Lielākā daļa uzņēmumu īpašnieku, ar kuriem es runāju, uzskata savu klientu atbalsta pastkasti par līdzīgu pagraba plūdiem: kaut ko tādu, kas pēc iespējas ātrāk jāizsmeļ, lai varētu atgriezties pie "īstā darba". Viņi uzskata sūdzības par izmaksu centru, resursu patēriņu un neizbēgamu ļaunumu, lai paliktu biznesā. Bet, ja vēlaties izveidot uzvarošu AI strategy for SME operācijām, jums jāpārtrauc uzskatīt atgriezenisko saiti par ugunsgrēku, kas jānodzēš, un jāsāk to uztvert kā augstākās kvalitātes pētniecības un attīstības (R&D) datus, kādi vien jums jebkad piederēs.
Realitāte ir tāda, ka lielākā daļa uzņēmumu ignorē aptuveni 90% no stratēģiskās vērtības, kas slēpjas viņu klientu atsauksmēs. Viņi var atrisināt atsevišķu pieteikumu, taču pamatā esošā likumsakarība — frustrācijas iemesls — tiek pazaudēta tajā brīdī, kad pieteikums tiek atzīmēts kā "slēgts". Uz MI orientēts bizness darbojas citādi. Tas izmanto lielos valodas modeļus (LLMs) un sentimenta analīzi, lai pārvērstu šo troksni strukturētā, pašatjaunojošā produktu ceļvedī.
Klusējošā vairākuma aizspriedums
💡 Vai vēlaties, lai Penijs analizē jūsu biznesu? Viņa kartē, kuras lomas AI var aizstāt, un izveido pakāpenisku plānu. Sāciet savu bezmaksas izmēģinājuma versiju →
Tradicionālajā biznesa vadībā mēs ciešam no tā, ko es saucu par Klusējošā vairākuma aizspriedumu. Mēs mēdzam pārlieku koncentrēties uz 1% klientu, kuri kliedz visskaļāk — tiem, kuri atstāj vienas zvaigznes atsauksmes vai sūta dusmīgus e-pastus. Tikmēr 99%, kuri saskārās ar nelielu aizķeršanos, juta nelielu neapmierinātību par kādu funkciju vai kuriem bija lieliska ideja uzlabojumam, vienkārši klusē. Viņi nesūdzas; viņi vienkārši aiziet.
MI virzīts atgriezeniskās saites cikls ļauj uztvert šos "čukstus" jūsu datos. Izlaižot katru mijiedarbību — atbalsta tērzēšanu, e-pastus, pieminējumus sociālajos tīklos un pat transkribētus pārdošanas zvanus — caur sentimenta dzinēju, jūs varat pamanīt "berzes kopas", pirms tās kļūst par klientu aizplūšanas gadījumiem.
Esmu redzējis šo modeli desmitos nozaru. Kad es skatos, piemēram, uz radošajām nozarēm, uzņēmumi, kas plaukst, nav obligāti tie, kuriem ir visvairāk talantu; tie ir tie, kuri izmanto MI, lai precīzi identificētu, kuras funkcijas viņu klientiem ir grūti izskaidrot. Tie pārvar plaisu starp "man tas nepatīk" un "šeit ir nepieciešams konkrēts tehniskais pielāgojums".
Ietvars: Atgriezeniskās saites pārvēršana produktā
Lai pārietu no reaktīva atbalsta uz proaktīvu produktu izstrādi, ir nepieciešama strukturēta pieeja. Es iesaku trīs posmu ietvaru, ko saucu par Atziņu-krājumu tiltu.
1. Sentimenta sintēze
Tas nav tikai par "pozitīvām" vai "negatīvām" etiķetēm. Mūsdienu MI var veikt "aspektos balstītu sentimenta analīzi". Tas nozīmē, ka MI ne tikai pasaka, ka klients ir neapmierināts, bet gan to, ka viņš ir neapmierināts ar jūsu lietotnes aizturi, bet viņam patiesībā ļoti patīk lietotāja saskarne.
Kategorizējot katru atsauksmi konkrētos jūsu biznesa "aspektos", jūs izveidojat savu operāciju siltuma karti. Skaistumkopšanas un personīgās higiēnas jomā zīmoli šādi pamana "sastāvdaļu trauksmi" mēnešus pirms tā kļūst par galveno tendenci. Viņi redz pieaugošu jautājumu skaitu par konkrētu konservantu un nekavējoties pielāgo savu mārketingu vai receptūru.
