品牌与消费者之间的关系正在经历一场真正的营销技术革命。客户体验与人工智能的结合，已从实验室实验发展成为区分品牌与平庸品牌的关键驱动力。如今，消费者不再满足于仅仅获得优质产品：他们希望每一次互动都是为他们量身定制的，符合他们的情境，在他们选择的时刻，并通过他们偏好的渠道进行。
在如今的新格局下，人工智能——尤其是生成式人工智能——已经渗透到客户体验的方方面面：从创意营销活动的设计到聊天投诉的处理，再到产品推荐。那些成功将自动化、数据和人工判断相结合的公司，正在创造令人难忘、高度个性化，而且更具成本效益的体验。
生成式人工智能究竟是什么？它为何正在改变客户体验？
当我们谈论生成式人工智能时，我们指的不仅仅是能够编写文本或生成图像的“神奇”工具；我们指的是经过海量数据训练的模型，这些模型能够识别模式、学习结构并生成新的内容：文本、图像、音频、视频，甚至是合成语音。
这些模型依赖于机器学习和深度学习技术，不仅能够模拟人类决策，还能以纯粹的人类团队无法企及的方式将这些决策结合起来并进行规模化扩展。传统人工智能通常侧重于分类、预测或分割，而生成式人工智能则在此基础上增添了创造性：它可以撰写、设计、创作和提出建议。
在市场营销和客户体验领域，最有趣的事情发生在两层架构融合之时：传统人工智能分析目标受众、触达时间以及渠道；生成式人工智能则负责为目标受众和特定情境生成最合适的内容。一个引擎决定目标受众，另一个引擎则负责生成内容和方式。这种结合是用户体验领域诸多高级个性化策略的基础。
不乏知名的例子：GPT-4 或 DALL·E 等模型已经流行起来，但与此同时，许多公司也开始开发自己的或半定制的模型，用他们的内部数据、品牌基调和特定需求进行训练。
IBM 的 Granite 基础模型库就是一个鲜明的例子。该模型库利用来自法律、学术和金融等行业的业务数据进行微调，使人工智能的行为更好地契合现实世界中受监管的业务场景。在此基础上，每家公司都可以叠加其历史客户互动数据，并构建用于销售、支持、营销或分析的特定层级。
基础模型、专有数据以及人工智能应用成熟度
当企业将强大的基础模型与自身数据相结合时，就会实现质的飞跃。此时，人工智能不再是通用工具，而成为竞争对手难以复制的战略优势。
在实践中，这意味着采用一个通用模型（基于广泛且多样化的数据进行训练），并使用内部信息对其进行“微调”：购买历史、聊天记录、支持电子邮件、调查反馈、投诉等。通过这一附加层，人工智能可以学习品牌的语言、客户画像以及行业的细微差别。
根据近期研究（例如IBM商业价值研究院的研究），超过半数的市场总监已经在考虑基于企业自身数据开发基础模型。他们不仅希望节省时间，还希望构建差异化的AI资产，从而在未来数年内持续创造价值。
从成熟度来看，我们可以将公司内部的 AI 采用程度大致分为三个级别：从偶尔使用预先设计的工具，到将项目更多地融入市场营销和服务，再到由 AI 驱动的整个组织的数字化转型，其中技术渗透到流程、文化、产品和服务以及客户关系中。
尽管许多公司最初都采用“现成的”解决方案——基本聊天机器人、常见问题解答助手、电子邮件自动化——但现在越来越常见的是，将实时人工智能与多个数据源和强大的业务个性化组件相结合的项目。
智能自动化：聊天机器人、助手和全天候支持
人工智能应用最广泛的领域之一是客户服务。服务部门需要处理海量的互动，其中很大一部分是重复性的或低复杂度的——而这恰恰是人工智能可以轻松处理的任务类型。
聊天机器人和虚拟助手已经存在多年，但生成式人工智能为它们注入了新的活力：它们现在能够提供更加自然、符合语境且准确的回复，记住对话内容并适应用户的语气。这不再仅仅是回答常见问题，而是要保持流畅的对话，使其不再显得生硬机械。
