Video: E Commerce vs Traditional Business P4English (Nobyembre 2024)
Ang artipisyal na intelihente (AI) ay ginamit na isang pariralang ginamit na halos eksklusibo sa science fiction upang mag-kapangyarihan ng anuman mula sa Armageddon na nahuhumaling na mga supercomputer sa mga robot ng pabrika na ginawa ng sentient ng mga errant bolts ng kidlat. Ngunit ngayon, ang AI ay ginagamit upang ilarawan ang malapit na hinaharap ng halos lahat ng aspeto ng negosyo na nagpapakinabang sa data ng isang samahan. Ang problema ay, katulad ng mga unang araw ng cloud computing, ang mga developer ng teknolohiya ng AI ay may posibilidad na tukuyin ito nang naiiba. Gumawa ito ng isang nakalilito na morass sa marketing sa labas ng AI, pag-aaral ng makina (ML), mahuhulaan na analytics, at maging ang mga virtual na katulong.
Bilang karagdagan, eksakto kung paano nakakaapekto ang mga teknolohiyang ito sa iba't ibang aspeto ng negosyo ay naging isang mahirap na landscape upang mag-navigate. Ang E-commerce ay isang pangunahing lugar kung saan ang AI at ang mga kaugnay na teknolohiya ay matagal nang nagkaroon ng epekto sa likod ng mga eksena. Sa e-commerce, ang matalinong analytics ay nagbibigay ng mga bagong kakayahan, mula sa isinapersonal na mga karanasan sa pamimili upang mahulaan ang pagsusuri sa pag-uugali ng customer. Nakipag-usap kami kay Kris Hamrick, ang Executive Unit Executive na namamahala sa Watson Customer Engagement ng IBM, upang limasin ang ilang pagkalito na nakapalibot sa AI at e-commerce. Napag-usapan din namin kung paano gagamitin ng Big Blue ang IBM Watson sa espasyo ng e-commerce.
PCMag: Salamat sa paglaon ng oras upang makipag-usap sa amin. Upang magsimula, madaling malito ang isinapersonal na advertising na may "cognitive commerce" dahil kapwa may kasamang paggamit ng data at analytics upang tumugma sa mga alok at gawi ng customer. Karaniwan din na malito ang cognitive commerce at virtualized na mga katulong tulad ng Amazon's Alexa at Google Assistant. Paano tinitingnan ng IBM ang mga pagkakaiba sa pagitan ng mga konsepto na itulak ng AI?
Hayaan akong ipaliwanag kung paano naiiba ng IBM ang AI mula sa cognitive computing. Ang AI ay ang kakayahan para sa isang computer upang maunawaan at mangatuwiran tulad ng isang tao. Ang pag-compute ng nagbibigay-malay ay nagsasangkot ng kakayahang maunawaan, mangatuwiran, matuto, at makihalubilo, pinagsasama-sama ang tao at makina upang matuto sila mula sa isa't isa at makipag-ugnay sa isang paraan na mas malakas kapag pinagsama.
Ang data ay naglalagay ng daan para sa AI. Ano ang tungkol sa lahat ng data na iyon sa labas ng isang application, sa buong mga yunit ng negosyo, panlabas na mapagkukunan, madilim na data, at higit pa? Nakatira kami sa isang mundo ng magkakaibang mga sistema na, kapag pinagsama, kapag ang mga koneksyon ay ginawa sa buong data o mga bagong pattern na natukoy, ay maaaring magbigay ng halaga ng 1 + 1 = 3. Ang gumagawa ng natatanging Watson ay ang pag-access sa lahat ng iba't ibang mga mapagkukunan ng data, na sinamahan ng mga nagbibigay-malay na kakayahan upang makipag-ugnay sa mga tao, maunawaan ang mga katanungan sa negosyo, matuklasan ang dahilan sa likod ng pagkilos, at sa huli ay matutunan mula sa pakikipag-ugnayan at gamitin ang pag-aaral sa mga query sa hinaharap.
