CNET科技行者 2月11日 北京消息 客户体验的未来在于人工智能。人工智能随处可见,它改变了消费者与品牌的互动方式。事实上,到2025年估计将有95%的客户互动将得到人工智能技术的支持。
从聊天机器人到自动化,人工智能可帮助品牌更多地了解关于客户的信息,从而增强个性化。下面就是品牌利用人工智能和机器学习改善客户体验的一些小故事:
美国网络花店1-800-FLOWERS利用聊天机器人加速客户体验
1-800-FLOWERS通过创建Facebook Messenger聊天机器人来帮助顾客订购鲜花,从而更加轻松地订购到完美的花卉装饰。这个聊天机器人训练有素,可以接过对话并提出关于花卉装饰的各种建议——如果客户提到他们需要一些可以快速订到的花卉装饰。这个机器人可以显示每种花卉装饰的图片,并让客户轻松地定制他们想要的信息,设置交付。
户外零售商North Face使用IBM Watson创造个性化购物体验
户外零售商North Face使用IBM的人工智能超级计算机Watson创建个性化的在线购物体验。North Face根据客户一系列问题的回答,帮助客户完善产品选择。如果客户说他们喜欢在冬天徒步旅行,程序就会问客户他们所处的位置和喜好,推荐一件合适且保暖的夹克衫,让他们更好地享受他们喜欢的运动。聊天机器人会让选择变得更容易,而不是查看数百种产品以找到合适他们的东西。
英国手机零售商Dixons Carphone通过聊天机器人推荐保险
位于英国的Dixons Carphone是一家跨国电子和电信零售商和服务公司,该公司以一种名为Cami的机器人的形式,使用人工智能来连接在线商店和店内购物体验。Cami是一个产品专家,可以推荐产品、提供建议、并预测客户需求和未来采购意向。如果有人购买了一部新的移动设备,Cami可以自动推荐案例或保险。Cami也可以轻松检查库存,所以店内员工就可以把精力用于与客户沟通。员工可以花更多时间在商店与顾客互动,而不是待在商店后面的库存做分类。
美国票务网站Ticketmaster利用人工智能防止欺诈
票务网站Ticketmaster使用人工智能来打击让客户购票体验变得消极的票务欺诈行为。该公司创造了一个更大的机器人来对抗票贩子,这些票贩子购买门票并以更高的价格出售。在门票开始销售之前,客户必须在网站上注册。然后这个人工智能机器人会分析每个顾客,以确保购买票的人实际上是人类而不是工具。这似乎还挺奏效的,因为在第三方网站上卖出的票越来越少了。
顾客通过Facebook Messenger购买达美乐披萨
感谢人工智能,订购披萨从未如此轻松。达美乐使用名为Dom的Facebook Messenger聊天机器人,让客户可以通过发送消息“pizza”下订单。这个机器人会获得详细信息,订单的完成速度比客户打电话给商店或开车下订单更快。
美国户外网站Black Diamond Equipment装备AI实现个性化客户体验
热心的滑雪者经常从电子商务零售商Black Diamond Equipment网上购买他们的装备。该网站使用人工智能为每个客户提供个性化的建议。这种人工智能技术不是等到结帐才提出建议,而是根据浏览历史、购买记录和天气情况等,预测客户的需求并主动推荐商品。有了这个新系统,订单量增加了,废弃的滑雪车减少了。
流媒体音乐平台Spotify使用人工智能为用户量身推荐音乐
流媒体音乐巨头Spotify的整个业务都是基于数据的,但是人工智能技术将它带到了一个新的高度。人工智能让这个平台可以保存更多客户数据,并访问数据以发现各种趋势,预测每个客户喜欢什么样的音乐。每周,每位Spotify用户都会获得一个个性化的“每周发现”播放列表,这是使用人工智能数据为用户挑选音乐。这项服务因其对客户心情和音乐品味的准确把握而备受好评。
中国招商银行采用微信应对百万个客户
招商银行是中国最大的信用卡公司之一,它利用人能工智能机器人与大量客户进行互动。该银行的微信机器人每天处理150至200万个客户对话,主要涉及卡余额和支付等事宜。客户可以快速获得所需信息,这为招商银行节省了数千名员工的资源,却能满足相同数量的请求。
Google相册使用人工智能自动为照片添加标签
Google相册利用人工智能为客户避免了繁琐的任务。它会在客户上传照片的时候自动进行标记。Google的人工智能技术不是通过标签来组织每张照片,而是根据人物、地点、日期等标记照片,这样便于准确地搜索和查找图像。
肯德基使用人工智能面部识别软件来预测订单
肯德基与中国搜索引擎百度合作开了一家餐厅,该餐厅使用人脸识别软件来推断客户可能想要订购什么。该程序收集诸如性别、面部表情和其他视觉特征的数据,以向顾客推荐各种菜单。它也会保存以前的订单,所以回头客可以根据他们之前订购的内容获得推荐。
总之,人工智能可以使你的客户体验更好。它可以帮助你的企业找到合适的用途,找到会照顾到你客户需求的技术。人工智能会让顾客的生活更轻松、更美好。但是,不要简单地向客户公布人工智能来实现这种体验——人工智能应该是为客户旅程服务的。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。