Video: How Artificial Intelligence is transforming the E-commerce Industry (November 2024)
Kunstmatige intelligentie (AI) was een uitdrukking die bijna uitsluitend in science fiction wordt gebruikt om alles te voeden, van door Armageddon geobsedeerde supercomputers tot ongelukkige fabrieksrobots die gevoelig zijn gemaakt door dolende bliksemschichten. Maar vandaag wordt AI gebruikt om de nabije toekomst te beschrijven van vrijwel elk aspect van het bedrijfsleven dat de gegevens van een organisatie gebruikt. Het probleem is dat, net als in de begintijd van cloud computing, ontwikkelaars van AI-technologie elk een andere definitie hebben. Dit heeft een verwarrende marketingmassa gemaakt van AI, machine learning (ML), voorspellende analyses en zelfs virtuele assistenten.
Bovendien is de precieze invloed van deze technologieën op verschillende bedrijfsaspecten een moeilijk landschap geworden om te navigeren. E-commerce is een van de belangrijkste gebieden waarop AI en de bijbehorende technologieën al lang een impact hebben achter de schermen. In e-commerce bieden slimme analyses nieuwe mogelijkheden, van gepersonaliseerde winkelervaringen tot voorspellende analyse van klantgedrag. We spraken met Kris Hamrick, de Business Unit-manager die verantwoordelijk is voor IBM's Watson Customer Engagement, om een deel van de verwarring rond AI en e-commerce weg te nemen. We hebben ook besproken hoe Big Blue IBM Watson zal inzetten op het gebied van e-commerce.
PCMag: bedankt dat u de tijd hebt genomen om met ons te praten. Om te beginnen is het eenvoudig om gepersonaliseerde advertenties te verwarren met "cognitieve handel", omdat beide gegevens en analyses gebruiken om aanbiedingen af te stemmen op de voorkeuren en gewoonten van de klant. Het is ook gebruikelijk om cognitieve handel en gevirtualiseerde assistenten zoals Amazon's Alexa en Google Assistant te verwarren. Hoe ziet IBM de verschillen tussen deze door AI aangedreven concepten?
Laat me uitleggen hoe IBM AI onderscheidt van cognitieve informatica. AI is het vermogen van een computer om te begrijpen en te redeneren als een mens. Cognitief computergebruik omvat het vermogen om te begrijpen, redeneren, leren en communiceren, waarbij mens en machine worden samengebracht zodat ze van elkaar leren en op een manier werken die krachtiger is wanneer ze worden gecombineerd.
Gegevens effenen de weg voor AI. Hoe zit het met al die gegevens buiten één applicatie, over bedrijfseenheden, externe bronnen, donkere gegevens en meer? We leven in een wereld van ongelijksoortige systemen die, wanneer ze worden gecombineerd, wanneer verbindingen worden gemaakt tussen gegevens of nieuwe geïdentificeerde patronen, de waarde 1 + 1 = 3 kunnen bieden. Wat Watson uniek maakt, is de toegang tot al deze verschillende gegevensbronnen, gecombineerd met de cognitieve vaardigheden om te communiceren met mensen, zakelijke vragen te begrijpen, de reden achter de actie te ontdekken en uiteindelijk van die interactie te leren en dat leren in toekomstige vragen te gebruiken.
Wat personalisatie versus cognitieve handel betreft, stelt Watson gebruikers in staat om verder te gaan dan bijvoorbeeld op klantrelatiebeheer gebaseerde analyses om diepere inzichten te krijgen en actie te ondernemen op meer informatie, zoals donkere gegevens zoals sociale media, chatrooms, transcripties van de klantenservice en andere gegevens die kunnen worden toegevoegd aan moderne CRM's. Met behulp van Watson kunnen campagnes werken op basis van gedetailleerdere informatie en inzichten, dingen zoals prijsstelling, uitvoering, uitvoering van verzending optimaliseren; anticiperen op uitdagingen voordat ze zich voordoen en uiteindelijk de KPI's verbeteren. Dit verbetert exponentieel de mogelijkheid voor gebruikers om over functionele gebieden samen te werken en een betere impact op het bedrijf te hebben met minder inspanning.
