Hiểu biết sâu sắc về ngành: ai và tương lai của thương mại điện tử

Trí thông minh nhân tạo (AI) từng là cụm từ được sử dụng gần như độc quyền trong khoa học viễn tưởng để cung cấp năng lượng cho bất cứ thứ gì, từ siêu máy tính bị ám ảnh bởi Armageddon cho đến những robot nhà máy không may bị tạo ra bởi những tia sét. Nhưng ngày nay, AI được sử dụng để mô tả tương lai gần của thực tế mọi khía cạnh kinh doanh tận dụng dữ liệu của một tổ chức. Vấn đề là, tương tự như những ngày đầu của điện toán đám mây, các nhà phát triển công nghệ AI mỗi người có xu hướng định nghĩa nó khác nhau. Điều này đã tạo ra một mánh khóe tiếp thị khó hiểu từ AI, học máy (ML), phân tích dự đoán và thậm chí cả trợ lý ảo.

Ngoài ra, chính xác làm thế nào các công nghệ này sẽ ảnh hưởng đến các khía cạnh khác nhau của kinh doanh đã trở thành một cảnh quan khó điều hướng. Thương mại điện tử là một lĩnh vực quan trọng trong đó AI và các công nghệ liên quan của nó từ lâu đã có tác động đằng sau hậu trường. Trong thương mại điện tử, phân tích thông minh đã được cung cấp các khả năng mới, từ trải nghiệm mua sắm được cá nhân hóa đến phân tích hành vi dự đoán của khách hàng. Chúng tôi đã nói chuyện với Kris Hamrick, giám đốc điều hành Bộ phận kinh doanh phụ trách Watson của Khách hàng Watson, để giải tỏa một số nhầm lẫn xung quanh AI và thương mại điện tử. Chúng tôi cũng đã thảo luận về cách Big Blue sẽ tận dụng IBM Watson trong không gian thương mại điện tử.

PCMag: Cảm ơn bạn đã dành thời gian để nói chuyện với chúng tôi. Để bắt đầu, thật dễ nhầm lẫn giữa quảng cáo được cá nhân hóa với "thương mại nhận thức" vì cả hai đều liên quan đến việc sử dụng dữ liệu và phân tích để khớp các đề nghị với sở thích và thói quen của khách hàng. Nó cũng phổ biến để nhầm lẫn giữa thương mại nhận thức và trợ lý ảo hóa như Alexa và Google Assistant của Amazon. Làm thế nào để IBM thấy sự khác biệt giữa các khái niệm dựa trên AI này?

Kris Hamrick (KH): Bạn nói đúng: Có rất nhiều tiếng ồn xung quanh AI trên thị trường. Nhìn qua những gì các nhà cung cấp công nghệ nói, cả doanh nghiệp B2C và B2B phải phản ứng với áp lực cạnh tranh nhanh hơn. Trong nhiều trường hợp, sự cạnh tranh thực sự đến từ bên ngoài ngành. Điều đó buộc các doanh nghiệp phải tìm ra cách tăng quy trình hiện tại hoặc suy nghĩ lại về chúng.

Hãy để tôi giải thích cách IBM phân biệt AI với điện toán nhận thức. AI là khả năng cho một máy tính hiểu và suy luận như con người. Điện toán nhận thức liên quan đến khả năng hiểu, suy luận, học hỏi và tương tác, kết hợp con người và máy móc để họ học hỏi lẫn nhau và tương tác theo cách mạnh mẽ hơn khi kết hợp.

Dữ liệu mở đường cho AI. Thế còn tất cả dữ liệu ngoài một ứng dụng, trên các đơn vị kinh doanh, nguồn bên ngoài, dữ liệu tối và hơn thế nữa thì sao? Chúng ta sống trong một thế giới của các hệ thống khác nhau, khi được kết hợp, khi các kết nối được thực hiện trên dữ liệu hoặc các mẫu mới được xác định, có thể cung cấp giá trị 1 + 1 = 3. Điều làm cho Watson trở nên độc đáo là khả năng truy cập vào tất cả các nguồn dữ liệu khác nhau này, kết hợp với khả năng nhận thức để tương tác với con người, hiểu các câu hỏi kinh doanh, khám phá lý do đằng sau hành động và cuối cùng học hỏi từ sự tương tác đó và sử dụng việc học hỏi đó trong các truy vấn trong tương lai.

