Video: re:publica 2018 – Sven Krüger: Künstliche Intelligenz und die Zukunft des Marketing (Dezember 2024)
Künstliche Intelligenz (KI) war ein Begriff, der fast ausschließlich in der Science-Fiction verwendet wurde, um alles von Armageddon-besessenen Supercomputern bis hin zu unglücklichen Fabrikrobotern, die durch irrtümliche Blitze empfindungsfähig gemacht wurden, mit Energie zu versorgen. Heute wird AI verwendet, um die nahe Zukunft praktisch aller Aspekte eines Unternehmens zu beschreiben, die die Daten eines Unternehmens nutzen. Das Problem ist, dass die Entwickler der KI-Technologie, ähnlich wie in den Anfängen des Cloud-Computing, dazu neigen, sie unterschiedlich zu definieren. Dies hat KI, maschinelles Lernen (ML), Predictive Analytics und sogar virtuelle Assistenten zu einem verwirrenden Marketing-Morast gemacht.
Darüber hinaus ist es schwierig geworden, genau zu bestimmen, wie sich diese Technologien auf verschiedene Aspekte des Geschäfts auswirken. E-Commerce ist ein Schlüsselbereich, in dem KI und die damit verbundenen Technologien schon lange einen Einfluss hinter die Kulissen haben. Smart Analytics im E-Commerce bieten neue Funktionen, von personalisierten Einkaufserlebnissen bis hin zur vorausschauenden Analyse des Kundenverhaltens. Wir sprachen mit Kris Hamrick, dem für IBMs Watson Customer Engagement zuständigen Manager der Business Unit, um die Unklarheiten in Bezug auf KI und E-Commerce zu beseitigen. Wir diskutierten auch, wie Big Blue IBM Watson im E-Commerce-Bereich einsetzen wird.
PCMag: Danke, dass Sie sich die Zeit genommen haben, mit uns zu sprechen. Zu Beginn ist es einfach, personalisierte Werbung mit "kognitivem Handel" zu verwechseln, da sowohl Daten als auch Analysen verwendet werden, um Angebote an Kundenpräferenzen und -gewohnheiten anzupassen. Es ist auch üblich, kognitiven Handel und virtualisierte Assistenten wie Amazon Alexa und Google Assistant zu verwechseln. Wie sieht IBM die Unterschiede zwischen diesen AI-gesteuerten Konzepten?
Lassen Sie mich erklären, wie IBM AI von Cognitive Computing unterscheidet. KI ist die Fähigkeit eines Computers, wie ein Mensch zu verstehen und zu argumentieren. Cognitive Computing beinhaltet die Fähigkeit, Menschen und Maschinen zu verstehen, zu argumentieren, zu lernen und zu interagieren, damit sie voneinander lernen und auf eine Weise interagieren können, die in Kombination wirkungsvoller ist.
Daten ebnen den Weg für die KI. Was ist mit all diesen Daten außerhalb einer Anwendung, über Geschäftsbereiche, externe Quellen, dunkle Daten und mehr? Wir leben in einer Welt unterschiedlicher Systeme, die in Kombination, wenn Verbindungen über Daten oder neue identifizierte Muster hergestellt werden, den Wert 1 + 1 = 3 liefern können. Was Watson einzigartig macht, ist der Zugriff auf all diese verschiedenen Datenquellen, kombiniert mit den kognitiven Fähigkeiten, mit Menschen zu interagieren, Geschäftsfragen zu verstehen, den Grund für die Aktion zu ermitteln und letztendlich aus dieser Interaktion zu lernen und dieses Lernen in zukünftigen Abfragen zu verwenden.
In Bezug auf Personalisierung und kognitiven Handel bietet Watson Anwendern die Möglichkeit, über das Kundenbeziehungsmanagement hinausgehende Analysen durchzuführen, um tiefere Einblicke zu gewinnen und weitere Informationen wie dunkle Daten wie soziale Medien, Chatrooms, Kundenserviceaufzeichnungen usw. zu verarbeiten Daten, die an moderne CRMs angehängt werden können. Mit Watson können Kampagnen aus detaillierteren Informationen und Erkenntnissen erstellt und Dinge wie Preisgestaltung, Erfüllung und Versandausführung optimiert werden. Nehmen Sie Herausforderungen vorweg, bevor sie eintreten, und verbessern Sie letztendlich die KPIs. Dies verbessert exponentiell die Möglichkeit für Benutzer, über Funktionsbereiche hinweg zusammenzuarbeiten und mit weniger Aufwand eine bessere Auswirkung auf das Unternehmen zu erzielen.
