ผู้นำทางความคิด
ช่องว่างด้านบริบทลูกค้าที่ฉุดรั้ง AI ขององค์กร

ประเด็นสำคัญข้อมูลลูกค้าที่กระจัดกระจายอยู่ตามระบบต่างๆ ทำให้ AI ตัดสินใจผิดพลาด
ดูเพิ่มเติม
- ข้อมูลลูกค้าที่กระจัดกระจายอยู่ตามระบบต่างๆ ทำให้ AI ตัดสินใจผิดพลาด
- บริบทของลูกค้าแบบเรียลไทม์มีความจำเป็นต่อการที่ AI จะดำเนินการตามความตั้งใจในปัจจุบัน
- บริบทของลูกค้าที่เชื่อถือได้กำลังกลายเป็นโครงสร้างพื้นฐานที่สำคัญสำหรับ AI ในองค์กร
AI ขององค์กร กำลังพัฒนาเร็วกว่าความสามารถขององค์กรส่วนใหญ่ในการจัดหาบริบทลูกค้าที่เชื่อถือได้ให้ AI
ความท้าทายไม่ใช่ว่า AI สามารถสร้างเนื้อหา คำแนะนำ การคาดการณ์ หรือการตัดสินใจได้หรือไม่ แต่ความท้าทายคือว่าผลลัพธ์เหล่านั้นเป็นไปตามความเข้าใจที่ถูกต้องเกี่ยวกับลูกค้าหรือไม่
ในหลายองค์กร ไม่ใช่เช่นนั้น
องค์กรได้ใช้จ่ายอย่างมากในการลงทุนใน AI เชิงกำเนิด ผู้ช่วย AI ระบบคาดการณ์ และกระบวนการทำงานแบบอิสระในช่วงหลายปีที่ผ่านมา แต่หลายโครงการเหล่านี้ต้องดิ้นรนเพื่อเคลื่อนไหวไปไกลกว่ากรณีการใช้งานที่แยกออกมาหรือส่งมอบคุณค่าทางธุรกิจที่สม่ำเสมอในระดับใหญ่ เหตุผลมักเรียบง่ายอย่างน่าประหลาดใจ นั่นคือระบบ AI ตัดสินใจโดยยังไม่เข้าใจลูกค้าที่การตัดสินใจนั้นส่งผลถึงอย่างครบถ้วน
ความท้าทายนี้ปรากฏขึ้นทั่วทั้งองค์กร เครื่องมือปรับแต่งเฉพาะบุคคลแนะนำผลิตภัณฑ์ที่ไม่เกี่ยวข้อง ผู้ช่วยบริการลูกค้าสร้างคำตอบที่ไม่ครบถ้วน โมเดลคาดการณ์การสูญเสียลูกค้าจำแนกประเภทลูกค้าที่จงรักภักดีไม่ถูกต้อง แพลตฟอร์มการตลาดอัตโนมัติกระตุ้นข้อความที่มาถึงสายหรือไม่สะท้อนถึงพฤติกรรมลูกค้าล่าสุด
สิ่งเหล่านี้มักถูกอธิบายว่าเป็นปัญหาของ AI แต่บ่อยครั้งยิ่งกว่านั้น สิ่งเหล่านี้เป็นปัญหาเกี่ยวกับบริบทลูกค้า
AI ไม่ทำงานในสุญญากาศ ประสิทธิผลของ AI ขึ้นอยู่กับคุณภาพ ความสมบูรณ์ และความทันเวลาของข้อมูลที่มีอยู่ เมื่อเอกลักษณ์ของลูกค้ากระจัดกระจายไปทั่วระบบ สัญญาณพฤติกรรมมาถึงสายหรือแอปพลิเคชันต่างๆ ทำงานจากเวอร์ชันที่ขัดแย้งกันของลูกค้า ระบบ AI ย่อมสร้างผลลัพธ์ที่ดูไม่เชื่อมโยงกับความเป็นจริงอย่างหลีกเลี่ยงไม่ได้
โดยทั่วไปแล้ว องค์กรส่วนใหญ่มีสัญญาณพื้นฐานเหล่านี้แล้ว ข้อมูลธุรกรรม ปฏิสัมพันธ์ ความชอบ และพฤติกรรมที่สั่งสมมาหลายปีมีอยู่แล้วทั่วทั้งสภาพแวดล้อมทางเทคโนโลยีขององค์กร ความท้าทายคือการเปลี่ยนสัญญาณที่กระจัดกระจายเหล่านี้ให้เป็นบริบทลูกค้าที่เชื่อถือได้ที่ระบบ AI สามารถใช้ได้อย่างสอดคล้องกัน
ข้อมูลที่กระจัดกระจายสร้างความเข้าใจลูกค้าที่ไม่สมบูรณ์
