Wawasan industri: ai dan masa depan e-dagang

Kecerdasan Buatan (AI) digunakan untuk menjadi frasa yang digunakan hampir secara eksklusif dalam fiksyen sains untuk menguasai apa-apa dari superkomputer yang teramat berat-Armageddon kepada robot kilang tanpa sengaja yang dibuat oleh bolt kilat yang salah. Tetapi pada hari ini, AI digunakan untuk menggambarkan masa depan hampir praktikal setiap aspek perniagaan yang memanfaatkan data organisasi. Masalahnya, sama seperti hari-hari awal pengkomputeran awan, pemaju teknologi AI masing-masing cenderung untuk menentukannya secara berbeza. Ini telah membuat kelemahan pemasaran yang mengelirukan daripada AI, pembelajaran mesin (ML), analisis ramalan, dan pembantu maya.

Di samping itu, bagaimana teknologi ini akan mempengaruhi aspek perniagaan yang berbeza telah menjadi landskap yang sukar untuk dilayari. E-commerce adalah satu bidang utama di mana AI dan teknologi yang berkaitan telah lama memberi impak di belakang tabir. Dalam e-dagang, analisis pintar telah menyediakan keupayaan baru, dari pengalaman membeli-belah yang diperibadikan kepada analisis tingkah laku pelanggan yang ramalan. Kami bercakap dengan Kris Hamrick, eksekutif Unit Perniagaan yang mengendalikan Penglibatan Pelanggan Watson IBM, untuk membersihkan beberapa kekeliruan di sekitar AI dan e-dagang. Kami juga membincangkan bagaimana Big Blue akan memanfaatkan IBM Watson dalam ruang e-dagang.

PCMag: Terima kasih kerana meluangkan masa untuk berbincang dengan kami. Untuk memulakan, mudah untuk mengelirukan pengiklanan yang diperibadikan dengan "perdagangan kognitif" kerana kedua-duanya melibatkan penggunaan data dan analisis untuk memadankan tawaran kepada keutamaan dan tabiat pelanggan. Ia juga biasa untuk mengelirukan perniagaan kognitif dan pembantu maya seperti Amazon's Alexa dan Google Assistant. Bagaimanakah IBM melihat perbezaan antara konsep AI yang dipacu ini?

Kris Hamrick (KH): Anda betul: Ada banyak bunyi bising di AI di pasaran. Melihat masa lalu apa yang dikatakan penyedia teknologi, kedua-dua perniagaan B2C dan B2B perlu bertindak balas dengan tekanan persaingan dengan lebih cepat. Dalam banyak kes, persaingan sebenarnya datang dari luar industri. Itulah yang memaksa para perniagaan untuk memikirkan cara menambah proses mereka sekarang atau memikirkan semula mereka.

Biar saya jelaskan bagaimana IBM membezakan AI daripada pengkomputeran kognitif. AI adalah keupayaan komputer untuk memahami dan membuat alasan seperti manusia. Pengkomputeran kognitif melibatkan keupayaan untuk memahami, membuat alasan, belajar, dan berinteraksi, membawa bersama manusia dan mesin supaya mereka belajar dari satu sama lain dan berinteraksi dengan cara yang lebih kuat apabila digabungkan.

Data membuka jalan untuk AI. Bagaimana dengan semua data itu di luar satu aplikasi, merentas unit perniagaan, sumber luaran, data gelap dan banyak lagi? Kami hidup dalam dunia sistem yang berbeza yang, apabila digabungkan, apabila sambungan dilakukan merentas data atau corak baru yang dikenal pasti, boleh memberikan nilai 1 + 1 = 3. Apa yang membuat Watson unik adalah aksesnya kepada semua sumber data yang berbeza, digabungkan dengan kebolehan kognitif untuk berinteraksi dengan manusia, memahami persoalan perniagaan, menemui sebab di sebalik tindakan, dan akhirnya belajar dari interaksi itu dan menggunakan pembelajaran itu pada pertanyaan masa depan.

Seperti yang diperibadikan berbanding perdagangan kognitif, Watson membolehkan pengguna untuk melampaui, katakan, pengurusan perhubungan pelanggan-analitik berasaskan untuk mendapatkan pandangan yang lebih mendalam dan mengambil tindakan terhadap lebih banyak maklumat, seperti data gelap seperti media sosial, bilik sembang, transkrip perkhidmatan pelanggan dan lain-lain data yang mungkin dilampirkan ke CRM moden. Dengan menggunakan Watson, kempen boleh berfungsi dari maklumat dan wawasan yang lebih terperinci, mengoptimumkan perkara seperti harga, pemenuhan, pelaksanaan penghantaran; menjangka cabaran sebelum ia berlaku, dan akhirnya meningkatkan KPI. Ini secara beransur-ansur meningkatkan keupayaan pengguna untuk bekerjasama di seluruh kawasan fungsional dan mempunyai kesan yang lebih baik terhadap perniagaan dengan usaha yang kurang.

