بصيرة الصناعة: منظمة العفو الدولية ومستقبل التجارة الإلكترونية

اعتاد الذكاء الاصطناعي (AI) أن يكون عبارة تستخدم حصريًا تقريبًا في الخيال العلمي لتشغيل أي شيء من الحواسيب العملاقة المهووسة بهرمجدون إلى روبوتات المصنع البائسة التي يرسلها براغي البرق الخاطئة. ولكن اليوم ، يتم استخدام الذكاء الاصطناعى لوصف المستقبل القريب لكل جانب من جوانب الأعمال التجارية التي تعزز بيانات المنظمة. المشكلة ، على غرار الأيام الأولى للحوسبة السحابية ، يميل كل من مطوري تقنية الذكاء الاصطناعي إلى تعريفها بشكل مختلف. لقد جعل هذا الأمر بمثابة مربحة في التسويق من الذكاء الاصطناعى والتعلم الآلي (ML) والتحليلات التنبؤية وحتى المساعدين الإفتراضيين.

بالإضافة إلى ذلك ، أصبح بالضبط كيف ستؤثر هذه التقنيات على جوانب مختلفة من الأعمال مشهدًا صعبًا للتنقل. التجارة الإلكترونية هي أحد المجالات الرئيسية التي أثرت فيها منظمة العفو الدولية منذ فترة طويلة وراء الكواليس. في التجارة الإلكترونية ، توفر التحليلات الذكية إمكانات جديدة ، بدءًا من تجارب التسوق الشخصية وحتى التحليل السلوكي للعملاء. لقد تحدثنا مع كريس هامريك ، المسؤول التنفيذي عن وحدة الأعمال المسؤول عن مشاركة العملاء في شركة Watson من شركة IBM ، لتوضيح بعض الالتباس الذي يحيط بمنظمة العفو الدولية والتجارة الإلكترونية. ناقشنا أيضًا كيف ستستفيد Big Blue من IBM Watson في مساحة التجارة الإلكترونية.

PCMag: شكرًا لأخذ الوقت الكافي للتحدث معنا. للبدء ، من السهل الخلط بين الإعلان المخصص وبين "التجارة المعرفية" لأن كلاهما يتضمن استخدام البيانات والتحليلات لمطابقة العروض مع تفضيلات العملاء وعاداتهم. من الشائع أيضًا الخلط بين التجارة المعرفية والمساعدين الظاهريين مثل Amazon's Alexa و Google Assistant. كيف ترى IBM الاختلافات بين هذه المفاهيم التي تعتمد على الذكاء الاصطناعي؟

كريس هامريك (KH): أنت على حق: هناك الكثير من الضوضاء حول الذكاء الاصطناعي في السوق. بالنظر إلى ما يجب أن يقوله مقدمو التكنولوجيا ، يتعين على كل من الشركات B2C و B2B أن تتفاعل مع الضغوط التنافسية بشكل أسرع. في كثير من الحالات ، تأتي المنافسة بالفعل من خارج الصناعة. هذا يجبر الشركات على معرفة كيفية زيادة عمليتها الحالية أو إعادة التفكير فيها.

اسمحوا لي أن أشرح كيف يميز IBM الذكاء الاصطناعى عن الحوسبة المعرفية. الذكاء الاصطناعى هو القدرة على الكمبيوتر لفهم وسبب الإنسان. تتضمن الحوسبة المعرفية القدرة على الفهم والعقل والتعلم والتفاعل ، والجمع بين الإنسان والآلة حتى يتعلموا من بعضهم البعض ويتفاعلوا بطريقة أكثر قوة عند الجمع.