Tulad ng sa pag-personalize kumpara sa cognitive commerce, pinapayagan ng Watson ang mga gumagamit na lampas, sabihin, ang pamamahala ng relasyon sa customer -based na analytics upang makakuha ng mas malalim na pananaw at gumawa ng higit pang impormasyon, tulad ng madilim na data tulad ng social media, chat room, transcript ng serbisyo sa customer, at iba pa data na maaaring idagdag sa mga modernong CRM. Gamit ang Watson, ang mga kampanya ay maaaring gumana mula sa mas maraming butil na impormasyon at pananaw, ma-optimize ang mga bagay tulad ng pagpepresyo, katuparan, pagpapatupad ng pagpapadala; inaasahan ang mga hamon bago mangyari, at sa huli mapabuti ang mga KPI. Ito ay lubos na nagpapabuti ng kakayahan para sa mga gumagamit upang gumana nang magkasama sa mga functional na lugar at magkaroon ng isang mas mahusay na epekto sa negosyo na may mas kaunting pagsisikap.
Sinusubukan ng mga negosyo na gawin ito ngayon sa mga mapagkukunan na mayroon sila. Mayroon silang mga ulat, maraming mga spreadsheet, at maraming mga pagpupulong tungkol sa lahat ng data na iyon at ang kanilang intuwisyon. Ngunit, sa huli, sa maraming mga kaso, nagsasagawa sila batay sa isang cognitive bias - na nangangahulugang sinasala nila ang lahat ng data at ingay upang makahanap ng data na akma sa paraan ng mga bagay na nagawa noon. Epektibo, iyon ang bumubuo ng desisyon, hindi data.
Upang buod, sa loob ng Watson Customer Engagement, kami ay naglalagay ng mga kakayahan ng nagbibigay-malay sa mga proseso upang mapakinabangan ang pagganap ng negosyo, mapabuti ang mga desisyon sa paninda / pagpepresyo, at i-optimize ang buong chain ng supply. Ang mga kliyente ay may kakayahang mai-access ang parehong mga interface ng programming ng Watson application nang direkta upang paganahin ang kanilang sariling mga aplikasyon ng legacy at mga proseso na may kakayahan sa nagbibigay-malay. Ang pinakamahalaga, ang Watson ay lumilitaw sa mga anomalya, inirerekumenda ang mga aksyon, at ipinaliwanag kung bakit .
PCMag: Ang B2B commerce ay may kathang-isip na naging trickier kaysa sa B2C sa mga tuntunin ng pag-automate, at mga scaling bid at pagpepresyo, term, at transaksyon. Halimbawa, habang namimili ang mga mamimili para sa mga presyo, ang mga negosyo ay magdaragdag ng mga negosasyong negosasyon sa pagpepresyo at inaasahan din ang mga deal-sweetener sa itaas ng pamimili ng presyo. Paano ang commerce ng cognitive commerce, o nagbibigay-malay na computing, ay nagbabago upang baguhin kung paano nagawa ang mga deal ng B2B? At paano ito maglaman ng mga gastos para sa mga mamimili at pagbutihin ang kita para sa mga nagbebenta?
KH: Ang commerce ng B2B ay isang mahusay na halimbawa kung paano natututo ang negosyo upang magamit ang ilan sa mga kamangha-manghang mga rebolusyon na nangyayari sa mundo ng B2C upang mai-maximize ang kita at magbigay ng mas mahusay na mga karanasan sa pakikipagkalakalan sa customer at kasosyo. Ang mga negosyong nagbebenta sa mga maliliit na midsize ng mga negosyo ay may ilan sa mga parehong hamon na mayroon ang kanilang mga katuwang na tingi, kasama ang pagguho ng margin, mga salungatan sa channel, kasiyahan ng customer, ang "epekto ng Amazon" (sa pamamagitan ng Negosyo sa Amazon), na pinapayagan ang mga customer na pumili ng kanilang nais na landas sa pagbili, na nagpapahintulot benta ang mga tao upang tumuon sa tamang mga pagkakataon sa pamamagitan ng pagbibigay ng isang transactional channel, at iba pa.