Để cá nhân hóa so với thương mại nhận thức, Watson cho phép người dùng vượt ra ngoài, phân tích dựa trên quản lý quan hệ khách hàng để hiểu sâu hơn và hành động về nhiều thông tin hơn, như dữ liệu tối như phương tiện truyền thông xã hội, phòng trò chuyện, bảng điểm dịch vụ khách hàng và khác dữ liệu có thể được thêm vào các CRM hiện đại. Sử dụng Watson, các chiến dịch có thể hoạt động từ thông tin chi tiết và thông tin chi tiết hơn, tối ưu hóa những thứ như giá cả, thực hiện, thực hiện vận chuyển; lường trước những thách thức trước khi chúng xảy ra và cuối cùng là cải thiện KPIs. Điều này cải thiện theo cấp số nhân khả năng cho người dùng làm việc cùng nhau trên các khu vực chức năng và có tác động tốt hơn đến doanh nghiệp với ít nỗ lực hơn.

Các doanh nghiệp đang cố gắng làm điều này ngày hôm nay với các nguồn lực họ có. Họ có báo cáo, rất nhiều bảng tính và nhiều cuộc họp về tất cả dữ liệu đó và trực giác của họ. Nhưng, cuối cùng, trong nhiều trường hợp, họ thực thi dựa trên xu hướng nhận thức, có nghĩa là họ lọc qua tất cả dữ liệu và tiếng ồn để tìm dữ liệu phù hợp với cách mọi thứ đã được thực hiện trước đó. Thực tế, đó là sự thiên vị định hình quyết định, không phải dữ liệu.

Tóm lại, trong Watson Khách hàng tham gia, chúng tôi đưa khả năng nhận thức vào các quy trình để tối đa hóa hiệu quả kinh doanh, cải thiện các quyết định bán hàng / giá cả và tối ưu hóa toàn bộ chuỗi cung ứng. Khách hàng cũng có thể truy cập trực tiếp vào các giao diện lập trình ứng dụng Watson để kích hoạt các ứng dụng và quy trình kế thừa của riêng họ với khả năng nhận thức. Quan trọng nhất, Watson phải đối mặt với sự bất thường, đề xuất các hành động và giải thích lý do tại sao .

PCMag: Thương mại B2B được cho là phức tạp hơn B2C về mặt tự động hóa, và mở rộng giá thầu cũng như giá cả, điều khoản và giao dịch. Ví dụ, trong khi người tiêu dùng mua sắm giá cả, các doanh nghiệp sẽ thêm các cuộc đàm phán giá cứng và thậm chí mong đợi các chất làm ngọt thỏa thuận trên đầu mua sắm giá. Làm thế nào là thương mại nhận thức, hoặc điện toán nhận thức, sẵn sàng thay đổi cách thực hiện các giao dịch B2B? Và làm thế nào điều đó sẽ chứa chi phí cho người mua và cải thiện lợi nhuận cho người bán?

KH: Thương mại B2B là một ví dụ tuyệt vời về cách doanh nghiệp đang học cách khai thác một số cuộc cách mạng đáng kinh ngạc xảy ra trong thế giới B2C để tối đa hóa lợi nhuận và cung cấp trải nghiệm giao dịch cho khách hàng và đối tác tốt hơn. Các doanh nghiệp bán cho các doanh nghiệp vừa và nhỏ có một số thách thức giống như các đối tác bán lẻ của họ, bao gồm xói mòn lề, xung đột kênh, sự hài lòng của khách hàng, "hiệu ứng Amazon" (thông qua Amazon Business), cho phép khách hàng chọn con đường mua hàng mong muốn của họ, cho phép nhân viên bán hàng tập trung vào các cơ hội phù hợp bằng cách cung cấp một kênh giao dịch và những thứ tương tự.

