ソートリーダー

エンタープライズAIを妨げる顧客コンテキストのギャップ

Derek Slager
Unite.AI を Google の優先ソースに追加
要点システム全体に断片化された顧客データは、AIに誤った判断を下させる原因となる。
もっと見る
  • システム全体に断片化された顧客データは、AIに誤った判断を下させる原因となる。
  • AIが現在の意図に基づいて行動するには、リアルタイムの顧客コンテキストが不可欠である。
  • 信頼できる顧客コンテキストは、エンタープライズAIの基盤インフラになりつつある。

企業向けAIの進化は、ほとんどの組織が信頼できる顧客コンテキストを提供する能力の向上を上回る速さで進んでいます。

課題は、AIがコンテンツ、レコメンデーション、予測、または決定を生成できるかどうかではありません。課題は、その出力が顧客の正確な理解に基づいているかどうかです。

多くの企業では、そのような出力は正確な顧客理解に基づいていません。

組織は、過去数年間で大量に投資して、生成AI、コパイロット、予測システム、自律型ワークフローを導入してきました。しかし、多くのイニシアチブは、分離されたユースケースを超えて、またはスケールで一貫したビジネス価値を提供するのに苦労しています。理由は、多くの場合、驚くほど単純です。AIシステムは、行動の対象となる顧客の全体像を把握しないまま決定を下しています。

この課題は、エンタープライズ全体で発生しています。パーソナライゼーションエンジンは、無関係な製品を推奨します。カスタマーサービスアシスタントは、不完全な回答を生成します。顧客離反予測モデルは、忠実な顧客を誤分類します。マーケティングオートメーションプラットフォームは、遅すぎる、または最近の顧客行動を反映していないメッセージをトリガーします。

これらは、AIの問題と呼ばれることがよくあります。しかし実際には、それ以上に顧客コンテキストの問題であることが多いのです。

AIは、情報から切り離されて機能するものではありません。AIの有効性は、利用可能な情報の品質、完全性、タイムリネスに依存しています。顧客IDがシステムに分散している場合、行動信号が遅れて到着する場合、または異なるアプリケーションが互いに食い違う顧客情報で動作している場合、AIシステムは必然的に、現実とかけ離れた結果を生み出すことになります。

ほとんどの組織は、すでに基礎となる信号を持っています。長年蓄積された取引、インタラクション、好み、行動データは、すでにテクノロジー環境全体に存在しています。課題は、それらの信号を、AIシステムが一貫して使用できる信頼性の高い顧客コンテキストに変換することです。

断片化されたデータは、不完全な顧客理解を生み出す

エンタープライズ組織は、通常、顧客データの欠如に苦労しません。代わりに、断片化に苦労しています。

単一の顧客は、ECプラットフォームでは1つのメールアドレスで、ロイヤリティプラットフォームでは別のメールアドレスで、サービスアプリケーションでは永続的なIDなしで表示されることがあります。購入履歴、エンゲージメント行動、同意に関する設定、サービスインタラクション、デジタル活動は、しばしば別々のシステムに存在します。

AIモデルから見ると、それらの断片は、頻繁に異なる個人として現れます。

影響は、AIシステムが運用上の決定を下し始めたときに重大になります。

顧客離反予測モデルは、購入履歴の半分が別のプロファイルにあるため、忠実な顧客を非アクティブとして分類する可能性があります。レコメンデーションエンジンは、ブラウジング行動と取引履歴が接続されていないため、無関係な製品を提示する可能性があります。AIアシスタントは、顧客関係の一部しかアクセスできないため、不完全な回答を生成する可能性があります。

組織がAIをより広く導入するにつれて、これらの問題は無視することができなくなります。

多くの企業は、データをデータウェアハウスに集約することで問題が解決されることを想定しています。実際には、統合だけでは顧客理解を生み出すことはできません。IDの矛盾を解決したり、システム全体の顧客行動を接続したり、信頼できる顧客ビューを確立したりすることはできません。AIシステムは、依然として不完全または矛盾した入力で動作している可能性があります。

ストレージは理解ではありません。この区別は、企業がAIの実験から運用上のワークフローに埋め込まれたAIシステムに移行するにつれて、ますます重要になります。

信頼できる顧客コンテキストは、コアAIインフラストラクチャとなっている

IDの名寄せは、従来、マーケティング機能と見なされていました。しかし、企業向けAIのインフラの基盤としての重要性が増しています。

しかし、IDだけでは不十分です。AIシステムが有効な決定を下すには、より広い信頼できる顧客コンテキストレイヤーにアクセスする必要があります。そのレイヤーには、ID、行動信号、取引履歴、同意データ、エンゲージメントパターン、および各顧客インタラクションのビジネスコンテキストが含まれます。

IDの名寄せは、断片化されたシステム全体で同じ個人に属するレコードを決定する上で重要な役割を果たします。企業規模でこれを行うには、決定論的マッチング、確率論的モデリング、継続的に進化するIDグラフの組み合わせが必要です。

