原文:
annas-archive.org/md5/6b088de5f482d51fb786524bf7c39370
译者:飞龙
第三部分:如何使用 Commerce.AI 进行产品创意、趋势分析与预测
在本节的最后部分,您将学习如何利用 Commerce.AI 的数据引擎来构思、预测并分析跨类别的新品创意、趋势和产品需求。
本节包含以下章节:
-
第九章,通过产品 AI 传递洞察
-
第十章,通过服务 AI 传递洞察
-
第十一章,通过市场 AI 传递洞察
-
第十二章,通过语音调查传递洞察
第九章:第九章:通过产品 AI 传递洞察
数据是产品团队的宝贵财富,它能帮助你为客户开发更好、更具针对性的产品。你可以利用数据生成可操作的洞察,了解人们如何与产品互动,并做出有助于提供最佳产品体验的决策。
但仅仅拥有数据是不够的,重要的是如何使用它。正如我们在本章中讨论的那样,关键是采取一种整体方法,将数据整合到整个产品创新生命周期中。在本章中,你将学习如何将数据整合进产品创新生命周期,包括与产品开发、产品发布等相关的决策。简而言之,你将学习如何利用数据更快地将更好的产品推向市场。
我们将讨论如何在产品生命周期的每个阶段使用Commerce.AI的产品 AI功能,从市场调研、产品构思和创建,到发布后的广告和销售。特别地,我们将涵盖以下主题:
-
Commerce.AI 在产品概念和开发中的应用
-
Commerce.AI 在产品发布中的应用
-
Commerce.AI 在产品管理中的应用
Commerce.AI 在产品概念和开发中的应用
产品构思是一门古老的艺术,但其基本原理依然有效。其主要原则是,人们购买产品是有原因的——他们想要解决问题或满足未被满足的需求。
毕竟,猜测无疑会导致消费者不想要或不需要的产品,这样的产品最终会在市场上失败。因此,产品团队需要首先进行广泛的市场调研,以便在产品构思过程之前,了解消费者的需求和欲望。
在接下来的子章节中,我们将探讨产品概念和开发的以下领域:
-
市场调研
-
理解需求
-
产品构思
市场调研
产品开发工作流程从市场调研开始,接着是构思、设计和工程。这是大多数产品进入市场的方式。但在一个可以从一开始就提供数据洞察的按需 AI 解决方案的世界里,许多公司已经开始使用 AI 来缩短产品开发生命周期(PDLC)。通过在 PDLC 的每个步骤应用 AI,你可以确保你的产品不仅仅是由数据驱动的,而是在整个过程中真正反映数据。
产品团队的市场调研主要是了解客户在使用产品或服务时的需求。它是关于找出客户真正想要什么,探讨一个新想法是否可行。
市场研究不仅仅是了解人们当前对某个想法或产品的看法。营销人员还需要了解人们将来如何改变他们的想法,及其原因。而且,市场研究不仅仅是产品团队的事;任何产品开发阶段的所有团队(营销、设计、工程)都应该把市场研究视为过程中的关键部分。
此外,市场研究是开发产品创意最具成本效益的方法之一,尤其是当你进行大量用户测试来验证假设时。收集一些关键数据点的成本可以为你节省数月的开发时间,而这比盲目设计要高效得多。不过,传统的市场研究也有其局限性。
传统市场研究的局限性
传统的消费者调查既繁琐又费时,还非常昂贵,而且在面对产品创新挑战时,常常让人失望。此外,消费者偏好变化非常频繁。传统的研究方法很难捕捉用户动机的复杂性。
通过 AI 在商业中的应用,你可以更新市场研究流程,为产品创新提供令人兴奋的新途径。你可以用自动化的定量市场研究补充定性市场研究,这样可以提供你所需的数据洞察,帮助验证产品概念。
使用 Commerce.AI 的 AI 驱动市场研究报告(www.commerce.ai/reports
),你可以通过低成本的在线报告简化研究过程,发现有关客户及市场机会规模的精准洞察。
领先的产品公司正在将 AI 应用于市场研究,以改善产品开发。毕竟,市场速度是一项竞争优势,在这方面,紧跟客户的输入和反馈至关重要。
了解需求
通过市场信号理解需求是产品创新中最重要的步骤之一。数十年来,市场研究一直依赖于定量和定性方法相结合来识别消费者行为趋势,这些趋势可以用于指导你的产品策略和设计。
市场营销人员可以观察到许多不同类型的市场信号,但主要有两大类:定量观察和定性观察:
-
定量信号包括搜索量或销售速度等内容。
-
定性观察涉及与客户交流——既可以直接交流(通过语音调查),也可以间接交流(通过在线论坛、社交媒体或产品评论回复)。
简而言之,数字空间提供了全新的方式来观察人们如何使用产品和服务——事实上,现在关于人们与技术互动时的行为数据随手可得。企业可以收集这些数据,这些数据的价值巨大。
然而,挑战在于,数据本身并不是市场研究——它是市场研究的起点。营销人员需要将这些原始信息转化为关于人们想要什么、如何想要、以及为何想要的洞察力,从而理解什么会引发需求。
通过了解需求,公司不仅仅是创造一个消费者想要的产品或服务,更应该思考如何创造一个人们甚至还不知道自己需要的(但最终会喜欢的)产品或服务。
在图 9.1中,我们可以看到 Commerce.AI 的市场信号仪表盘的原型图,它从多个来源收集相关的产品数据,供品牌使用:
图 9.1 – Commerce.AI 市场信号仪表盘的原型图
如图 9.1所示,消费品公司在 COVID-19 大流行期间发现,坐浴盆和卫生纸的需求激增,这为创造或进入新的卫生产品类别提供了机会。通过 Commerce.AI 市场信号,品牌还可以设置警报,通知他们关于特定产品或服务的需求或兴趣激增等重要事件。
使这一过程得以顺利进行的关键是利用数据和洞察力做出关于需求结果的明智决策。你拥有的数据和洞察越多,就越能为你的产品或服务制定出更好的路线图,这将帮助你从概念到发布的整个过程。你的产品路线图越好,最终你的产品或服务的表现就会越好。
产品构思
在探索需求机会和市场信号后,是时候开始思考下一步该做什么了。产品开发生命周期(PDLC)中的下一阶段是概念构思。过去,你可能会根据自己的经验来获取灵感。但有了数据,这已成过去式。有了 AI,你现在可以访问大规模的用户数据,为新产品提供背景信息。
让我们来看一下使用 AI 进行产品构思的两种主要方式。首先,AI 通过产品数据可以揭示竞争对手已经向消费者提供的特性和属性。这些洞察可以帮助你确保下一个产品发布不会与现有产品重复,从而使你能够以更具竞争力的差异化进入新的产品市场。它还可以从数据中提取模式和趋势,帮助你了解消费者的需求和想法。
例如,假设你想扩展你的电子配件产品线并销售手机充电器。正如在图 9.2中所见,我们可以查看一个由 AI 生成的领先品牌和产品的动态信息流。特别是,Anker是该品牌,其三大优势是充电速度快、续航长和耐用。因此,我们知道,为了与 Anker 竞争,这些就是我们也必须提供给消费者的顶级特点。
图 9.2 – Commerce.AI 墙面充电器仪表盘摘要
AI 能够帮助你的第二种方式是生成新的产品创意。AI 可以在几秒钟内生成任意数量的产品创意,这可以节省大量时间。
让我们来看一下这如何运作。用于训练算法的数据可以来自多种来源,包括你自己的产品数据、市场数据和用户研究数据。
例如,在图 9.3中,我们使用Commerce.AI 产品创意生成器为手机充电器创造了一个新的创意。这个创意是一个足够小巧以便放进我的口袋的高速充电器。这个生成的创意很合理,因为典型的充电器通常很笨重且不方便。也许产品团队会采纳这个创意,或者它会激发出另一个关于不同类型产品的创意。
图 9.3 – Commerce.AI 产品创意生成器
机器学习算法将分析数据并列出潜在的产品创意。这些创意清单可以包括新产品功能、新产品类别和新产品定价模型。