Perniagaan cuba melakukan ini hari ini dengan sumber-sumber yang mereka ada. Mereka mempunyai laporan, banyak spreadsheet, dan banyak mesyuarat tentang semua data dan gerak hati mereka. Tetapi, akhirnya, dalam banyak kes, mereka melaksanakan berdasarkan kecenderungan kognitif-yang bermaksud mereka menapis melalui semua data dan bunyi untuk mencari data yang sesuai dengan cara-cara yang telah dilakukan sebelum ini. Secara berkesan, itu adalah masalah yang membentuk keputusan, bukannya data.

Untuk merumuskan, dalam Penglibatan Pelanggan Watson, kami memasukkan keupayaan kognitif ke dalam proses untuk memaksimumkan prestasi perniagaan, mempertingkatkan keputusan merchandising / harga, dan mengoptimumkan keseluruhan rangkaian bekalan. Pelanggan juga dapat mengakses antara muka pengaturcaraan aplikasi Watson yang sama secara langsung untuk membolehkan aplikasi dan proses warisan mereka sendiri dengan keupayaan kognitif. Paling penting, Watson mengatasi anomali, mencadangkan tindakan, dan menjelaskan mengapa .

PCMag: Perdagangan B2B pastinya lebih rumit daripada B2C dari segi mengautomasikan, dan mengukur bida dan harga, terma, dan transaksi. Sebagai contoh, sementara pengguna membeli-belah untuk harga, perniagaan akan menambah rundingan harga keras dan juga mengharapkan pemanis tawaran atas harga belanja. Bagaimanakah perdagangan kognitif, atau pengkomputeran kognitif, bersedia untuk menukar bagaimana tawaran B2B dilakukan? Dan bagaimanakah ia akan mengandungi kos untuk pembeli dan meningkatkan keuntungan untuk penjual?

KH: Perdagangan B2B adalah contoh hebat bagaimana perusahaan belajar untuk memanfaatkan beberapa revolusi yang menakjubkan yang berlaku di dunia B2C untuk memaksimumkan keuntungan dan memberikan pengalaman perdagangan pelanggan dan rakan kongsi yang lebih baik. Perniagaan yang dijual kepada perniagaan kecil dan menengah mempunyai beberapa cabaran yang sama dengan rakan niaga mereka, termasuk hakisan margin, konflik saluran, kepuasan pelanggan, "kesan Amazon" (melalui Amazon Business), membiarkan pelanggan memilih jalan membeli yang diinginkan, membolehkan orang jualan untuk memberi tumpuan kepada peluang yang tepat dengan menyediakan saluran transaksi, dan sebagainya.

Langkah pertama adalah untuk menyediakan rakan kongsi dan pelanggan anda pengalaman keseluruhan yang lebih baik daripada persaingan anda dan tahap perkhidmatan pelanggan yang tinggi yang diharapkan oleh orang ramai pada hari ini dan umur. Sekiranya saya pelanggan anda, ini bermakna anda perlu mengetahui terma harga rundingan saya, sejarah pembelian saya, tunjukkan produk atau tawaran yang berkaitan dengan perniagaan saya dan izinkan saya untuk menggunakan produk dan perkhidmatan ini dalam pelanggan- penyelesaian mesra. Keupayaan kognitif boleh dan harus ditenun di seluruh rantaian nilai untuk memenuhi matlamat ini.

Hari ini, kita melihat ini berlaku di banyak industri. Untuk mengambil langkah selanjutnya, ambil persoalan itu lebih daripada sekadar "transaksi" dan mula mempertimbangkan apa yang B2B bermakna dalam pelbagai industri dan bagaimana mereka melayani pelanggan mereka.

Sebagai contoh, pengeluar utama boleh menjangka corak cuaca untuk mengelakkan gangguan rangkaian bekalan dan kekurangan inventori semasa pelancaran produk. Salah satu pelanggan kami, Kone, menggunakan data IoT dari lif untuk menjangka haus dan lusuh dan mengutamakan penyelenggaraan sebelum gangguan perkhidmatan. Dalam bidang perubatan, Quest Diagnostics menggunakan Watson untuk menganalisis biopsi tumor individu dan membandingkan penjujukan DNA kepada jutaan muka surat jurnal perubatan, kertas penyelidikan, dan ujian klinikal untuk menyediakan pakar onkologi dengan cadangan rawatan yang terbaik untuk pesakit tertentu.