Ang unang hakbang ay upang mabigyan ang iyong mga kasosyo at mga customer ng isang mas mahusay na pangkalahatang karanasan kaysa sa iyong kumpetisyon at ang mataas na antas ng serbisyo sa customer na inaasahan ng mga tao sa araw na ito at edad. Kung ako ang iyong customer, nangangahulugan ito na kakailanganin mong malaman ang aking mga termino sa napagkasunduang pagpepresyo, ang aking kasaysayan sa pagbili, ipakita sa akin ang mga produkto o alok na nauugnay sa aking negosyo, at payagan akong ubusin ang mga produktong ito at serbisyo sa isang customer- friendly solution. Ang mga kakayahan ng nagbibigay-malay ay maaaring at dapat na pinagtagpi sa buong kadena ng halaga upang matugunan ang mga hangarin na ito.
Ngayon, nakikita namin ito na nangyayari sa maraming mga industriya. Upang gawin itong isang hakbang pa, gawin ang tanong na lampas lamang sa isang "transaksyon" at simulan ang pagsasaalang-alang kung ano ang kahulugan ng B2B sa iba't ibang mga industriya at kung paano nila pinagsisilbihan ang kanilang mga customer.
Halimbawa, ang mga nangungunang tagagawa ay maaaring asahan ang mga pattern ng panahon upang maiwasan ang mga pagkagambala sa kadena at kakulangan sa imbentaryo sa panahon ng paglulunsad ng produkto. Ang isa sa aming mga kliyente, si Kone, ay gumagamit ng data ng IoT mula sa mga elevator upang maasahan ang pagsusuot at pagunahin ang pagpapanatili bago ang isang outage ng serbisyo. Sa larangan ng medikal, ang Quest Diagnostics ay gumagamit ng Watson upang pag-aralan ang biopsy ng isang bukol ng isang indibidwal at ihambing ang pagkakasunud-sunod ng DNA sa milyun-milyong mga pahina ng mga medikal na journal, mga papeles ng pananaliksik, at mga pagsubok sa klinikal upang magbigay ng isang oncologist na may pinakamahusay na rekomendasyon sa paggamot para sa partikular na pasyente .
Ang mga halimbawang ito ay malinaw na malawak na naiiba ngunit binibigyang diin lamang na ang mga posibilidad ay walang katapusang. Nasa simula lamang tayo ng paglalakbay na nagbibigay-malay. Kami ay nagsisimula lamang upang matuklasan ang maraming mga paraan na makakatulong ang teknolohiyang ito na mapagbuti ang mga relasyon sa pagitan ng mga negosyo at kanilang mga customer.
PCMag: Ang digital na pagbabagong-anyo ay nagaganap sa isang madulas na bilis sa lahat ng dako at lumilikha ng malawak na mas maraming data kaysa sa aming nakita. Ngunit naniniwala ang mga siyentipiko ng data-at tila nagkakasundo ang IBM - na ang data ay hindi dapat umiiral sa pagbubukod dahil ang halaga nito ay namamalagi sa pagdaragdag ng makabuluhang lalim at konteksto sa mga komplikadong query. Bakit natatanging naaangkop ang Watson upang gumana sa magkakaibang data at kumplikadong mga query?
KH: Tulad ng tinalakay namin nang mas maaga, 88 porsyento ng lahat ng data ay epektibong madilim. Ang kahulugan, ang data na naglalaman ng mga pananaw na sinisikap nating lahat ay wala sa mga mapagkukunan ng data na madaling matunaw o mag-filter. Karagdagan, ang mga siyentipiko ng data ay mahal na mapagkukunan at hindi madaling masukat ang kanilang mga natutunan sa buong isang negosyo o pababa sa mas maliliit na kumpanya.
Sa Watson, ang layunin ay gawin ang madilim na data na ito at gawin itong maaaring kumilos para sa sinumang nangangailangan nito. Ang mga posibilidad ay walang katapusan. Ang Watson ay may natatanging kakayahan upang ubusin ang malaking halaga ng nakabalangkas at hindi nakabalangkas na data sa iba't ibang wika, kumilos sa data na may maraming mga serbisyo ng nagbibigay-malay, i-optimize ang karanasan para sa anumang madla mula sa mga gumagamit ng negosyo sa mga mamimili, at ibigay ang parehong mga serbisyo para sa ibang mga kumpanya upang mai-embed sa loob ng kanilang mga aplikasyon.
