Müşteri deneyiminin, her bir benzersiz müşteri ile ilgili sınırsız verilerle dolu olduğu bir dünyada, ileri görüşlü şirketler müşteri yolculuğunu, konuştukları kişiyi anlayacak şekilde değiştiriyor. Böylelikle, odak noktasının içerikten bağlama kayıyor; yalnızca müşterinin neyle ilgilendiği değil, aynı zamanda ne zaman, nerede, nasıl ve başka neyle ilgilendiği de dikkate alınıyor. Bu değişim, müşterinin siteye eriştiği günün saatine bağlı olarak açılış sayfasının renk düzenini değiştirmek kadar basit olabileceği gibi, ilk ziyarette potansiyel müşterinin adını açılış sayfasına entegre etmek kadar "KÜÇÜK VERİ" odaklı da olabilir. Yapay zeka bu değişimi her müşteri etkileşimi için kişiselleştirilmiş bir şekilde otomatize etmek için kullandığında, işletmeyi müşteri deneyiminin Platonic İdealine ölçeklendirebiliriz.
"Gezgin Salon Festivali”nde bu yıl 20 bine yakın müzikseveri ağırladık. Bu festivalde WhatsApp üzerinden sağladığımız canlı destek hattı ve ChatBot yardımlarının yanı sıra bu sene ilk defa ChatGPT'nin sunduğu yapay zekâ desteğiyle katılımcılara doğal ve verimli bir iletişim deneyimi sunduk. ChatGPT’ye öncelikle festival özelindeki bilgileri öğrettik. Testlerde, beklediğimizin çok üzerinde bir dil yeteneği bizi şaşırttı. Festival katılımcılarımızdan da tam puan alan bu uygulamamızı, bundan sonraki festival ve etkinliklerimizde, sunacağız. Yapay zeka yatırımlarıyla, özellikle e-ticaret firmalarının, hem çok daha iyi bir müşteri deneyimine hem de önemli bir tasarrufa imza atabileceğini; tüketicilerin beklediği sonsuz kişiselleştirmenin kapılarının ardına kadar açılmak üzere olduğunu düşünüyorum. Müşteri deneyiminde, yepyeni bir döneme girdik.
Dönüşüm hunimize giren müşteriler için bariz amaç, müşteriye satın alma olasılığı en yüksek olan şeyi göstermeye çalışmaktır. Bir müşterinin kullandığı arama terimleri harika bir başlangıç noktasıdır, ancak yalnızca bir başlangıç noktasıdır. Belirli bir müşteri hakkında ek bilgiler kullanmak, onlara gösterdiklerimizin alaka düzeyini artırmaya yardımcı olabilir.
Ekstra müşteri bilgilerini etkileşime otomatik olarak dahil etmek, bir aramayı yapay zeka destekli bir öneriye dönüştüren şeydir. Keşif aşamasında faydalı ve ilgili önerilerle kişiselleştirme, müşteri deneyimini bir "satış" olarak değil, bir ilişki olarak etiketler. Bu olumlu etkileşim o anın çok ötesine geçebilir - bu sefer bir satışla sonuçlanmasa bile (dönüşüm), müşteri bir dahaki sefere bu siteye geri dönmeyi "hatırlayacaktır". İşte sadakat budur. Deneyim konuşulmaya değer olduğunda (özellikle çevrimiçi incelemelerde veya sosyal ağlarda), bu savunuculuktur (pazarda hayranınız haline gelmek). Müşteri verileri, yapay zeka aracılığıyla müşteri tekliflerini otomatikleştirmek için kullanıldığında bunu mümkün kılar (iş uygulamalarında başka bir şekilde yorumlanabilir: eyleme geçirilebilir zeka olarak).
Birçok kişinin tekrar tekrar satın aldığı az sayıda ürün söz konusu olduğunda tavsiyelerde bulunmak kolaydır ve müşterinin her durumda satın alacağı bu tür "temel ürünler" için değerleri daha az belirgin görünebilir. Bu ürünleri ön plana çıkarmanın gerçek değeri, müşterilerinize kazandırdığınız zamandır; sizin için değeri ise, her müşteriye kişisel rahatlığı için düzenlenmiş bir "dükkan" sunarak, benzersiz tercihlerine göre, o müşteriyle aynı geçmişe sahip olmayan bir rakibin kopyalayamayacağı, kopyalanması çok zor bir deneyim sunuyor olmanızdır.
Müşterilerin satın almak istediklerini zaten bildikleri şeylere kolayca erişebilmelerini sağlamak, geliri korumanın ve müşteri kaybına karşı savunmanın güçlü bir yoludur. Bu bariz teklifleri belirlemek için yapay zeka gerekli olmayabilir, ancak yapay zeka, günün saati, haftanın günü, mevsim, ürün kategorisi, müşteri göz atma kalıpları ve diğer dijital "ekmek kırıntıları" (bread crumbs) dahil olmak üzere çok sayıda faktörün bir fonksiyonu olarak müşteri ilgi ve niyetlerindeki temalara ve eğilimlere "akıllıca" yanıt verebilir, böylece bu biraz daha az belirgin teklifleri hem şaşırtıcı hem de keyifli hale getirebilir.
Müşteriyi ilgi ve niyetten dönüşüm ve sadakate taşımada keşif aşamasına yardımcı olan diğer yapay zeka yaklaşımları arasında doğal dil işleme, konum zekası, düşük boyutlu yerleştirmeler ve geri bildirim döngüleri yoluyla belirsizliğin azaltılması yer almaktadır. Bunların çoğu, insan beyninin kolayca keşfedemeyeceği, ancak bir yapay zeka algoritmasının hızla yararlanabileceği daha yüksek boyutlu bir müşteri ve ürün parametreleri alanında çalışır.
Ürün Açıklamaları
Modern doğal dil işleme, bir makinenin iki ürün açıklaması arasındaki benzerliği ölçebilmesi için metni yalnızca sözcüksel olarak değil anlamsal olarak karşılaştıracak kadar güçlüdür. Bu, metni gömme adı verilen bir şeye dönüştürmeyi içerir - esasen, makine her bir açıklamayı benzer şeyler birbirine yakın ve farklı olanlar uzak olacak şekilde yüksek boyutlu bir uzaya yerleştirmeyi öğrenir. Kendi üç boyutlu fiziksel alanımız bize eşyalarımızı düzenleyebileceğimiz sadece üç eksen verirken, daha yüksek boyutlu bir alan eşyaların benzer ve farklı olması için çok daha fazla yol sağlar.
Makine öğrenimindeki son gelişmeler, ürünlerin görüntülerine, metinsel açıklamalarla paylaşılan bir tane bile olsa, kendi gömülmelerinin verilmesine olanak tanımaktadır. Metin ve görselleri ortak bir referans çerçevesine yerleştirmek, hem tavsiye hem de arama için güçlü bir temel oluşturur; bir müşterinin geçmişte satın aldığı veya göz attığı bir şeye görsel olarak benzeyen veya benzer açıklamaları olan ya da her ikisine birden sahip olan ürünleri arayabiliriz.
RJ Metrics'e göre "Müşterilerinizin en üst %1'i ortalama müşteriden 18 kat daha değerlidir."
Yeni: Hiper-Kişiselleştirme
Bu durum, denenmiş ve doğru yöntemler olan toplu pazarlama kampanyalarını, büyük gruplara yönelik A/B testlerini ve standart mesaj günlerini pazarlama tarihinin tozlu raflarına kaldırıyor. Peki…