Unternehmen versuchen dies heute mit den ihnen zur Verfügung stehenden Ressourcen. Sie haben Berichte, viele Tabellenkalkulationen und viele Besprechungen über all diese Daten und ihre Intuition. Letztendlich werden sie jedoch in vielen Fällen auf der Grundlage einer kognitiven Verzerrung ausgeführt. Dies bedeutet, dass sie alle Daten und Geräusche filtern, um Daten zu finden, die den vorherigen Abläufen entsprechen. Tatsächlich ist dies eine Verzerrung, die die Entscheidung prägt, keine Daten.
Zusammenfassend lässt sich sagen, dass wir im Rahmen von Watson Customer Engagement kognitive Funktionen in Prozesse einbetten, um die Geschäftsleistung zu maximieren, Merchandising- / Preisentscheidungen zu verbessern und die gesamte Lieferkette zu optimieren. Clients können auch direkt auf dieselben Watson-Anwendungsprogrammierschnittstellen zugreifen, um ihre eigenen Legacy-Anwendungen und -Prozesse mit kognitiven Funktionen zu aktivieren. Am wichtigsten ist, dass Watson die Anomalien aufdeckt, Maßnahmen empfiehlt und erklärt, warum .
PCMag: B2B-Handel war in Bezug auf die Automatisierung und Skalierung von Angeboten und Preisen, Bedingungen und Transaktionen wohl schwieriger als B2C. Während die Verbraucher beispielsweise nach Preisen suchen, werden die Unternehmen harte Preisverhandlungen aufnehmen und sogar Deal-Sweetener zusätzlich zu den Preiseinkäufen erwarten. Wie kann Cognitive Commerce oder Cognitive Computing die Abwicklung von B2B-Geschäften verändern? Und wie wird das die Kosten für Käufer begrenzen und die Gewinne für Verkäufer verbessern?
KH: B2B-Handel ist ein großartiges Beispiel dafür, wie das Unternehmen lernt, einige der erstaunlichen Revolutionen in der B2C-Welt zu nutzen, um Gewinne zu maximieren und bessere Handelserfahrungen für Kunden und Partner zu ermöglichen. Unternehmen, die an kleine bis mittelständische Unternehmen verkaufen, haben einige der gleichen Herausforderungen zu bewältigen wie ihre Kollegen im Einzelhandel, darunter Margenerosion, Kanalkonflikte, Kundenzufriedenheit und der "Amazon-Effekt" (über Amazon Business) Vertriebsmitarbeiter können sich auf die richtigen Möglichkeiten konzentrieren, indem sie einen Transaktionskanal und dergleichen bereitstellen.
Der erste Schritt besteht darin, Ihren Partnern und Kunden ein besseres Gesamterlebnis zu bieten als der Wettbewerb und den hohen Kundenservice, den die Menschen heutzutage erwarten. Wenn ich Ihr Kunde bin, bedeutet dies, dass Sie meine ausgehandelten Preiskonditionen und meine Kaufhistorie kennen, mir die für mein Unternehmen relevanten Produkte oder Angebote anzeigen und mir erlauben müssen, diese Produkte und Dienstleistungen in einem kundenorientierten Unternehmen zu konsumieren. freundliche Lösung. Kognitive Fähigkeiten können und sollten in der gesamten Wertschöpfungskette verwoben sein, um diese Ziele zu erreichen.
Heute sehen wir dies in vielen Branchen. Um noch einen Schritt weiter zu gehen, stellen Sie sich der Frage, die über eine "Transaktion" hinausgeht, und überlegen Sie, was B2B in einer Vielzahl von Branchen bedeutet und wie sie ihre Kunden bedienen.
Führende Hersteller können beispielsweise Wetterbedingungen antizipieren, um Unterbrechungen der Lieferkette und Bestandsverknappungen während einer Produkteinführung zu vermeiden. Einer unserer Kunden, Kone, verwendet IoT-Daten von Aufzügen, um den Verschleiß zu antizipieren und die Wartung vor einem Serviceausfall zu priorisieren. Im medizinischen Bereich verwendet Quest Diagnostics Watson, um die Biopsie des Tumors einer Person zu analysieren und die DNA-Sequenzierung mit Millionen von Seiten medizinischer Fachzeitschriften, Forschungsarbeiten und klinischer Studien zu vergleichen, um einem Onkologen die beste Behandlungsempfehlung für diesen bestimmten Patienten zu geben.
Diese Beispiele sind offensichtlich sehr unterschiedlich, aber das unterstreicht nur, dass die Möglichkeiten endlos sind. Wir stehen erst am Anfang der kognitiven Reise. Wir fangen gerade erst an herauszufinden, auf welche Weise diese Technologie dazu beitragen kann, die Beziehungen zwischen Unternehmen und ihren Kunden zu verbessern.
