Dauguma verslo savininkų, su kuriais kalbuosi, savo klientų aptarnavimo pašto dėžutę vertina kaip užlietą rūsį: kažką, ką reikia kuo greičiau nusausinti, kad būtų galima grįžti prie „tikro darbo“. Jie skundus mato kaip išlaidų centrą, išteklių švaistymą ir neišvengiamą blogybę vykdant verslą. Tačiau jei siekiate sukurti sėkmingą MVĮ dirbtinio intelekto strategiją savo operacijoms, turite nustoti vertinti grįžtamąjį ryšį kaip gaisrą, kurį reikia užgesinti, ir pradėti jį matyti kaip aukščiausios kokybės mokslinių tyrimų ir eksperimentinės plėtros (MTEP) duomenis, kokius tik kada nors turėsite.
Realybė tokia, kad dauguma įmonių ignoruoja maždaug 90 % strateginės vertės, slypinčios jų klientų atsiliepimuose. Jos gali išspręsti individualią užklausą, tačiau pagrindinis dėsningumas – „kodėl“ už to susierzinimo – prarandamas tą akimirką, kai užklausa pažymima kaip „išspręsta“. Į dirbtinį intelektą orientuotas verslas veikia kitaip. Jis naudoja didžiuosius kalbos modelius (LLM) ir nuotaikų analizę, kad paverstų šį triukšmą struktūrizuotomis, savaime atsinaujinančiomis produkto vystymo gairėmis.
Tyliosios daugumos šališkumas
💡 Norite Penny analizuoti jūsų verslą? Ji nustato, kuriuos vaidmenis AI gali pakeisti, ir sudaro etapinį planą. Pradėkite nemokamą bandomąją versiją →
Tradiciniame verslo valdyme kenčiame nuo to, ką vadinu tyliosios daugumos šališkumu. Mes esame linkę per daug dėmesio skirti tam 1 % klientų, kurie šaukia garsiausiai – tiems, kurie palieka vienos žvaigždutės apžvalgas arba siunčia piktus el. laiškus. Tuo tarpu 99 % klientų, kurie susidūrė su nedideliais sunkumais, pajuto nepasitenkinimą dėl tam tikros funkcijos arba turėjo puikią idėją patobulinimui, tiesiog tyli. Jie nesiskundžia; jie tiesiog išeina.
Dirbtinio intelekto valdomas grįžtamojo ryšio ciklas leidžia užfiksuoti „šnabždesius“ jūsų duomenyse. Per nuotaikų analizės variklį perleisdami kiekvieną sąveiką – klientų aptarnavimo pokalbius, el. laiškus, paminėjimus socialiniuose tinkluose ir net perrašytus pardavimo skambučius – galite pastebėti „trinties grupes“ dar prieš joms tampant „klientų praradimo įvykiais“.
Mačiau šį dėsningumą dešimtyse sektorių. Pavyzdžiui, žvelgdamas į kūrybinių industrijų sektorių, matau, kad klesti ne būtinai tie verslai, kurie turi daugiausia talentų; klesti tie, kurie naudoja dirbtinį intelektą, kad tiksliai nustatytų, kurias funkcijas jų klientams sunku paaiškinti. Jie užpildo spragą tarp „man tai nepatinka“ ir „štai koks konkretus techninis koregavimas yra reikalingas“.
Struktūra: „Grįžtamojo ryšio į produktą“ ciklas
Norint pereiti nuo reaktyvaus palaikymo prie proaktyvaus produkto vystymo, reikalingas struktūrizuotas požiūris. Rekomenduoju trijų etapų modelį, kurį vadinu „Nuo įžvalgų iki inventoriaus“ tiltu.
1. Nuotaikų sintezė
Tai nėra tik žymos „teigiama“ arba „neigiama“. Šiuolaikinis dirbtinis intelektas gali atlikti „aspektais pagrįstą nuotaikų analizę“. Tai reiškia, kad dirbtinis intelektas ne tik pasako, kad klientas nepatenkintas; jis nurodo, kad klientas nepatenkintas jūsų programėlės delsa, nors pati vartotojo sąsaja jam labai patinka.