这里的关键点是,AI 能够在几秒钟内生成创意产品想法。这有助于加速创意过程,因为在不断提出新产品和功能创意时,很容易遇到创意瓶颈。
在产品构思和开发之后,接下来是制定战略并执行成功的产品发布。
产品发布
过去,产品经理必须依靠直觉和自身经验来做出正确的产品决策。如今,AI 正在改变这种动态,通过基于数据和过去的互动提供一种更客观的方式来做出产品决策。
让我们退一步,看看 AI 如何改变产品的世界,重点关注四个领域:
-
AI 如何改变产品发布
-
从早期信号预测需求
-
AI 在两种类型的产品发布中的应用
-
使用 AI 进行产品发布——优缺点
让我们先概述一下 AI 如何改变产品发布。
AI 如何改变产品发布
传统的产品创新通常是围绕以访谈为中心的方法展开的。换句话说,产品经理认为,理解客户的最佳方式是与他们花时间相处。这种方法在过去几十年中发生了相当大的变化。如今的趋势是采用更加数据驱动的产品管理方法。
在过去的十年里,关于 AI 的炒作迅速增长。利用软件自动化重复任务的概念似乎显而易见,且如果公司想在日益快节奏的商业环境中保持竞争力,这是每家公司都应该做的事。
然而,当时组建合适的团队并从零开始构建 AI 产品是一项相当艰巨的任务。事实上,获取良好的数据集本身就需要付出相当大的努力。公司要么得自己建立数据集,要么得花费巨额资金从竞争对手那里购买。
通过 Commerce.AI,这一丰富的产品数据对任何想要使用它的公司来说都是触手可及的。AI 驱动的产品发布理念很简单——尽可能自动化工作,创造一个让人类可以专注于创新并为客户创造真正独特的产品的环境。
最终的结果是,新产品的上市时间更快,过程中面临的风险更少。这也意味着可以将宝贵的资源腾出来用于公司内其他的项目。那么,AI 究竟如何帮助产品发布呢?一种方式就是通过从早期信号中预测需求。我们来详细探讨这个概念。
从早期信号预测需求
首先要认识到,AI 不能在 100%的时间里都能依赖。它并非总是有效,并且有其局限性。然而,正确使用 AI 时,它能够提供关于客户行为的宝贵见解,帮助公司做出关于产品发布的明智决策,同时减少风险。
这种方法被称为主动需求分析,因为它使用机器学习技术预测需求的发生(而不是在销售缓慢或为零时被动反应)。通过这种方式,公司还可以确保在产品发布后有足够的库存来应对高峰需求——如果商品未能及时补货,可能会导致销售损失。
这一概念不仅仅限于产品发布——任何涉及库存管理的地方都应当通过 AI 能力进行改进。毕竟,大多数商业公司需要不断补充任意 SKU 的库存。
关键的启示是,这些类型的机器通过学习模式,使得人类可以执行高级任务,例如预测消费者行为的变化,并在问题出现之前采取行动,而不是在问题出现后再去处理。
AI 与两种类型的产品发布
为了更好地理解公司在推出新产品时面临的挑战和机遇,观察这些问题如何在不同的环境中展开非常有帮助。特别是,我们需要关注两种主要的产品发布类型:
-
硬启动
-
软启动
让我们先来探讨一下硬启动的概念,以及人工智能如何帮助优化这一活动。
硬启动
硬启动是一次全面的、公司范围的营销活动,旨在将全新的产品或服务推向市场。通常,这涉及大量的媒体购买、广告活动和各种活动——所有这些都围绕一个目标展开:让尽可能多的人第一次尝试你的产品。希望的是,一旦他们尝试过后,他们将成为品牌的倡导者,并将你的产品推荐给朋友和家人。
使用 Commerce.AI,你可以利用人工智能优化硬启动,通过自动化大部分沟通和内容创作过程。你还可以使用该工具集提前规划,并在大规模启动之前做好准备,确保你的内容为成功做好优化。
此外,你还可以细分你的受众,确保每个客户获得最相关的内容,从而增加他们与公司互动的机会。你还将能够在启动后立即分析营销活动的表现,不仅查看有多少人浏览了你的内容,还能了解哪些内容表现最好。
软启动
软启动是将你的新产品或服务有限度地发布给一群由你(公司)精心挑选的人。这里的目标是评估客户反应并衡量客户获取成本(CAC)。换句话说,你是在测试你的产品或服务,以确定获得客户的成本,然后根据结果调整启动策略。
通常,这涉及向特定人群发送邮件通讯,宣布软启动活动,然后再向任何想要访问的人开放。你还可以在社交媒体上进行软启动——仅宣布你的新产品已开放提前体验,并通过邀请邮件只邀请特定的人。你还可以测试不同的价格点以及不同类型的内容,以确定在每个平台上哪种方式最有效。
即使在软启动期间没有获得足够的兴趣,如果你使用像 Commerce.AI 这样的分析工具,你可以看到哪些信息引起了客户的共鸣,并据此调整未来的营销活动。
例如,如果某条信息吸引了更多注册用户,且每位用户的平均收入更高,那就意味着这条信息在未来的大型营销活动中可能会取得良好的效果(尤其是在你收集到更多关于真实用户行为的数据后)。
语音调查是获取任何类型发布反馈的另一种方式。与传统的基于文本的调查不同,语音调查具有特别高的参与度和完成率,且可以在发布后用于获取有价值的见解。在第十二章,《语音调查》中,我们将详细讨论它们的应用。
使用人工智能进行产品发布——优缺点
除了帮助公司避免潜在的供应链中断,主动的需求分析还有许多优势。它有助于消除基于以往类似产品经验的猜测,了解哪些产品可能会更畅销。它还使公司能够根据潜在需求避免缺货或过度库存,从而提高效率和盈利能力,并减少库存风险。
在产品发布的背景下,使用人工智能可以降低成本并整体上简化流程。此外,人工智能帮助公司将资源集中在为客户创造真正独特的产品上,而不是花费时间和资源去搭建可能不需要的基础设施。
使用人工智能可以解放团队成员,让他们能够专注于其他更适合的任务,例如管理增长或开发全新的产品。虽然成功的产品发布至关重要,但这仅仅是开始,因此,让我们探索如何利用数据和人工智能来改善发布后的产品管理。
产品管理
可以公平地说,许多产品经理在任何时刻都打开着超过 100 个标签页。但如果有一个工具或服务可以监控你所有的产品,跨越所有渠道,会怎么样呢?
那么,如果你能够利用人工智能获得有关产品在市场上表现的可操作性见解呢?如果这些信息是实时更新的(实时),让你始终了解产品的表现和趋势如何呢?使用 Commerce.AI,你可以在市场和多个渠道中监控你的产品。
人工智能在产品管理中的核心原则是利用机器学习和人工智能技术,为你提供关于产品表现的可操作性见解。通过使用人工智能,你将能够做出更好的决策,了解应做出哪些改动来提升产品表现,甚至完全改变产品的方向。
在本节中,我们将探讨人工智能在产品管理中的六个领域:
-
跟踪产品需求
-
品牌管理
-
使用人工智能获取消费者洞察
-
使用人工智能进行产品跟踪
-
市场营销和商品管理
-
客户支持
让我们开始看看产品经理如何以及为什么使用人工智能来跟踪产品需求。
跟踪产品需求
人工智能在产品管理中的一个重要应用是情感分析。情感分析使用自然语言处理(NLP)技术来分析书面文本中的积极或消极情感。情感分析可以揭示用户是否认为某个特定功能对产品有用——也就是说,它可以告诉你人们喜欢或不喜欢你产品的哪些方面。换句话说,情感分析提供了人们如何谈论你的产品——好的和不好的!
因此,产品经理可以利用人工智能跟踪产品愿望,包括要改进或移除的功能,以及消费者希望在产品中新增的功能。
跟踪产品愿望清单是任何产品经理的重要任务,但要保持数据的准确性并有一个可以在产品生命周期中随时参考的系统,这可能是一个挑战。这可能导致焦点分散,以及失去对关键因素的关注,例如以下内容:
-
你的客户最需要的顶级功能或用例是什么?
-
你的产品如何与这些用例或需求对比?
-
你是否满足了他们的需求,超越了他们的期望,还是未能达到要求,甚至远远落后?
-
为了打造一个伟大的产品,你还需要了解关于这个主题的哪些信息?