PCMag: Die digitale Transformation vollzieht sich überall rasant und erzeugt erheblich mehr Daten als jemals zuvor. Datenwissenschaftler sind jedoch der Ansicht - und IBM scheint dem zuzustimmen -, dass Daten nicht isoliert existieren sollten, da ihr Wert hauptsächlich darin besteht, komplexen Abfragen eine aussagekräftige Tiefe und einen aussagekräftigen Kontext zu verleihen. Warum eignet sich Watson in einzigartiger Weise für die Arbeit mit unterschiedlichen Daten und komplizierten Abfragen?
KH: Wie bereits erwähnt, sind 88 Prozent aller Daten effektiv dunkel. Das heißt, Daten, die die Erkenntnisse enthalten, nach denen wir alle streben, befinden sich nicht in Datenquellen, die leicht zu verdauen oder zu filtern sind. Darüber hinaus sind Datenwissenschaftler teure Ressourcen und können ihre Erkenntnisse nicht einfach auf ein ganzes Unternehmen oder auf kleinere Unternehmen übertragen.
Mit Watson ist es das Ziel, diese dunklen Daten für jeden, der sie benötigt, umsetzbar zu machen. Die Möglichkeiten sind endlos. Watson verfügt über die einzigartige Fähigkeit, große Mengen strukturierter und unstrukturierter Daten in verschiedenen Sprachen zu verarbeiten, auf die Daten mit einer Vielzahl von kognitiven Diensten zu reagieren, die Benutzererfahrung für jedes Publikum, vom Geschäftsbenutzer bis zum Verbraucher, zu optimieren und dieselben Dienste für andere Unternehmen zum Einbetten bereitzustellen innerhalb ihrer Anwendungen.
Hier gibt es viele Beispiele. Zum einen ermöglicht der "Watson Tone Analyzer" eine linguistische Inhaltsanalyse, die Töne in Gesprächen und Kommunikationen erkennen und verstehen kann, um angemessen zu reagieren. "Watson Personality Insights" extrahiert Persönlichkeitsmerkmale basierend darauf, wie eine Person schreibt. Mit "Watson Conversation" können Sie einen Bot oder virtuellen Agenten auf verschiedenen Geräten, Messaging-Plattformen wie Slack oder sogar auf einem Roboter bereitstellen.
Und "Watson Visual Recognition" versteht den Inhalt von Bildern. Das ist einer meiner Favoriten, weil es so vielseitig ist. Mithilfe der visuellen Erkennung können Sie einen bestimmten Kleidertyp in einem Einzelhandelsgeschäft erkennen, verdorbene Früchte im Inventar eines Lebensmittelgeschäfts identifizieren, den Schaden analysieren, den ein Hagelsturm auf dem Dach eines Ihrer Versicherungskunden angerichtet hat, und vieles mehr.
PCMag: Die Demokratisierung von Daten ist derzeit in den meisten Organisationen im Gange - oder zumindest geplant. Die Kehrseite - die Konsumierung von Daten - ist jedoch auch im Aufwärtstrend begriffen, da die Verbraucher jeden Tag mehr datenbasierte Entscheidungen treffen. Welche Rolle spielen oder können Watson und Cognitive Commerce bei diesem Trend zur Datenkonsumerisierung?
KH: Das ist ein großartiger Punkt: Daten werden nicht nur verwendet, um mehr Geschäftsentscheidungen zu treffen, sondern auch, um mehr Verbraucherentscheidungen zu treffen. Wie Unternehmen möchten Verbraucher, dass mehr Daten fundiertere Entscheidungen treffen, aber sie möchten nicht viel Zeit und Energie darauf verwenden, mehr Daten zu durchsuchen. Sie wollen ein schnelles Ergebnis und wissen, dass es die optimale Entscheidung ist, basierend auf dem, was sie gerade brauchen. Schließlich möchten sie einen Einblick in die Daten erhalten, die diese Entscheidung beeinflusst haben.
Ein paar Beispiele: Erstens hat 1-800-Flowers kürzlich "Gwyn" als persönlichen Concierge-Bot eingeführt, um den Käufern dabei zu helfen, das beste Produkt zu finden, basierend auf der Stimmung und den persönlichen Vorlieben des Geschenkempfängers. Mit Watson kann Gwyn mit Online-Kunden in natürlicher Sprache interagieren. Ein Kunde könnte beispielsweise Folgendes eingeben: "Ich suche nach einem Geschenk für meine Mutter", und Gwyn kann diese Frage interpretieren und dann eine Reihe von qualifizierenden Fragen zu Anlass und Stimmung stellen, um sicherzustellen, dass sie eine angemessene Antwort liefert und maßgeschneiderte Geschenkvorschläge für jeden Kunden. Dies personalisiert den Katalog, zeigt dem Käufer weniger Daten an und konzentriert die Interaktion speziell auf das, was der Käufer in diesem Moment erreichen möchte.
