使用 AI 賦能行銷的超個人化
與 Blueshift 共同創辦人兼執行長 Vijay Chittoor 對話
更強大的客戶參與度
了解 AI 驅動的個人化如何透過大規模量身打造每個使用者的旅程來增強客戶參與度。透過先進的 AI 和龐大的資料集,Blueshift 為世界各地的公司提供自訂、有意義的互動。Chittoor 還強調人類創造力在塑造有效、策略性 AI 解決方案方面所扮演的重要角色。
我們使用提供自身網站和服務所需的基本 Cookie 和類似工具。我們使用效能 Cookie 收集匿名統計資料,以便了解客戶如何使用我們的網站並進行改進。基本 Cookie 無法停用,但可以按一下「自訂」或「拒絕」以拒絕效能 Cookie。
如果您同意,AWS 與經核准的第三方也會使用 Cookie 提供實用的網站功能、記住您的偏好設定,並顯示相關內容,包括相關廣告。若要接受或拒絕所有非必要 Cookie,請按一下「接受」或「拒絕」。若要進行更詳細的選擇,請按一下「自訂」。
必要 Cookie 對於我們所提供的網站和服務而是必要的,而且無法停用。它們的設定通常是對您在網站上的動作的回應,例如,設定您的隱私偏好、登入或填寫表單。
效能 Cookie 提供有關客戶如何瀏覽我們網站的匿名統計資料,以便我們改善網站體驗和效能。獲核准的第三方可代表我們執行分析,但他們無法將資料用於自己的用途。
功能 Cookie 可協助我們提供實用的網站功能、記住您的偏好設定,以及顯示相關內容,獲核准的第三方可能會設定這些 Cookie 以提供特定網站功能。若您不允許這些 Cookie,則部分或全部服務可能無法正常運作。
我們或我們的廣告合作夥伴可以透過網站對廣告 Cookie 進行設定,協助我們提供相關的行銷內容。若您不允許這些 Cookie,您將看到相關程度較低的廣告。
封鎖部分類型的 Cookie 可能會影響您在使用我們的網站時的體驗。您可以隨時在本網站頁尾按一下「Cookie 偏好設定」來變更您的 Cookie 偏好設定。若要進一步了解我們和獲核准的第三方如何在我們的網站上使用 Cookie,請閱讀我們的 AWS Cookie 通知。
我們會在 AWS 網站和其他資產上顯示與您興趣相關的廣告,包括跨情境行為廣告。跨情境行為廣告使用來自一個網站或應用程式的資料,在不同公司的網站或應用程式上向您投放廣告。
若要不允許 AWS 根據 Cookie 或類似技術進行跨情境行為廣告,請在下方選取「不允許」並「儲存隱私權選擇」,或造訪已啟用法律認可拒絕訊號的 AWS 網站,例如全域隱私權控制。如果您刪除 Cookie 或從其他瀏覽器或裝置造訪本網站,您需要重新選擇。如需關於 Cookie 及其使用方式的詳細資訊,請參閱 AWS Cookie 聲明。
若要不允許所有其他 AWS 跨情境行為廣告,請透過電子郵件填寫此表單。
如需有關 AWS 如何處理您的資訊的詳細資訊,請閱讀 AWS 隱私權聲明。
我們目前只會儲存基本 Cookie,因為我們無法儲存您的 Cookie 偏好設定。
如果您想要變更 Cookie 偏好設定,請稍後使用 AWS 主控台頁尾中的連結重試,如果問題仍存在,請聯絡支援部門。
了解 AI 驅動的個人化如何透過大規模量身打造每個使用者的旅程來增強客戶參與度。透過先進的 AI 和龐大的資料集,Blueshift 為世界各地的公司提供自訂、有意義的互動。Chittoor 還強調人類創造力在塑造有效、策略性 AI 解決方案方面所扮演的重要角色。
Jake Burns:
您可以首先介紹一下目前使用的技術堆疊嗎? 因為我目前與許多希望開始使用 AI 和生成式 AI 的客戶交談,其中多數人不知道從何處起步。您會向這些客戶提供哪些建議?