Commerce.AI 提供跨渠道的实时追踪,并且还提供历史数据,让你能够随着时间推移获得背景信息。通过 Commerce.AI,你可以设置在构建新功能时最重要的变化参数,通过在部分用户中启用实验来测试新概念,并衡量他们的参与度,理解这些新想法如何影响收入或其他关键绩效指标(KPI)。然后,你可以根据这些信息做出明智的决策,确定优先实施哪些想法,并投入资源向前推进。
所有这些都可以在一个工具中完成——无需第三方软件。我们相信,这种对产品性能的整体洞察将在未来几年对许多组织变得更加重要。
品牌管理
产品管理和品牌管理密不可分——它们是产品公司的核心。没有品牌,我们无法理解一个公司提供的产品、它们的可信度或目标市场是什么。随着人工智能的兴起和机器学习在产品管理任务中的整合,成功地利用大数据来管理品牌变得比以往任何时候都容易。
公司现在能够利用人工智能更好地了解他们的客户是谁、如何行为、喜欢什么以及他们的位置。Commerce.AI 可以用于品牌和产品情感分析、消费者洞察以及产品追踪的结合,帮助识别机会,创造并维持更好的品牌体验。
使用人工智能进行品牌情感分析
Commerce.AI 的品牌情感工具建立在 NLP 技术栈上,这意味着我们利用机器学习和深度学习等技术来分析自然语言中的口语(例如,客户服务互动中的语言)。这使我们能够自动从非结构化数据中提取信息,比如社交媒体帖子或产品评价视频中的评论。
该技术使我们能够识别社交媒体帖子和评论中对品牌的正面或负面情感。情感分析是自然语言处理领域内的一个知名研究领域,专门为此目的设计的软件现在已经广泛可用,过去十年来开发了许多工具。
一般来说,情感分析算法可以分为几种类型:
-
词频算法(用于统计特定单词出现的次数)
-
共现算法(用于查看特定单词的共同出现频率)
-
极性/一致性算法(用于判断一条帖子表达的是更多正面还是负面情感)
通过使用这些成熟的技术结合深度神经网络挖掘线上公共对话,我们可以洞察人们对各大品牌的看法——无论是正面还是负面——帮助你更好地理解客户,并制定策略,通过发挥品牌的优势并规避潜在的弱点来推广品牌。
通过使用机器学习技术挖掘公共对话,你可以在不需要与客户面对面交流或进行冗长的市场研究的情况下,抓住隐藏在表面背后的信息。
接下来,让我们从产品管理的角度来看消费者洞察。
使用 AI 获取消费者洞察
AI 在产品经理工作中,特别适用于获取消费者洞察。在作为品牌经理的角色中,你可以使用机器学习和自然语言处理(NLP)来识别对你的业务目标最相关的数据类型,然后你可以将这些数据的收集和处理自动化,作为持续努力的一部分,帮助你跟进目标市场的动态。
例如,如果你正在开发一款新的移动应用,你可能首先想了解一些关于用户的基本人口统计信息(例如年龄、性别、位置等),以便在构建额外功能来吸引他们时,能更好地理解他们作为客户的需求。
同样地,如果你是一个零售商,试图为你的客户开发一个新的电子商务网站或聊天机器人体验,了解他们现在正在寻找哪些产品,能够帮助你为未来开发出更符合他们需求的产品。
如果你正在创建一个全新的网站或移动应用程序,这同样适用。你希望网站或应用的开发过程从一开始就以客户为中心,始终关注理解用户是谁。借助 AI,你可以更深入地了解你的客户,因此为他们设计更个性化的体验。
现在让我们来看看使用 AI 管理品牌的另一个重要方面——产品跟踪。
使用 AI 进行产品跟踪
管理产品生命周期不再是手动操作的事情——验证每个产品生命周期阶段中所有不同接触点的细节太多,从创意生成、开发到测试和发布,所有环节都需要关注。
幸运的是,AI 可以大大简化这一过程,从而加速产品推出的同时保持高标准。如果在组织内部的多个团队(例如,产品管理、工程、运营)中正确实施自动化,也可以提高团队成员之间的责任感。
产品经理的职责是确保公司产品满足客户需求,同时按时、按预算和按计划完成。像如今许多公司中的职位一样,这通常涉及多任务处理——管理跨多个部门的利益相关者,跟踪行业竞争动态,了解客户行为模式——难怪协调这些工作已经成为一项全职工作!
然而,将 AI 集成到工作流中可以释放出宝贵的时间,让你能专注于更具战略意义的活动,这些活动将有利于你的组织。
营销和商品陈列
在商品陈列方面,运用 AI 的一个明显步骤是选择在正确时间展示合适的产品。事实上,这可能是你从 AI 中获得的最快成功。
关键在于以对业务有实际意义的方式应用 AI。例如,如果你是零售商,应用 AI 来进行产品选择,可能意味着识别在类似商品中最畅销的产品(例如,哪些运动鞋/靴子卖得好?),并利用A/B 测试或其他工具来确定这些产品的哪些特定属性让它们更具吸引力,并将这些类型的商品推向购物者,同时将不太受欢迎的商品从网站上去除。
A/B 测试是一种有效的方式,用来衡量特定产品属性对客户行为的影响,并且电商公司常常使用它来优化其网站,以提高转化率。
A/B 测试中的字母A和B分别代表控制组和实验组。控制组是原始版本,而实验组则会接受特定的更改。假设你正在测试一双新的运动鞋在Amazon上的表现。你可能会把默认颜色从黑色改为红色,或者将价格提高 10%。然后,你会衡量有多少人点击了这个特定商品,与点击原始运动鞋的数量进行对比。
举个例子,如果你是一个在线时尚零售商,利用 AI 进行产品目录优化意味着根据流行度、性价比等属性识别热销产品,然后使用数据科学来优化产品目录内容,以便尽可能地匹配购物者的需求。
随着网络数据源的爆炸式增长,我们现在可以分析之前未曾计算过的数据点,比如流量趋势随时间的变化,或是不同类型的购物者与网站的互动方式。我们还可以从大量数据中挖掘出模式,并利用这些模式为多个渠道的决策提供支持(例如,哪些人格类型可能对不同的广告内容反应最好)。
利用客户习惯也同样重要。如今,顾客期望在各种渠道中获得无缝的购物体验,并且愿意以新的方式与品牌互动。考虑到这一点,值得思考哪些购物行为对你的品牌价值最大,以及为什么。你可以问自己以下几个关键问题:
-
产品兴趣如何根据星期几有所变化?
-
当顾客计划度假时,他们最可能进行哪些类型的购买?
-
还有其他你应该关注的购物者角色吗?
除了利用客户习惯外,赋能消费者进行发现也非常重要。当顾客看到他们感兴趣的产品和服务时,他们会停留更长时间。因此,借助 AI,你可以根据相关搜索和过去的购买历史帮助他们发现相关内容。
如果这些内容还不存在,你可以自己创建。借助 AI,开发新内容甚至是新产品创意变得前所未有的容易。技术在不断进步,能更好地理解消费者的需求和愿望,因此你可以创造出几年前根本不存在的全新内容类型和产品体验。
产品文案和包装
除了产品本身,成功的营销和商品陈列还包括广告文案、产品描述和产品包装等多个要素。
在图 9.4中,我们可以看到如何利用 Commerce.AI 的模型自动生成产品目录、商品清单、广告、Instagram帖子等的产品文案:
图 9.4 – 显示 Commerce.AI 的 AI 内容生成功能的模型
第一个要素,广告文案,是传达品牌信息的方式,同时建立信誉和信任。这是你告诉人们你的产品或服务能为他们做些什么的方式。在广告文案方面,关键是你传达的利益,以努力通过不同渠道(如 AdWords)挖掘你产品或服务的价值。
成功产品的另一个要素是产品描述。产品描述是你向人们介绍产品以及他们为什么需要它的方式。它帮助人们理解你的产品能为他们做什么,以及它将如何改善他们的生活。关键在于用与你的目标受众相关的语言传达你提供的利益,让他们能够理解你的价值主张。
最后,我们有产品包装,它是帮助人们在购买前看到和体验你的产品或服务的一种方式。关键是确保包装本身传达正确的信息,以便当某人打开盒子或拆开物品时,他们能感受到你希望他们与产品产生的情感或体验。这有助于在你和客户之间建立情感连接,以便他们在做出购买决定时,选择从你这里购买而不是从其他地方购买。
所以,这些是你可以利用人工智能进行营销和商品陈列的一些方式。现在,让我们更详细地探讨人工智能如何用于生成广告文案和产品描述。
人工智能如何帮助你写出更好的广告文案
广告文案至关重要,因为它帮助传达你的企业形象,展示你的独特之处,以及为什么有人应该选择与你而非其他公司或选项进行业务往来。如果做得对,这将带来更多转化率(即更多购买)。
写出有效广告文案的第一步是了解到底是谁在阅读它(例如,在社交媒体或其他地方看到它的人),以及他们可能会因为何种动机而这样做。一旦我们了解了这些信息,就可以围绕这些洞察来制定广告文案,以确保我们的信息能与目标受众产生共鸣。
写出有效广告文案的第二步是明确产品或服务的核心利益或承诺,以便直接传达给你的目标受众。在这一步,我们开始围绕你的产品或服务能为人们的生活带来哪些好处来塑造我们的信息,以便他们理解为什么要选择你而不是别人。
使用人工智能,你可以扫描大量关于消费者和其他竞争产品的数据,以准确了解你应该创建哪种类型的信息。同样,你可以在 Commerce.AI 中使用大型语言模型来自动生成文案。
人工智能如何帮助你写出更好的产品描述
成功产品的下一个要素是每个产品的描述,这些描述是与产品一起展示的。
就像人工智能可以用来生成广告文案一样,同样的模型也可以用来生成产品描述,这些描述是类似的文本,旨在将观众转化为买家。与广告文案不同,产品描述有更多的空间用于文本和解释,在搜索引擎优化(SEO)方面也起着重要作用。
通过使用人工智能为所有产品生成产品描述,你可以确保消费者能找到你的产品,从而有效提升销售。
客户支持
产品团队越来越多地使用人工智能来帮助他们开发更好的产品。但是,产品团队能够从人工智能中获得的洞察力和如何利用这些洞察力来支持客户之间存在脱节。在这一部分,我们将探讨产品团队如何使用人工智能来提供客户支持。
第一步是理解在产品开发中客户支持的含义。客户支持是帮助用户解决他们在使用产品或服务过程中遇到的问题。它是关于在问题发生之前预见到问题,并在问题发生时提供可操作的建议。它是关于理解人们的需求,以便你能够预见他们的需求并在恰当的时机为他们提供正确信息。它还是关于主动解决非问题,这样人们就不必主动联系你寻求帮助!
换句话说,客户支持完全是关于同理心——理解用户并预见他们的需求,这样你就能在恰当的时机为他们提供相关信息,无论是在他们使用你的产品或服务期间,还是在购买后。这需要对用户有深入了解,你可以通过以下问题来获得这种了解:
-
他们是谁?
-
他们来自哪里?
-
他们的目标是什么?
-
他们的痛点是什么?