2. Trokšņa un signāla inversija
Pirms MI ēras vairāk datu nozīmēja vairāk darba. Ja jums bija 10 000 atsauksmju punktu, jums bija nepieciešama analītiķu komanda, lai tos izprastu. Šodien ekonomika ir apgriezta otrādi. Vairāk datu padara MI precīzāku.
Tas ir tas, ko es saucu par Trokšņa un signāla inversiju. Augsta apjoma atgriezeniskās saites "troksnis" tagad ir jūsu lielākais aktīvs. MI var paņemt 5 000 atšķirīgas sūdzības un sintezēt tās vienā skaidrā paziņojumā: "64% jūsu neapmierināto lietotāju mēģina izmantot jūsu produktu mērķim [X], bet pašreizējā darba plūsma atbalsta tikai [Y]."
3. Automatizēta prasību sagatavošana
Šeit notiek transformācija. Tā vietā, lai cilvēks mēģinātu interpretēt, ko klients vēlas, MI var sagatavot "Produkta prasību dokumentu" (PRD), pamatojoties uz apkopoto atgriezenisko saiti. Tas var teikt: "Pamatojoties uz pēdējām 300 sūdzībām par apmaksas procesu, šeit ir trīs funkcionālas izmaiņas, kas atrisinātu 80% no šīm problēmām."
Pāreja no izmaksu centra uz pētniecības laboratoriju
Padomājiet, ko tas nodara jūsu peļņas rādītājiem. Tradicionāli jūsu business accountant uzskatītu atbalsta personālu par tīriem pieskaitāmajiem izdevumiem. Ieviešot "atgriezeniskās saites pārvēršanas produktā" ciklu, jūs efektīvi pārvēršat katru atbalsta aģentu par frontes pētnieku.
Jūs nemaksājat kādam tikai £25/hour, lai viņš pateiktu "atvainojiet par sagādātajām neērtībām". Jūs maksājat viņam par sistēmas barošanu, kas jums pateiks, kādam vajadzētu būt jūsu nākamajam pārdotākajam produktam. Tā ir fundamentāla maiņa mazā biznesa ekonomikā.
Kā uzsākt savu AI Strategy for SME atgriezeniskajai saitei
Jums nav nepieciešama datu zinātnieku komanda, lai to izdarītu. Šeit ir "Penny" apstiprināts sākuma komplekts:
- Centralizējiet plūsmu: Izmantojiet rīku kā Zapier vai Make, lai visas atsauksmes, e-pastus un tērzēšanas transkriptus novirzītu uz vienu datubāzi (sākumam noderēs pat vienkārša Airtable vai Google Sheet).
- Veiciet iknedēļas sintēzi: Izmantojiet LLM (piemēram, GPT-4o vai Claude 3.5), lai "izlasītu" nedēļas ierakstus. Uzdodiet tam vienu konkrētu jautājumu: "Kāda ir tā viena lieta, ko mūsu klienti mēģina paveikt, bet ko mēs padarām sarežģītu?"
- Izsekojiet rādītāju "atrisināts ar produktu": Izveidojiet metriku tam, cik daudz atbalsta pieteikumu tika novērsti nevis ar labāku "atbildi", bet gan ar izmaiņām produktā. Tas ir galvenais pierādījums veiksmīgai MI stratēģijai.
Konkurences priekšrocība
Jūsu konkurenti, visticamāk, joprojām manuāli lasa savas "skaļākās" sūdzības un ignorē pārējās. Līdz brīdim, kad viņi sapratīs, ka viņu produkts ir novecojis, jūs jau būsiet veikuši trīs uzlabojumu ciklus, pamatojoties uz savu datu "čukstiem".
MI nepadara jūs tikai ātrākus; tas padara jūs uztverīgākus. Un pārpildītā tirgū uzvar tas uzņēmums, kurš ir visuztverīgākais. Pārtrauciet tikai smelt ūdeni no plūdiem un sāciet tajā meklēt dārgakmeņus. Jūsu nākamā lielā produkta funkcija jau ir jūsu pastkastē — jums tikai vajag MI, lai tas to izlasa jūsu vietā.