البيانات تمهد الطريق لمنظمة العفو الدولية. ماذا عن كل هذه البيانات خارج تطبيق واحد ، عبر وحدات العمل ، المصادر الخارجية ، البيانات الداكنة ، وأكثر من ذلك؟ نحن نعيش في عالم من النظم المتباينة التي ، عند الجمع ، عندما يتم إجراء اتصالات عبر البيانات أو أنماط جديدة محددة ، يمكن أن توفر قيمة 1 + 1 = 3. إن ما يجعل Watson فريدًا هو الوصول إلى جميع مصادر البيانات المختلفة هذه ، بالإضافة إلى القدرات المعرفية للتفاعل مع البشر ، وفهم أسئلة العمل ، واكتشاف السبب وراء الإجراء ، والتعلم في النهاية من هذا التفاعل واستخدام هذا التعلم في الاستعلامات المستقبلية.

بالنسبة للتخصيص مقابل التجارة الإدراكية ، يمكّن Watson المستخدمين من تجاوز التحليلات المستندة إلى إدارة علاقات العملاء ، على سبيل المثال ، لاكتساب رؤى أكثر عمقًا واتخاذ إجراءات بشأن مزيد من المعلومات ، مثل البيانات المظلمة مثل الوسائط الاجتماعية وغرف الدردشة ونُسخ خدمة العملاء وغيرها البيانات التي يمكن إلحاقها CRMs الحديثة. باستخدام Watson ، يمكن للحملات العمل من خلال المزيد من المعلومات والأفكار الحبيبية ، وتحسين الأشياء مثل التسعير والوفاء وتنفيذ الشحن ؛ توقع التحديات قبل حدوثها ، وفي النهاية تحسين مؤشرات الأداء الرئيسية. هذا يحسن بشكل كبير من قدرة المستخدمين على العمل معا عبر المجالات الوظيفية ويكون لها تأثير أفضل على الأعمال بأقل جهد.

تحاول الشركات القيام بذلك اليوم بالموارد المتاحة لديها. لديهم تقارير ، والكثير من جداول البيانات ، والعديد من الاجتماعات حول جميع هذه البيانات والحدس. لكن ، في نهاية المطاف ، في العديد من الحالات ، يتم تنفيذها بناءً على تحيز إدراكي - مما يعني أنهم يقومون بالتصفية عبر جميع البيانات والضوضاء للعثور على البيانات التي تناسب الطريقة التي تم بها الأمور من قبل. على نحو فعال ، هذا منحاز لتشكيل القرار ، وليس البيانات.

لتلخيص ، ضمن إشراك العملاء في Watson ، نقوم بدمج القدرات المعرفية في عمليات لزيادة أداء العمل إلى أقصى حد ، وتحسين قرارات التجارة / التسعير ، وتحسين سلسلة التوريد بأكملها. يمكن للعملاء أيضًا الوصول إلى نفس واجهات برمجة تطبيقات Watson مباشرةً لتمكين التطبيقات والعمليات القديمة الخاصة بهم من خلال القدرات المعرفية. الأهم من ذلك هو أن واتسون يبرز الشذوذ ويوصي بالأفعال ويشرح السبب .

PCMag: يمكن القول أن تجارة B2B كانت أصعب من B2C من حيث التشغيل الآلي ، وتوسيع نطاق العطاءات والتسعير ، والشروط ، والمعاملات. على سبيل المثال ، في حين أن المستهلكين يتسوقون للأسعار ، ستضيف الشركات مفاوضات سعرية صعبة وتتوقع أن تحلى الصفقات بأعلى سعر للتسوق. كيف هي التجارة المعرفية ، أو الحوسبة المعرفية ، تستعد لتغيير كيف تتم صفقات B2B؟ وكيف سيتضمن ذلك تكاليف للمشترين وتحسين أرباح البائعين؟

KH: تعتبر التجارة B2B مثالاً رائعًا على كيفية تعلم المؤسسة لتسخير بعض الثورات المدهشة التي تحدث في عالم B2C لتعظيم الأرباح وتوفير تجارب تجارية أفضل للعملاء والشركاء. تواجه الشركات التي تبيع للشركات الصغيرة والمتوسطة بعض التحديات نفسها التي تواجه نظيراتها في البيع بالتجزئة ، بما في ذلك تآكل الهامش ، وتعارض القنوات ، ورضا العملاء ، و "تأثير أمازون" (عبر Amazon Business) ، مما يتيح للعملاء اختيار مسار الشراء المطلوب ، مما يتيح قم ببيع الأشخاص للتركيز على الفرص المناسبة من خلال توفير قناة معاملات وما شابه.