Maraming halimbawa dito. Para sa isa, ang "Watson Tone Analyzer" ay nagbibigay-daan sa isang pagsusuri ng nilalaman ng lingguwistika na maaaring makakita at maunawaan ang mga tono sa mga pag-uusap at komunikasyon upang tumugon nang naaangkop. Ang "Watson Personality Insights" ay kumukuha ng mga katangian ng pagkatao batay sa kung paano nagsusulat ang isang tao. Pinapayagan ka ng "Watson Conversation" na mag-deploy ng isang bot o virtual ahente sa buong mga aparato, mga platform ng pagmemensahe tulad ng Slack, o kahit na sa isang robot.
At ang "Watson Visual Recognition" ay nauunawaan ang mga nilalaman ng mga imahe. Iyon ang isa sa aking mga paborito dahil ito ay maraming nalalaman. Maaari mong gamitin ang Visual Pagkilala upang makita ang isang tiyak na uri ng damit sa isang tingi, kilalanin ang nasirang prutas sa imbentaryo ng isang tindahan ng groseri, pag-aralan ang pinsala na ginawa ng isang bagyo sa bubong ng isa sa iyong mga customer ng seguro, at marami pa.
PCMag: Ang demokratisasyon ng data ay isinasagawa - o hindi bababa sa pinlano - sa karamihan ng mga organisasyon ngayon. Ngunit ang flipside - ang consumerization ng data-ay umuusbong paitaas habang ang mga mamimili ay gumagawa ng mas maraming mga desisyon na hinihimok ng data araw-araw. Ano ang mga papel na ginagampanan o maaaring i-play ng Watson at cognitive commerce sa kalakaran ng consumerization ng data na ito?
KH: Iyon ay isang mahusay na punto: Ang data ay hindi lamang ginagamit upang magmaneho ng mas maraming mga desisyon sa negosyo, nagmamaneho din ito ng mas maraming mga desisyon ng consumer. Tulad ng mga negosyo, nais ng mga mamimili ng mas maraming data upang makagawa ng mas maraming kaalaman na mga pagpipilian, ngunit hindi nila nais na gumastos ng maraming oras at enerhiya na magbabago sa pamamagitan ng mas maraming data. Gusto nila ng isang mabilis na resulta at malaman na ito ang pinakamainam na desisyon batay sa kailangan nila sa partikular na sandali. Sa wakas, nais nila ang kakayahang makita sa kung ano ang impormasyon ng impormasyon sa pasyang iyon.
Ang isang pares ng mga halimbawa: Una, 1-800-Ipinakilala kamakailan ng Bulaklak ang "Gwyn" bilang isang personal na bot concierge upang tulungan ang mga mamimili sa paghahanap ng pinakamahusay na produkto batay sa sentimento at personal na kagustuhan ng tatanggap ng regalo. Gamit ang Watson, si Gwyn ay maaaring makipag-ugnay sa mga online na customer na gumagamit ng natural na wika. Halimbawa, maaaring mag-type ang isang customer, "Naghahanap ako ng isang regalo para sa aking ina, " at maiintindihan ni Gwyn ang tanong na iyon, at pagkatapos ay magtanong ng isang kwalipikadong katanungan tungkol sa okasyon at sentimento upang matiyak na nagbibigay siya ng isang naaangkop na at pinasadyang mungkahi ng regalo sa bawat customer. Isinasapersonal nito ang katalogo, ipinapakita ang mas kaunting data sa mamimili, at nakatuon ang pakikipag-ugnay sa partikular sa nais ng mga mamimili na maisakatuparan sa sandaling iyon.