Vijay Chittoor:
我認為第一點建議是,尤其是考慮到 AI 的本質,一切工作都始於擁有大量資料。對於我們所在的業務領域,資料完全是消費者的第一方資料,並且按照品牌層級來組織。每位客戶基本上都擁有大型的資料儲存庫,他們可能持續追蹤其中的資料,但也可能沒有。而藉助 Blueshift,我們可以讓這些客戶輕鬆開啟資料統一之旅,我相信您在自身的經歷中已經發現,這是逐步邁向 AI 的關鍵步驟之一。因此,我認為第一步是妥善組織豐富的資料,並且能夠即時擷取以及整合這些資料。我認為第二步是,如果考慮為開啟 AI 之旅的每位客戶提供建議,首先應考量的是最終客戶。
對於我們所在的業務領域,在考量客戶時,我們實際應考慮的是如何使用 AI 向最終消費者提供個人化的互動。 對我們而言,這在很大程度上意味著考慮採用客戶 AI。而在考慮採用客戶 AI 時,實際上涉及取得客戶資料,即我們所討論的第一方資料,以及將其轉換為與客戶互動的人員、內容、時間和地點資訊。在考慮通常以人工方式而非 AI 驅動的傳統行銷時,您可能開始做出一些基本的決策,例如具體行銷活動的目標客戶、向這些客戶展示的內容、接觸客戶的時機以及與他們進行互動的渠道或地點。如果您在不涉及 AI 的領域中考慮問題,則在以人工方式做出這些決策時,您將過度簡化行為並將一群客戶聚集在一起,然後嘗試專為此細分客戶群體提供一項優惠。
但事實是,最終消費者是獨特的個體,他們需要得到不同的回應。而 AI 採取的妥善做法是,即使人力市場未在運作,它也能夠在個別客戶層面做出決策,並且總體做出數百萬個此類決策。我認為這是一種決策引擎,其中包含 AI 賦予的決策能力和個人化能力。在為人們提供如何踏上 AI 之旅的建議時,首先應是組織資料,其次要以客戶為中心,考慮使用案例,然後能夠利用 AI 的優勢,即可以大規模形成決策,同時針對個體形成個人化決策,並在充分考慮這些要素的情況下轉型最終客戶體驗。
Jake Burns:
完全同意。真是非常棒的觀點。這實際上涉及個人化體驗。如果採用人工方式,即使人員 24 小時不間斷工作,達成此目標也非常費力,不是嗎?
Vijay Chittoor:
確實如此。沒錯。
Jake Burns:
而藉助 AI,您可能更經常地制定出正確的決策,因為該技術廣泛使用擷取方式來得到更多不同的資料點。
Vijay Chittoor:
確實如此。我認為您提到了重要的一點。我們正在考慮最終客戶發展之旅。如果仔細思考,您就會發現很多人都在談論,在當今的數位世界中,客戶發展之旅變得更加複雜,原因在於湧現出大量不同的接觸點。由於這種複雜性,客戶發展之旅千變萬化。從某種程度上來說,我認為當今的客戶參與問題實際上在於培育客戶的自我導向旅程,因為每位客戶都會自動踏上符合品牌形象的發展之旅。您如何識別每位客戶所處的旅程? 您如何在此期間為其提供幫助以及如何大規模地達成目標? 而這就是 AI 可發揮作用並幫助所有客戶的方式。在與行銷人員合作時,我認為這些行銷人員非常擅長敘述成功案例。但是,我們目前面臨的挑戰在於如何把握案例的核心思想,以及在所有這些反映自身品牌形象的不同發展之旅中進行個人化。我認為行銷人員可以在此方面與 AI 進行良好合作。這是非常強大的合作夥伴關係。
Jake Burns:
聽起來非常棒。可以問一下,人員在所有這些方面發揮什麼作用嗎?
Vijay Chittoor:
我認為人員是這一切背後的核心創意元素。這一切的背後還包含戰略驅動因素。在某種程度上,我認為在思考很多自動化技術時,第一波自動化技術從本質上阻礙人員發揮戰略作用和創造力,原因在於很多自動化都帶有條件。這就是以規則為基礎的自動化。
企業的行銷人員和其他部門人員經常僅是按下大量按鈕來按表操課,這種枯燥無味的簡單工作使得他們失去創造力和戰略思維。我認為,全新的 AI 方式實際推動了真正的自動化,期間您不必坐下來按各種按鈕,而是實際面臨更多的挑戰,同時得到更多的賦能來實現戰略價值和創造力。您目前可以認真思考想要向最終客戶講述的案例,並利用技術作為助手,大規模地實現這些案例,而不會因為在某些方面與技術抗爭而陷入困境。從此意義上來說,AI 已充分發揮許多人員的潛力,我們對此非常興奮。
Jake Burns:
更多的是一種共同創作者的關係,而不是完全取代人員。
Vijay Chittoor:
確實如此。以共同創作者作為類比,有時我們會討論每個人都可成為編輯的想法,從字面意義來說,即目前正在寫作的人員能夠快速產生初稿,從而將更多時間用於編輯。在更具戰略性的層面上,您應開始思考人員的工作。我認為企業中每個部門的各個崗位人員都會升職到編輯層級,他們僅需要完成少量的繁重工作,例如起草初稿和初步寫作。
Jake Burns:
減少千篇一律的工作,增加個人化和最終的潤色。
Vijay Chittoor:
確實如此。
Jake Burns:
沒錯。我們接下來談一談打造這樣一家公司所需的技能,因為我合作過的大多數企業都想從事 AI 工作,但很難招募到掌握此技能的人員,原因在於如今資料科學家和 AI 領域的人才非常匱乏。此類人才非常寶貴。您的組織採用何種方法來招募和吸引這些人才?