تتمثل الخطوة الأولى في تزويد شركائك وعملائك بتجربة شاملة أفضل من منافسيك والمستويات العالية من خدمة العملاء التي يتوقعها الناس في هذا اليوم وهذا العصر. إذا كنت عميلًا لك ، فهذا يعني أنك ستحتاج إلى معرفة شروط التسعير المتفاوض عليها ، وسجل الشراء الخاص بي ، وعرض المنتجات أو العروض ذات الصلة بعملي ، والسماح لي باستهلاك هذه المنتجات والخدمات في عميل - حل ودية. القدرات المعرفية يمكن ويجب أن تنسج طوال سلسلة القيمة بأكملها لتحقيق هذه الأهداف.

اليوم ، نرى هذا يحدث في العديد من الصناعات. لأخذها خطوة إلى الأمام ، خذ السؤال أبعد من مجرد "معاملة" وابدأ النظر في معنى B2B في مجموعة متنوعة من الصناعات وكيف يخدمون عملائهم.

على سبيل المثال ، يمكن للمصنعين الرائدين توقع أنماط الطقس لتجنب تعطل سلسلة التوريد ونقص المخزون أثناء طرح المنتج. يستخدم أحد عملائنا ، Kone ، بيانات إنترنت الأشياء من المصاعد لاستباق التلف وتحديد أولويات الصيانة قبل انقطاع الخدمة. في المجال الطبي ، تستخدم Quest Diagnostics Watson لتحليل خزعة ورم الفرد ومقارنة تسلسل الحمض النووي بملايين الصفحات من المجلات الطبية والأوراق البحثية والتجارب السريرية لتزويد أخصائي الأورام بأفضل توصية علاجية لهذا المريض بعينه..

من الواضح أن هذه الأمثلة مختلفة على نطاق واسع ولكنها تؤكد فقط أن الاحتمالات لا حصر لها. نحن فقط في بداية الرحلة المعرفية. لقد بدأنا للتو في اكتشاف العديد من الطرق التي يمكن أن تساعد بها هذه التكنولوجيا في تحسين العلاقات بين الشركات وعملائها.

PCMag: يحدث التحول الرقمي بوتيرة محمومة في كل مكان ويقوم بإنشاء بيانات أكثر بكثير مما رأيناه من قبل. لكن يعتقد علماء البيانات - ويبدو أن شركة IBM تتفق معهم - أنه لا ينبغي أن توجد البيانات بمعزل عن غيرها نظرًا لأن قيمتها تكمن إلى حد كبير في إضافة عمق ذي معنى وسياق لاستعلامات معقدة. لماذا يعتبر Watson مناسبًا بشكل فريد للعمل مع بيانات متباينة واستعلامات معقدة؟

KH: كما ناقشنا في وقت سابق ، 88 في المئة من جميع البيانات مظلمة بشكل فعال. بمعنى أن البيانات التي تحتوي على الأفكار التي نسعى جميعًا للعثور عليها ليست في مصادر البيانات التي يسهل هضمها أو تصفيتها. علاوة على ذلك ، يعد علماء البيانات موارد باهظة الثمن ولا يسهل عليهم تعلمهم عبر شركة بأكملها أو الشركات الأصغر.