องค์กรธุรกิจแทบไม่ประสบปัญหาขาดข้อมูลลูกค้า แต่พวกเขาต้องดิ้นรนเพื่อจัดการกับการกระจายข้อมูล
ลูกค้าคนเดียวอาจปรากฏในแพลตฟอร์มอีคอมเมิร์ซภายใต้ที่อยู่อีเมลหนึ่งอัน ในแพลตฟอร์มความจงรักภักดีภายใต้ที่อยู่อีเมลอื่น และภายในแอปพลิเคชันบริการโดยไม่มีไอดีถาวร ประวัติการซื้อ พฤติกรรมที่มีส่วนร่วม ความชอบในการยินยอม การโต้ตอบกับบริการ และกิจกรรมดิจิทัลมักจะอยู่ในระบบที่แยกจากกัน
จากมุมมองของโมเดล AI สิ่งเหล่านี้มักปรากฏเป็นบุคคลที่แตกต่างกัน
ผลกระทบนี้จะกลายเป็นเรื่องสำคัญเมื่อระบบ AI เริ่มต้นการตัดสินใจเชิงปฏิบัติการ
โมเดลคาดการณ์การสูญเสียลูกค้าอาจจำแนกประเภทลูกค้าที่จงรักภักดีเป็นลูกค้าที่ไม่เคลื่อนไหวเพราะประวัติการซื้อครึ่งหนึ่งอยู่ภายใต้โปรไฟล์อื่น เครื่องมือแนะนำอาจแสดงผลิตภัณฑ์ที่ไม่เกี่ยวข้องเพราะพฤติกรรมในการท่องเว็บและประวัติการทำธุรกรรมไม่เคยเชื่อมต่อกัน ระบบ AI อาจสร้างคำตอบที่ไม่สมบูรณ์เพราะสามารถเข้าถึงเพียงบางส่วนของความสัมพันธ์กับลูกค้าเท่านั้น
เมื่อองค์กรใช้ AI อย่างกว้างขวาง ปัญหาเหล่านี้จะกลายเป็นเรื่องที่ยากจะเพิกเฉยได้
หลายองค์กรคิดว่าการรวมข้อมูลเข้ากับคลังข้อมูลจะแก้ปัญหาได้ ในความเป็นจริง การรวมข้อมูลเพียงอย่างเดียวไม่ได้สร้างความเข้าใจลูกค้า ไม่ได้แก้ไขข้อขัดแย้งด้านเอกลักษณ์ ไม่ได้เชื่อมต่อพฤติกรรมลูกค้าข้ามระบบ และไม่ได้สร้างมุมมองที่เชื่อถือได้เกี่ยวกับลูกค้า ระบบ AI อาจยังคงทำงานด้วยข้อมูลที่ไม่สมบูรณ์หรือขัดแย้งกัน
การเก็บข้อมูลไม่ใช่ความเข้าใจ สิ่งนี้มีความสำคัญมากขึ้นเมื่อองค์กรเปลี่ยนจากการทดลอง AI ไปสู่ระบบ AI ที่ฝังอยู่ในกระบวนการทำงานเชิงปฏิบัติการ
บริบทลูกค้าที่เชื่อถือได้กลายเป็นโครงสร้างพื้นฐานหลักของ AI
การเชื่อมโยงข้อมูลเพื่อระบุตัวบุคคลถูกมองว่าเป็นความสามารถทางการตลาดแบบดั้งเดิม แต่ขณะนี้กำลังกลายเป็นส่วนประกอบพื้นฐานของโครงสร้างพื้นฐาน AI ขององค์กร
แต่ข้อมูลตัวตนเพียงอย่างเดียวไม่เพียงพอ เพื่อให้ตัดสินใจได้อย่างมีประสิทธิผล ระบบ AI ต้องเข้าถึงชั้นบริบทลูกค้าที่เชื่อถือได้และกว้างขึ้น ซึ่งรวมถึงเอกลักษณ์ สัญญาณพฤติกรรม ประวัติการทำธุรกรรม ข้อมูลการยินยอม รูปแบบการมีส่วนร่วม และบริบททางธุรกิจที่เกี่ยวข้องกับการโต้ตอบกับลูกค้าแต่ละครั้ง
การเชื่อมโยงข้อมูลเพื่อระบุตัวบุคคลมีบทบาทสำคัญเพราะจะกำหนดว่าบันทึกใดที่เป็นของบุคคลเดียวกันข้ามระบบที่ไม่เชื่อมต่อกัน ในระดับองค์กร สิ่งนี้ต้องการการผสมผสานระหว่างการจับคู่แบบกำหนดแน่นอน การสร้างแบบจำลองแบบความน่าจะเป็น และกราฟเอกลักษณ์ที่พัฒนาอย่างต่อเนื่อง