-
这些与您的业务目标如何交集?
最重要的是——如何通过利用有关产品问题、比较优势和使用案例的洞察力来提升互动,从而为客户提供最佳服务,无论互动发生在哪里?
通过这种方式,客户支持和产品创新紧密相连。因此,让我们更具体地看看产品团队如何使用人工智能来提供客户支持。
产品团队如何利用人工智能进行客户支持
产品团队可以利用人工智能在客户之前做好准备,并利用产品问题的洞察力。
产品团队依赖数据来指导设计、工程、营销活动、合作伙伴关系等决策,但仅仅依靠数据是不够的——它必须是可操作的数据,能推动业务成果。没有洞察力的数据只是噪声;没有行动的洞察力只是盲目猜测;没有问责的行动则会导致错失目标,或者更糟——根本没有目标!
那么,当团队在决策过程中使用分析时,如何保持问责呢?答案在于将批判性思维技能应用于数据。当你将批判性思维技能应用于数据时,你能够看到模式并得出可以带来洞察的推论。
通过批判性思维,你可以开始理解产品或服务中发生了什么,为什么会发生,以及你能做些什么。这需要从单纯的分析思维(专注于数据和指标)转变为一种更全面的思维方式,考虑上下文和用户体验(UX)。通过将批判性思维技能应用于数据,你能够看到模式并得出可以带来洞察的推论。
产品团队应该问自己一些有洞察力的问题,以下是一些例子:
-
最常见的客户问题是什么?
-
客户流失的主要原因是什么?
-
最常报告的错误是什么?
-
我们的产品在可用性、可访问性等方面与类似产品相比如何?
这些类型的问题需要了解人们如何与你的产品互动,这样你才能根据实际的用户行为,而不是仅仅依赖假设或最佳猜测,做出关于设计、开发、市场营销活动和合作伙伴关系的明智决策。
它还使团队能够在流程的早期采取行动,从而避免在发布后最后一分钟匆忙修复问题。
例如,某个团队可能从在线数据源中发现许多用户在注册账户时遇到问题。该团队可以使用人工智能工具,如聊天机器人或虚拟助手(VAs),作为支持策略的一部分,这样用户就不必拨打客户支持电话寻求帮助来设置账户——相反,他们可以直接与虚拟助手沟通,虚拟助手通过视频通话或即时消息(IMs)引导他们完成过程。
在这种情况下,使用人工智能不仅可以让公司节省客户服务成本,还能通过消除用户入驻过程中的不必要步骤,为用户提供更好的体验。
最终,产品管理是一个多方面且复杂的过程,涵盖从跟踪市场、管理品牌到商品销售和客户支持等各个环节。产品经理可以通过数据和人工智能提高各个领域的效率和效果。
概要
正如我们在本章中看到的,Commerce.AI 的产品人工智能功能使产品团队能够轻松探索新想法,洞察用户行为,并迅速调整。它还可以帮助团队更早地推出产品,并采用更强大、数据驱动的方法。
团队应该在产品发现阶段首先使用 Product AI。无论你是在一家小型本地商业公司工作,还是在一个国际化的大型企业中,花时间了解客户真正的需求,可能是开始开发新功能之前的一项明智选择。
在这一发现阶段使用 Commerce.AI 的 Product AI 功能将为你提供关于客户需求和行为的宝贵洞察,这不仅能为你的产品战略提供信息,还能帮助你在推进创意后优先考虑功能的排序。
一旦产品准备好发布,Product AI 可以用来优化其性能。这意味着你能够快速测试想法,且付出最小的努力,从而做出是否继续推进某一特定功能集或设计的更明智决策。
最终,一旦你的产品上线,Product AI 可以提供有关产品表现的洞察,并识别需要改进的领域。这些洞察是任何产品团队持续成功的关键组成部分,使用 Product AI 的工具和数据将帮助你避免产品生命周期中的常见陷阱。
虽然 Commerce.AI 是一个强大的工具,专为产品团队设计,但它也有许多适用于服务提供商的功能。在下一章节中,我们将探讨 Commerce.AI 的 Service AI 功能,以及它们如何帮助你赋能前线员工、管理位置并提升服务产品。
第十章:第十章:通过 Service AI 提供洞察
正如人工智能(AI)使产品团队能够增强产品生命周期一样,服务团队现在也可以利用 AI 来提升服务生命周期。
正如我们所知,仅仅为客户挑战或问题提供一个优秀的解决方案是不够的。客户洞察过程及随之而来的服务设计必须是任何希望与众不同并为客户提供更高价值体验的组织的核心。现在,你可以利用 AI 来利用数据并获得可操作的洞察,从而更好地服务于客户。
需要注意的是,AI 不能读懂人心。然而,它可以处理大量数据并提供可操作的洞察。今天,借助 AI,服务团队可以对客户旅程中的特定元素获得无与伦比的理解,这将帮助他们提供更好的服务。
在本章中,我们将讨论如何分析数据以更好地理解你的客户、商店甚至员工。然后,我们将探讨如何将这些发现传递给你的团队,以获得竞争优势。
我们将探讨 Commerce.AI 的 Service AI 的关键关注领域:
-
授权前线员工
-
管理你的位置
-
提升服务产品
到本章结束时,你将学会如何更好地理解客户喜好、购买原因和挑战,并将下次互动转化为出色的品牌体验。我们还将探讨如何大规模地比较和监控各地的客户评论,快速优化你的分店、员工和服务。最后,我们将识别增长领域和提升客户忠诚度的机会,发掘商店的新用途,并在瓶颈升级之前预先识别它们。
授权前线员工
在赋能前线员工时,关键在于为服务团队提供有关客户和客户互动的有意义的洞察。让我们来看一下 Service AI 如何使这一切成为可能的四个方式:
-
更好地理解客户喜好
-
更好地理解购买原因
-
更好地理解客户挑战
-
将下次互动转化为出色的品牌体验
让我们从使用 AI 更好地理解客户喜好开始。
更好地理解客户喜好
通过使用如 Commerce.AI 的 Service AI 等 AI 驱动的解决方案,你可以识别现有客户的产品喜好和服务偏好。这些数据可以用来创建个性化体验,满足每个客户的需求和兴趣。
例如,一家餐厅可以利用其客户数据库,包括客户信息,如人口统计数据、过去的购买历史、偏好的就餐时间(例如,周末早午餐)等,来为周五下单的客户提供深夜配送服务,并为周一下单的客户提供清晨配送服务。
或者另一家餐厅可以利用顾客过去的购买记录来判断哪些商品可能会受到那些通常在晚上较晚时段用餐或偏好外送(例如甜点)的人群的喜爱。结合这些信息与其他相关数据,餐厅可以更好地细分其客户群,并根据量身定制的产品提供,发现满足人们特定需求的新市场机会——无论这些需求是与食物相关,还是与非食物相关的。
作为消费者,我们每个人在购买产品和服务时都有不同的需求。我们在时机(早晨还是晚上)、一周中的哪天(周末还是工作日)、我们对订单的提前通知要求、最方便的配送方式(普通邮件还是快递)等方面都有不同的偏好。
但能够在顾客进入商店、网站、应用程序或其他购买渠道之前了解他们的偏好,大大提高了他们找到符合需求的商品的机会。这也给了他们一个机会,看看是否有其他他们不知道但能更好满足他们需求的选择。这可以是从食品、服装到度假和投资的任何东西——这个列表是无穷无尽的!
你需要记住的关键是,如果你能识别出客户的偏好,你可以提供无限的增值服务——而且这些服务可能来自任何地方。
更好地理解购买原因
顾客购买服务有许多不同的原因,这些原因远远超出了其财务价值。人们购买东西的一个主要原因是为了定义他们的社会身份。这不仅仅是自我形象的问题——更是关于成为某个群体的一部分,这种归属感对他们非常重要。
在某些情况下,这可以与社区有关——例如,购买本地商品或消费反映你所在地区或你兴趣的内容。关键在于,大多数购买行为都是由情感驱动的,而这些情感的根源与顾客的社区息息相关。人们希望感到与他人连接,才能感到生活中的幸福——他们需要那些连接和情感纽带。
人们往往在别人先做之后才会做。这意味着他们会模仿身边的人,无论是否意识到这一点。这不仅适用于服务领域,也同样适用于所有其他购买,尤其是那些消费者视为身份象征(例如高级航空公司会员)的购买,而非纯粹功能性的购买(例如保险)。这些购买往往更多是关于身份,而非价值——它们象征着你是谁。
我们的行动体现了我们的价值观。通过投入资源帮助你的团队与顾客互动,你表明作为一家企业,你关心顾客,并且重视他们到愿意为他们付出更多。这可能导致回头客和转介,因为当人们感到被重视时,他们会信任一个品牌。
这里的教训是,人工智能可以成为理解客户的强大工具,它是了解客户对你提供的产品和服务的看法以及原因的绝佳方式。通过这些发现,你可以制定出更贴合客户需求和愿望的策略。归根结底,人工智能是为了消除限制,让你以以前无法实现的方式发展,从而激发创新。
例如,团队可以使用 Commerce.AI 分析商店评论、社交媒体帖子和其他客户反馈,以了解客户对其服务的看法。这可以帮助团队更好地理解客户面临的痛点,从而激发服务创新。
另一个例子是使用人工智能分析购买数据,以了解为什么人们会选择某些产品而非其他产品。例如,如果你卖保险,你可以利用人工智能确定哪些类型的保险政策有最高的客户保持率,然后你可以根据这些信息来指导未来的服务开发工作。
更好地理解客户面临的挑战
从服务角度来看,客户可能面临几个主要挑战:
-
关于你的产品或服务的问题:第一个挑战是客户可能对你的产品或服务有疑问。这可能是一个简单的问题,比如某个特定优惠的资格标准,或者是一个更复杂的询问,例如,你能详细解释一下这个产品特性吗?