Bedrijven proberen dit vandaag te doen met de middelen die ze hebben. Ze hebben rapporten, veel spreadsheets en veel vergaderingen over al die gegevens en hun intuïtie. Maar uiteindelijk worden ze in veel gevallen uitgevoerd op basis van een cognitieve neiging - wat betekent dat ze alle gegevens en ruis filteren om gegevens te vinden die passen bij de manier waarop dingen eerder zijn gedaan. Dat is in feite de voorkeur voor de beslissing, niet voor de gegevens.
Samenvattend, binnen Watson Customer Engagement, integreren we cognitieve capaciteiten in processen om bedrijfsprestaties te maximaliseren, merchandising / prijsbeslissingen te verbeteren en de gehele supply chain te optimaliseren. Klanten hebben ook rechtstreeks toegang tot dezelfde Watson-applicatieprogrammeerinterfaces om hun eigen oudere applicaties en processen met cognitieve mogelijkheden mogelijk te maken. Het belangrijkste is dat Watson de anomalieën naar voren haalt, acties aanbeveelt en uitlegt waarom .
PCMag: B2B-handel is aantoonbaar lastiger geweest dan B2C wat betreft het automatiseren en opschalen van biedingen en prijzen, voorwaarden en transacties. Terwijl consumenten bijvoorbeeld op zoek zijn naar prijzen, zullen bedrijven harde prijsonderhandelingen voeren en zelfs deal-zoetstoffen verwachten bovenop het prijswinkelen. Hoe kan cognitieve handel, of cognitieve informatica, veranderen hoe B2B-deals worden gesloten? En hoe zal dat de kosten voor kopers inhouden en de winst voor verkopers verbeteren?
KH: B2B-handel is een goed voorbeeld van hoe de onderneming leert enkele van de verbazingwekkende revoluties in de B2C-wereld te benutten om de winst te maximaliseren en betere handelservaringen voor klanten en partners te bieden. Bedrijven die verkopen aan kleine tot middelgrote bedrijven hebben een aantal van dezelfde uitdagingen die hun tegenhangers in de detailhandel hebben, waaronder margeverlies, kanaalconflicten, klanttevredenheid, het "Amazon-effect" (via Amazon Business), waardoor klanten hun gewenste aankooppad kunnen kiezen, waardoor verkopers om zich op de juiste kansen te concentreren door een transactiekanaal en dergelijke te bieden.
De eerste stap is om uw partners en klanten een betere algehele ervaring te bieden dan uw concurrentie en de hoge klantenservice die mensen tegenwoordig verwachten. Als ik uw klant ben, betekent dit dat u mijn onderhandelde prijsvoorwaarden, mijn aankoopgeschiedenis, de producten of aanbiedingen die relevant zijn voor mijn bedrijf moet weten, en me in staat moet stellen om deze producten en diensten in een klant te consumeren- vriendelijke oplossing. Cognitieve capaciteiten kunnen en moeten in de hele waardeketen worden geweven om deze doelen te bereiken.
Vandaag zien we dit in veel industrieën gebeuren. Om een stap verder te gaan, ga je verder dan alleen een 'transactie' en ga je nadenken over wat B2B betekent in verschillende bedrijfstakken en hoe ze hun klanten bedienen.
Toonaangevende fabrikanten kunnen bijvoorbeeld anticiperen op weerspatronen om onderbrekingen in de toeleveringsketen en voorraadtekorten tijdens een productlancering te voorkomen. Een van onze klanten, Kone, gebruikt IoT-gegevens van liften om te anticiperen op slijtage en prioriteit te geven aan onderhoud voordat de service uitvalt. Op medisch gebied gebruikt Quest Diagnostics Watson om de biopsie van de tumor van een individu te analyseren en de DNA-sequentie te vergelijken met miljoenen pagina's met medische tijdschriften, onderzoeksdocumenten en klinische onderzoeken om een oncoloog de beste behandelingsaanbeveling voor die specifieke patiënt te bieden.
