Tekoäly (AI) on tehnyt läpimurron lähes kaikilla liiketoiminnan osa-alueilla. Useimmissa yrityksissä on jo käynnissä hankkeita, joissa kokeillaan tekoälyratkaisuja, ja tekoälyyn on tehty merkittäviä investointeja. Tekoäly muuttaa nopeasti yritysten ja organisaatioiden toimintaympäristöä sekä kuluttajien elämää. Monissa yrityksissä on meneillään kokeiluja AI:n suhteen, ja osa on edennyt pidemmälle kuin toiset. Generatiivista tekoälyä hyödyntävät esimerkiksi monet tekstintuottajat. Asiakaspalvelussa ja myynnissä käytetään monenlaisia botteja ja muita tekoälyratkaisuja.
Mutta miten varmistetaan tekoälyn hyödyt laajan asiakaskunnan yrityksessä? Miten pidetään huoli, että yrityksen asiakaskokemus säilyy erinomaisena samalla, kun kehitetään oppimisen ja kokeilun kulttuuria tekoälyn mahdollisuuksien parissa?
Oma konkreettinen taustani
Olen työskennellyt urallani paljon data-analytiikan tuottamisen, hyödyntämisen ja kehityshankkeiden parissa. Vuodesta 2016 alkaen vastasin tekoälyä (mm. prediktiivistä ja adaptiivista analytiikkaa) hyödyntävän CRM-järjestelmäkokonaisuuden kehityksestä ja operoinnista. Muutoksen nopeutta kuvastaa se, että koko ’tekoälyn’ termi ei ollut vielä vakiintunut vuonna 2016. Skaalasimme järjestelmää monikanavaiseen käyttöön myynnin (fyysiset, out ja online) ja asiakaspalvelun tehostamiseksi ja parantamiseksi. Perusideana oli tuottaa tekoälyä hyödyntäen ja data-analytiikkaan ja sääntöpohjaisiin järjestelmiin perustuen asiakkaalle tai häntä palvelevalle myyjälle tai asiakaspalvelijalle sekunnin murto-osissa paras seuraava suositus – tarjous tai asiakaspalvelutoimenpide.
Tekoälyn potentiaali
Tekoälyllä on valtava potentiaali asiakaspalvelun ja myynnin kehittämisessä tehokkaaksi, tuloksekkaaksi ja asiakaslähtöiseksi toiminnaksi. Silti kuluttajana huomaa edelleen, että jopa suuret organisaatiot voivat kohdata haasteita asiakaskohtaamisten koordinoinnissa. Esimerkiksi seuraava toiminto ei aina tiedä, mitä edellinen on asiakkaalle luvannut, ja samalle asiakkaalle saatetaan soittaa samasta asiasta useaan kertaan.
Laajamittaisen tekoälyn hyödyntämisen sudenkuoppana voi olla pistemäinen kehittäminen, jolloin suuria hyötyjä ei saada mitattua ja asiakaskokemus voi muodostua sekavaksi.
Ratkaisut:
Kokemukseni perusteella – ja kun tavoitellaan tekoälyn käyttöä CRM-ratkaisuissa laajamittaisena asiakasrajapinnan työkaluna – tekoälyyn kannattaa liittää tai sitä kannattaa ainakin seuraavilla toiminnallisuuksilla:
- Asiakkaan tunnistaminen: Kaikki lähtee asiakkaan tunnistamisesta ja tunnistautumisesta.
- Asiakkaan kontekstin tunnistaminen: Kaikki lähtee asiakkaan kontekstista. Kun asiakkaalla on tilanne päällä, hän hakee siihen ratkaisua, ja kaikki muu on toissijaista. Esimerkiksi pankkiasioinnin sujuvuus tai syntymäpäivälahjan osto ovat tilanteita, joissa asiakas tarvitsee nopean ja tehokkaan ratkaisun.