当你考虑如何解决这个问题时,你会想要考虑客户已经提供给你的数据。在可能的情况下,你应该查看过去与客户的互动,并利用这些信息来指导未来的互动。如果这些互动中有任何模式浮现出来,这可以为双方节省时间和精力。如果这些模式与业务目标(如增加销售)相一致,那就更好了。
-
提供个性化的客户互动:第二个挑战与理解互动的背景有关。在许多情况下,现代消费者习惯于通过数字渠道接收信息,而无需与他人直接沟通。因此,以不具个人化的方式向客户提供信息可能会让双方都觉得没有帮助。在这个日益互联的世界中,提供服务的公司以及使用这些服务的客户都需要彼此更加熟悉,以便关系能够自然发展。
借助人工智能,你可以获得前所未有的客户挑战洞察,使你的服务团队能够与客户产生共鸣,从而提供更加个性化和真诚的体验。
例如,通过分析顾客与服务代表的对话,你可以获得顾客提问的类型。这些信息随后可以用来训练下一代客户服务代表。
另一个例子是使用 AI 搜索并理解某个顾客最需求的产品,然后在顾客下单时推荐类似的产品。通过理解互动的背景,你可以为顾客创造更个性化的体验,这最终会带来更高的留存率和更大的终身价值。
将你下次的互动转化为出色的品牌体验
过去 100 年,顾客互动是由功利逻辑驱动的(完成任务),几乎没有考虑到人的因素。但近年来,随着人们尝试增强顾客的参与感并改善公司与顾客之间的情感纽带,这种情况发生了变化。
通过服务 AI,品牌可以更好地理解顾客以及顾客互动背后的真正需求,同时克服理解上的巨大障碍。服务 AI 使得跨数字体验的沟通变得更加容易,并能实现那些对顾客而言重要的结果,无论你是小型企业还是大型企业。
服务 AI 的应用将使公司能够为顾客创造更加人性化的体验,这项技术可以应用于数字接触点、实体店面或任何其他品牌体验。这是为了创造有意义的互动,进而推动忠诚度。
情感连接的概念是顾客互动研究中的一个日益关注的焦点。这些时刻有助于建立与顾客的信任和忠诚。当你与潜在顾客建立了强烈的情感联系时,你会增加品牌亲和力——也就是说,顾客更有可能再次购买你的产品,而不是与没有任何关系的公司进行交易。
举个具体的例子,假设一位顾客丢失了钱包,需要更换一个新的。他们可以去商店购买一个新的,但可能不记得旧钱包的品牌或型号。在这种情况下,顾客最好直接在线购买新钱包——根本无需进入商店。
但是如果那个顾客健忘且更喜欢线下购物呢? 如果他们在找某个特定的东西,比如某种颜色或设计呢? 或者他们可能想要与其他零售商比较价格呢?
如果你能在这些情况下使用 AI 作为助手,你可以帮助顾客获得他们真正需要的东西,并节省时间和麻烦。
在更大范围内,你可以利用 AI 根据顾客的个性化需求,推荐产品和服务。例如,你可以通过 AI 根据顾客的驾驶习惯推荐一款新车型,或者你可以利用 AI 根据顾客的年龄、位置和风险因素推荐保险计划。
以这种方式使用 AI 需要不仅可操作且准确的数据。你需要了解顾客的行为和偏好,以便在推荐产品或服务时做出最明智的决策。
Commerce.AI 提供世界上最大的产品和服务数据引擎,帮助你获取这一关键情报。
在本节中,我们了解了四种为服务团队提供关于客户洞察的方法,这些方法对服务团队至关重要。一旦你了解了你的客户,就该放眼更广阔的视野,全面审视你的门店位置。
管理你的门店位置
现在我们已经理解了如何赋能服务前线,让我们来看看如何管理你的门店位置。门店位置是品牌成功的关键因素,因此优化每一项可能的内容对它们至关重要。特别是,我们将关注以下几个方面:
-
优化门店
-
优化员工
-
优化服务
这三个领域是相互关联的,优化它们都很重要。让我们详细了解每个领域。
优化门店
人们对一切都发布评论,零售门店也不例外。采用正确的方法,你可以将评论作为竞争情报的来源,帮助你了解哪些方面在门店表现良好,以及如何使它们变得更加优秀。
你将能够回答类似以下问题:顾客最喜欢你们门店的哪些方面? 他们批评的是什么? 他们的投诉中是否有共同点? 这听起来很明显,但往往直到你仔细分析问题时,才能发现解决方法。
服务 AI 的一个强大功能是能够探索聚合的评论。你可以查看所有门店的位置,然后根据属性深入分析某些子集。
接下来,我们可以进一步通过根据外部因素或类别(例如,门店类型:零售和餐厅)将不同子集拆解。每个子集可以根据它们的表现,将其与其他子集进行对比评分:哪些门店表现优于其他门店? 是否能清楚地看出一些门店表现优异或仍未达到预期的原因?
一旦我们开始了解哪些表现优秀的门店和哪些表现较差的门店之间的区别,这将帮助我们得出可操作的洞察,例如识别哪些门店最需要额外的培训,或在营销策略上做出不同的改变。这将影响我们在运营、人员和资本设施等有限资源方面的投资决策,这些都是任何零售业务的关键要素。
你还可以利用 Service AI 分析不同地点随时间变化的趋势,使用多个指标,如评论数量的变化、评论评分的平均值等等。这还可以为你提供一个关于各地点“甜蜜点”的参考:哪些门店相比其他表现相似的门店表现得好? 是否有任何不符合这一模式的异常值? 它们的偏差有多大,且这一偏差是增大还是减小?
情感在理解每个分店的表现中起着重要作用。通过分析各个门店的情感,你可以找出需要改进的地方。这不仅仅适用于实体店,也适用于基于位置不同而变化的服务,例如电信服务。在图 10.1中,我们可以看到一个电信服务提供商利用 Commerce.AI 分析各地门店的情感并揭示客户意图,具体表现为愿望清单、表扬和保修部分:
](https://github.com/OpenDocCN/freelearn-dl-pt7-zh/raw/master/docs/ai-pwrd-cmm/img/Figure_10.1_B17967.jpg)
图 10.1 – 电信服务的 Commerce.AI 分析效果图
愿望清单是消费者表达兴趣的功能或产品,可以帮助你制定产品或服务路线图。通过聚合消费者的愿望清单,Commerce.AI 帮助服务团队了解消费者的需求,并指导未来的产品开发。
表扬是客户满意度的一个重要指标,通过情感分析的视角来看,显然这些消费者非常满意。当员工与客户在各门店互动时,他们应该是讨人喜欢并且乐于助人的,当他们做对了什么时,庆祝一下总是好的!