Katulad nito, ang The North Face ay nagbibigay ng isang interactive, diskarte na nakabase sa diyalogo upang matulungan ang mga mamimili nito. Marahil ay hindi mo iisipin ang mga jackets bilang isang kumplikadong produkto ngunit sila. Maraming mga kadahilanan tulad ng saklaw ng panahon, antas ng aktibidad, at kadaliang kumilos na hindi isaalang-alang ng isang mamimili. Gamit ang mga kakayahan ni Watson na mag-aplay ng lohikal na pangangatuwiran at ang kakayahang maunawaan, maikategorya, at suriin ang natural na wika, ang sistema ng North Face ay nagtanong ng isang maikling serye ng pagpino ng mga katanungan upang maihatid ang mga naangkop na produkto at mga rekomendasyon sa nilalaman na tumutugma sa mga kagustuhan at kagustuhan ng mamimili. Sinasabi din nito ang dahilan kung bakit ang mga tampok ng produkto ay tumutugma sa mga tiyak na pangangailangan. Inaalam nito ang data na kailangan mo upang mapatunayan ang rekomendasyon.
Ito ang aming matatag na paniniwala na ang mga customer ay umaasa sa antas na ito ng napasadya, isinapersonal na serbisyo sa lahat ng mga channel. Nais nila ang karanasan na maging higit pa sa isang pag-uusap, isang karanasan, isa kung saan tatanungin sila "Paano ako makakatulong sa iyo ngayon?" Ito ay tulad ng serbisyong nakukuha mo kapag nakapasok ka sa isang tindahang tingi na kilala sa mahusay na serbisyo sa customer. Ang mga kumpanya na magagawang magbigay ng pinakamahusay na mga karanasan sa tatak ay, sa huli, ang makukuha sa pinakamaraming bahagi ng merkado.
PCMag: Lumilitaw na mabilis na kami ay papalapit sa isang araw kahit na ang pag-aaral ng data sa real-time ay masyadong maliit, huli na para sa ilang mga kaso ng paggamit. Mangangailangan kami sa lalong madaling panahon at inaasahan namin ang mga aktibong katulong - o mga virtual na katulong - na hindi lamang hulaan, ngunit inaasahan kung ano ang kakailanganin o nais natin bago pa man ito hilingin. Nakikita namin ang mga maagang glimmers doon sa kamakailan inihayag ng Google na "Proactive Assistant." Ano ang ginagawa ng IBM sa mga tuntunin ng proactive analytics?
KH: Ito ay isang lugar na kung saan nakatuon ng maraming enerhiya ang IBM. Nakatuon kami sa pagbibigay ng mga kakayahan ng nagbibigay-malay na makakatulong sa mga negosyo na maihatid ang mga makabuluhang karanasan sa pakikipag-ugnay sa customer para sa parehong mga senaryo ng B2C at B2B. Natalakay na namin ang ilang mga halimbawa.
Naniniwala ako na ang mga negosyo ay nais na makakuha ng access sa mas maraming kaugnay na data hangga't maaari. Gamit ang pagsabog ng data na naganap sa nakaraang ilang taon, mayroon kaming maraming data. Ang problema ngayon ay kung paano magagamit ang lahat ng data na ito nang walang mga bias. Bilang karagdagan, kailangan nating balansehin ang makasaysayang data na nakapaloob sa, sabihin natin, isang CRM system na may mga katotohanan ng kung ano ang kailangan ng isang potensyal na mamimili. Hindi kami maaaring mabulag lamang sa kung ano ang sinasabi ng CRM system na binili niya dati.
Ang nagbibigay-malay ay maaaring paganahin ang isang bagong CRM o hindi bababa sa maging isang mabisa sa isang variable sa pangkalahatang desisyon. Ang mga kumpanya ay maaaring magkaroon ng libu-libong mga puntos ng data sa anumang solong B2B o kahit na B2C customer. Ngunit ang pagtingin sa makasaysayang ito ay kailangang isaalang-alang ang kaunting mga puntos ng data na maaaring pinakamahalaga sa sandaling sandaling isaalang-alang ng customer ang isang pagbili. Maaaring kabilang dito ang mga variable tulad ng hangarin, damdamin, uso, at iba pang mga panlabas na kadahilanan.
Upang mahulaan ang susunod na pinakamahusay na aksyon, ang bawat negosyo ay kailangang masuri ang mga pattern ng pagbili ng kanilang mga kostumer at matukoy kung kailan ang kasalukuyang o mahuhulaan na katotohanan ng kanilang kapaligiran ay sumasalamin sa makasaysayang CRM data. Iyon ang proactive na pananaw ng analytics patungo sa kung saan gumagana ang IBM.
