ข้อมูลเชิงลึกอุตสาหกรรม: ai และอนาคตของอีคอมเมิร์ซ

ปัญญาประดิษฐ์ (AI) เคยเป็นวลีที่ใช้เฉพาะในนิยายวิทยาศาสตร์เพื่อเป็นพลังอะไรจากซูเปอร์คอมพิวเตอร์ที่หลงรักอาร์มาเก็ดดอนไปจนถึงหุ่นยนต์จากโรงงานที่ไม่มีโชคทำให้ความรู้สึกของสายฟ้าฟาดออกมา แต่วันนี้ AI ใช้เพื่ออธิบายถึงอนาคตอันใกล้ของธุรกิจทุกด้านที่ใช้ประโยชน์จากข้อมูลขององค์กร ปัญหาคือคล้ายกับวันแรก ๆ ของการประมวลผลแบบคลาวด์ผู้พัฒนาเทคโนโลยี AI มักจะนิยามแตกต่างกัน สิ่งนี้ทำให้เกิดความสับสนทางการตลาดจาก AI, ​​การเรียนรู้ของเครื่อง (ML), การวิเคราะห์เชิงพยากรณ์และแม้แต่ผู้ช่วยเสมือน

นอกจากนี้เทคโนโลยีเหล่านี้จะส่งผลกระทบต่อแง่มุมทางธุรกิจที่แตกต่างกันอย่างไร อีคอมเมิร์ซเป็นหนึ่งในประเด็นสำคัญที่ AI และเทคโนโลยีที่เกี่ยวข้องได้รับผลกระทบมานานแล้ว ในอีคอมเมิร์ซการวิเคราะห์อัจฉริยะได้ให้ความสามารถใหม่ตั้งแต่ประสบการณ์การช็อปปิ้งส่วนบุคคลไปจนถึงการวิเคราะห์พฤติกรรมของลูกค้า เราได้พูดคุยกับ Kris Hamrick ผู้บริหารหน่วยธุรกิจที่รับผิดชอบการมีส่วนร่วมของลูกค้าวัตสันของไอบีเอ็มเพื่อขจัดความสับสนรอบ AI และอีคอมเมิร์ซ นอกจากนี้เรายังพูดถึงว่า Big Blue จะใช้ประโยชน์จาก IBM Watson ในพื้นที่อีคอมเมิร์ซได้อย่างไร

PCMag: ขอบคุณที่สละเวลาคุยกับพวกเรา ในการเริ่มต้นมันเป็นเรื่องง่ายที่จะสร้างความสับสนให้กับโฆษณาส่วนบุคคลด้วย "การค้าทางปัญญา" เนื่องจากทั้งสองเกี่ยวข้องกับการใช้ข้อมูลและการวิเคราะห์เพื่อจับคู่ข้อเสนอกับความต้องการของลูกค้า นอกจากนี้ยังเป็นเรื่องธรรมดาที่จะสร้างความสับสนให้กับการพาณิชย์องค์ความรู้และผู้ช่วยเสมือนจริงเช่น Alexa และ Google Assistant ของ Amazon IBM ดูความแตกต่างระหว่างแนวคิดที่ขับเคลื่อนด้วย AI เหล่านี้อย่างไร

Kris Hamrick (KH): คุณพูดถูก: มีเสียงรบกวนรอบด้าน AI มากมายในตลาด มองผ่านสิ่งที่ผู้ให้บริการเทคโนโลยีต้องพูดทั้งธุรกิจ B2C และ B2B ต้องตอบสนองต่อแรงกดดันในการแข่งขันได้เร็วขึ้น ในหลายกรณีการแข่งขันนั้นมาจากนอกอุตสาหกรรม นั่นคือการบังคับให้ธุรกิจต้องหาวิธีเพิ่มกระบวนการปัจจุบันของพวกเขาหรือคิดใหม่พวกเขา

ให้ฉันอธิบายว่า IBM สร้างความแตกต่าง AI จากการคำนวณทางปัญญาอย่างไร AI คือความสามารถสำหรับคอมพิวเตอร์ที่จะเข้าใจและให้เหตุผลเหมือนมนุษย์ การคำนวณทางปัญญาเกี่ยวข้องกับความสามารถในการเข้าใจเหตุผลเรียนรู้และโต้ตอบนำคนและเครื่องจักรเข้าด้วยกันเพื่อให้พวกเขาเรียนรู้จากกันและกันและโต้ตอบในลักษณะที่มีประสิทธิภาพมากขึ้นเมื่อรวมกัน