Salesforce 的数据显示，约 69% 的高绩效客户服务领导者已经在使用人工智能，据估计，到 2025 年，约95% 的客户互动将以某种方式由人工智能系统管理，主要通过聊天机器人和对话助手。
在一线护理中大量使用人工智能具有双重效果：一方面，它降低了成本和响应时间；另一方面，它使人们从日常工作中解放出来，以便他们能够专注于复杂或具有情感价值的病例，在这些病例中，人情味仍然是不可替代的。
事实上，IBM 的研究表明，将人工智能集成到服务流程中，平均可缩短 33% 的响应时间，从而减少客户的沮丧情绪，减轻员工的工作负担。
从数据到洞察：高级分析和行为预测
人工智能不仅能做出反应，还能进行观察。在企业积累海量数据（交易记录、网页浏览记录、社交媒体数据、应用互动数据、评论数据等等）的背景下，最大的挑战是如何从这些纷繁复杂的信息中实时提炼出可执行的洞察。
机器学习算法和预测分析能够检测到肉眼无法看到的模式：一天中不同时间与购买概率之间的相关性、泄漏的早期迹象、具有非常具体行为的细分市场，或产生摩擦的体验要素。
数据足以说明一切：近84% 使用人工智能进行预测分析的公司表示，投资回报期不到一年。这是因为，借助预测技术，他们可以预估需求、优化库存、调整价格，并在客户最容易接受的时机精准投放营销活动。
电子商务中的产品推荐就是一个绝佳的例子。系统不再仅仅关注你之前的购买记录，还会分析你的浏览方式、你放弃的商品、你在每个产品页面停留的时间，甚至在掌握更高级的互动数据的情况下，还会考虑你的情绪状态。每一次点击都会被输入到模型中，模型会在几秒钟内不断优化推荐内容。
与此同时，情感分析和情绪测量等技术正日益普及。2020年全球人工智能驱动的情感分析市场规模为2,71亿美元，预计到2026年将达到约15,83亿美元。品牌可以利用这些工具更好地了解对话的语气，识别即将感到不满的客户，并主动调整营销策略。
能够感知情感的AI：包括情绪、声音、面部表情和沉浸式体验
当人工智能不仅能识别顾客说了什么，还能识别他们说话的方式和感受时，人与数字之间的界限就变得模糊不清了。计算机视觉和语音处理技术的进步使得实时识别情感细微差别成为可能，从而与感官营销相结合。
一些公司已经在使用系统来分析通话或视频通话中的语调、语音节奏或面部表情，以便调整回应：如果检测到愤怒，他们会优先考虑同理心和快速解决方案；如果察觉到怀疑，他们会提供更详细的解释；如果看到热情，他们可以借此机会在不打扰对方的情况下提出追加销售建议。
宜家和多邻国等品牌更进一步，创建了具有各自独特个性的虚拟助手。这些并非简单的机器人，而是与品牌形象相符的角色：平易近人、轻松随意、严肃认真、寓教于乐……这使得互动更加令人难忘，并加强了与用户的情感联系。
有一些非常有趣的实验，例如根据客户的个人资料和来电原因实时创作个性化等待音乐的系统，或者利用人工智能驱动的超逼真数字虚拟形象通过视频接听电话，并在纯数字环境中提供人性化的存在感。
生成式人工智能也为增强现实（AR）和虚拟现实（VR）的沉浸式体验打开了大门。在元宇宙和类似环境中，人工智能可以生成动态场景，并根据用户的行为和偏好进行调整：例如，根据你的喜好而变化的展厅、你的选择会改变故事走向的互动叙事，或者能够记住你看过什么、试过什么以及喜欢什么的虚拟助手。
极致个性化：从细分到超个性化
个性化不再仅仅是在邮件主题中加上收件人的姓名。到2025年，消费者希望在他们使用的所有渠道上，都能实时获得量身定制的互动体验——这一需求也解释了用户体验课程对品牌经理的价值所在。
生成式人工智能可以让你超越传统的细分：它可以根据每个人的历史记录、最近的行为、背景，以及在某些情况下，他们的情绪，为每个人创建独特的消息、建议、优惠和创意。