Vijay Chittoor:
好問題。我認為主要還是招募合適的人員,但也要樹立正確的企業文化。在考慮招募時,我認為公司最初就擁有 AI 人才是非常幸運的事情。我的共同創辦人 Manyam 擔任公司的 AI 長,在 AI 還未廣泛為人所知的時代,他就完成了一些非常令人印象深刻的 AI 相關工作。因此,我認為以這樣的人才為起點並圍繞其打造優秀的團隊是不錯的方法。尋找合適的技能組合和人才必然有很多方法,但我同樣認為企業文化非常重要。必須為全公司設定正確的架構,不僅是針對機器學習和 AI 工程師,而是考量到整個公司,這樣才能利用這些技術,將它們帶給客戶並助力其取得成功。
在思考文化時,我們可以探討一下 Blueshift 的五個核心文化價值觀。我們採用這五個價值觀的第一個字母,即形成「MORPH」一詞。 第一個 M 是指犯新錯誤 (Make new mistakes)。這有點令人驚訝,要求某人犯錯的原因何在? 其中的關鍵部分是犯新錯誤,涉及快速學習並嘗試使用新技術,以及打造持續學習的企業文化並融入好奇心和學習要素。我們以此為起點,因為我認為此價值觀非常重要,尤其是對於 AI 等新技術。在第二個價值觀中,我們談論癡迷於客戶成功案例 (Obsessing over customer success)。這就是 MORPH 中的 O。再次聲明,在思考技術時,為了使其真正發揮價值,您必須考慮最終客戶。
無論是我們的技術團隊,還是行銷、銷售和客戶成功團隊,每個人都癡迷於客戶成功案例。價值觀 R 代表提高標準 (Raise the bar)。我們不斷挑戰自身,成為最好的自己,並真正思考可為客戶提供的最佳創新。這就涉及提高標準。第四個價值觀 P 指的是以團隊方式合作 (Play as one team)。我們的諸多創新都是為了讓客戶取得成功,因此我們必須在整個公司內以團隊方式合作,從開發人員開始,一直到面對客戶的一線團隊等。最後一個價值觀 H 代表開心工作,但保持專注 (Have fun, seriously)。此價值觀承認所有這些工作都會很艱難,但我們將創造企業文化,讓每個人都能開心地完成建置工作,並且在展望目標的同時享受發展之旅。
Jake Burns:
您之前提到,價值觀 M 指的是犯錯,這可能會讓某些人畏縮不前。如何確保降低失敗的成本,以免這些錯誤造成災難性的後果?
Vijay Chittoor:
我認為這絕對是關鍵的問題。在談論犯錯時,我們指的是犯新錯誤,並且更加強調公司內部的學習文化。同樣,我們正在談論癡迷於客戶成功案例。我們為客戶提供許多關鍵任務型的使用案例。再次聲明,由於我們始終秉持癡迷於客戶成功案例的理念,因此您必須非常認真地對待任何任務關鍵型案例。這並非是您希望犯錯的領域。
我們可以在開發期間於後台完成創新的平衡調整,然後以真正滿足癡迷於客戶成功案例之標準的形式推出最終開發的產品。這就是我們必須努力完成的兩件事。從此角度來說,我認為與 Amazon 這樣的優秀公司合作非常理想,因為我們的很多基礎設施都依賴於 Amazon。最終的產品需要具備可靠性、高效能和低延遲等特性。在思考將產品交付給客戶以及癡迷於客戶成功案例時,我們應具有這種思維。
進行原型設計以及在內部建置產品時,您會希望快速犯錯。您希望營造每個人都願意嘗試新技術的企業文化,但也希望形成員工意識到不允許隨意犯錯的文化,這種文化以癡迷於客戶成功案例的理念為基礎,並確保我們非常認真地對待面對最終客戶的責任。
Jake Burns:
在此過程中是否遇到任何挑戰? 如果遇到挑戰,您是如何克服的?