ข้อมูลปูทางสำหรับ AI ข้อมูลทั้งหมดนั้นอยู่นอกแอปพลิเคชั่นเดียวในหน่วยธุรกิจแหล่งข้อมูลภายนอกข้อมูลมืดและอื่น ๆ เราอาศัยอยู่ในโลกของระบบที่แตกต่างกันซึ่งเมื่อรวมเข้าด้วยกันเมื่อทำการเชื่อมต่อข้ามข้อมูลหรือระบุรูปแบบใหม่สามารถให้ค่า 1 + 1 = 3 สิ่งที่ทำให้วัตสันไม่เหมือนใครคือการเข้าถึงแหล่งข้อมูลต่าง ๆ เหล่านี้รวมกับความสามารถทางปัญญาในการโต้ตอบกับมนุษย์เข้าใจคำถามทางธุรกิจค้นพบสาเหตุของการกระทำและเรียนรู้จากการโต้ตอบนั้นและใช้การเรียนรู้นั้นในการสืบค้นในอนาคต

ในแง่ของการปรับให้เป็นแบบส่วนตัวและการค้าที่มีความรู้ความเข้าใจวัตสันช่วยให้ผู้ใช้ก้าวไปข้างหน้าพูดการจัดการลูกค้าสัมพันธ์ - ใช้การวิเคราะห์เชิงลึกเพื่อให้ได้ข้อมูลเชิงลึกและดำเนินการกับข้อมูลเพิ่มเติมเช่นข้อมูลมืดเช่นสื่อสังคมออนไลน์ห้องสนทนาใบรับรองบริการลูกค้า ข้อมูลที่อาจผนวกเข้ากับ CRM สมัยใหม่ การใช้วัตสันแคมเปญสามารถทำงานได้จากข้อมูลและข้อมูลเชิงลึกที่มากขึ้นปรับสิ่งต่างๆเช่นการกำหนดราคาการปฏิบัติตามการดำเนินการจัดส่ง คาดการณ์ความท้าทายก่อนที่จะเกิดขึ้นและในที่สุดก็ปรับปรุง KPI สิ่งนี้ช่วยปรับปรุงความสามารถของผู้ใช้ในการทำงานร่วมกันข้ามพื้นที่การใช้งานและมีผลกระทบต่อธุรกิจได้ดีขึ้นโดยใช้ความพยายามน้อยลง

ธุรกิจต่างๆกำลังพยายามทำสิ่งนี้ในวันนี้ด้วยทรัพยากรที่พวกเขามี พวกเขามีรายงานสเปรดชีตจำนวนมากและการประชุมจำนวนมากเกี่ยวกับข้อมูลทั้งหมดและสัญชาตญาณของพวกเขา แต่ท้ายที่สุดแล้วในหลายกรณีพวกเขาดำเนินการตามอคติเกี่ยวกับความรู้ความเข้าใจซึ่งหมายถึงพวกเขากรองข้อมูลและเสียงทั้งหมดเพื่อค้นหาข้อมูลที่เหมาะกับวิธีที่เคยทำมาก่อน อย่างมีประสิทธิภาพนั่นเป็นอคติในการตัดสินใจไม่ใช่ข้อมูล

เพื่อสรุปว่าภายในการมีส่วนร่วมของลูกค้าวัตสันนั้นเราได้รวมความสามารถทางปัญญาเข้าไว้ในกระบวนการเพื่อเพิ่มประสิทธิภาพทางธุรกิจปรับปรุงการตัดสินใจซื้อสินค้า / กำหนดราคาและเพิ่มประสิทธิภาพของซัพพลายเชนทั้งหมด ลูกค้ายังสามารถเข้าถึงอินเตอร์เฟสการเขียนโปรแกรมประยุกต์ Watson เดียวกันโดยตรงเพื่อเปิดใช้งานแอปพลิเคชันและกระบวนการดั้งเดิมที่มีความสามารถทางปัญญา ที่สำคัญที่สุดวัตสันแสดงความผิดปกติแนะนำการกระทำและอธิบาย ว่าทำไม