据麦肯锡等机构估计，利用人工智能实现客户体验个性化的公司平均营收增长约19%。此外，近63%的消费者认为，如果使用得当，人工智能将改善他们与品牌的关系，这进一步印证了精心设计的个性化体验能够建立信任的观点。
有很多实际例子：从根据您的历史记录和偏好完美匹配的推荐邮件，到动态的实时优惠，这些优惠会根据您是否放弃购物车、一段时间未购买或属于高价值客户群体而进行调整。甚至广告也可以在增强现实环境中“即时”生成，以适应检测到的您的面部表情。
这种高度个性化的服务不仅能提升用户体验，还能提高转化率并增强客户忠诚度。据 Twilio 的《客户互动状况报告》等研究显示，86% 的消费者表示，个性化体验能提升他们对特定品牌的忠诚度。
预测性人工智能：在客户开口之前预测他们的需求
昨天的分析技术与今天的AI之间的关键区别在于，我们现在不仅知道已经发生了什么，还能预测如果我们什么都不做会发生什么。预测性AI已成为我们预判客户问题和需求的重要工具。
通过分析历史数据和实时数据，这些模型可以预测购买时间、放弃率、欺诈风险或额外支持需求。这使得系统能够采取主动措施：例如，在积分过期前发送提醒邮件，在用户注册过程中遇到困难时提供帮助信息，或者在系统检测到用户挫败感激增时安排人工客服电话。
例如，在保险等行业，人工智能语音分析技术已被应用于理赔电话中，以检测与潜在欺诈相关的模式。其目的并非指责客户，而是为了识别需要人工团队进一步审查的案例。
基于因果人工智能的更高级模型正超越相关性分析：它们力求理解哪些因素真正驱动着特定行为。这使得企业能够采取更精准的策略，例如根据真正驱动客户决策的因素动态调整价格或设计完全自适应的体验路径。
其结果是，用户感觉体验更加流畅、更加及时，而公司则优化了资源，减少了投诉，避免了不必要的损失。
客户人工智能和新一代体验平台
要充分发挥人工智能的潜力，仅仅拥有“人工智能”是不够的。许多品牌正在投资于能够将数据、模型和渠道整合到单一平台下的系统，这些平台通常被称为客户人工智能解决方案或高级个性化套件。
例如，Twilio 等工具采用的方法是将大型语言模型 (LLM) 与来自其自身平台的客户数据和通信日志相结合。这使它们能够捕获实时信号（点击、打开、购买、聊天回复等），利用人工智能进行解读，并立即触发营销、销售或服务方面的最佳后续行动。
关键在于，所有这些决策都是基于统一的客户视角做出的，打破了部门间传统的壁垒。该平台构建了一个动态的客户画像，供所有团队使用，而不是像以往那样，市场部、销售部、服务部各自拥有不同的客户画像。
借助这类解决方案，企业可以从大规模的“看看会发生什么”的营销活动，转变为高度精心策划的旅程，其中每一次互动都会根据最新的信号进行调整：例如，您是否打开了电子邮件、与客服聊天、访问了着陆页等等。用户的每一个操作都是人工智能改进下一步行动的线索。
从回顾性营销（报告已经发生的事情）到主动的、人工智能驱动的营销的转变，也改变了客户的期望，他们开始认为品牌更加一致、更加关注、更加人性化，即使很多操作都是自动化的。
内部挑战：人才、组织和全渠道生态系统
在客户体验中应用人工智能不仅仅是技术问题，它还涉及到工作方式的重新设计。其中最大的挑战之一是人才管理，尤其是在呼叫中心等近年来人员流动率飙升的环境中。
诸如Cresta Insights之类的报告显示，自疫情爆发以来，客服人员的离职率已接近80%，而疫情前这一数字要低得多。这种不稳定性阻碍了战略性人工智能项目的实施，增加了培训成本，并可能严重影响客户体验的一致性。
另一个挑战是品牌角色的转变：在许多行业，客户不再仅仅为了咨询订单而联系品牌，而是寻求建议和支持。企业不再仅仅是产品供应商，而是成为值得信赖的顾问，在购买之前，在销售漏斗的初始阶段就发挥作用。