Deze voorbeelden zijn duidelijk sterk verschillend, maar dat benadrukt alleen maar dat de mogelijkheden eindeloos zijn. We staan pas aan het begin van de cognitieve reis. We beginnen net de vele manieren te ontdekken waarop deze technologie kan helpen de relaties tussen bedrijven en hun klanten te verbeteren.
PCMag: digitale transformatie vindt overal in een razend tempo plaats en levert enorm meer gegevens op dan we ooit hebben gezien. Maar datawetenschappers zijn van mening - en IBM lijkt het daarmee eens te zijn - dat data niet op zichzelf mogen staan, omdat de waarde ervan vooral ligt in het toevoegen van betekenisvolle diepte en context aan complexe vragen. Waarom is Watson uniek geschikt voor het werken met ongelijksoortige gegevens en gecompliceerde vragen?
KH: Zoals we eerder hebben besproken, is 88 procent van alle gegevens effectief donker. Dit betekent dat gegevens die de inzichten bevatten die we allemaal proberen te vinden, zich niet in gegevensbronnen bevinden die gemakkelijk te verteren of filteren zijn. Verder zijn datawetenschappers dure bronnen en schalen ze hun kennis niet gemakkelijk over een heel bedrijf of naar kleinere bedrijven.
Met Watson is het doel om deze duistere gegevens te gebruiken en bruikbaar te maken voor iedereen die deze nodig heeft. De mogelijkheden zijn eindeloos. Watson heeft unieke mogelijkheden om grote hoeveelheden gestructureerde en ongestructureerde gegevens in verschillende talen te consumeren, op de gegevens in te spelen met een groot aantal cognitieve diensten, de ervaring voor elke doelgroep te optimaliseren, van zakelijke gebruikers tot consumenten, en dezelfde diensten aan andere bedrijven te bieden om in te bedden binnen hun applicaties.
Er zijn hier veel voorbeelden. Ten eerste maakt de "Watson Tone Analyzer" een taalkundige analyse mogelijk die tonen in gesprekken en communicatie kan detecteren en begrijpen om op de juiste manier te reageren. "Watson Personality Insights" extraheert persoonlijkheidskenmerken op basis van hoe een persoon schrijft. Met "Watson Conversation" kunt u een bot of virtuele agent implementeren op apparaten, berichtenplatforms zoals Slack of zelfs op een robot.
En "Watson Visual Recognition" begrijpt de inhoud van afbeeldingen. Dat is een van mijn favorieten omdat het zo veelzijdig is. U kunt visuele herkenning gebruiken om een bepaald type kleding in een winkel te detecteren, bedorven fruit in de inventaris van een supermarkt te identificeren, de schade te analyseren die een hagelbui heeft veroorzaakt op het dak van een van uw verzekeringsklanten, en nog veel meer.
PCMag: de democratisering van gegevens is aan de gang - of op zijn minst gepland - in de meeste organisaties vandaag de dag. Maar de keerzijde - de consumentisering van gegevens - stijgt ook naarmate consumenten elke dag meer gegevensgestuurde beslissingen nemen. Welke rollen spelen of kunnen Watson en cognitieve handel spelen in deze trend van gegevensconsumptie?
KH: Dat is een goed punt: gegevens worden niet alleen gebruikt om meer zakelijke beslissingen te nemen, maar ook om meer beslissingen van consumenten te nemen. Net als bedrijven willen consumenten meer gegevens om beter geïnformeerde keuzes te maken, maar ze willen niet veel tijd en energie besteden aan het doorzoeken van meer gegevens. Ze willen een snel resultaat en weten dat dit de optimale beslissing is op basis van wat ze op dat moment nodig hebben. Ten slotte willen ze inzicht in welke gegevens die beslissing hebben bepaald.
Een paar voorbeelden: ten eerste introduceerde 1-800-Flowers onlangs "Gwyn" als een persoonlijke conciërgebot om klanten te helpen bij het vinden van het beste product op basis van het sentiment en de persoonlijke voorkeuren van de ontvanger van het geschenk. Met behulp van Watson kan Gwyn communiceren met online klanten met behulp van natuurlijke taal. Een klant kan bijvoorbeeld typen: "Ik ben op zoek naar een cadeau voor mijn moeder" en Gwyn zal die vraag kunnen interpreteren en vervolgens een aantal in aanmerking komende vragen over de gelegenheid en het sentiment kunnen stellen om ervoor te zorgen dat ze een passende en cadeau-suggestie op maat voor elke klant. Dit personaliseert de catalogus, toont minder gegevens aan de klant en richt de interactie specifiek op wat de klant op dat moment wil bereiken.