PCMag: การค้า B2B นั้นซับซ้อนกว่า B2C ในแง่ของการทำให้เป็นอัตโนมัติและปรับขนาดการเสนอราคาและการกำหนดราคาข้อกำหนดและธุรกรรม ตัวอย่างเช่นในขณะที่ผู้บริโภคเลือกซื้อสินค้าราคาธุรกิจจะเพิ่มการเจรจาต่อรองราคาอย่างหนักและคาดว่าจะได้รับสารให้ความหวานที่ดีที่สุดของการช้อปปิ้งราคา การค้าทางปัญญาเป็นอย่างไรหรือการคำนวณทางปัญญาซึ่งทรงตัวที่จะเปลี่ยนวิธีการทำข้อตกลง B2B จะทำอย่างไร และจะมีค่าใช้จ่ายสำหรับผู้ซื้อและปรับปรุงผลกำไรสำหรับผู้ขายอย่างไร

KH: การค้า B2B เป็นตัวอย่างที่ดีของวิธีการที่องค์กรเรียนรู้ที่จะควบคุมการปฏิวัติที่เกิดขึ้นในโลก B2C เพื่อเพิ่มผลกำไรและมอบประสบการณ์การซื้อขายกับลูกค้าและคู่ค้าที่ดีขึ้น ธุรกิจที่ขายให้กับธุรกิจขนาดเล็กถึงขนาดกลางมีความท้าทายเช่นเดียวกับที่คู่ค้าปลีกของพวกเขามีรวมถึงการกัดเซาะของขอบความขัดแย้งของช่องทางความพึงพอใจของลูกค้า "ผลของอเมซอน" (ผ่านทางธุรกิจของ Amazon) พนักงานขายจะให้ความสำคัญกับโอกาสที่ถูกต้องโดยการให้ช่องทางการทำธุรกรรมและอื่น ๆ

ขั้นตอนแรกคือการมอบประสบการณ์โดยรวมที่ดีกว่าการแข่งขันของคุณและการบริการลูกค้าระดับสูงที่ผู้คนคาดหวังในยุคนี้ หากฉันเป็นลูกค้าของคุณหมายความว่าคุณจะต้องรู้เงื่อนไขการต่อรองราคาประวัติการซื้อของฉันแสดงผลิตภัณฑ์หรือข้อเสนอที่เกี่ยวข้องกับธุรกิจของฉันและอนุญาตให้ฉันบริโภคผลิตภัณฑ์และบริการเหล่านี้ในลูกค้า - ทางออกที่เป็นมิตร ความสามารถทางปัญญาสามารถและควรสานตลอดห่วงโซ่คุณค่าทั้งหมดเพื่อให้บรรลุเป้าหมายเหล่านี้

วันนี้เราเห็นสิ่งนี้เกิดขึ้นในหลายอุตสาหกรรม หากต้องการทำขั้นตอนต่อไปให้ใช้คำถามที่นอกเหนือจาก "การทำธุรกรรม" และเริ่มพิจารณาว่า B2B หมายถึงอะไรในอุตสาหกรรมที่หลากหลายและวิธีที่พวกเขาให้บริการลูกค้า

ตัวอย่างเช่นผู้ผลิตชั้นนำสามารถคาดการณ์รูปแบบสภาพอากาศเพื่อหลีกเลี่ยงการหยุดชะงักของห่วงโซ่อุปทานและการขาดแคลนสินค้าคงคลังในระหว่างการเปิดตัวผลิตภัณฑ์ หนึ่งในลูกค้าของเราคือ Kone กำลังใช้ข้อมูล IoT จากลิฟต์เพื่อคาดการณ์การสึกหรอและการจัดลำดับความสำคัญก่อนการซ่อมบำรุง ในสาขาการแพทย์ Quest Diagnostics ใช้ Watson เพื่อวิเคราะห์การตรวจชิ้นเนื้อของเนื้องอกของแต่ละบุคคลและเปรียบเทียบลำดับ DNA กับหน้าวารสารทางการแพทย์นับล้านหน้าเอกสารการวิจัยและการทดลองทางคลินิกเพื่อให้คำแนะนำการรักษาที่ดีที่สุดสำหรับผู้ป่วยนั้น .