Contoh-contoh ini jelas berbeza tetapi hanya menekankan bahawa kemungkinan tidak ada habisnya. Kami hanya pada permulaan perjalanan kognitif. Kami baru mula menemui banyak cara teknologi ini dapat membantu meningkatkan hubungan antara perniagaan dan pelanggan mereka.

PCMag: Transformasi digital berlaku pada kadar yang merana di mana-mana dan menghasilkan lebih banyak data berbanding yang pernah kita lihat. Tetapi saintis data percaya-dan IBM seolah-olah setuju-bahawa data tidak boleh wujud secara berasingan kerana nilainya sebahagian besarnya menambah kedalaman bermakna dan konteks kepada pertanyaan yang kompleks. Kenapa Watson unik sesuai untuk bekerja dengan data yang berbeza dan pertanyaan rumit?

KH: Seperti yang telah dibincangkan sebelumnya, 88 peratus daripada semua data adalah sangat gelap. Maksudnya, data yang mengandungi wawasan yang kita semua berusaha mencari tidak ada sumber data yang mudah dicerna atau ditapis. Seterusnya, para saintis data adalah sumber yang mahal dan tidak mudah menilai pembelajaran mereka di seluruh perniagaan atau ke syarikat yang lebih kecil.

Dengan Watson, matlamatnya adalah untuk mengambil data gelap ini dan membuatnya boleh digugat untuk sesiapa yang memerlukannya. Kemungkinannya tidak berkesudahan. Watson mempunyai keupayaan unik untuk menggunakan sejumlah besar data berstruktur dan tidak berstruktur dalam bahasa yang berbeza, bertindak atas data dengan pelbagai perkhidmatan kognitif, mengoptimumkan pengalaman untuk setiap penonton dari pengguna perniagaan kepada pengguna, dan menyediakan perkhidmatan yang sama untuk syarikat lain untuk membenamkan dalam aplikasi mereka.

Terdapat banyak contoh di sini. Untuk satu, "Watson Tone Analyzer" membolehkan analisis kandungan linguistik yang dapat mengesan dan memahami nada dalam perbualan dan komunikasi agar dapat bertindak balas dengan sewajarnya. "Watson Personality Insights" mengekstrak ciri keperibadian berdasarkan bagaimana seseorang menulis. "Perbualan Watson" membolehkan anda menggunakan bot atau ejen maya merentasi peranti, platform pemesejan seperti Slack, atau bahkan pada robot.

Dan "Watson Visual Recognition" memahami kandungan imej. Itulah salah satu kegemaran saya kerana ia sangat serba boleh. Anda boleh menggunakan Pengiktirafan Visual untuk mengesan jenis pakaian tertentu di kedai runcit, mengenal pasti buah yang rosak di inventori kedai runcit, menganalisis kerosakan akibat hujan es ke bumbung salah seorang pelanggan insurans anda, dan lebih lagi.

PCMag: Pendemokrasian data sedang dijalankan-atau sekurang-kurangnya dirancang dalam kebanyakan organisasi hari ini. Tetapi flipside-pemakaian data-juga semakin meningkat apabila pengguna membuat lebih banyak keputusan berasaskan data setiap hari. Apa peranan yang boleh dilakukan atau boleh dimainkan oleh perdagangan Watson dan kognitif dalam trend pengguna ini?

KH: Itulah titik yang hebat: Data bukan hanya digunakan untuk memacu lebih banyak keputusan perniagaan, tetapi juga mendorong lebih banyak keputusan pengguna. Seperti perniagaan, pengguna menginginkan lebih banyak data untuk membuat pilihan yang lebih bijak, tetapi mereka tidak mahu menghabiskan banyak masa dan tenaga menyaring lebih banyak data. Mereka mahukan keputusan yang cepat dan untuk mengetahui bahawa ia adalah keputusan yang optimum berdasarkan apa yang mereka perlukan pada masa itu. Akhirnya, mereka mahu keterlihatan ke dalam apa data memaklumkan keputusan itu.