保修是另一个需要跟踪的重要客户意图。对表现出对保修信息感兴趣的客户进行细分,是了解客户需求并提供适当服务的好方法。
最终,这些分析归结为做出明智的决策,决策基于数据和分析。通过将 Service AI 作为众多分析工具之一,我们可以从多个来源提取洞察,并帮助做出比单纯依赖传统方法更有依据的商业决策。
优化你的员工
服务创新几乎是每家公司最优先考虑的事项,但一个挑战是,服务员工常常被忽视作为一种资产。服务提供商面临的困难是如何找到合适的人才,并将其培养成具备提供出色客户体验所需技能的团队成员。
在接下来的列表中,我们将解释一些世界上增长最快的公司是如何利用人工智能和数据科学为其服务团队提供所需的优势,以推动增长和盈利的。我们将覆盖以下步骤:
-
理解服务员工能带来哪些价值:优化服务员工的第一步是了解他们能够为您的业务带来哪些价值。这些机会通常来自于机器学习或 AI 算法,这些算法根据客户与您的品牌的先前互动,为客户提供智能推荐。
例如,一家酒店可能会根据客人的旅行偏好或过去的入住历史推荐特定的设施。通过使用 AI 在客户与品牌之间创建个性化的互动,公司可以以比传统营销方法更低的成本提供卓越的体验。
这一洞察对于所有类型的企业都适用,而不仅仅是涉及客户服务的企业(如酒店)。任何组织都可以通过数据科学和分析在多个接触点应用,识别个性化互动的机会,从而提高每位客户的生命周期价值(LTV)。然而,正确应用时,AI 为产品经理、设计师、作家、工程师或任何参与产品或服务创作的人提供了巨大的机会。
-
情感分析与客户体验分析:利用 AI 优化服务员工的下一步是情感分析和客户体验分析。这些工具可以帮助服务员工通过提供关于客户投诉、积极互动以及其他有助于改善客户体验的有用信息,来改善与客户的互动方式。
例如,一家航空公司可以使用情感分析来识别客户选择另一家航空公司而非自己航空公司的三个主要原因。通过利用这些洞察,他们可以通过解决驱使客户远离品牌的问题来改善机上体验。这种类型的数据科学还可以用于提高客户保持率并减少客户流失(客户流失率),通过主动联系那些开始离开您的公司(或完全停止与您互动)的客户。
服务团队通常与公司其他部门隔离操作。这部分是因为传统的营销方法对服务团队效果不佳;市场细分和人口统计数据对他们的相关性较低,因为他们专注于提供一对一的客户互动。然而,这也源于服务公司相较于产品导向行业的同行,长期以来被视为表现较差的遗留观念。
-
提供洞察:然而,实际上,服务组织与任何其他业务单元一样,能够实现盈利增长——它们不应被忽视。使用像 Commerce.AI 这样提供的机器学习和人工智能工具,服务组织可以在多个接触点利用数据科学,使员工能够在每个环节识别出新的参与和创新机会。
通过在所有与客户接触点应用数据科学,公司可以更好地理解是什么驱动了用户(而非仅凭直觉),并提供卓越的体验,为双方创造长期价值。
优化您的服务
您为用户提供的服务是您业务的核心。您无需成为数据科学或机器学习的专家就能看到这一点。服务的质量与客户忠诚度直接相关,如果客户满意,许多客户会再次与您做生意,并推荐您的服务给他人。
这就是为什么服务提供商在其业务中利用数据科学和机器学习日益增长的能力如此重要的原因。特别是情感分析和客户画像是许多服务型企业尚未完全挖掘的两个强大工具。
通过情感分析,您可以非常早地了解用户对您服务质量的看法,并发现改进的机会。例如,如果您的产品是客户服务,您可能希望监控社交媒体上关于您团队的情感,并做出改变以改善体验。或者,如果您的用户对某个餐厅或酒店的食品质量表示批评,您可以通过情感分析查看是否有改进该体验的方式。
同样,如果您是一名电视节目制作人,您可以利用情感分析了解观众对特定节目的看法,并为未来的节目规划方向。如果观众已经厌倦了老旧的犯罪剧,想要更多的喜剧节目,那就是增加观众数量的机会。
客户画像是另一个强大的数据科学工具,服务提供商可以用来提升服务质量。通过客户画像,您可以收集大量关于用户的信息——例如他们住在哪里,做什么工作,或他们的兴趣爱好——并利用这些信息根据这些偏好为他们提供定制化的体验。
例如,如果某个城市的某个区域在比赛日有许多人实时观看体育集锦,那么体育酒吧可能会想在该地区安装高清电视,以便顾客在等待比赛开始时也能观看体育集锦。这种洞察力帮助企业避免浪费投资,并为顾客提供更好的服务,同时降低成本。
毫无疑问,这两种数据科学形式——情感分析和客户画像——在未来将发挥越来越重要的作用,提升服务的效率和质量。随着公司希望通过提供增强的客户体验或个性化内容(例如Netflix与Blockbuster的对比)来区分自己,它们将变得更加关键。
这就是为什么服务提供商今天必须考虑如何利用这些工具(以改善当前的客户体验)来培养忠实的客户,以便未来他们能够回头光顾。
在这一部分中,我们学习了如何在门店位置的管理和优化方面做出改进,涉及到分店、员工和服务。这些都是你服务中至关重要的部分。接下来,让我们深入探讨如何使用 AI 来提升你的服务产品。
提升服务产品
提升你的服务产品需要一种整体方法,即从头到尾全面审视你的服务。你的竞争对手在不断根据客户反馈和分析改进他们的服务产品,因此你也必须做到这一点。特别是,你可以通过服务 AI 在五个方面提升你的服务产品:
-
识别增长领域
-
利用 AI 打造更强的服务产品
-
识别提升客户忠诚度的机会
-
为你的门店寻找新用途
-
在瓶颈问题升级前获得预警
让我们详细探讨这些领域。
识别增长领域
增长收入很困难。那些在规模上取得成功的企业都有一个共同点:通过不断创造新价值并通过提供更多顾客想要的东西来增强现有产品。这一过程中,这些企业创造了巨大的客户忠诚度,这也是它们成功的关键。
目前,许多公司正在试图在一个钱少、竞争多的世界中找到如何增长收入的方法,尤其是随着消费者寻求数字替代传统实体店购物体验。随着电子商务的兴起,难怪如此多的公司都专注于在组织内部建立更强大的电子商务能力。
但这对服务团队意味着什么呢? 现在,我们将探讨如何利用 AI 创造更强的服务产品,以便为我们的客户提供更好的服务,同时可能在这个过程中推动收入增长。
利用 AI 打造更强的服务产品
服务团队可以为公司增长做的最重要的事情之一就是确保顾客满意。有大量研究表明,客户保持率(即顾客保持忠诚的时间)与收入增长直接相关。想想看:如果你能留住 100%的客户,那不是太棒了吗?
但想想这里的含义:即使你只能保留 50%的客户,如果你能够通过不断为他们提供更多的价值并增强现有的产品,那么这不是很有意义吗?
换句话说,单纯专注于增长,而不考虑提升保持率,就像在漏水的桶里倒水。
重要的是你的公司是否有能力在一段时间内持续为客户创造新价值。这意味着服务团队需要重新思考如何服务客户,以便在创造新价值的同时增加收入。
在为客户创造更多价值时,你不必总是重新发明轮子。事实上,许多公司今天已经开始使用 AI 来增强现有的产品,尤其是在像Airbnb和Uber这样的站点上,人们使用 AI 功能(如评分表和司机评价)来判断谁可能是一个可靠的房东或司机。
人们已经在这些网站上不断使用这些功能;你需要做的就是理解行为经济学(人类决策背后的科学)。通过这种理解,你可以判断如何最佳地部署这些工具,使它们在大规模实现你的商业目标时发挥最佳作用。
比如,假设你拥有一个销售家居装饰品(如抱枕)的电子商务网站。每天,成千上万的人从全球各地访问你的网站,搜索诸如粉色抱枕
,甚至更具体的术语如红色格子抱枕
。数据显示,购买红色格子抱枕的顾客往往也会购买粉色抱枕,但如果顾客没有查看任何一种,他们就不会购买任何一种。
如果你添加了一个新的产品详情页参数,叫做颜色
,展示常见的颜色配对呢? 按颜色搜索的顾客更可能购买多件商品,从而提高平均购物车价值。这就是行为经济学的运作方式。你通过理解顾客的浏览行为,利用 AI 更好地利用现有库存。
这个例子中的关键要点是,如果你了解人们如何浏览你的网站,你就可以利用这些数据来指导未来关于哪些产品或功能应该包括或排除的决策,基于客户行为。再次强调,使用行为经济学作为指南,你可以通过在客户最需要时(或至少是他们认为最有用时)为他们提供所需的内容,从而为客户创造更多价值。我们称之为适应性定制。
这种适应性定制的概念对服务团队来说具有巨大的影响,帮助他们创建更强大的服务产品并推动收入增长。事实上,将这一原则应用于社交媒体平台已被证明可以显著提高用户参与率,这意味着更高的留存率和随着时间推移更大的收入增长。
识别提升客户忠诚度的机会
客户忠诚度是一个热门话题。公司每年花费数十亿用于获取和留住客户,而且由于服务市场的竞争异常激烈,形势比以往任何时候都更为严峻。
但在客户忠诚度计划中,由于资源限制,服务公司往往很难找到如何在提高留存率的同时为客户提供更多价值的方法。
简而言之:如何为你的客户和你的企业创造双赢的局面?
一种有前景的方法是通过像 Commerce.AI 这样的 AI 驱动的商业平台。这些平台利用数据科学转变了企业与客户之间通过服务产品互动的方式。
例如,假设你经营一家提供按需家政服务的小型企业,帮助人们维护和修理他们的家。你有一个出色的团队,能够及时提供高质量的服务,但由于客户流失率高,你的收入增长停滞不前。
你的销售团队一直在尝试与客户互动的新方式,例如为他们创建定制活动或提供一对一的辅导课程。为了为现有客户增加价值,你使用 Commerce.AI 分析你在Yelp和 Angie’s List 上的评论情感,识别可以解决的问题以提升客户满意度,然后利用这些反馈为客户创建新服务。
这种方法有潜力提高客户参与度,同时增加客户留存率。例如,假设你的客户最近在家里遇到了水龙头坏了的问题,并提出了投诉。你迅速创建了一个服务方案,解决了她在 Yelp 上列出的其他问题。她对这种个性化服务感到非常满意,并且感激你能够迅速处理问题。
相同的原则可以应用于任何规模的服务企业。例如,你可以使用服务 AI 来识别你的主要客户,然后利用这些信息为他们创造新的服务。或者,如果你在某些区域有大量客户,你可以使用服务 AI 来识别哪些客户比其他客户使用某些功能更多。接着,你可以根据这些用户的需求为他们创造新的产品和服务。
Commerce.AI 与企业的这种整合可以通过提供比单纯交易互动更多的价值,帮助他们增强与客户的现有关系,这也是为什么我们看到像联合利华、网件、可口可乐、铃木等领先品牌都在使用 Commerce.AI。
寻找店铺的新用途
你的店铺可能有多种用途:提供服务的地方;建立社区的地方;获取反馈的地方;进行市场调研的地方;举办促销活动的地方;客户报名电子邮件列表的地方;赚取推荐佣金的地方;销售实物产品的地方——这个列表可以继续扩展。
但你如何在这些使用场景中找到更好、更创新的方式来服务你的客户,并且如何跟踪你的努力成果呢?