ตัวอย่างเหล่านี้มีความแตกต่างกันอย่างกว้างขวาง แต่เพียงเน้นว่าความเป็นไปได้ไม่มีที่สิ้นสุด เราเป็นเพียงจุดเริ่มต้นของการเดินทางทางปัญญา เราเพิ่งเริ่มค้นพบหลายวิธีที่เทคโนโลยีนี้สามารถช่วยปรับปรุงความสัมพันธ์ระหว่างธุรกิจและลูกค้าของพวกเขา

PCMag: การ แปลงระบบดิจิตอลกำลังเกิดขึ้นอย่างรวดเร็วในทุกที่และกำลังสร้างข้อมูลจำนวนมหาศาลมากกว่าที่เราเคยเห็น แต่นักวิทยาศาสตร์ด้านข้อมูลเชื่อ - และ IBM ดูเหมือนจะเห็นพ้องกันว่าข้อมูลไม่ควรอยู่โดดเดี่ยวเนื่องจากคุณค่าของมันอยู่ที่การเพิ่มความลึกและบริบทที่มีความหมายในการสืบค้นที่ซับซ้อน ทำไมวัตสันจึงมีความเหมาะสมที่จะทำงานกับข้อมูลที่แตกต่างกันและการสืบค้นที่ซับซ้อน?

KH: อย่างที่เราได้พูดไปก่อนหน้านี้ 88% ของข้อมูลทั้งหมดมืดอย่างมีประสิทธิภาพ ความหมายข้อมูลที่มีข้อมูลเชิงลึกที่เราทุกคนพยายามค้นหาไม่ได้อยู่ในแหล่งข้อมูลที่ย่อยง่ายหรือกรอง นอกจากนี้นักวิทยาศาสตร์ด้านข้อมูลเป็นทรัพยากรที่มีราคาแพงและไม่สามารถปรับการเรียนรู้ของพวกเขาข้ามธุรกิจทั้งหมดหรือไปสู่ ​​บริษัท ขนาดเล็กได้อย่างง่ายดาย

ด้วยวัตสันเป้าหมายคือการใช้ข้อมูลที่มืดนี้และทำให้สามารถดำเนินการได้สำหรับทุกคนที่ต้องการ ความเป็นไปได้ไม่มีที่สิ้นสุด วัตสันมีความสามารถพิเศษในการใช้ข้อมูลที่มีโครงสร้างและไม่มีโครงสร้างจำนวนมากในภาษาต่าง ๆ ดำเนินการกับข้อมูลด้วยบริการด้านความรู้มากมายเพิ่มประสิทธิภาพประสบการณ์สำหรับผู้ชมจากผู้ใช้ทางธุรกิจสู่ผู้บริโภคและมอบบริการเดียวกันนี้ให้ บริษัท อื่น ๆ ภายในแอปพลิเคชันของพวกเขา

มีตัวอย่างมากมายที่นี่ หนึ่งในนั้น "Watson Tone Analyzer" เปิดใช้งานการวิเคราะห์เนื้อหาภาษาที่สามารถตรวจจับและเข้าใจเสียงในการสนทนาและการสื่อสารเพื่อตอบสนองอย่างเหมาะสม "Watson Personality Insights" แยกลักษณะบุคลิกภาพตามวิธีที่บุคคลเขียน "การสนทนาวัตสัน" ช่วยให้คุณสามารถปรับใช้บอตหรือเอเจนต์เสมือนข้ามอุปกรณ์แพลตฟอร์มการส่งข้อความเช่น Slack หรือแม้กระทั่งบนหุ่นยนต์

และ "การจดจำภาพวัตสัน" เข้าใจเนื้อหาของภาพ นั่นเป็นหนึ่งในรายการโปรดของฉันเพราะมันมีความหลากหลาย คุณสามารถใช้ Visual Recognition เพื่อตรวจจับการแต่งกายบางประเภทในร้านค้าปลีกระบุผลไม้ที่เน่าเสียในสินค้าคงคลังของร้านขายของชำวิเคราะห์ความเสียหายที่ลูกเห็บก่อขึ้นมาบนหลังคาของลูกค้าประกันรายหนึ่งของคุณและอีกมากมาย