مع Watson ، الهدف هو أخذ هذه البيانات المظلمة وجعلها قابلة للتنفيذ لأي شخص يحتاج إليها. الاحتمالات لا حصر لها. يتمتع Watson بقدرات فريدة لاستهلاك كميات كبيرة من البيانات المهيكلة وغير المنظمة بلغات مختلفة ، والتصرف بناءً على البيانات مع العديد من الخدمات الإدراكية ، وتحسين تجربة أي جمهور من مستخدمي الأعمال إلى المستهلكين ، وتوفير هذه الخدمات نفسها للشركات الأخرى لتضمينها ضمن طلباتهم.

هناك العديد من الأمثلة هنا. لأحدها ، يمكّن "Watson Tone Analyzer" من تحليل المحتوى اللغوي الذي يمكنه اكتشاف وفهم النغمات في المحادثات والاتصالات من أجل الاستجابة بشكل مناسب. تستخلص "إحصاءات شخصية واتسون" خصائص الشخصية بناءً على كيفية كتابة الشخص. تتيح لك "Watson Conversation" نشر روبوت أو وكيل افتراضي عبر الأجهزة أو منصات الرسائل مثل Slack أو حتى على روبوت.

و "التعرف البصري واتسون" يفهم محتويات الصور. هذا هو واحد من المفضلة لدي لأنه متعدد الاستخدامات. يمكنك استخدام Visual Recognition للكشف عن نوع معين من اللباس في متجر للبيع بالتجزئة ، وتحديد الفاكهة المدللة في مخزون متجر البقالة ، وتحليل الضرر الذي أحدثته عاصفة البرد على سقف أحد عملاء التأمين لديك ، وأكثر من ذلك بكثير.

PCMag: تجري عملية دمقرطة البيانات - أو على الأقل المخطط لها - في معظم المنظمات اليوم. لكن الجانب الثاني - استهلاك البيانات - يتجه أيضًا إلى الأعلى حيث يتخذ المستهلكون المزيد من القرارات التي تعتمد على البيانات كل يوم. ما الأدوار التي يمكن أن تلعبها واتسون والتجارة المعرفية في اتجاه استهلاك البيانات هذا؟

KH: إنها نقطة مهمة: لا يتم استخدام البيانات فقط لدفع المزيد من القرارات التجارية ، ولكن أيضًا يقود المزيد من قرارات المستهلك. مثل الشركات ، يريد المستهلكون المزيد من البيانات لاتخاذ خيارات أكثر استنارة ، لكنهم لا يريدون قضاء الكثير من الوقت والطاقة في البحث عن المزيد من البيانات. إنهم يريدون نتيجة سريعة ويعرفون أنه القرار الأمثل بناءً على ما يحتاجون إليه في تلك اللحظة بالذات. وأخيرًا ، يريدون التعرف على البيانات التي أبلغت هذا القرار.

مثالان: أولاً ، 1- 1-800-Flowers قدمت مؤخرًا "Gwyn" بمثابة روبوت بواب شخصي لمساعدة المتسوقين في العثور على أفضل منتج بناءً على المشاعر والتفضيلات الشخصية لمستلم الهدايا. باستخدام Watson ، يمكن لـ Gwyn التفاعل مع العملاء عبر الإنترنت باستخدام اللغة الطبيعية. على سبيل المثال ، قد يكتب العميل "أبحث عن هدية لأمي" ، وستتمكن Gwyn من تفسير هذا السؤال ، ثم تطرح عددًا من الأسئلة المؤهلة حول المناسبة والشعور لضمان أنها توفر وسيلة مناسبة وهدية اقتراح مصممة لكل عميل. يعمل هذا على تخصيص الكتالوج وإظهار بيانات أقل للمتسوق ، ويركز التفاعل بشكل خاص على ما يريد المتسوق إنجازه في تلك اللحظة.