Vijay Chittoor:
好問題。將這些創新技術推向市場時,我們會遇到一些有趣的挑戰,而目前我們已經專門圍繞 AI 克服了這些難題。我想說的第一點是讓 AI 變得值得信賴和可解釋,原因是我們正在企業環境中部署 AI。我們的客戶希望確保其向最終消費者提供的體驗符合他們的品牌形象,並且是順暢的個人化增值互動。如果要告訴企業,AI 正在制定所有這些決策,您如何說服客戶體驗團隊、行銷團隊 AI 制定了正確的決策,因為他們無法以人工方式稽核每一項決策,這種方式違背了使用 AI 的初衷。實際上,我認為我們為解決這一難題而嘗試的許多方法都是使 AI 在多個層面上可解釋,並且我們在這方面已經取得顯著的成功。
例如,如何確保非技術行銷人員能夠順利進入 Blueshift 平台並在部署 AI 之前了解其效果? 為理解 AI,您將建立一個 UI,其中人員即使沒有完全了解 AI 的所有不同參數,但透過了解模型本身是否具有高置信度、輸入到建模本身的資料性質以及擷取和使用的功能,他們仍然能夠充分理解 AI。例如,可以透過查看使用者介面來解釋 AI 如何針對某個特定細分市場的假設客戶制定決策。我認為將所有這些內容納入我們的應用程式使用者介面,是能夠讓人員自信部署 AI 的關鍵。我會敦促將 AI 技術推向市場的每位人員都思考此問題,即人員是否能夠與 AI 進行合作。為成功合作,他們需要 AI 具備可解釋性、直觀性和可解讀性。
Jake Burns:
換句話說,AI 將給出答案,但它需要解釋如何得到此答案。
Vijay Chittoor:
基本上是如此,或者說答案應該非常直觀,可讓人員感覺到其正確性,並且應該有足夠的證據表明,無需查看數百萬個決策,您就應可確信它在為最終客戶完成正確的工作。
Jake Burns:
每個人都想知道的事情之一就是未來會發生什麼,對嗎? 我的意思是,沒有人可預知未來,但如果讓您預測未來兩三年的情況,您認為 AI,更具體的說是生成式 AI 將如何塑造客戶體驗?
Vijay Chittoor:
好問題。如果回顧過去幾個月生成式 AI 的第一波浪潮,我們已經聽到很多有關生成式 AI 的新聞,每個人都在談論其正在席捲全球技術領域。我認為生成式 AI 的許多初步使用案例均涉及建立內容和越來越多的變體,以及該技術能夠降低複雜性和減少建立新內容的時間。如果思考剛才提到的客戶體驗領域,依據過往經驗,對於嘗試提供客戶體驗的團隊,他們在產生正確的內容以個人化每一次互動時都面臨嚴峻的內容瓶頸。考慮一下數百萬次個人化的互動,您如何建立數百萬條不同的內容? 從某種程度上來說,生成式 AI 完成的第一項工作就是消除或至少減少同一內容的多種變體中內容創作的瓶頸。
下一步就是將生成式 AI 與客戶 AI 相結合,以此提供真正的個人化。客戶 AI 實際上會預測每個人所需的內容,或者哪些內容變體可能會吸引這些人員。生成式 AI 的作用就是即時或接近即時地建立所有的内容並使其可用。這方面的簡單範例可能是品牌透過 SMS 專為每位客戶傳送不同的促銷內容。在此範例中,我們不僅可透過生成式 AI 輕鬆操控客戶的情緒和相關層面,還可透過客戶 AI 真正了解客戶感興趣的優惠。將這兩個要素融合在一起時,我們認為這會帶來全新層面的個人化。對於生成式 AI 與客戶 AI 合作提供出色客戶體驗的美好未來,我們深感興奮。
Jake Burns:
作為已經在 AI 領域耕耘相當長一段時間的老手,您可以向剛開始踏上 AI 之旅的人員提供何種建議?我們有很多客戶剛開始使用 AI。您會建議他們考慮哪些最重要的事項?
Vijay Chittoor:
如果仔細考慮,您就會發現公司中有很多潛力可以挖掘。大量的潛在知識和資料可用於為最終消費者提供價值。您如何挖掘所有這些潛力的價值? 我認為傳統品牌始終起步於以人為本的工作。然後,他們完成一些數位轉型以使用某些技術開始挖掘價值。
藉助 AI,企業中的每個人現在都能夠實際地為最終客戶提供這種轉型價值。如果從這個角度開始思考,您就會考量如何重新制定整個戰略和程序,並且如果必須以 AI 優先的方式建置所有產品,其中一些就需要重新制定程序。
Jake Burns:
沒錯。您提到了一些事情,我認為您是在暗示這項技術的大眾化,對嗎? 將此技術交給組織中的所有人員或更多人員。我還聽到,可以利用可能在很大程度上未使用的已有資料,並且使用此技術來挖掘其中的洞察。
Vijay Chittoor:
確實如此。您的理想完全正確。就是大眾化。因為這項技術已經成熟到非技術使用者也可以妥善使用。隨著這種情況在許多企業中大規模發生,該技術會釋放出龐大的企業價值。思考如何將這項技術交到面對客戶的團隊手中,交到公司中許多其他非技術職能部門的手中,從而成為業務增長的最重要推動因素,這就是擴展的關鍵所在。