PCMag: การทำให้ข้อมูลเป็นประชาธิปไตยกำลังดำเนินการหรืออย่างน้อยก็มีการวางแผนในองค์กรส่วนใหญ่ในปัจจุบัน แต่การพลิกผันซึ่งเป็นข้อมูลของผู้บริโภคนั้นก็มีแนวโน้มสูงขึ้นเช่นกันเนื่องจากผู้บริโภคมีการตัดสินใจด้านข้อมูลมากขึ้นทุกวัน บทบาทใดที่วัตสันและการค้าทางปัญญาสามารถเล่นได้ในแนวโน้มข้อมูลผู้บริโภคนี้

KH: นั่นเป็นจุดที่ดีมาก: ข้อมูลไม่ได้ถูกใช้เพื่อการตัดสินใจทางธุรกิจมากขึ้นเท่านั้น แต่ยังช่วยในการตัดสินใจของผู้บริโภคอีกด้วย เช่นเดียวกับธุรกิจผู้บริโภคต้องการข้อมูลเพิ่มเติมเพื่อสร้างทางเลือกที่มีข้อมูลมากขึ้น แต่พวกเขาไม่ต้องการที่จะใช้เวลาและการดึงพลังงานผ่านข้อมูลมากขึ้น พวกเขาต้องการผลลัพธ์ที่รวดเร็วและรู้ว่าเป็นการตัดสินใจที่ดีที่สุดตามสิ่งที่พวกเขาต้องการในช่วงเวลานั้น ในที่สุดพวกเขาต้องการให้เห็นว่าข้อมูลใดแจ้งการตัดสินใจ

ตัวอย่างสองตัวอย่าง: อันดับแรก 1-800-Flowers เพิ่งเปิดตัว "Gwyn" เป็นบอทดูแลแขกส่วนบุคคลเพื่อช่วยเหลือผู้ซื้อในการค้นหาผลิตภัณฑ์ที่ดีที่สุดตามความเชื่อมั่นและความชอบส่วนตัวของ ผู้รับ ของขวัญ การใช้วัตสันทำให้กวินสามารถโต้ตอบกับลูกค้าออนไลน์โดยใช้ภาษาธรรมชาติ ตัวอย่างเช่นลูกค้าอาจพิมพ์ "ฉันกำลังมองหาของขวัญสำหรับแม่ของฉัน" และกวินจะสามารถตีความคำถามนั้นแล้วถามคำถามที่มีคุณสมบัติตามที่กำหนดจำนวนมากเกี่ยวกับโอกาสและความรู้สึกเพื่อให้แน่ใจว่าเธอมีความเหมาะสม และข้อเสนอแนะของขวัญที่เหมาะกับลูกค้าแต่ละราย แคตตาล็อกส่วนบุคคลนี้แสดงข้อมูลน้อยลงไปยังผู้ซื้อและมุ่งเน้นการโต้ตอบโดยเฉพาะกับสิ่งที่นักช้อปต้องการที่จะบรรลุในขณะนั้น

ในทำนองเดียวกัน The North Face ให้วิธีการโต้ตอบโต้ตอบตามเพื่อช่วยผู้ซื้อ คุณอาจจะไม่คิดว่าแจ็คเก็ตเป็นผลิตภัณฑ์ที่ซับซ้อน แต่เป็น มีปัจจัยหลายอย่างเช่นช่วงของสภาพอากาศระดับของกิจกรรมและความคล่องตัวที่นักช้อปอาจไม่พิจารณาในตอนแรก การใช้ความสามารถของ Watson ในการใช้การใช้เหตุผลเชิงตรรกะและความสามารถในการทำความเข้าใจจัดหมวดหมู่และประเมินภาษาธรรมชาติระบบ North Face จึงถามคำถามสั้น ๆ ของการกลั่นเพื่อส่งมอบผลิตภัณฑ์และคำแนะนำเนื้อหาที่ตรงกับความต้องการและความพึงพอใจของนักช้อป นอกจากนี้ยังระบุเหตุผลที่คุณสมบัติของผลิตภัณฑ์ตรงกับความต้องการเฉพาะเหล่านั้น นี่เป็นการเปิดเผยข้อมูลที่คุณต้องการในการตรวจสอบคำแนะนำ