Bước đầu tiên là cung cấp cho đối tác và khách hàng của bạn trải nghiệm tổng thể tốt hơn so với đối thủ cạnh tranh và mức độ dịch vụ khách hàng cao mà mọi người mong đợi trong thời đại ngày nay. Nếu tôi là khách hàng của bạn, điều này có nghĩa là bạn sẽ cần biết các điều khoản về giá đã thương lượng, lịch sử mua hàng của tôi, cho tôi xem các sản phẩm hoặc ưu đãi có liên quan đến doanh nghiệp của tôi và cho phép tôi tiêu thụ các sản phẩm và dịch vụ này trong một khách hàng- giải pháp thân thiện. Khả năng nhận thức có thể và nên được dệt trong toàn bộ chuỗi giá trị để đáp ứng các mục tiêu này.

Ngày nay, chúng ta đang thấy điều này xảy ra trên nhiều ngành công nghiệp. Để tiến thêm một bước, hãy đặt câu hỏi vượt ra ngoài "giao dịch" và bắt đầu xem xét B2B có nghĩa là gì trong nhiều ngành công nghiệp và cách họ phục vụ khách hàng của họ.

Ví dụ, các nhà sản xuất hàng đầu có thể dự đoán các kiểu thời tiết để tránh gián đoạn chuỗi cung ứng và thiếu hụt hàng tồn kho trong quá trình ra mắt sản phẩm. Một trong những khách hàng của chúng tôi, Kone, đang sử dụng dữ liệu IoT từ thang máy để dự đoán sự hao mòn và ưu tiên bảo trì trước khi ngừng hoạt động dịch vụ. Trong lĩnh vực y tế, Quest chẩn đoán đang sử dụng Watson để phân tích sinh thiết khối u của một cá nhân và so sánh trình tự DNA với hàng triệu trang tạp chí y khoa, tài liệu nghiên cứu và thử nghiệm lâm sàng để cung cấp cho bác sĩ ung thư lời khuyên điều trị tốt nhất cho bệnh nhân cụ thể đó .

Những ví dụ này rõ ràng là rất khác nhau nhưng điều đó chỉ nhấn mạnh rằng các khả năng là vô tận. Chúng ta chỉ mới bắt đầu hành trình nhận thức. Chúng ta mới bắt đầu khám phá nhiều cách mà công nghệ này có thể giúp cải thiện mối quan hệ giữa doanh nghiệp và khách hàng của họ.

PCMag: Chuyển đổi kỹ thuật số đang diễn ra với tốc độ điên cuồng ở khắp mọi nơi và đang tạo ra nhiều dữ liệu hơn chúng ta từng thấy. Nhưng các nhà khoa học dữ liệu tin rằng, và dường như IBM đồng tình rằng dữ liệu không nên tồn tại một cách cô lập vì giá trị của nó chủ yếu nằm ở việc thêm chiều sâu và bối cảnh có ý nghĩa vào các truy vấn phức tạp. Tại sao Watson đặc biệt phù hợp để làm việc với dữ liệu khác nhau và các truy vấn phức tạp?

KH: Như chúng ta đã thảo luận trước đó, 88 phần trăm của tất cả dữ liệu là tối một cách hiệu quả. Có nghĩa là, dữ liệu chứa thông tin chi tiết mà tất cả chúng ta đều cố gắng tìm kiếm không có trong các nguồn dữ liệu dễ tiêu hóa hoặc bộ lọc. Hơn nữa, các nhà khoa học dữ liệu là tài nguyên đắt tiền và không dễ dàng mở rộng quy mô học tập của họ trên toàn bộ doanh nghiệp hoặc xuống các công ty nhỏ hơn.

Với Watson, mục tiêu là lấy dữ liệu đen tối này và biến nó thành hành động cho bất cứ ai cần nó. Các khả năng là vô tận. Watson có khả năng duy nhất để tiêu thụ một lượng lớn dữ liệu có cấu trúc và không cấu trúc bằng các ngôn ngữ khác nhau, hành động dựa trên dữ liệu với vô số dịch vụ nhận thức, tối ưu hóa trải nghiệm cho mọi đối tượng từ người dùng doanh nghiệp đến người tiêu dùng và cung cấp các dịch vụ tương tự cho các công ty khác để nhúng trong các ứng dụng của họ.