这需要构建一个强大的全渠道生态系统，让客户可以随时选择互动渠道，而品牌方不会强迫他们使用最便宜的选项。为了实现这一点，必须消除信息孤岛，连接数据，并确保能够追踪用户在整个购买旅程中的行为，即使他们切换渠道也能识别他们。
在这种情况下，“合适的渠道”之类的概念就变得很重要：这不是不惜一切代价在所有渠道上投入资源，而是能够实时决定哪个渠道最适合那个人在那个时刻、以那个目的进行传播。
从“I”类专家到“T”类人才：人工智能时代的新型代理机构
对于创意人员、代理商和营销团队而言，生成式人工智能的兴起使许多技术任务变得大众化。任何专业人士现在都可以使用便捷的工具生成文案草稿、基础报告或初步方案。这迫使人们重新思考真正能区分代理商或创意团队的要素，正如平面设计作品集所展现的那样。
提供战略清晰性、整合思维和智能实时数据分析的能力正变得日益重要。优秀的代理机构不再仅仅是“创作作品”，而是扮演着业务伙伴的角色，帮助客户决定做什么、为什么要做以及如何衡量效果。
在此背景下，许多人都在讨论从“I”型人才向“T”型人才的转变。“T”型人才的竖线代表深厚的专业知识（例如SEO、SEM、社交广告、用户体验、数据等），这些知识仍然至关重要。横线则体现了整合不同领域、理解客户整体业务以及将数据和技术转化为具有实际影响的决策的能力。
有些团队会用价值方程式来阐述这个理念，其中人工智能和数据能够倍增潜力，但决定性因素仍然是人的判断。技术让我们能够在几秒钟内从数据得出结论，但我们需要有人能够提出正确的问题，解读上下文，并在所有可能的行动方案中做出优先级排序。
在这种新环境下，提示——即向人工智能发出指令的艺术——成为一项战略技能。好的提示并非随意拼凑的短语，而是创造性综合、客户洞察和对预期结果的清晰构想的融合。人工智能不再仅仅是工具，而是需要引导的智能伙伴。
隐私、道德和透明度：信任的代价
所有这些个性化、分析和预测都依赖于海量数据，其中很多数据都非常敏感。难怪人们最关心的问题之一就是隐私和信息的负责任使用。
希望利用人工智能改善客户体验的公司，绝对需要健全的数据保护、合规性和透明沟通框架。用户必须了解哪些数据被收集、如何使用以及他们对这些数据拥有哪些控制权。
与此同时，人们越来越关注算法的解释。像 Meta 这样的平台，以及一些银行和保险公司，开始提供一些机制，帮助用户从基本层面理解他们为什么会收到推荐、报价是如何计算出来的，或者哪些因素影响了自动决策。
这种透明度是防止个性化被视为侵犯隐私的关键。“他们了解我”和“他们在监视我”之间的界限非常模糊；无论人工智能多么先进，越过这条界限都会侵蚀信任，并最终损害品牌声誉。
此外，伦理还涉及在自动化和人性化之间找到平衡。将过多敏感的交互环节委托给机器可能会导致冷漠或令人沮丧的体验，尤其是在棘手的情况下（例如复杂的索赔、财务问题、健康问题等）。了解何时应该让人工参与客户体验，与设计完善的自动化流程同等重要。
经济潜力巨大：据估计，人工智能驱动的自动化将在未来几年为企业节省数万亿美元的劳动力成本。但如果在追求这些节省的同时忽视客户感知及其隐私权，则可能适得其反。
种种迹象表明，未来占据最佳地位的品牌将是那些将强大的人工智能与真正以人为本的方法相结合的品牌，它们做出的决策不仅基于技术上的可能性，还基于道德上可取的和法律上可持续的原则。
综上所述，人工智能时代的客户体验已成为一个创意、技术、数据和人类判断不断交织的领域；学会以智慧和敏锐度协调这些要素的品牌，不仅能够提供更快、更个性化的互动，还能在一个耐心稀缺、选择无穷无尽的市场中，建立更深入、更持久的关系。