Żyjemy w świecie opartym na danych. Wraz z gwałtownym wzrostem liczby punktów oraz sposobów kontaktu z klientami, dane te rosną wykładniczo pod kątem zarówno objętości, jak i ich złożoności. Umiejętność zrozumienia tych danych ma kluczowe znaczenie dla właściwej identyfikacji kontekstu relacji z klientem oraz zarządzania jego doświadczeniem.
Partnerem materiału jest SAS.
Autorem materiału jest Radosław Grabiec, CEMEA Customer Intelligence Practice Lead, SAS.
Nowym słowem kluczowym dzisiaj jest transformacja cyfrowa i nie jest to wyłącznie buzzword. Tim Clark, CEO linii lotniczych Emirates, ujął to w następujący sposób: „Every organization is going through a digital transformation NOW whether they know it or not. Data is key – if you don’t embrace data, you will perish”.
Cyfrowa transformacja to konieczność, aby zbudować prawdziwy, kompletny obraz 360 stopni klienta. Jest to dziś klucz do sukcesu, ponieważ czas, który firmy mają na przyciągnięcie klienta, mierzy się w minutach, o ile nie sekundach. Zatem, aby odnieść sukces, konieczne jest wykazanie się większą kreatywnością w zakresie angażowania klientów nie tylko dzięki inwestycjom w nowe technologie takie, jak sztuczna inteligencja, ale także dzięki wykorzystaniu zaawansowanych technik do budowania niepowtarzalnego doświadczenia, które przyciągnie i zatrzyma klientów.
Personalizacja kontaktu z klientem bez kompromisów
Dzisiejsza rzeczywistość to nowe możliwości, ale też potencjalne pułapki. Zgodnie z badaniem wykonanym przez 451 Research’s Global Unified Commerce, w 2019 roku potencjał wynikający z personalizowanego podejścia do budowania doświadczenia klienta mierzony jest globalnie w miliardach dolarów! Jednocześnie analiza wskazuje, że potencjalne straty są równie duże, a granica między sukcesem a porażką jest identyfikowana poprzez właśnie umiejętność zrozumienia zachowania klienta – mierzonego na poziomie pojedynczych zdarzeń transakcyjnych czy behawioralnych, układających się w łańcuch ich sekwencji i kombinacji.
W 2020 roku, z pandemią koronawirusa w tle oraz powszechnym „lockdownem” społeczeństwa, wyniki tych badań mają o wiele większe znaczenie niż rok wcześniej. Głównie dlatego, że większość interakcji konsumenckich przeniosła się do przestrzeni cyfrowej, gdzie panuje ogromna konkurencja i przez to realizacja paradygmatu right time & right offer jest teraz kluczowa. Zbytnia złożoność procesów sprzedażowych lub uproszczona personalizacja oparta o szerokie segmenty klientów, które mogły działać 2‑3 lata temu, dzisiaj po prostu nie zdaje egzaminu. A brak umiejętności nadążania za decyzjami klientów podejmowanymi w ekstremalnie krótkim czasie oraz niemożność wpływu na nie skutkuje ogromnymi stratami.
W związku z tym, aby pozostać liczącym się graczem na rynku, firmy powinny inwestować w nowe platformy typu Customer Intelligence, które wykorzystują nowoczesne algorytmy sztucznej inteligencji, syntetyzujące surowe dane klienta w celu identyfikacji okazji sprzedażowych. Jest to znacząco więcej niż dotychczasowe podejście, które bazuje na retrospektywnym obrazie klienta wzbogacanym uogólnioną perspektywą predykcyjną oferowaną przez tradycyjne modele analityczne, gdzie kompromisem zaburzającym końcowy efekt było uogólnienie zjawiska w celu redukcji złożoności zadania analitycznego.
Czym jest hiperpersonalizacja kontaktu z klientem?
