Next Best Action e Intelligenza Artificiale

Dai servizi finanziari al mondo farmaceutico, le aziende stanno lavorando per definire nuove metodologie di ”customer engagement”. Questa esigenza nasce dal cambiamento di mentalità dei consumatori, come indicato da Deloitte. Più che far parte di un segmento, oggi i consumatori vogliono essere trattati come individui. Vogliono ricevere interazioni e raccomandazioni personalizzate. Nel mondo di oggi, in cui la mole di dati a disposizione è enorme e complessa, per soddisfare le richieste dei consumatori le aziende devono disporre di metodi più avanzati per coinvolgerli. A questo punto, l‘Intelligenza Artificiale (IA) è considerata uno dei più potenti strumenti di personalizzazione. Con la corretta implementazione dell’Intelligenza Artificiale, le aziende possono infatti rispondere alla domanda: “Come personalizzare l’esperienza dei clienti?”.

Sembra fantastico! Ma è probabile che chi ascolta queste argomentazioni faccia un passo indietro e si chieda: “Perché le aziende hanno necessariamente bisogno dell’Intelligenza Artificiale per andare oltre? Perché i classici modelli statistici non sono sufficienti per rispondere a queste esigenze?”.

Passare dai modelli statistici all’Intelligenza Artificiale

Cominciamo coll visualizzare l’attuale processo aziendale. Ci sono business analyst che osservano dashboard e report per estrarre insight dai dati utilizzando le loro competenze e che prendono decisioni sulla base di questi approfondimenti. Questi sono i cosiddetti dati “retrospettivi”. Sembra una soluzione scalabile? Un team di analisti aziendali può analizzare un’azienda con una clientela di migliaia di persone che si aspettano interazioni personalizzate in qualsiasi momento della giornata? La risposta è no. L’attuale metodologia di “customer engagement” non è scalabile e deve essere sostituita con una più avanzata. A questo punto, l’Intelligenza Artificiale automatizza la combinazione di business intelligence e processo decisionale.

Ciò non significa che l’Intelligenza Artificiale possa prendere il posto dei business analyst. Indipendentemente da quanto l’Intelligenza Artificiale sia in grado di produrre risultati significativi, il suo ruolo sarà sempre di supporto al processo decisionale e non di sostituzione del decisore umano. Facciamo un esempio più chiaro di questo punto. Utilizzando modelli statistici, le aziende possono rispondere a domande come: “Qual è la correlazione tra l’impiego dei canali digitali e la soddisfazione dei clienti?”, perché i modelli statistici ci permettono di fare inferenze sui dati. Rispondendo a queste domande, i business analyst sono in grado di fare un’ottima analisi della situazione attuale – osservando i dati passati (“retrospettivi”). D’altro canto, l’Intelligenza Artificiale ci permetterà di rispondere a domande come: “In base all’impiego dei canali digitali, quale sarà l’esperienza di questo specifico cliente nella sua prossima interazione?”. L’Intelligenza Artificiale ci aiuterà quindi a trovare modelli nei dati, invece di affidarci a modelli di scoring che contano solo il numero di interazioni. A tal fine, gli analisti aziendali svolgono ancora un ruolo cruciale nel fornire competenze umane. 

Le aziende che si stanno orientando verso metodologie basate sull’Intelligenza Artificiale sanno bene che quando i clienti si sentono considerati come individui e le loro esigenze vengono soddisfatte, sono molto più propensi a essere fedeli ai marchi e a diventarne ambassador. In questo percorso, un’altra domanda importante a cui rispondere è quali sono i casi d’uso dell’IA che possono migliorare l’esperienza di coinvolgimento dei clienti.

Intelligenza Artificiale e casi d’uso della Next Best Action

Analizziamo più a fondo quali casi d’uso potrebbero essere sviluppati con l’Intelligenza Artificiale nel campo del customer engagement! 

• L’Intelligenza Artificiale può supportare la vostra azienda nella definizione di un ritmo di vendita efficace, analizzando la percentuale di successo dei vari canali e utilizzandola come promemoria periodico per i team di vendita. In base all’interesse dei consumatori e agli obiettivi aziendali primari, l’Intelligenza Artificiale consente di prendere decisioni in tempo reale. 

