقیقه است اما مساله کلی در تمام صنایع استفاده از یک پنجره کوتاه برای عکسالعمل سریع نسبت به مشتریان است.
براین پلاستر، همبنیانگذار و مدیرعامل اینتلیگیج، میگوید: «ریزهکاریها مهم هستند و اطلاعات زیادی که ممکن است برای نتایجی که بر رفتار مشتری تاثیرگذار است مهم باشد نادیده گرفته میشود.» برای مثال او میگوید، نظر یکی از نمایندگان در مورد مشتری خوشحالی که «سبز و ۹۰ درصد سالم» برآورد شده را در نظر بگیرید. این برآورد چه معنایی دارد؟ اگر با توجه به اطلاعات نگاه عمیقتری داشته باشیم میبینیم که تمایل آنها ۷۶ درصد است و آخرین ارتباطی که با آنها برقرار شده نشاندهنده صحبت شمرده، هدفمند و تقارن در گزینش کلمات است که نمره رفتار ۸۱ درصد را نشان میدهد. یادگیری ماشینی اینطور به شما کمک میکند تا الگوهای موجود در اطلاعات را کشف کنید و کسبوکارها با تکیه بر این اهرم میتوانند سطح رضایت مشتری خود را افزایش دهند.
بسیاری از سازمانهای پیشتاز انتقال ML به دنبال رفع مشکلاتی هستند که در چند دهه گذشته خللی در تجربه مشتریان ایجاد کرده است.
برای مثال، امکانات جدید هوش مصنوعی برای تجزیه و تحلیل صدا باعث شده مشتریان بیشتری برای دریافت اطلاعات از جستوجوی صوتی استفاده کنند. کسبوکارها نیز با تجزیه و تحلیل صوت و امکان کاوش احساسی میتوانند به درک بهتری از نگرانیها و احساسات واقعی مشتریان دست پیدا کنند. به گفته لیبرمن، این ابزار پتانسیل بسیار بالایی، هم در روابط سنتی و هم در محیطهای جدید متاورسی دارد.
او میگوید: «باید اطمینان حاصل کرد که دادههای احساسی ثبتشده دقیقاً احساسات درونی مشتریان را منعکس کنند و نباید بررسی اطلاعات تنها از طریق یکسری کلمات کلیدی یا بیان قوی صورت گیرد. سیستمهایی که بر مبنای دادههای نامرتبط پایهریزی شوند تنها زمان و پول شما را هدر میدهند و احتمالاً هم نرخ موفقیت کمتری نسبت به سیستمهای مجهز به شناسایی احساسات و سنجش شخصیت دارند.»
حوزه جدیدی به نام اطلاعات احساسی به عنوان یک خدمت، پتانسیل تاثیر شگرفی بر رفتار مشتریان دارد و چشمانداز ارزشمندی از گرایشها و انگیزههای مشتریان ارائه میکند.
حوزه جدیدی به نام اطلاعات احساسی به عنوان یک خدمت، پتانسیل تاثیر شگرفی بر رفتار مشتریان دارد و چشمانداز ارزشمندی از گرایشها و انگیزههای مشتریان ارائه میکند. سازمانها با شخصیسازی کردن تجربه مشتریان براساس اطلاعات لحظهای میتوانند سطح رضایت مشتری را افزایش دهند و به تحقق اهداف آنها کمک کنند. علاوه بر این، تجربه خرید مشتریان هم به ویژه در جهان متاورسی خوشایندتر میشود.
به گفته لیبرمند: «تصور کنید در این محیطهای جدید مجازی، یک نماینده مجازی با شخصیت و سبک منحصربهفرد خود در وب۳ یا متاورس که درک حقیقی از شما پیدا کند چه تاثیر پررنگی دارد.»
نقش AI/ML در سفر پر فراز و نشیب تجربه مشتریان که همواره در حال تغییر است چه خواهد بود؟ بین میگوید رهبرانی مثل اوبر، نتفلیکس، زوم، گانگ و دیگر شرکتها برای تقویت طرحهای یادگیری ماشینی و هوش مصنوعی خود از دادههای لحظهای استفاده میکنند. اما به گفته او باید در انتظار مدلهای یادگیری ماشینی باشیم که پیشبینی و پیشنهادهایی سریع برای بهبود تجربه مشتری ارائه کنند.
پلستر از شرکت اینتلیگیج نیز میگوید: «از آنجا که مکالمات امروزی به صورت دیجیتالی در زوم، چت آنلاین و دیگر جاها ثبت میشوند و به دلیل پاندمی کووید-۱۹، خلاقیت نماینده خرید به سرعت در حال تغییر است و یک کاتب خودکار خیلی سریع قادر است چکیدهای از یک جلسه ارائه کند و شما میتوانید آن را به مدیریت روابط مشتری (CRM) خود اضافه کنید.» به گفته او هوش مصنوعی مولد و هوش احساسی نقش پررنگی در موفقیت یا شکست یک کسبوکار خواهد داشت.
بین میگوید: «ما در شرف یک نوآوری در حوزه هوشمصنوعی لحظهای هستیم و این تحول اپلیکیشنهای آینده را تعریف میکند یا بازتعریفی بر اپلیکیشنها خواهد بود. بعضی از تحلیلگران معتقدند ۷۰ تا ۹۰ درصد از اپلیکیشنها در آینده از هوش مصنوعی/یادگیری ماشینی استفاده میکنند و نسل جدید اپلیکیشنهایی که به اطلاعات لحظهای، هوش مصنوعی و ابر مجهز هستند جهان علم اطلاعات و توسعه اپلیکیشن را ترکیب میکنند. هوش مصنوعی لایه ارزشمند دیگری خواهد بود که به کسبوکارها اجازه میدهد روابط خود را با مشتریان شخصیسازی کنند. رابطه دوسر سود است. مشتری خوشحالتر میشود و با افزایش تعداد مشتریان شرکت رشد میکند.»
منبع: FastCompany