Клиентский опыт в эпоху ИИ

Основанная 163 года назад логистическая компания Brinks многим знакома по ее бронированным грузовикам для перевозки ценностей. Тем же брендом по лицензии пользуется не столь знаменитая независимая дочерняя компания Brinks Home. Эти специалисты по системам «умного» дома со штаб-квартирой в Далласе никак не могли дорасти по уровню признания до материнской фирмы. Brinks Home приходилось конкурировать с намного более популярными ADT, Google Nest и Ring, и даже восторженные отзывы отраслевых аналитиков и клиентов не помогали компании выйти за пределы 2% рынка. При этом компания накопила массу информации о применении своих решений конечными пользователями, ее колл-центры — о транзакциях на клиентском уровне, а техподдержка — об отличиях от конкурентов с самого момента начала работ в 1994 году.

Brinks хотела найти способ использовать все эти данные для ускорения роста и оптимизации точек контакта с каждым клиентом по всем каналам связи — особенно в том, что касается рекламных рассылок, персонализации решений и создания клиентского опыта. Осенью 2020 года в ­сотрудничестве с ИИ-стартапом OfferFit компания проверила тысячи комбинаций распространяемых рекламных сообщений и предложений, варьируя контент, каналы и время рассылки. Далее она реорганизовала структуру, поставив во главу угла привлечение и обслуживание клиентов и продление контрактов, и начала применять искусственный интеллект: чтобы лучше планировать сервисные выезды, вырабатывать рекомендации по перекрестным продажам для колл-центров, сообщать клиентам о новых версиях беспроводных систем. Менее чем через два года Brinks проводила уже не два-три, а около 50 тыс. А/В-тестов в день (и это не предел). Теперь больше не нужно долго ждать результатов тестирования — и можно персонализировать каждую точку контакта. За первую половину 2021 года средний размер ее пакета прямых продаж (DTC) вырос с $489 до $968. Прибыль от DTC из расчета на одного пользователя за тот же период повысилась с $42,24 до $45,95.

Общая прибыль по сравнению с тем же периодом 2020 года увеличилась на 9,5%. Brinks Home — лишь один пример того, как бренды могут выиграть, трансформировав и персонализировав пользовательский опыт через подробный анализ информации о клиенте. Персонализированный клиентский опыт был базой для конкурентных преимуществ еще задолго до эпохи интернета — с момента появления индивидуального маркетинга. Сегодня прогресс шагнул намного дальше: уже недостаточно упоминать имя клиента в рекламном сообщении, иметь под рукой все сведения о пользователе в момент его звонка в службу поддержки, а при открытии сайта компании показывать клиенту актуальные именно для него предложения. Теперь персонализировать надо каждую физическую и виртуальную точку контакта — и все чаще для этого используется искусственный интеллект.

Мы оказали поддержку масштабным проектам персонализации клиентского опыта более чем ста ведущих глобальных компаний (включая некоторые из упомянутых в статье). За последние 5 лет их выручка выросла на 6—10%, а чистая дополнительная выручка, связанная с инициативами по персонализации, — на 40—100%. Сопоставимое влияние на доходы показал и наш совместный с Google опрос нескольких тысяч потребителей непосредственно после получения персонализированного клиентского опыта.

Компании из всех отраслей ставят персонализацию во главу угла своих корпоративных стратегий. Не так давно генеральный директор Kroger Родни Макмаллен назвал цельность и персонализацию в числе важнейших конкурентных преимуществ, в которые вкладывается его фирма. За последнее время о важности персонализированного и целостного омниканального клиентского опыта для их корпоративной стратегии заявили компании разных сфер: товары для дома (Home Depot), банковские услуги (JPMorgan Chase), рестораны (Starbucks), одежда и обувь (Nike). Мы достигли уровня, на котором конкурентное преимущество рождается из способности фиксировать, анализировать и использовать массивы персонализированных клиентских данных, а также с помощью ИИ понимать, формировать, адаптировать и оптимизировать путь клиента. Сегодня цифровые решения — условие успеха не только для традиционного маркетинга, но и для многих других направлений. Конечно, лучше всего здесь себя чувствуют крупные технологические компании, встроившие эти возможности в свою бизнес-модель. Однако им бросают вызов такие смельчаки, как, например, sweetgreen (ресторанная отрасль) и Stitch Fix (одежда): им удалось создать уникальный клиентский опыт на основе данных, получаемых напрямую.

Ниже мы расскажем о том, как ИИ помогает улучшить впечатление клиента и как передовые компании выстраивают то, что мы назвали интеллектуальной системой опыта. Это сквозное решение (включающее, например, подбор места, назначение встречи, отправку напоминаний о ней, подсказки по маршруту и помощь при любых дополнительных действиях), которое проактивно направляет клиента к цели. В таких системах равно важны как живые специалисты (кроссфункциональные гибкие группы), так и данные и технологии, обеспечивающие стремительное само­обучение и оптимизацию. На создание интеллектуальной системы опыта может потребоваться немало времени, денег и технологий, но она обеспечит компании такой уровень персонализации, о котором лет десять назад можно было лишь мечтать.

ЧТО МЕШАЕТ ПЕРСОНАЛИЗАЦИИ

Большинство брендов не доводят персонализацию клиентского опыта до того масштаба или глубины, который позволил бы конкурировать с ведущими компаниями мира. Персонализация всего процесса взаимодействия клиента с фирмой требует согласованной работы всех каналов связи — до сих пор этим искусством не овладел в полной мере ни один бренд. Единственным способом конкурировать с такими цифровыми зубрами, как Amazon или Google, для многих брендов может оказаться слияние онлайн- и офлайн-опыта. Пионеры этого направления уже освоили новейшие технологии, такие как интернет вещей, машинное обучение, мартех-платформы и растущий спектр инструментов для цифровых медиа: в совокупности с гибкими методами работы все это способно дать выдающиеся результаты. Бренды, желающие сравняться с первопроходцами (а то и обойти их), должны задуматься о своей инфраструктуре данных и технологий. Соответствуют ли задаче структуры и процессы организации? Готовы ли они учиться методом быстрых проб?