To jeden z prostszych przykładów, ale przecież często wyzwolenie komunikacji z klientem następuje nie w wyniku pojedynczego zdarzenia, ale w ramach pewnej sekwencji. Zbyt późna lub zbyt wczesna reakcja nie tylko może się przełożyć na niższy współczynnik konwersji, ale czasem mogą to być też zbyt wysokie koszty podjętego działania.
W ramach obsługi procesów utrzymaniowych, jednym z kluczowych monitorowanych czynników są wszelkie sygnały, które mogą świadczyć o chęci przejścia do innego operatora. Typowo zdarzenia takie mają wysoki priorytet i skutkują natychmiastowym powrotem do klienta z ofertą utrzymaniową. Co, jeżeli nie dla każdego klienta konieczna jest taka natychmiastowa reakcja?
Będąc w stanie analitycznie ocenić istotność danego zdarzenia – na bazie zarówno wskaźników historycznych o danym kliencie, jak i oceny bieżącego kontekstu – wysokokosztowe oferty utrzymaniowe mogą trafiać tylko do tych klientów, gdzie faktycznie ekonomiczna wartość uzasadnia akcję. Podejście takie wprost przekłada się na obniżenie wskaźnika SRC czyli kosztu utrzymania klienta.
Powyższe dwa przykłady ilustrują, że właściwe wykorzystanie analityki w czasie rzeczywistym pozwala na uzyskanie realnych korzyści względem klasycznego podejścia. Dążenie do coraz większego stopnia personalizacji komunikacji będzie wypierało klasyczną analitykę wspartą przez reguły decyzyjne. Organizacje nie będą w stanie zaalokować odpowiedniej liczby zasobów odpowiedzialnych za utrzymanie szeregu drobnych modeli oraz reguł. Odpowiedzią na to jest właśnie kontekstowe wykorzystanie algorytmów sztucznej inteligencji. Jednym z obszarów, na który chciałem zwrócić uwagę, jest zagadnienie związane z automatycznym generowaniem treści i komunikatów.
Lawinowy wzrost popularności i dostępności algorytmów AI pozwalających na generowanie treści, obrazów czy wideo powoduje, że firmy coraz częściej widzą w tym kolejne pole do usprawnienia procesu zarządzania komunikacją. Jednym z istotnych wyzwań w hiper-personalizacji jest dostępność wystarczającej liczby różnych kreacji. Ich przygotowanie nie jest łatwym zadaniem, a do tego jest to proces ciągły, ponieważ cykle wydawnicze kampanii ATL często narzucają również konieczność dopasowywania treści prezentowanych w komunikacji bezpośredniej. Z tego powodu możliwość automatyzacji tej części procesu wydaje się bardzo atrakcyjna.
Postęp ten niesie za sobą również szereg ryzyk. Zanim dana kreacja będzie mogła być wykorzystana w komunikacji, konieczne jest jej zweryfikowanie pod kątem zgodności z szeregiem zasad i polityk danej firmy. Algorytmy sztucznej inteligencji są w stanie lawinowo generować treści, skutecznie blokując cały proces weryfikacji. Jednocześnie w przypadku automatycznie generowanych treści proces weryfikacji jest jeszcze bardziej istotny, aby uniknąć szeregu problemów wizerunkowych (gdzie zdjęcie osoby mającej więcej niż pięć palców może być najmniejszym problemem).
Jaka zatem będzie przyszłość rozwoju hiperpersonalizacji? Zdecydowana większość organizacji bardzo mocno inwestuje teraz w rozwój w tym zakresie. Poprawa i skupienie się na wątkach związanych z Customer Experience wpisana jest do strategii większości organizacji. Jednocześnie działania te potęgowane są przez wzrost popularności i dostępności technologii opartych o AI i uczenie maszynowe, które pozwalają na podejście oparte o eksperymenty w coraz szerszym zakresie. Do czego również sam gorąco zachęcam.
DARIUSZ JAŃCZUK
Customer Intelligence Practice Lead for Central & South East Europe w SAS. Od kilkunastu lat zajmuje się rozwiązaniami klasy CRM analitycznego, w tym nowych trendów, takich jak digitalizacja czy hiperpersonalizacja sterowana sztuczną inteligencją. Praktyczną wiedzę czerpie z doświadczeń w sektorze bankowym oraz telekomunikacyjnym (Orange Polska). Absolwent Informatyki i Systemów Informacyjnych na Politechnice Warszawskiej.