Có rất nhiều ví dụ ở đây. Đối với một, "Phân tích giai điệu Watson" cho phép phân tích nội dung ngôn ngữ có thể phát hiện và hiểu các âm trong các cuộc hội thoại và giao tiếp để đáp ứng một cách thích hợp. "Watson Personal Insights" trích xuất các đặc điểm tính cách dựa trên cách viết của một người. "Cuộc hội thoại Watson" cho phép bạn triển khai bot hoặc tác nhân ảo trên các thiết bị, nền tảng nhắn tin như Slack hoặc thậm chí trên robot.

Và "Watson Visual Recognition" hiểu nội dung của hình ảnh. Đó là một trong những sở thích của tôi vì nó rất linh hoạt. Bạn có thể sử dụng Visual Recognition để phát hiện một loại trang phục nhất định trong cửa hàng bán lẻ, xác định trái cây hư hỏng trong kho của cửa hàng tạp hóa, phân tích thiệt hại do mưa đá gây ra cho một trong những khách hàng bảo hiểm của bạn và hơn thế nữa.

PCMag: Quá trình dân chủ hóa dữ liệu đang được tiến hành hoặc ít nhất là lên kế hoạch trong hầu hết các tổ chức hiện nay. Tuy nhiên, việc sử dụng dữ liệu của người dùng flipside cũng đang có xu hướng tăng lên khi người tiêu dùng đang đưa ra nhiều quyết định dựa trên dữ liệu mỗi ngày. Watson và thương mại nhận thức đóng vai trò gì trong xu hướng tiêu dùng dữ liệu này?

KH: Đó là một điểm tuyệt vời: Dữ liệu không chỉ được sử dụng để thúc đẩy nhiều quyết định kinh doanh hơn, mà còn thúc đẩy nhiều quyết định của người tiêu dùng hơn. Giống như các doanh nghiệp, người tiêu dùng muốn có nhiều dữ liệu hơn để đưa ra nhiều lựa chọn sáng suốt hơn, nhưng họ không muốn dành nhiều thời gian và năng lượng để sàng lọc thông qua nhiều dữ liệu hơn. Họ muốn có một kết quả nhanh chóng và để biết rằng đó là quyết định tối ưu dựa trên những gì họ cần tại thời điểm cụ thể đó. Cuối cùng, họ muốn tầm nhìn vào những gì dữ liệu thông báo quyết định đó.

Một vài ví dụ: Đầu tiên, 1-800-Flowers gần đây đã giới thiệu "Gwyn" như một bot trợ giúp cá nhân để hỗ trợ người mua hàng tìm kiếm sản phẩm tốt nhất dựa trên tình cảm và sở thích cá nhân của người nhận quà tặng. Sử dụng Watson, Gwyn có thể tương tác với khách hàng trực tuyến bằng ngôn ngữ tự nhiên. Ví dụ: một khách hàng có thể gõ "Tôi đang tìm một món quà cho mẹ tôi" và Gwyn sẽ có thể giải thích câu hỏi đó, sau đó hỏi một số câu hỏi đủ điều kiện về dịp này và tình cảm để đảm bảo bà cung cấp một câu hỏi phù hợp và gợi ý quà tặng phù hợp cho từng khách hàng. Điều này cá nhân hóa danh mục, hiển thị ít dữ liệu hơn cho người mua hàng và tập trung vào sự tương tác cụ thể vào những gì người mua hàng muốn thực hiện tại thời điểm đó.