Odpowiedzią na te wyzwania jest hiperpersonalizacja działań marketingowych. Spróbujmy zdefiniować, czym hiperpersonalizacja w istocie jest. Stosowana powszechnie w marketingu analityka zwykle opiera się na statycznych danych mierzących zaangażowanie klienta z wykorzystaniem zagregowanych informacji historycznych. Prowadzi to do nieuniknionej makrosegmentacji klientów, gdzie tzw. „outlayerzy” są usuwani z zadania analitycznego. W efekcie z niektórymi z klientów kontakt następuje rzadko bądź nigdy, gdyż nie pasują do uogólnionego modelu analitycznego.
Hiperpersonalizacja idzie o krok dalej. Jej założeniem jest zastosowanie sztucznej inteligencji na danych w czasie rzeczywistym w celu wyliczenia indywidualnego prawdopodobieństwa kolejnego kroku w cyklu życia klienta z wykorzystaniem unikalnego kontekstu wynikającego z jego zachowania. Nawet jeśli przewidywany następny krok dla wielu klientów jest taki sam, algorytmy sztucznej inteligencji sprawią, że ostateczny komunikat dla każdego klienta będzie zróżnicowany ze względu na treść, moment oraz kanał dotarcia.
Kluczowym elementem hiperpersonalizacji jest umiejętność zastosowania algorytmów analitycznych w czasie rzeczywistym. Jednak okazuje się, że zdecydowana większość firm spotyka się z wieloma problemami w aplikacji dokonującej analiz w czasie rzeczywistym. Zaledwie 16 proc. respondentów badania HBR wskazuje, że [skutecznie wykorzystuje analitykę w czasie rzeczywistym w celu poprawy doświadczenia klienta w punktach kontaktu i urządzeniach](http://skutecznie wykorzystuje analityke w czasie rzeczywistym w celu poprawy doswiadczenia klienta w punktach kontaktu i urzadzeniach), podczas gdy 30 proc. nie jest w stanie korzystać z nich we właściwy sposób.
Analizując wnioski, okazuje się, że najważniejszym czynnikiem sukcesu jest umiejętność wbudowania procesów analitycznych w centralny proces decyzyjny zarządzający doświadczeniem klienta w jego „podróży” przez kanały kontaktu i systemy transakcyjne. Niemniej największym wyzwaniem ciągle jest integracja danych. Systemy domenowe, które nie są gotowe na otwarte standardy integracji, czy silosy danych, które ogromnie zwiększają złożoność budowania unikalnego spojrzenia na klienta – to najczęstsze wyzwania w tym obszarze.
Hiperpersonalizacja według SAS w 4 krokach
Biorąc pod uwagę z jednej strony oczekiwania rynku, a z drugiej wyzwania stojące przed organizacjami – proces hiperpersonalizacji oparty na rozwiązaniach SAS zbudowany został na czterech następujących filarach:
Discover – to krok, w którym rozwiązanie SAS integruje się z surowymi danymi generowanymi w cyklu życia klienta. Transakcje, click‑stream, dane tekstowe, geolokalizacja, odpowiedzi z kanałów kontaktu. Dane są pozyskiwane on‑the‑fly bez preselekcji, wstępnej agregacji i kompromisów mających na celu redukcję wymiaru złożoności zadania. Ponadto informacje są pozyskiwane przez narzędzia klasy „complex event processing” w celu zasilenia zaawansowanych algorytmów sieci neuronowych, których zadaniem jest odkrywanie „momentów prawdy”, czyli tych sekwencji i kombinacji sygnałów, na które organizacja powinna zareagować.