この基盤がないと、AIシステムは顧客状態、行動、意図について正確に推論するのに苦労します。

課題は、顧客が頻繁にデバイス、メールアドレス、場所、エンゲージメントパターンを変更するリアルワールド環境でさらに複雑になります。完全一致による照合だけでは、多くのギャップが解決されません。過度に積極的なマッチングは、組織が結論に到達した方法を理解できない場合、ガバナンスと信頼の懸念を引き起こす可能性があります。

その結果、多くの企業は、決定論的マッチング、機械学習、説明可能性、顧客行動とともに進化する適応型IDグラフを組み合わせたハイブリッドアプローチを採用しています。

重要なのは、組織が単一の万能なプロファイルではなく、文脈に応じた複数のIDビューをますます必要としていることです。マーケティングチームは、リーチと個別に働きかける能力を重視する場合があります。ロイヤリティチームは、アカウントレベルの精度が必要です。不正対策チームは、まったく異なるしきい値で動作します。これらの機能をサポートするAIシステムは、特定の運用上の要件に合わせた顧客コンテキストが必要です。

これは、組織がAIの準備について考える方法を変えます。企業AIには、継続的に適応しながら説明可能で、ガバナンスされ、システム全体でアクセス可能な信頼できる顧客コンテキストが必要です。

リアルタイムの顧客コンテキストは不可欠

顧客IDを統一化することに成功した組織でも、タイミングという別の制約に直面することがよくあります。

多くの企業環境では、遅延パイプラインとバッチ指向のワークフローに依然として依存しています。顧客プロファイルは数時間後に更新されます。行動信号は関連する瞬間がすでに過ぎ去った後に到着します。

その結果、AIシステムは、現在の顧客の意図ではなく、古い顧客状態に基づいて意思決定していることが少なくありません。

その遅延は、顧客体験とビジネスパフォーマンスの両方に影響します。

顧客がカートを放棄した場合、フォローアップジャーニーは翌朝までトリガーされません。会員プログラムの顧客が、プロファイルの更新が全システムに反映される前にサイトへ戻り、個別化されていない体験になることもあります。カスタマーサービス担当者は、最近の行動信号が利用可能になる前に顧客とやり取りすることがよくあります。

これが、リアルタイムインフラストラクチャがますます重要になっている理由です。

組織には、やり取りの発生に合わせてIDグラフ、行動信号、許可情報、顧客プロファイルを更新できるシステムが必要です。AIシステムがその場で意思決定できるのは、基盤となる顧客コンテキストがその時点の状況を反映している場合だけです。

自律的なAIワークフローがより一般的になるにつれて、システム全体とチャネル全体で正確な顧客コンテキストを維持することが、信頼性の高い決定と一貫した顧客体験の両方を提供する上で不可欠になります。

共有された顧客コンテキストは、より信頼性の高いAIを生み出す

エンタープライズAI環境全体で生じている別の課題は、不一致です。

組織は、マーケティングプラットフォーム、カスタマーサービスアプリケーション、分析ツール、コパイロット、自社開発モデルに同時並行でAIを導入しています。多くの環境では、各システムが顧客データに異なる方法でアクセスし、ID、許可、顧客状態の独自の解釈を保持しています。

時間の経過とともに、断片化された顧客理解は、断片化されたAIの動作につながります。

エンタープライズAIシステムは、信頼できる顧客コンテキストの共有レイヤーから動作する場合に、より信頼性が高くなります。つまり、AIアプリケーションは、決定が下される場所に関係なく、同じIDグラフ、顧客プロファイル、行動信号、ガバナンスフレームワークにアクセスできることを意味します。

結果は、より信頼性の高い出力、より強力なガバナンス、そして組織全体での運用上の整合性の向上です。

エンタープライズAIの将来は、顧客コンテキストに依存する

エンタープライズAIの議論は、多くの場合、モデル、推論能力、自動化に焦点を当てています。こうした革新は重要です。しかし、基盤モデルがより優れたものとなり、よりアクセスしやすくなっているため、テクノロジー自体は、差別化要因としての重要性が低くなっています。

より重要な問いは、AIシステムが、顧客の正確で接続された継続的に更新された理解に基づいて動作できるかどうかです。

そのためには、IDの名寄せ、リアルタイムインフラストラクチャ、ガバナンス、適応型データアーキテクチャへの投資が必要です。さらに重要なのは、組織が顧客コンテキストを、企業全体でAIの意思決定を支える運用上のインテリジェンス層として捉えることです。

ほとんどの組織は、すでに基礎となる信号を持っています。

企業向けAIの次のリーダーは、必ずしも最も高度なモデルを持つ企業とは限りません。顧客に対する最も信頼できる理解を持っている企業です。

AIが主導する世界では、顧客コンテキストは、すべての知的決定の基礎となりつつあります。

デレク・スレイガーは、Amperityの共同創設者兼共同CEOであり、同社のAI第一の変革を、製品と会社の運営の両方で牽引しています。マーケターとアナリストが信頼できる顧客データを提供するためにAmperityを共同創設し、Amperityの信頼できる顧客コンテキスト背後の特許取得されたアイデンティティ解決とリアルタイムプロファイルアーキテクチャを構築しました。 以前は、Appatureの創設チームの一員であり、大規模な分散システムとセキュリティのエンジニアリングリーダーシップ役割を担っていました。