- Sääntöpohjaisten järjestelmien hyödyntäminen: Tekoälyä hyödyntämällä voidaan myyntiin ja asiakaspalveluun tuottaa tehoa ja tuloksellisuutta sekä selkeyttä ja sujuvuutta. Sääntöpohjaiset järjestelmät varmistavat liiketoiminnallisten tavoitteiden toteutumisen ja erinomaisen asiakaskokemuksen. Esimerkiksi asiakasrakenteet ja myynnin tai asiakaspalvelun säännöt tai asiointistrategiat voivat auttaa tekoälyä tuottamaan ratkaisuja syvällisempään asiakasymmärrykseen perustuen. Asiakasrakenteet auttavat ymmärtämään esimerkiksi, onko asiakas taloudessa vain palvelun käyttäjä, vai onko hän myös päätöksentekijä tai sopija perheessä. Onko hän kenties edunvalvoja jollekin toiselle henkilölle? Toimiiko hän jossain yrityksessä päättävässä roolissa?
- Muisti – asiointihistoria ja tapahtumat. Mikään ei ole niin ärsyttävää kuin lähteä selvittämään kaikkea alusta. Asiakasta auttaa paljon, jos hän voi luottaa siihen, että asiointihistoria muistetaan ja siihen perustetaan tulevat palvelutarpeet ja niiden
Nämä toiminnallisuudet luovat tekoälyllä tehostetussa ympäristössä tarvittavaa ’selkärankaa’, jolla varmistetaan yhtenäistä asiakaskokemaa tekoälyä hyödyntävässä asiakaspalvelun ja myynnin ympäristössä.
Tekoälyn ja sääntöpohjaisten järjestelmien taustaa
Tekoäly pohjautuu eri teknologioihin ja menetelmiin, kuten:
- Sääntöpohjaiset järjestelmät: Ohjelmoidut loogiset päätösmallit.
- Koneoppiminen (ML): Datan hyödyntäminen mallien kouluttamiseen.
- Syväoppiminen (DL): Neuroverkot ja suurten tietomäärien analysointi.
- Luonnollisen kielen käsittely (NLP): Tekstin ja puheen ymmärtäminen.
Prediktiivinen analytiikka ennustaa tulevia tapahtumia datan perusteella, kun taas adaptiivinen analytiikka mukautuu ja parantaa toimintaansa ajan myötä.
Esimerkkejä sääntöpohjaisista järjestelmistä
- Tuoterakenteet ja konfiguraattorit: Esimerkiksi modulaariset tuotteet, joissa osat voidaan yhdistellä tietyillä säännöillä.
- Asiakasrakenteet: Tunnistetut ja tunnistamattomat asiakkaat rooleineen.
- Asiakaspalvelun etenemissäännöt: Prosessit, jotka ohjaavat asiakaspalvelua.
- Liiketoimintaprosessien automaatio: Hankintapyynnöt, hyväksyntäprosessit jne.
- Lakisääteiset järjestelmät: Esimerkiksi palkanlaskenta ja tullausjärjestelmät.
- Hintasäännöstöt ja alennuslaskenta: Erityishinnoittelu kanta-asiakkaille.
Sääntöpohjaiset järjestelmät toimivat hyvin ennakoitavissa tilanteissa, mutta joustavuutta tarvitaan usein muuttuvissa ympäristöissä. Tekoälyn koneoppiminen tarjoaa lisäpotentiaalia prosessien optimaaliseen ohjaamiseen ja toteuttamiseen.
Tekoäly, asiakkaan ja häneen kontekstinsa tunnistaminen, sääntöpohjaiset järjestelmät ja asiointi historian muistaminen yhdessä voivat mullistaa asiakaspalvelun ja myynnin, kunhan ne otetaan käyttöön strategisesti ja asiakaskeskeisesti. Onko yrityksesi valmis hyödyntämään tekoälyn koko potentiaalin? 🚀