这就是人工智能的作用所在。由于考虑如何利用人工智能满足所有这些不同需求可能会让人感到不知所措,我们将其拆解为三个阶段,帮助你从今天开始改善你的工作方式:
-
寻找今天使用店铺的新方式
-
寻找未来使用店铺的新方式
-
找出有效的方法并识别如何扩大规模
寻找今天使用店铺的新方式
第一步是思考如何利用你的店铺,并探索是否有任何新的方式可以使用它。
举个例子,如果你是一个服务团队,你可能希望考虑将你的店铺作为一个让客户互相交流的地方。你可以在店里举办一个聚会或活动,让人们聚在一起,互相学习。或者,也许你有一些有趣的内容,大家都愿意分享,比如如何提高工作效率的技巧,或者如何创业。现在正是时候开始思考你可以为那些希望通过你的新闻通讯或网站以外的渠道获取这些内容的人创造哪些内容。
你可能还需要考虑你团队如何使用你的商店与客户互动的方式。例如,你可以问自己一些问题:如果你有一个电商网站,为什么不与客户举办直播问答会? 如果你有一个社区网站,为什么不发布客户成功案例? 这些只是两个想法,具体的可能性还有很多,取决于你提供的产品或服务类型。重要的是,这个练习有助于团队识别他们今天可以使用平台的新方式,这样他们就不会只想着未来要做的事情。
AI 可以通过帮助你识别对你的受众最有价值的内容,并找到最佳的传递方式,来帮助你发现使用商店的新方式。
寻找未来使用你的商店的新方式
一旦你开始以新的方式使用你的商店,下一步就是开始思考如何在未来继续使用它。这可能意味着从小处着手,并在当前的基础上进行扩展,或者意味着进入全新的领域。
例如,虽然你的商店可能当前没有预算聘请一名全职的社交媒体经理,但你可以将你的商店作为一种方式,让你的团队成员在社交媒体上与客户互动。你还可以考虑将你的商店作为团队成员分享与社区相关内容的一种方式,比如你认为大家会喜欢的精彩新文章,然后让社区中的人分享给他们自己的社区。
从根本上来说,这个阶段的重点是利用 AI 从评论和社交媒体帖子中提取客户的需求,然后将那些目前无法实现的需求进行细分,并为未来的路线图做规划。在此之前,你可以寻找创造性的替代方案来满足客户需求。
找出什么有效并确定如何扩大规模
最后一步是利用 AI 从实验中学习,以便将有效的做法进行扩展。你可能会发现,邀请外部团队或顾问来审查和验证每个阶段的发现是有帮助的,因为这可以帮助你专注于正确的事情。
从小处着手,保持简单,直到你弄清楚如何开始做一些更易管理的事情,再考虑最昂贵的预算支出(如购买一大块不动产或雇佣一支庞大的团队)。
现在也是考虑你的团队如何能够随时间追踪和分析这些实验结果的好时机,这样他们就可以了解在不同的使用场景中,哪些方法最有效,同时还能追踪这些方法背后的成功指标。这有助于团队理解哪些实验效果良好,以及为什么效果良好,这样他们就能在其他有潜力增长的地方重复这些实验。
在瓶颈升级之前获取清晰的图景
瓶颈是阻止客户充分利用服务的隐性因素。这些因素可能来自于有限的人力资源、容量、流程不完善或其他低效之处。
每个企业都知道,改善客户体验是成功的关键。然而,对于许多组织来说,全面了解所有服务方面的情况可能非常困难。让我们探讨一下 AI 如何帮助团队更清晰地了解其服务能力——通过隔离瓶颈——从而能做出更明智、更有信息支持的决策,决定将时间和资源投入到哪里。
在一个集中系统中追踪您的店铺位置、团队成员和客户互动,有助于您发现趋势并识别改进领域。这就像拥有一份数字化的餐巾纸背面分析,帮助您了解您的业务在哪些方面强大,在哪些方面需要改进。
当应用于服务运营时,AI 工具可以提供关于客户满意度、员工表现和店面效率的实时洞察。通过机器学习,数据驱动的系统以惊人的速度分析大量数据,快速处理文档,并在问题成为难题之前自动提醒您有关问题的情况。
在服务运营智能的情况下,AI 可以突出那些可能被人工忽视的关键瓶颈,从而让团队能在问题成为客户体验障碍之前主动解决这些问题。
例如,一家著名的法国披萨连锁店使用 Commerce.AI 来识别其配送位置的瓶颈。借助 Commerce.AI,连锁店可以轻松发现业务流程中的瓶颈,例如新员工在特定设备上的培训不足。
总结
在这一章节中,您已经学会了如何使用 AI 来赋能您的前线团队、管理您的店面并提升您的服务产品。
通过分析客户数据,您可以提取客户的偏好、购买原因和面临的挑战。这些信息将帮助您的前线团队更好地与客户产生共鸣并提供服务。对于您的实体店面,您可以分析围绕分店、员工和服务的数据,从而在各个层面优化流程。最后,您可以通过识别增长领域、发现新用途、提升客户忠诚度和减少瓶颈,提升甚至转型您的服务产品。
通过让 AI 在您的服务数据中发挥作用,您将解锁新的洞察和增长机会,并进一步让您的公司在市场中脱颖而出。您将成为一家AI 优先的公司。
在下一章节中,您将学习如何将 AI 应用于市场智能,生成可操作的洞察,帮助您改善业务。
第十一章:第十一章:通过市场 AI 提供洞察
一切市场都已到来。任何可以想象的商品或服务,都可以在在线市场上找到,从航班到房地产,从音乐会门票到传统的体力劳动。
这不仅仅是我们在新闻中读到的东西——它是一个全新的现实。在我们周围,人们以前所未有的方式买卖商品和服务。那些使信息获取更加民主化的数字化力量,也使得市场变得无处不在。
过去,公司需要多年投资和数百万美元的收入,才能梦想着创造一个新的、盈利的产品线;现在,这个过程只需数周或数月。进入许多市场的门槛已经降得非常低,竞争达到了历史新高。
为了在这个新的市场环境中取得成功,产品团队需要能够识别产品数据中的趋势和模式,从中获得更多的战略决策依据。以新的方式分析数据的能力可以帮助产品团队改善其产品和服务——最终,增加收入。
在本章中,我们将探讨如何使用 AI 获得可行的洞察,从而在市场中取得成功。具体来说,我们将涵盖以下主题:
-
趋势分析与空白空间发现
-
将市场变化与品牌、产品和服务连接起来
-
理解市场 DNA
你将学习如何识别新的产品和市场机会,发现并应对市场变化,并利用市场 DNA 的概念,解读客户的声音、内心和想法。
趋势分析与空白空间发现
首先,我们来讨论如何通过产品创新和市场情报的视角,利用 AI 发现商业中的重大趋势。
历史上,产品团队一直依赖多种方法来识别创新的产品或功能。这些方法通常包括客户访谈、焦点小组讨论和广泛的市场调研。近年来,随着额外资源和技术的出现,产品团队能够利用基于 AI 的技术来补充甚至取代这些传统方法。
特别是,趋势分析和预测已经成为产品经理的重要工具,使他们能够识别流行趋势、新兴趋势以及潜在的有利可图的市场。
利用空白空间提升产品创意生成
创意生成始于市场调研——但这还远远不止如此。一旦团队通过市场信号识别出人们的需求,他们应该能够更深入地分析数据和 AI,甚至发现所谓的市场空白空间。空白空间指的是那些当前尚未被满足的产品细分领域,但如果产品团队能够找到进入这些领域的方法,它们就可能被开发出来。
在下图中,我们可以看到一个模型图,展示了如何通过查看各个领域的数据(包括产品、服务、品牌、市场、消费者等)来发现空白空间:
图 11.1 – Commerce.AI 空白空间分析的模型图
通过结合来自数字渠道的数据源以及关于人们在各个渠道上实际行为的定性信息(例如人们搜索的内容或他们对某个产品的喜欢与不喜欢),产品团队可以开发出高度预测性的模型,帮助他们创造更有效的产品或服务。
利用这一发现市场空白空间的概念,Commerce.AI 在超过一万亿个市场数据点中发现了 10 个重大趋势。让我们深入探讨这些重大趋势,它们对今天的产品团队有着重要的启示。
一切的虚拟化(VE)
虚拟现实(VR)因其沉浸式特性以及在硬件和软件采纳方面的顶尖表现,成为未来的数字环境。2021 年第一季度,全球销售的虚拟现实头盔增长超过 50%(thejournal.com/articles/2021/07/01/virtual-reality-headsets-see-explosive-growth.aspx
),这一技术终于开始拥有足够大的装机量,足以引起许多消费者的关注。随着越来越多的人接触到虚拟现实,这项技术将在未来几年内继续获得关注,推动每用户平均收入(ARPU)的增长。