เป็นความเชื่อมั่นของเราที่ลูกค้าคาดหวังว่าจะได้รับบริการที่เป็นส่วนตัวในทุกช่องทาง พวกเขาต้องการให้ประสบการณ์เป็นบทสนทนามากขึ้นประสบการณ์หนึ่งที่พวกเขาถูกถามว่า "ฉันจะช่วยคุณได้อย่างไรในวันนี้" นี่เป็นเหมือนบริการที่คุณได้รับเมื่อคุณเข้าสู่ร้านค้าปลีกที่มีชื่อเสียงด้านการบริการลูกค้าที่ยอดเยี่ยม บริษัท ที่สามารถมอบประสบการณ์แบรนด์ที่ดีที่สุดในท้ายที่สุดจะเป็น บริษัท ที่ครองส่วนแบ่งการตลาดมากที่สุด

PCMag: ดูเหมือนว่าเรากำลังใกล้เข้ามาอย่างรวดเร็วในหนึ่งวันแม้ว่าการวิเคราะห์ข้อมูลตามเวลาจริงจะน้อยเกินไปและช้าเกินไปสำหรับบางกรณีการใช้งาน ในไม่ช้าเราจะต้องการและคาดหวังผู้ช่วยเชิงรุก - หรือผู้ช่วยเสมือน - ที่ไม่เพียง แต่คาดการณ์ แต่จริง ๆ แล้ว คาดหวัง สิ่งที่เราต้องการหรือต้องการแม้กระทั่งก่อนที่เราจะขอ เราเห็นริบหรี่ยุคแรก ๆ ของสิ่งนั้นใน Google Proactive Assistant IBM กำลังทำอะไรในแง่ของการวิเคราะห์เชิงรุก

KH: นี่เป็นพื้นที่ที่ไอบีเอ็มทุ่มเทพลังงานจำนวนมาก เราได้มุ่งเน้นไปที่การให้ความสามารถทางปัญญาที่ช่วยให้ธุรกิจมอบประสบการณ์การมีส่วนร่วมของลูกค้าที่มีความหมายสำหรับสถานการณ์ B2C และ B2B เราได้พูดคุยหลายตัวอย่างแล้ว

ฉันเชื่อว่าธุรกิจในอดีตต้องการเข้าถึงข้อมูลที่เกี่ยวข้องมากที่สุดเท่าที่จะทำได้ จากการระเบิดของข้อมูลที่เกิดขึ้นในช่วงหลายปีที่ผ่านมาตอนนี้เรามีข้อมูลมากมาย ปัญหาในตอนนี้คือวิธีทำให้ข้อมูลทั้งหมดนี้สามารถใช้งานได้โดยไม่มีอคติ นอกจากนี้เราต้องรักษาความสมดุลของข้อมูลในอดีตสมมติว่าเป็นระบบ CRM ที่มีความเป็นจริงในสิ่งที่ผู้ซื้อต้องการ เราไม่สามารถตาบอดได้ด้วยระบบ CRM ที่บอกให้เธอซื้อก่อน

องค์ความรู้สามารถเปิดใช้งาน CRM ใหม่หรืออย่างน้อยก็เป็นตัวแปรที่มีประสิทธิภาพในการตัดสินใจโดยรวม บริษัท อาจมีจุดข้อมูลหลายพันจุดสำหรับลูกค้า B2B หรือลูกค้า B2C แต่มุมมองทางประวัติศาสตร์นี้ต้องคำนึงถึงจุดข้อมูลน้อยมากที่อาจสำคัญที่สุดในขณะที่ลูกค้ากำลังพิจารณาสั่งซื้อ ซึ่งอาจรวมถึงตัวแปรเช่นเจตนาอารมณ์แนวโน้มและปัจจัยภายนอกอื่น ๆ

เพื่อคาดการณ์การกระทำที่ดีที่สุดต่อไปแต่ละธุรกิจจำเป็นต้องประเมินรูปแบบการซื้อของลูกค้าและพิจารณาว่าเมื่อใดที่สภาพแวดล้อมในปัจจุบันของพวกเขาหรือที่คาดการณ์ได้ว่าเป็นจริงหรือไม่ นั่นคือวิสัยทัศน์การวิเคราะห์เชิงรุกที่ IBM กำลังทำงานอยู่