Kategorizuodami kiekvieną atsiliepimą pagal konkrečius jūsų verslo „aspektus“, sukuriate savo operacijų šilumos žemėlapį. Grožio ir asmens priežiūros srityje būtent taip prekių ženklai pastebi „nerimą dėl sudedamųjų dalių“ likus keliems mėnesiams iki to, kol tai tampa vyraujančia tendencija. Jie mato augantį klausimų skaičių apie konkretų konservantą ir nedelsdami pakoreguoja savo rinkodarą arba formulę.
2. Triukšmo ir signalo inversija
Prieš dirbtinio intelekto erą daugiau duomenų reiškė daugiau darbo. Jei turėtumėte 10 000 grįžtamojo ryšio taškų, jums reikėtų analitikų komandos, kad jie būtų prasmingi. Šiandien ekonomika apsivertė. Daugiau duomenų daro dirbtinį intelektą tikslesnį.
Tai vadinu triukšmo ir signalo inversija. Didelės apimties grįžtamojo ryšio „triukšmas“ dabar yra jūsų didžiausias turtas. Dirbtinis intelektas gali paimti 5 000 skirtingų skundų ir susintetinti juos į vieną aiškų teiginį: „64 % jūsų nepatenkintų vartotojų bando naudoti jūsų produktą tikslui [X], tačiau dabartinė darbo eiga palaiko tik [Y].“
3. Automatizuotas reikalavimų rengimas
Būtent čia įvyksta transformacija. Vietoj to, kad žmogus bandytų interpretuoti, ko nori klientas, dirbtinis intelektas gali parengti „produkto reikalavimų dokumentą“ (PRD), pagrįstą sukauptu grįžtamuoju ryšiu. Jis gali pasakyti: „Remiantis paskutiniais 300 skundų dėl atsiskaitymo proceso, štai trys funkciniai pakeitimai, kurie išspręstų 80 % šių problemų“.
Perėjimas nuo išlaidų centro prie MTEP laboratorijos
Pagalvokite, kaip tai veikia jūsų finansinius rezultatus. Tradiciškai jūsų verslo buhalteris aptarnaujantį personalą vertintų kaip grynąsias pridėtines išlaidas. Įdiegę „grįžtamojo ryšio į produktą“ ciklą, kiekvieną aptarnavimo agentą efektyviai paverčiate priešakinių linijų tyrėju.
Jūs ne tik mokate kam nors £25/val. už tai, kad jis pasakytų: „Atsiprašome už nepatogumus“. Jūs mokate jiems už tai, kad jie pildytų sistemą, kuri nurodo, koks turėtų būti jūsų kitas perkamiausias produktas. Tai esminis lūžis mažojo verslo ekonomikoje.
Kaip pradėti savo MVĮ dirbtinio intelekto strategiją grįžtamajam ryšiui
Tam nereikia duomenų mokslininkų komandos. Štai „Penny“ patvirtintas pradžiamokslio rinkinys:
- Centralizuokite srautą: Naudokite tokį įrankį kaip Zapier arba Make, kad kiekviena apžvalga, el. laiškas ir pokalbio nuorašas patektų į vieną duomenų bazę (pradžiai pakaks net paprastos Airtable arba Google Sheet).
- Atlikite kassavaitinę sintezę: Naudokite LLM (pavyzdžiui, GPT-4o arba Claude 3.5), kad jis „perskaitytų“ savaitės įrašus. Užduokite jam vieną konkretų klausimą: „Ką vieną dalyką mūsų klientai bando padaryti, o mes tai apsunkiname?“
- Sekite rodiklį „Išspręsta per produktą“: Sukurkite metriką, rodančią, kiek pagalbos užklausų buvo pašalinta ne geresniu „atsakymu“, o produkto pakeitimu. Tai galutinis sėkmingos dirbtinio intelekto strategijos įrodymas.
Konkurencinis pranašumas
Jūsų konkurentai tikriausiai vis dar rankiniu būdu skaito „garsiausius“ skundus ir ignoruoja likusius. Kol jie supras, kad jų produktas paseno, jūs jau būsite atlikę tris iteracijas, pagrįstas savo duomenų „šnabždesiais“.
Dirbtinis intelektas ne tik daro jus greitesnius; jis daro jus įžvalgesnius. O perpildytoje rinkoje visada laimi įžvalgiausias verslas. Nustokite semti vandenį iš užlieto rūsio ir pradėkite jį naudoti kaip vertingą išteklių. Jūsų kita svarbi produkto funkcija jau yra jūsų pašto dėžutėje – jums tiesiog reikia, kad dirbtinis intelektas ją perskaitytų už jus.