Evenzo biedt The North Face een interactieve, op dialoog gebaseerde benadering om zijn klanten te helpen. Je zou jassen waarschijnlijk niet als een ingewikkeld product beschouwen, maar dat zijn ze wel. Er zijn veel factoren zoals het weerbereik, het activiteitsniveau en de mobiliteit die een shopper in eerste instantie misschien niet in overweging neemt. Met behulp van de mogelijkheden van Watson om logisch redeneren toe te passen en zijn vermogen om natuurlijke taal te begrijpen, categoriseren en evalueren, stelt het North Face-systeem een korte reeks verfijningsvragen om op maat gemaakte product- en inhoudsaanbevelingen te leveren die aansluiten bij de gearticuleerde wensen en voorkeuren van de klant. Het vermeldt ook de reden waarom de productkenmerken overeenkomen met die specifieke behoeften. Dit toont de gegevens die u nodig hebt om de aanbeveling te valideren.
Wij zijn ervan overtuigd dat klanten dit niveau van op maat gemaakte, persoonlijke service via alle kanalen verwachten. Ze willen dat de ervaring meer een gesprek is, een ervaring, een waar ze de vraag krijgen: "Hoe kan ik je vandaag helpen?" Dit is hetzelfde als de service die u krijgt wanneer u een winkel binnengaat die bekend staat om zijn uitstekende klantenservice. De bedrijven die de beste merkervaringen kunnen bieden, zullen uiteindelijk degenen zijn die het meeste marktaandeel veroveren.
PCMag: Het lijkt erop dat we al snel een dag naderen waarop zelfs real-time data-analyse te weinig is, te laat voor sommige gebruikssituaties. We zullen snel proactieve assistenten - of virtuele assistenten - nodig hebben en verwachten die niet alleen voorspellen, maar zelfs anticiperen op wat we nodig hebben of willen, zelfs voordat we erom vragen. We zien dat al vroeg in Google's onlangs aangekondigde 'Proactive Assistant'. Wat doet IBM op het gebied van proactieve analyse?
KH: Dit is een gebied waaraan IBM veel energie heeft besteed. We zijn gefocust op het bieden van cognitieve mogelijkheden die bedrijven helpen betekenisvolle klantbetrokkenheidservaringen te bieden voor zowel B2C- als B2B-scenario's. We hebben al verschillende voorbeelden besproken.
Ik geloof dat bedrijven van oudsher toegang wilden hebben tot zoveel mogelijk relevante gegevens. Met de data-explosie die zich de afgelopen jaren heeft voorgedaan, hebben we nu veel gegevens. Het probleem is nu hoe we al deze gegevens bruikbaar kunnen maken zonder vooroordelen. Bovendien moeten we historische gegevens in, laten we zeggen, een CRM-systeem afwegen tegen de realiteit van wat een potentiële koper nu nodig heeft. We kunnen niet alleen worden verblind door wat het CRM-systeem zegt dat ze eerder heeft gekocht.
Cognitief kan een nieuwe CRM mogelijk maken of op zijn minst een effectieve variabele in de algemene beslissing zijn. Bedrijven kunnen duizenden datapunten hebben op een enkele B2B- of zelfs B2C-klant. Maar deze historische weergave moet rekening houden met de weinige gegevenspunten die het belangrijkst kunnen zijn op het moment dat de klant een aankoop overweegt. Dit kan variabelen zijn zoals intentie, emoties, trends en andere externe factoren.
Om de volgende beste actie te voorspellen, moet elk bedrijf het kooppatroon van zijn klanten beoordelen en bepalen wanneer de huidige of voorspelbare realiteit van zijn omgeving de historische CRM-gegevens overtroeft. Dat is de proactieve analysevisie waaraan IBM werkt.