In ähnlicher Weise bietet The North Face einen interaktiven, dialogbasierten Ansatz, um seine Kunden zu unterstützen. Sie würden Jacken wahrscheinlich nicht als kompliziertes Produkt ansehen, aber das sind sie. Es gibt viele Faktoren wie Wetter, Aktivitätsgrad und Mobilität, die ein Käufer anfangs möglicherweise nicht berücksichtigt. Das North Face-System nutzt die Fähigkeiten von Watson zur Anwendung logischer Überlegungen und zum Verstehen, Kategorisieren und Bewerten der natürlichen Sprache und stellt eine kurze Reihe von Verfeinerungsfragen, um maßgeschneiderte Produkt- und Inhaltsempfehlungen zu liefern, die den artikulierten Wünschen und Vorlieben des Käufers entsprechen. Darin ist auch der Grund angegeben, warum die Produkteigenschaften diesen spezifischen Anforderungen entsprechen. Dies legt die Daten offen, die Sie zur Validierung der Empfehlung benötigen.
Wir sind der festen Überzeugung, dass die Kunden diesen maßgeschneiderten, personalisierten Service über alle Kanäle hinweg erwarten. Sie möchten, dass die Erfahrung eher ein Gespräch ist, eine Erfahrung, bei der sie gefragt werden: "Wie kann ich Ihnen heute helfen?" Dies entspricht dem Service, den Sie erhalten, wenn Sie ein Einzelhandelsgeschäft betreten, das für hervorragenden Kundenservice bekannt ist. Die Unternehmen, die in der Lage sind, die besten Markenerlebnisse zu bieten, werden letztendlich diejenigen sein, die den größten Marktanteil erobern.
PCMag: Es scheint, dass wir uns bereits einem Tag nähern, an dem selbst die Echtzeit-Datenanalyse zu wenig und für einige Anwendungsfälle zu spät ist. Wir werden bald proaktive Assistenten - oder virtuelle Assistenten - brauchen und erwarten, die nicht nur vorhersagen, sondern tatsächlich vorhersagen, was wir brauchen oder wollen, noch bevor wir danach fragen. Wir sehen erste Anzeichen dafür in Googles kürzlich angekündigtem "Proactive Assistant". Was macht IBM in Bezug auf proaktive Analysen?
KH: Dies ist ein Bereich, für den IBM viel Energie aufgewendet hat. Wir haben uns darauf konzentriert, kognitive Funktionen bereitzustellen, die Unternehmen dabei unterstützen, aussagekräftige Kundenbindungserfahrungen für B2C- und B2B-Szenarien zu liefern. Wir haben bereits einige Beispiele besprochen.
Ich glaube, dass Unternehmen in der Vergangenheit so viele relevante Daten wie möglich haben wollten. Mit der Datenexplosion in den letzten Jahren haben wir jetzt viele Daten. Das Problem ist nun, wie all diese Daten ohne Vorurteile nutzbar gemacht werden können. Darüber hinaus müssen wir historische Daten, die beispielsweise in einem CRM-System enthalten sind, mit den Realitäten abwägen, die ein potenzieller Käufer jetzt benötigt. Wir können uns nicht nur von dem blenden lassen, was das CRM-System über ihren vorherigen Kauf mitteilt.
Cognitive kann ein neues CRM ermöglichen oder zumindest eine Variable in der Gesamtentscheidung sein. Unternehmen können Tausende von Datenpunkten auf einem einzelnen B2B- oder sogar B2C-Kunden haben. Bei dieser historischen Betrachtung müssen jedoch die wenigen Datenpunkte berücksichtigt werden, die zu dem Zeitpunkt, zu dem der Kunde einen Kauf erwägt, möglicherweise am wichtigsten sind. Dies kann Variablen wie Absicht, Emotionen, Trends und andere externe Faktoren umfassen.
Um die nächstbeste Maßnahme vorherzusagen, muss jedes Unternehmen die Kaufmuster seiner Kunden bewerten und bestimmen, wann die aktuellen oder vorhersehbaren Realitäten seiner Umgebung die historischen CRM-Daten übertreffen. Das ist die Vision für proaktive Analysen, auf die IBM hinarbeitet.