Tương tự, The North Face cung cấp cách tiếp cận dựa trên đối thoại, tương tác để hỗ trợ người mua hàng. Bạn có thể sẽ không nghĩ áo khoác là một sản phẩm phức tạp nhưng chúng là. Có nhiều yếu tố như phạm vi thời tiết, mức độ hoạt động và tính di động mà người mua hàng có thể không xem xét ban đầu. Sử dụng các khả năng của Watson để áp dụng lý luận logic và khả năng hiểu, phân loại và đánh giá ngôn ngữ tự nhiên, hệ thống North Face đặt một loạt câu hỏi tinh chỉnh để đưa ra các đề xuất về sản phẩm và nội dung phù hợp với mong muốn và sở thích của người mua hàng. Nó cũng nêu lý do tại sao các tính năng của sản phẩm phù hợp với những nhu cầu cụ thể đó. Điều này phơi bày dữ liệu bạn cần để xác nhận đề xuất.

Chúng tôi tin tưởng chắc chắn rằng khách hàng đang mong đợi mức độ dịch vụ được cá nhân hóa và tùy chỉnh này trên tất cả các kênh. Họ muốn trải nghiệm giống như một cuộc trò chuyện, một trải nghiệm, một nơi mà họ nhận được câu hỏi "Làm thế nào tôi có thể giúp bạn ngày hôm nay?" Điều này giống như dịch vụ bạn nhận được khi bạn vào một cửa hàng bán lẻ nổi tiếng với dịch vụ khách hàng tuyệt vời. Các công ty có khả năng cung cấp trải nghiệm thương hiệu tốt nhất, cuối cùng, sẽ là những người chiếm được nhiều thị phần nhất.

PCMag: Có vẻ như chúng ta đã nhanh chóng tiếp cận một ngày khi ngay cả phân tích dữ liệu thời gian thực là quá ít, quá muộn cho một số trường hợp sử dụng. Chúng tôi sẽ sớm cần và mong đợi các trợ lý chủ động, hoặc trợ lý ảo, không chỉ dự đoán, mà thực sự dự đoán những gì chúng tôi cần hoặc muốn ngay cả trước khi chúng tôi yêu cầu. Chúng tôi thấy những tia nhìn ban đầu về điều đó trong "Trợ lý chủ động" của Google gần đây đã công bố. IBM đang làm gì về mặt phân tích chủ động?

KH: Đây là một lĩnh vực mà IBM đã dành rất nhiều năng lượng. Chúng tôi đã tập trung vào việc cung cấp các khả năng nhận thức giúp các doanh nghiệp cung cấp trải nghiệm gắn kết khách hàng có ý nghĩa cho cả kịch bản B2C và B2B. Chúng tôi đã thảo luận về một số ví dụ.

Tôi tin rằng các doanh nghiệp trong lịch sử muốn có quyền truy cập vào càng nhiều dữ liệu liên quan càng tốt. Với vụ nổ dữ liệu đã xảy ra trong vài năm qua, bây giờ chúng tôi có rất nhiều dữ liệu. Vấn đề bây giờ là làm thế nào để làm cho tất cả dữ liệu này có thể sử dụng được mà không bị sai lệch. Ngoài ra, chúng tôi phải cân bằng dữ liệu lịch sử có trong, giả sử, một hệ thống CRM với thực tế về những gì người mua tiềm năng cần bây giờ. Chúng ta không thể bị mù quáng bởi những gì hệ thống CRM nói với cô ấy đã mua trước đó.

Nhận thức có thể kích hoạt một CRM mới hoặc ít nhất là một biến hiệu quả trong quyết định chung. Các công ty có thể có hàng ngàn điểm dữ liệu trên bất kỳ khách hàng B2B hoặc thậm chí B2C nào. Nhưng quan điểm lịch sử này cần phải xem xét rất ít điểm dữ liệu có thể quan trọng nhất tại thời điểm khách hàng đang xem xét mua hàng. Điều này có thể bao gồm các biến như ý định, cảm xúc, xu hướng và các yếu tố bên ngoài khác.

Để dự đoán hành động tốt nhất tiếp theo, mỗi doanh nghiệp cần đánh giá mô hình mua hàng của khách hàng và xác định thời điểm thực tế hiện tại hoặc có thể dự đoán được trong môi trường của họ chiếm dụng dữ liệu CRM lịch sử. Đó là tầm nhìn phân tích chủ động mà IBM đang làm việc.