Automate – rozwiązanie SAS do hiperpersonalizacji to ekosystem, który automatyzuje każdy etap procesu. Od odkrywania „momentów prawdy”, przez analityczną ocenę następnej najlepszej oferty i działań, aż po zautomatyzowaną adaptację procesu. Adaptacja polega na ciągłej ocenie jakości modeli, rozkładu danych czy reakcji na oferty w celu wychwycenia momentu, gdy konieczna jest przebudowa modeli oraz ich ponowna implementacja w procesach decyzyjnych. Wszystko po to, aby osiągnąć prawdziwe zamknięcie pętli między komunikacją marketingową a reakcjami klientów. Co istotne procesy automatycznej adaptacji rozwiązania realizowane są w run‑time bez zatrzymywania rozwiązania.
Hyper personalize – to właściwa hiperpersonalizacja poprzez zapewnienie wielopoziomowej i głębokiej personalizacji od oferty przez treść do działania. Zaawansowane modele dokonują automatycznej oceny, jaki produkt powinien być oferowany klientowi oraz dobierają właściwy sposób dotarcia do niego poprzez dobór kanału oraz czasu kontaktu. Jednocześnie, wykorzystując algorytmy testów A/B, wskazywana jest propozycja treści komunikatu marketingowego.
Engage – ostatnim filarem jest zapewnienie faktycznego, fizycznego dotarcia do klienta. Zwykle ten element jest realizowany przez rozwiązania klasy Customer Intelligence Platforms, np. SAS Customer Intelligence 360. Jednak hiperpersonalizacja SAS umożliwia też integrację z praktycznie dowolnym zewnętrznym rozwiązaniem klasy CRM wspierającym integrację poprzez architekturę SOA lub RestAPI, ekspozycję dedykowanej usługi umożliwiającej pozyskanie pakietu danych definiujących dla danego klienta najlepszej następnej oferty, treści przekazu, momentu oraz kanału kontaktu.
Proces hiperpersonalizacji zawiera trzy istotne elementy, które wykorzystują zaawansowane techniki analityczne. Pierwszy z nich to wspomniany wcześniej krok detekcji istotnych zdarzeń (momentów prawdy), który aplikuje w czasie rzeczywistym wzorce (sekwencje i kombinacje) na przychodzący strumień surowych zdarzeń. Wykrywanie wzorców może być realizowane przy pomocy reguł biznesowych, jednak – jak pokazuje doświadczenie – przy takim podejściu nie jest możliwe odkrycie nieintuicyjnych, nieuchwytnych dla eksperta domenowego sytuacji kwalifikujących się do reakcji w postaci komunikacji marketingowej.
Wykorzystanie rekurencyjnych sieci neuronowych pozwala rozszerzyć przestrzeń decyzji i tym samym stworzyć nowe okazje do kontaktu z klientem. Kolejny element to zaawansowany silnik rekomendacji, który jest odpowiedzialny za selekcję produktów dopasowanych zarówno do profilu klienta, kontekstu interakcji oraz wykrytego „momentu prawdy”. W efekcie tworzony jest zestaw produktów – kandydatów do wykonania kontaktu z klientem. Ostatni element to silnik odpowiedzialny za rekomendację sposobu dotarcia do klienta. Tutaj modele machine learning wykorzystywane są do określenia najlepszego kanału dotarcia do konsumenta, pory kontaktu oraz treści. Każdy z tych elementów posiada przypisany zestaw metryk weryfikujących skuteczność modeli. W sytuacji, w której odnotowywany jest spadek ich efektywności, automatycznie uruchamiany jest proces re‑treningu modeli, selekcji nowego championa oraz jego publikacja w procesie decyzyjnym w czasie rzeczywistym.
Proces rekalibracji modeli jest zarządzany przez moduł workflow, gdzie użytkownik biznesowy w wizualny sposób może zaprojektować scenariusze automatyzacji każdego elementu procesu hiperpersonalizacji, wskazując momenty, kiedy interakcja z człowiekiem jest wymagana (np. do podjęcia decyzji) lub opcjonalna (np. w celu notyfikacji o wykonanym kroku kalibracji modelu).