หากไม่มีพื้นฐานนี้ ระบบ AI จะดิ้นรนในการให้เหตุผลอย่างถูกต้องเกี่ยวกับสถานะ พฤติกรรม และความตั้งใจของลูกค้า
ความท้าทายจะยิ่งซับซ้อนมากขึ้นในสภาพแวดล้อมจริงที่ลูกค้าเปลี่ยนอุปกรณ์ ที่อยู่อีเมล ที่ตั้ง และรูปแบบการมีส่วนร่วมบ่อยครั้ง การจับคู่ที่แม่นยำเพียงอย่างเดียวมักจะทิ้งช่องว่างที่ไม่ได้รับการแก้ไขไว้ การจับคู่ที่ก้าวร้าวมากเกินไปสามารถสร้างความกังวลเกี่ยวกับการกำกับดูแลและความไว้วางใจหากองค์กรไม่สามารถเข้าใจว่าได้ข้อสรุปเหล่านั้นมาได้อย่างไร
ดังนั้น องค์กรหลายแห่งจึงใช้วิธีการแบบไฮบริดที่ผสมผสานการจับคู่แบบกำหนดแน่นอน การเรียนรู้ของเครื่อง ความสามารถในการอธิบาย และกราฟเอกลักษณ์ที่ปรับเปลี่ยนไปพร้อมกับพฤติกรรมลูกค้า
สิ่งสำคัญคือ องค์กรต้องการมุมมองตัวตนตามบริบทหลายมุมมองมากขึ้นเรื่อยๆ แทนที่จะใช้โปรไฟล์สากลเพียงโปรไฟล์เดียว ทีมการตลาดอาจให้ความสำคัญกับขอบเขตการเข้าถึงและความสามารถในการสื่อสารกับลูกค้าเป้าหมาย ทีมความจงรักภักดีต้องการความแม่นยำระดับบัญชี ทีมต่อต้านการฉ้อโกงดำเนินการด้วยเกณฑ์ที่แตกต่างกันโดยสิ้นเชิง ระบบ AI ที่สนับสนุนฟังก์ชันเหล่านั้นต้องการบริบทลูกค้าที่สอดคล้องกับความต้องการการดำเนินงานเฉพาะ
สิ่งนี้เปลี่ยนแปลงวิธีคิดขององค์กรเกี่ยวกับการเตรียมพร้อมสำหรับ AI AI ขององค์กรต้องการบริบทลูกค้าที่เชื่อถือได้ซึ่งสามารถปรับเปลี่ยนได้อย่างต่อเนื่องในขณะเดียวกันก็ยังคงอธิบายได้ มีการกำกับดูแล และเข้าถึงได้ทั่วทั้งระบบ
บริบทลูกค้าแบบเรียลไทม์เป็นสิ่งจำเป็น
แม้ว่าองค์กรหลายแห่งจะสามารถรวมเอกลักษณ์ลูกค้าได้สำเร็จ แต่ก็พบข้อจำกัดอีกอย่างหนึ่งซึ่งก็คือเวลา
สภาพแวดล้อมองค์กรหลายแห่งยังคงพึ่งพากระบวนการแบบชะลอและแบบแบตช์ โปรไฟล์ลูกค้าจะอัปเดตหลังจากผ่านไปหลายชั่วโมง สัญญาณพฤติกรรมมาถึงหลังจากที่ช่วงเวลาที่เกี่ยวข้องผ่านไปแล้ว
ดังนั้น ระบบ AI จึงมักตัดสินใจโดยอาศัยสถานะลูกค้าที่ล้าสมัยมากกว่าความตั้งใจลูกค้าในปัจจุบัน
ความล่าช้านี้ส่งผลกระทบต่อทั้งประสบการณ์ลูกค้าและประสิทธิภาพทางธุรกิจ
ลูกค้าอาจทิ้งรถเข็น แต่การเดินทางติดตามจะไม่เริ่มต้นจนกระทั่งเช้าวันถัดไป สมาชิกโปรแกรมสะสมความภักดีอาจกลับมาที่เว็บไซต์ก่อนที่โปรไฟล์จะอัปเดตข้ามระบบ ส่งผลให้เกิดประสบการณ์ทั่วไป ตัวแทนบริการมักมีส่วนร่วมกับลูกค้าก่อนที่สัญญาณพฤติกรรมล่าสุดจะพร้อมใช้งาน
นี่คือเหตุผลที่โครงสร้างพื้นฐานแบบเรียลไทม์มีความสำคัญมากขึ้น