وبالمثل ، يوفر الوجه الشمالي نهجًا تفاعليًا قائمًا على الحوار لمساعدة المتسوقين. ربما لن تفكر في السترات كمنتج معقد لكنها كذلك. هناك العديد من العوامل ، مثل نطاق الطقس ومستوى النشاط والتنقل التي قد لا يفكر المتسوق فيها في البداية. باستخدام قدرات Watson لتطبيق التفكير المنطقي وقدرتها على فهم اللغة الطبيعية وتصنيفها وتقييمها ، يسأل نظام North Face سلسلة مختصرة من الأسئلة الصقل لتقديم توصيات مخصصة للمنتج والمحتوى تتوافق مع رغبات المتسوق المفصلية وتفضيلاتها. كما يوضح سبب تطابق ميزات المنتج مع تلك الاحتياجات المحددة. هذا يكشف البيانات التي تحتاجها للتحقق من صحة التوصية.

نعتقد اعتقادا راسخا أن العملاء يتوقعون هذا المستوى من الخدمة المخصصة والشخصية عبر جميع القنوات. إنهم يريدون أن تكون التجربة أكثر من مجرد محادثة ، تجربة ، حيث يتم سؤالك "كيف يمكنني مساعدتك اليوم؟" هذا يشبه الخدمة التي تحصل عليها عند إدخال متجر بيع بالتجزئة معروف بخدمة عملاء رائعة. إن الشركات القادرة على تقديم أفضل تجارب العلامات التجارية ستكون ، في نهاية المطاف ، الشركات التي تحصل على أكبر حصة في السوق.

PCMag: يبدو أننا نقترب بسرعة من يوم واحد حتى عندما يكون تحليل البيانات في الوقت الفعلي ضئيلًا جدًا ومتأخرًا جدًا لبعض حالات الاستخدام. سنحتاج قريبًا إلى مساعدين استباقيين - أو مساعدين افتراضيين - لا نتوقعهم فحسب ، ولكننا نتوقع فعليًا ما سنحتاج إليه أو نريده حتى قبل أن نطلب ذلك. نرى بريقًا مبكرًا لذلك في "المساعد الاستباقي" الذي أعلنت عنه Google مؤخرًا ماذا تفعل IBM من حيث التحليلات الاستباقية؟

KH: هذا مجال كرست له IBM الكثير من الطاقة. لقد ركزنا على توفير القدرات المعرفية التي تساعد الشركات على تقديم تجارب مفيدة لإشراك العملاء لكل من سيناريوهات B2C و B2B. لقد ناقشنا بالفعل عدة أمثلة.

أعتقد أن الشركات تريد تاريخيا الوصول إلى أكبر قدر ممكن من البيانات ذات الصلة. مع انفجار البيانات الذي حدث خلال السنوات القليلة الماضية ، لدينا الآن الكثير من البيانات. المشكلة الآن هي كيفية جعل كل هذه البيانات قابلة للاستخدام دون تحيزات. بالإضافة إلى ذلك ، يتعين علينا الموازنة بين البيانات التاريخية الموجودة في نظام إدارة علاقات العملاء ، ولنقل ، مع واقع ما يحتاجه المشتري المحتمل الآن. لا يمكننا أن نتعمى إلا بما يخبره نظام CRM بأنها اشترته من قبل.

يمكن المعرفي تمكين CRM جديد أو على الأقل أن يكون متغيرًا فعالًا في القرار الكلي. قد يكون لدى الشركات الآلاف من نقاط البيانات على أي عميل واحد B2B أو حتى B2C. لكن هذه النظرة التاريخية يجب أن تأخذ في الاعتبار نقاط البيانات القليلة للغاية التي قد تكون الأكثر أهمية في الوقت الذي يدرس فيه العميل عملية الشراء. قد يشمل ذلك متغيرات مثل القصد والعواطف والاتجاهات والعوامل الخارجية الأخرى.

من أجل التنبؤ بأفضل إجراء تالي ، يحتاج كل عمل إلى تقييم أنماط شراء عملائه وتحديد متى تتغلب الحقائق الحالية أو المتوقعة لبيئتهم على بيانات CRM التاريخية. هذه هي رؤية التحليلات الاستباقية التي تعمل شركة IBM عليها.