Reasumując, podejście do hiperpersonalizacji realizowane przez SAS pozwala na efektywne wdrożenie rozwiązania, które znacząco zwiększa liczbę potencjalnych okazji sprzedażowych – poprzez wychwytywanie sekwencji zdarzeń na szerokim zbiorze surowych danych – oraz zapewnia automatyczne uczenie się nowych wzorców wraz z autodopasowaniem wykorzystywanych wewnątrz procesu modeli analitycznych.
Wykorzystanie narzędzi analitycznych w procesie hiperpersonalizacji kontaktu z klientem będzie jednym z zagadnień omawianych podczas międzynarodowej, wirtualnej konferencji Beyond Tomorrow. Wydarzenie zorganizowane przez firmę SAS, globalnego lidera rynku analityki i AI odbędzie się w dniach 23‑25 listopada 2020, a każdy dzień konferencji zostanie poświęcony innym obszarom i zagadnieniom. Spotkanie jest bezpłatne i będzie prowadzone w języku angielskim.
Więcej informacji na stronie wydarzenia, podczas gdy 30 proc. nie jest w stanie korzystać z nich we właściwy sposób.
Analizując wnioski, okazuje się, że najważniejszym czynnikiem sukcesu jest umiejętność wbudowania procesów analitycznych w centralny proces decyzyjny zarządzający doświadczeniem klienta w jego „podróży” przez kanały kontaktu i systemy transakcyjne. Niemniej największym wyzwaniem ciągle jest integracja danych. Systemy domenowe, które nie są gotowe na otwarte standardy integracji, czy silosy danych, które ogromnie zwiększają złożoność budowania unikalnego spojrzenia na klienta – to najczęstsze wyzwania w tym obszarze.
Hiperpersonalizacja według SAS w 4 krokach
Biorąc pod uwagę z jednej strony oczekiwania rynku, a z drugiej wyzwania stojące przed organizacjami – proces hiperpersonalizacji oparty na rozwiązaniach SAS zbudowany został na czterech następujących filarach:
Discover – to krok, w którym rozwiązanie SAS integruje się z surowymi danymi generowanymi w cyklu życia klienta. Transakcje, click‑stream, dane tekstowe, geolokalizacja, odpowiedzi z kanałów kontaktu. Dane są pozyskiwane on‑the‑fly bez preselekcji, wstępnej agregacji i kompromisów mających na celu redukcję wymiaru złożoności zadania. Ponadto informacje są pozyskiwane przez narzędzia klasy „complex event processing” w celu zasilenia zaawansowanych algorytmów sieci neuronowych, których zadaniem jest odkrywanie „momentów prawdy”, czyli tych sekwencji i kombinacji sygnałów, na które organizacja powinna zareagować.
Automate – rozwiązanie SAS do hiperpersonalizacji to ekosystem, który automatyzuje każdy etap procesu. Od odkrywania „momentów prawdy”, przez analityczną ocenę następnej najlepszej oferty i działań, aż po zautomatyzowaną adaptację procesu. Adaptacja polega na ciągłej ocenie jakości modeli, rozkładu danych czy reakcji na oferty w celu wychwycenia momentu, gdy konieczna jest przebudowa modeli oraz ich ponowna implementacja w procesach decyzyjnych. Wszystko po to, aby osiągnąć prawdziwe zamknięcie pętli między komunikacją marketingową a reakcjami klientów. Co istotne procesy automatycznej adaptacji rozwiązania realizowane są w run‑time bez zatrzymywania rozwiązania.
Hyper personalize – to właściwa hiperpersonalizacja poprzez zapewnienie wielopoziomowej i głębokiej personalizacji od oferty przez treść do działania. Zaawansowane modele dokonują automatycznej oceny, jaki produkt powinien być oferowany klientowi oraz dobierają właściwy sposób dotarcia do niego poprzez dobór kanału oraz czasu kontaktu. Jednocześnie, wykorzystując algorytmy testów A/B, wskazywana jest propozycja treści komunikatu marketingowego.