องค์กรต้องการระบบที่สามารถอัปเดตกราฟเอกลักษณ์ สัญญาณพฤติกรรม สิทธิ์การเข้าถึง และโปรไฟล์ลูกค้าเมื่อมีการโต้ตอบ ระบบ AI จะตัดสินใจได้ในขณะนั้นก็ต่อเมื่อบริบทลูกค้าที่เป็นรากฐานสะท้อนถึงขณะนั้น
เมื่อกระบวนการทำงานแบบอิสระของ AI แพร่หลายมากขึ้น การรักษาบริบทลูกค้าที่ถูกต้องข้ามระบบและช่องทางจึงเป็นสิ่งจำเป็นต่อการให้การตัดสินใจที่เชื่อถือได้และประสบการณ์ลูกค้าที่สม่ำเสมอ
บริบทลูกค้าที่ใช้ร่วมกันทำให้ AI มีความน่าเชื่อถือมากขึ้น
ความท้าทายอีกอย่างที่เกิดขึ้นทั่วทั้งสภาพแวดล้อม AI ขององค์กรคือความไม่สอดคล้องกัน
องค์กรกำลังใช้ AI ทั่วทั้งแพลตฟอร์มการตลาด แอปพลิเคชันบริการลูกค้า เครื่องมือวิเคราะห์ ผู้ช่วย AI และโมเดลที่พัฒนาภายในพร้อมๆ กัน ในหลายสภาพแวดล้อม ระบบแต่ละระบบเข้าถึงข้อมูลลูกค้าแตกต่างกันและมีมุมมองของตนเองเกี่ยวกับเอกลักษณ์ สิทธิ์การเข้าถึง และสถานะลูกค้า
เมื่อเวลาผ่านไป ความเข้าใจลูกค้าที่กระจัดกระจายนำไปสู่พฤติกรรม AI ที่กระจัดกระจาย
ระบบ AI ขององค์กรทำงานได้เชื่อถือได้มากขึ้นเมื่อพวกมันทำงานจากชั้นบริบทลูกค้าที่เชื่อถือได้ร่วมกัน ซึ่งหมายความว่าแอปพลิเคชัน AI สามารถเข้าถึงกราฟเอกลักษณ์ โปรไฟล์ลูกค้า สัญญาณพฤติกรรม และโครงสร้างการกำกับดูแลเดียวกัน ไม่ว่าการตัดสินใจจะเกิดขึ้นที่ไหน
สิ่งที่ได้คือผลลัพธ์ที่เชื่อถือได้มากขึ้น การกำกับดูแลที่แข็งแกร่ง และการทำงานร่วมกันที่ดีขึ้นทั่วทั้งองค์กร
อนาคตของ AI ขององค์กรขึ้นอยู่กับบริบทลูกค้า
การอภิปรายเกี่ยวกับ AI ขององค์กรมักเน้นไปที่โมเดล ความสามารถในการให้เหตุผล และการอัตโนมัติ สิ่งเหล่านี้มีความสำคัญ แต่เมื่อโมเดลพื้นฐานมีความสามารถสูงขึ้นและเข้าถึงได้มากขึ้น เทคโนโลยีเองก็มีบทบาทเป็นปัจจัยสร้างความแตกต่างลดลง
คำถามที่ใหญ่กว่าคือว่าระบบ AI สามารถทำงานจากความเข้าใจที่ถูกต้อง เชื่อมต่อ และอัปเดตอย่างต่อเนื่องเกี่ยวกับลูกค้าได้หรือไม่
สิ่งนี้ต้องการการลงทุนในการเชื่อมโยงข้อมูลเพื่อระบุตัวบุคคล โครงสร้างพื้นฐานแบบเรียลไทม์ การกำกับดูแล และสถาปัตยกรรมข้อมูลที่ปรับเปลี่ยนได้ สิ่งสำคัญยิ่งกว่านั้นคือ องค์กรต้องมองเห็นบริบทลูกค้าเป็นชั้นความชาญฉลาดเชิงปฏิบัติการที่สนับสนุนการตัดสินใจ AI ทั่วทั้งองค์กร
โดยทั่วไปแล้ว องค์กรส่วนใหญ่มีสัญญาณพื้นฐานเหล่านี้แล้ว
บริษัทชั้นนำรุ่นถัดไปด้าน AI ขององค์กรไม่จำเป็นต้องเป็นบริษัทที่มีโมเดลที่ซับซ้อนที่สุด พวกเขาจะเป็นบริษัทที่มีความเข้าใจลูกค้าที่เชื่อถือได้มากที่สุด
เพราะในโลกที่ขับเคลื่อนด้วย AI บริบทลูกค้ากำลังจะกลายเป็นพื้นฐานของการตัดสินใจอันชาญฉลาดทุกครั้ง