• Dare un senso ai dati non strutturati! Ad esempio, le caratteristiche dei clienti, come l’età, il sesso, ecc. sono dati strutturati e quindi facilmente comparabili. Una libreria online può semplicemente confrontare le preferenze dei lettori di età compresa tra 18-25 e 26-30 anni. Tuttavia, il contenuto del libro è un dato non strutturato. Non è facile confrontare il contenuto di due libri solo in base alle loro copertine. Qui entra in gioco l’Intelligenza Artificiale, che può etichettare (“taggare”) il contenuto di un libro in modo da sapere, ad esempio, che questo libro parla di una certa epoca storica. In questo modo, grazie all’Intelligenza Artificiale, un’azienda produttrice di libri online può effettuare un’analisi più avanzata delle preferenze dei propri clienti.

• Per indirizzare ai clienti giusti offerte pertinenti, un prodotto specifico o una soluzione basata sui servizi, a seconda delle loro esigenze. Le interazioni personalizzate aggiungono un valore elevato all’esperienza del cliente. I raccomandatori aiutano a trovare i contenuti che abbiano una relazione, così come contenuti che state cercando o che non sapevate di volere. 

• L’Intelligenza Artificiale accelera il processo decisionale ricorrente. Facciamo un esempio di ROI! Se dovete analizzare una campagna di marketing una tantum e valutare il vostro ROI, potete procedere con i metodi tradizionali. Ma se si gestiscono molte campagne contemporaneamente con migliaia e milioni di clienti e si vuole agire in tempo reale? In questo caso vi serve un sistema di intelligenza artificiale in grado di analizzare immediatamente il ROI corrente e di consigliare la prossima migliore azione.

• È possibile avere una regola scritta a mano per tutti i processi aziendali? No, le regole scritte a mano sono difficili da mantenere! L’Intelligenza Artificiale può aiutarvi a trasformare le regole aziendali in automazione, riconoscendo le tendenze e gli schemi nei dati, in modo che possiate concentrarvi su questioni più importanti.  
   

Creare un approccio basato sui dati dell’Intelligenza Artificiale per la Next Best Action

Le aziende che iniziano per la prima volta il loro percorso nell’Intelligenza Artificiale sono principalmente alle prese con la pianificazione e l’inserimento della nuova soluzione nel processo aziendale esistente. Un approccio soft consiste nel cominciare a valutare la maturità dei dati e della tecnologia e definire quali sono i piccoli passi da poter compiere. L’IA non è qualcosa che le aziende comprano o implementano una volta sola e che utilizzano per molto tempo. Al contrario, richiede un inizio in piccola scala e una regolare valutazione dell’andamento, in modo che la soluzione possa essere messa a punto per le esigenze di ogni azienda. Per questo è meglio non aspettare che i dati siano perfetti, ma iniziare con la comprensione dei dati stessi.

Questa metodologia in 4 fasi può essere utile per iniziare il vostro viaggio nell’NBA basata sull’Intelligenza Artificiale:

1. Fondamento dei dati: Disporre di una piattaforma di dati dei clienti che fornisca una visione a 360 gradi. Questo vi permetterà di monitorare ciò che è già disponibile e ciò che è necessario. Alla fine, sarete in grado di formulare una data strategy.

2. Estrarre gli insight: Collaborate con i team di analisi avanzata per seguire i segnali che possono emergere dai vostri dati. Comprendete come le vostre regole aziendali siano collegate agli insight estratti. Alla fine, sarete in grado di mappare chiaramente la business intelligence e il vostro processo decisionale.

3. Disegnare i modelli di IA: Individuare una piccola domanda aziendale a cui l’IA può dare una risposta – sulla base della mappatura effettuata al punto 2 – e iniziare a sviluppare una governance attorno a questo modello. Identificate l’impatto del vostro modello con un POC parallelo alla metodologia attuale.

4. Distribuire: Una volta che le parti interessate sono soddisfatte del successo del modello, questo è pronto per essere inserito nel processo aziendale! Ricordate che l’IA non è un’integrazione one shot, quindi raccogliere feedback e migliorare i modelli aumenterà l’affidabilità e creerà una cultura dell’innovazione.