Engage – ostatnim filarem jest zapewnienie faktycznego, fizycznego dotarcia do klienta. Zwykle ten element jest realizowany przez rozwiązania klasy Customer Intelligence Platforms, np. SAS Customer Intelligence 360. Jednak hiperpersonalizacja SAS umożliwia też integrację z praktycznie dowolnym zewnętrznym rozwiązaniem klasy CRM wspierającym integrację poprzez architekturę SOA lub RestAPI, ekspozycję dedykowanej usługi umożliwiającej pozyskanie pakietu danych definiujących dla danego klienta najlepszej następnej oferty, treści przekazu, momentu oraz kanału kontaktu.
Proces hiperpersonalizacji zawiera trzy istotne elementy, które wykorzystują zaawansowane techniki analityczne. Pierwszy z nich to wspomniany wcześniej krok detekcji istotnych zdarzeń (momentów prawdy), który aplikuje w czasie rzeczywistym wzorce (sekwencje i kombinacje) na przychodzący strumień surowych zdarzeń. Wykrywanie wzorców może być realizowane przy pomocy reguł biznesowych, jednak – jak pokazuje doświadczenie – przy takim podejściu nie jest możliwe odkrycie nieintuicyjnych, nieuchwytnych dla eksperta domenowego sytuacji kwalifikujących się do reakcji w postaci komunikacji marketingowej.
Wykorzystanie rekurencyjnych sieci neuronowych pozwala rozszerzyć przestrzeń decyzji i tym samym stworzyć nowe okazje do kontaktu z klientem. Kolejny element to zaawansowany silnik rekomendacji, który jest odpowiedzialny za selekcję produktów dopasowanych zarówno do profilu klienta, kontekstu interakcji oraz wykrytego „momentu prawdy”. W efekcie tworzony jest zestaw produktów – kandydatów do wykonania kontaktu z klientem. Ostatni element to silnik odpowiedzialny za rekomendację sposobu dotarcia do klienta. Tutaj modele machine learning wykorzystywane są do określenia najlepszego kanału dotarcia do konsumenta, pory kontaktu oraz treści. Każdy z tych elementów posiada przypisany zestaw metryk weryfikujących skuteczność modeli. W sytuacji, w której odnotowywany jest spadek ich efektywności, automatycznie uruchamiany jest proces re‑treningu modeli, selekcji nowego championa oraz jego publikacja w procesie decyzyjnym w czasie rzeczywistym.
Proces rekalibracji modeli jest zarządzany przez moduł workflow, gdzie użytkownik biznesowy w wizualny sposób może zaprojektować scenariusze automatyzacji każdego elementu procesu hiperpersonalizacji, wskazując momenty, kiedy interakcja z człowiekiem jest wymagana (np. do podjęcia decyzji) lub opcjonalna (np. w celu notyfikacji o wykonanym kroku kalibracji modelu).
Reasumując, podejście do hiperpersonalizacji realizowane przez SAS pozwala na efektywne wdrożenie rozwiązania, które znacząco zwiększa liczbę potencjalnych okazji sprzedażowych – poprzez wychwytywanie sekwencji zdarzeń na szerokim zbiorze surowych danych – oraz zapewnia automatyczne uczenie się nowych wzorców wraz z autodopasowaniem wykorzystywanych wewnątrz procesu modeli analitycznych.
Wykorzystanie narzędzi analitycznych w procesie hiperpersonalizacji kontaktu z klientem będzie jednym z zagadnień omawianych podczas międzynarodowej, wirtualnej konferencji Beyond Tomorrow. Wydarzenie zorganizowane przez firmę SAS, globalnego lidera rynku analityki i AI odbędzie się w dniach 23‑25 listopada 2020, a każdy dzień konferencji zostanie poświęcony innym obszarom i zagadnieniom. Spotkanie jest bezpłatne i będzie prowadzone w języku angielskim.
Więcej informacji na stronie wydarzenia.