Beberapa contoh: Pertama, 1-800-Bunga baru-baru ini memperkenalkan "Gwyn" sebagai bot concierge peribadi untuk membantu pembeli mencari produk terbaik berdasarkan sentimen dan keutamaan peribadi penerima hadiah. Menggunakan Watson, Gwyn boleh berinteraksi dengan pelanggan dalam talian menggunakan bahasa semula jadi. Sebagai contoh, pelanggan mungkin menaip, "Saya sedang mencari hadiah untuk ibu saya, " dan Gwyn akan dapat menafsirkan soalan itu, dan kemudian bertanya beberapa soalan yang memenuhi syarat tentang kesempatan dan sentimen untuk memastikan dia memberikan yang sesuai dan cadangan hadiah disesuaikan untuk setiap pelanggan. Ini memperibadikan katalog, menunjukkan kurang data kepada pembeli, dan memfokuskan interaksi khusus mengenai apa yang ingin dicapai oleh pembeli pada masa itu.

Begitu juga, The North Face menyediakan pendekatan berasaskan dialog yang interaktif untuk membantu pembeli. Anda mungkin tidak akan memikirkan jaket sebagai produk rumit tetapi mereka. Terdapat banyak faktor seperti pelbagai cuaca, tahap aktiviti, dan mobiliti yang pembeli mungkin tidak mempertimbangkan pada mulanya. Menggunakan kebolehan Watson untuk memohon penalaran logik dan keupayaannya memahami, mengkategorikan, dan menilai bahasa semulajadi, sistem Wajah Utara meminta satu siri soalan penapisan ringkas untuk menyampaikan cadangan produk dan kandungan khusus yang sepadan dengan keinginan dan keinginan yang diartikulasikan oleh pembeli. Ia juga menyatakan sebab mengapa ciri produk sepadan dengan keperluan khusus tersebut. Ini mendedahkan data yang anda perlukan untuk mengesahkan cadangan itu.

Ini kepercayaan kukuh kami bahawa pelanggan menjangkakan tahap perkhidmatan tersuai yang diperibadikan dalam semua saluran. Mereka mahu pengalaman menjadi lebih banyak perbualan, pengalaman, satu di mana mereka bertanya "Bagaimana saya boleh membantu anda hari ini?" Ini seperti perkhidmatan yang anda dapat apabila anda memasuki kedai runcit yang dikenali untuk perkhidmatan pelanggan yang hebat. Syarikat-syarikat yang dapat memberikan pengalaman jenama yang terbaik akan, akhirnya, menjadi orang yang menguasai bahagian pasaran paling.

PCMag: Nampaknya kita sudah semakin mendekati hari walaupun analisis data masa sebenar terlalu kecil, terlalu lewat untuk beberapa kes penggunaan. Kami tidak lama lagi akan memerlukan dan mengharapkan pembantu yang proaktif-atau pembantu maya-yang tidak hanya meramalkan, tetapi sebenarnya menjangkakan apa yang akan kita perlukan atau dikehendaki sebelum kita memintanya. Kami melihat pendengaran awal bahawa dalam "Pembantu Proaktif" yang baru-baru ini diumumkan oleh Google. Apakah yang dilakukan IBM dari segi analisis proaktif?

KH: Ini adalah kawasan yang IBM banyak menumpukan tenaga. Kami telah memberi tumpuan kepada menyediakan keupayaan kognitif yang membantu perniagaan menyampaikan pengalaman penglibatan pelanggan yang bermakna untuk kedua-dua senario B2C dan B2B. Kami telah membincangkan beberapa contoh.

Saya percaya bahawa perniagaan secara historis ingin mendapatkan akses kepada data sebanyak yang mungkin. Dengan letupan data yang berlaku sejak beberapa tahun yang lalu, kini kami mempunyai banyak data. Masalahnya sekarang ialah bagaimana membuat semua data ini dapat digunakan tanpa bias. Di samping itu, kita perlu mengimbangi data sejarah yang terkandung dalam, katakanlah, sistem CRM dengan realiti tentang keperluan pembeli sekarang. Kita tidak boleh dibutakan semata-mata oleh apa yang sistem CRM memberitahu dia dibeli sebelum ini.

Kognitif boleh membolehkan CRM baru atau sekurang-kurangnya menjadi pembolehubah berkesan dalam keputusan keseluruhan. Syarikat mungkin mempunyai ribuan titik data pada mana-mana pelanggan B2B atau B2C tunggal. Tetapi pandangan sejarah ini perlu mengambil kira titik data yang sangat sedikit yang mungkin paling penting pada masa ini pelanggan mempertimbangkan pembelian. Ini mungkin termasuk pemboleh ubah seperti niat, emosi, trend, dan faktor luaran yang lain.

Untuk meramalkan tindakan terbaik yang akan datang, setiap perniagaan perlu menilai corak beli pelanggan mereka dan menentukan apabila realiti semasa atau yang dapat diramalkan persekitaran mereka melengkapi data CRM sejarah. Itulah penglihatan analisis proaktif ke arah IBM yang bekerja.