这些数字只能增加,特别是随着成本持续下降,同时每花费一美元所获得的计算能力不断提升。
虽然虚拟现实(VR)目前可能还没有成为主流现象——它是你必须亲自体验才能相信的——但其基础设施已经基本到位,且采用率正在迅速上升。如果在我们的有生之年,超过十亿人开始使用虚拟现实,也不会令人感到惊讶(尽管今天看起来似乎不太可能)。
此外,像 Facebook 这样的大型企业正投入大量资源支持虚拟现实,包括数十亿美元的投资和数百名专注于该技术的员工,因此这不是昙花一现——它是一个值得的投资。
对于那些希望利用这一新技术推动业务发展的产品团队来说,有许多机会。让我们重点关注一些企业应开始思考如何在今天使用虚拟现实的领域:
-
沉浸式体验
-
转型现有行业
-
品牌与声誉
这三个领域是虚拟现实体验和产品的主要目标市场。机会是广泛的,但这需要公司思考全新的商业模式,利用这项技术独特的能力。接下来我们将详细探讨这些领域。
沉浸式体验
提供沉浸式体验的公司可能会在虚拟现实领域取得最大成功。虚拟现实的主要好处是它允许人们身临其境,无论是在游戏、电影、展览,甚至是另一个国家。但它不仅仅是娱乐。
公司可以使用虚拟现实来培训员工、将客户与专家对接、展示产品和服务,等等。因此,公司正在通过新渠道和新形式找到令人兴奋的方式来吸引用户——同时为他们提供传统 2D 屏幕无法带来的体验。
转型现有行业
在过去的几年里,我们看到公司利用虚拟现实进行飞机设计原型制作、虚拟展厅等。这些项目展示了公司如何重新审视传统行业,并通过技术——在这种情况下是虚拟化——找到新的方式与人们互动。
品牌建设与声誉
让人们注意到你的品牌是很困难的。这就是为什么公司花费大量广告费用——为了接触到那些看到广告的人。虚拟现实可以改变这一切,因为一旦它融入到公司的生态系统中,客户会想要与品牌互动。未来没有人会想错过新的虚拟体验;相反,每个人都会希望成为其中的一部分(特别是如果他们的朋友也在其中的话)。
增强现实
增强现实(AR)市场正在以惊人的速度增长,因为越来越多的消费者意识到它的潜力。像大多数新兴技术趋势一样,AR 最初针对的是一个小众群体——特别是寻求更加沉浸式和真实体验的游戏玩家——但随着时间的推移,它将继续扩展到这一初始群体之外。
各种不同群体的可接触性将会增加,例如寻求更好协作工具的企业用户,或希望在监督孩子户外玩耍时多一双眼睛的父母,以避免意外事故发生。
增强现实也将受益于它可以被视为虚拟现实的延伸,因为用户实际上是在数字世界中生活。这两项技术相辅相成,因为它们都为用户提供了与周围环境互动的新方式——在这种情况下,是数字增强的环境——为用户带来了全新的体验。
这种互动对那些需要与他人共享物理位置的行业尤其有用。值得注意的是,Facebook 最近正在进行一系列收购 AR 公司,如 Scape Technologies、Daqri 和 Mapillary。
正如产品团队可以使用 VR 一样,AR 也有许多创造性的应用。例如,产品团队可以利用 AR 展示新功能或操作,向用户介绍新功能如何工作,甚至用于品牌互动。同样,餐厅也可以将实时订单叠加在顾客的餐桌上,这样顾客就能看到自己的餐点还需要多长时间才能送到。
举几个例子,房地产开发商可以创建一个房产的 AR 模型并展示给潜在买家,而房主则可以使用 AR 在家中添加虚拟家具。消费者甚至使用 AR 试妆、试衣、试发型和配饰。考虑到这些可能性,难怪公司会投资 AR,以帮助他们以全新的方式与客户和潜在客户互动。
电子商务
随着电子商务的持续大规模增长,在线购物变得越来越普及。2020 年,Commerce.AI 数据引擎在几个月内实现了 10 年电子商务增长,导致全球电子商务渗透率急剧上升。
电子商务还将受益于年轻消费者对传统购物方式的依赖减少;他们认为在线购买和去商场购物没有区别。
对于实体店来说,最大的问题是所谓的出行障碍。如果你住在农村,想去实体店购物,唯一的选择就是乘飞机去其他城市购物。另一方面,线上零售商没有这个问题——你只需要打开电脑或手机,就可以进入任何愿意购买你产品或将钱寄给你的人所在的地方。
向在线零售转变已经酝酿了很长时间。几十年前,几乎不可能在线购买除书籍和办公用品之外的任何东西;而今天,多亏了像 Amazon 和 Alibaba 这样的电子商务平台,它们在各自市场的主导地位,现在几乎任何人都可以轻松地通过几次鼠标点击购买到几乎任何东西。
社交商务的崛起
社交商务在过去几年中显著增长,而且近期没有放缓的迹象,尤其是随着 Instagram 和 TikTok 等平台越来越受欢迎,成为品牌与顾客连接的途径。
另一方面,传统媒体渠道如报纸或电视广告可能会疏远一些不感兴趣的潜在顾客,尤其是在某个特定时刻展示的广告内容(除非可能是披萨广告)。这也是社交商务迅速崛起的部分原因。
目前,社交媒体在 Z 世代中最受欢迎;然而,过去几年里,它在较年长的群体中,如婴儿潮一代和 X 世代的渗透率也在迅速增加。社交媒体已经成为我们日常生活中如此根深蒂固的一部分,以至于几乎没人会停止在这些平台上花时间——能够利用这一趋势的品牌将看到其销售额大幅增长。
网红营销的崛起
网红营销是社交电商的另一个例子,近年来在过去几年的增长非常显著。未来可预见的时间里,网红营销的投入将继续增长,尤其是随着消费者越来越习惯于基于他人的推荐而非自己进行尽职调查来购买产品。
网红营销与社交电商一起成长;两者在彼此依赖的口碑推荐中都受益匪浅。
如果我们从社交媒体时代学到了一件事,那就是在线的同伴压力在影响人们并说服他们购买某些东西时往往极其强大,无论他们是否真正需要或想要它。
万物游戏化
游戏化在商业和营销中是一个热门话题,品牌和消费者都对如何利用这一概念增加互动感兴趣。这一趋势已经存在了十多年——即使是 Facebook 自创立以来就开始使用游戏化技巧——但最近,随着竞争的加剧,它所获得的关注度呈指数增长,尤其是在争夺人们有限的注意力时。
游戏化的理念是将那些本身被认为平淡或乏味的事物——在这种情况下,如购物体验——转变为人们期待去做的事情。
例如,假设你正在销售一双跑步鞋。你可以为跑步者创建一个应用程序,将跑步这件事变得有趣和令人享受——比如与其他人竞争,看看谁能跑得最远或者最快。你还可以围绕品牌建立一个社区,创造一个体验,鼓励人们与他人分享他们的锻炼成果,从而鼓励更多人加入他们的锻炼。
这甚至适用于实体店。假设你经营一家比萨饼店。你不仅仅是展示一个比萨烤炉,而是可以设计一个游戏,让人们在 15 分钟内将比萨送到社区的其他人手中。排名榜首的人将赢得一张免费比萨!
在商业和营销中,运用游戏化技巧的可能性是无穷无尽的。
中产阶级的崛起
从金融角度来看,中产阶级通常被描述为拥有 10 万美元到 100 万美元之间流动资产的人。
富裕阶层是全球商业和经济中的新权力经纪人,他们在经济和社会上的重要性持续增长。这群消费者主要由处于上中产阶级与上层阶级之间的人群组成,具体取决于用来定义其社会地位的参数(财富、教育水平、购买力等)。
随着公司利用互联网接触到他们,Z 世代的购买力在过去几十年中大幅增长,他们能够比较价格、质量水平和不同提供商的服务。这一趋势使得大多数行业中的公司几乎无法忽视这些消费者——尤其是现在他们有钱可花。
当我们将过去几年的所有因素加起来时,看到一些关于品牌如何与这个群体互动的趋势浮现出来也就不足为奇了,主要通过沉浸式内容和网红营销。
真实性的崛起
随着 Instagram、YouTube、Twitter、Discord 等社交平台汇聚了数十亿用户,用户们通过自我创作内容(无论是视频还是静态图片)来表达自我,我们看到越来越多真实内容的生产。
此外,今天世界上一些最大的品牌最初都是通过社交媒体平台起步,后来才发展成家喻户晓的名字。这主要得益于它们能够在真实的层面上与消费者建立联系。
社交平台不会很快消失,因此许多品牌正试图利用这些平台与消费者建立更真实的联系也就不足为奇了。简而言之,今天的消费者比以往任何时候都更可能在这些平台上信任并与品牌互动。
Z 世代
Z 世代(1997 年后出生)是首批真正的数字原住民,也是最大的数字消费者群体。由于他们年轻,Z 世代的庞大规模经常被忽视,但他们将进入职场,恰逢科技和服务行业经历前所未有的增长。
Z 世代展示了与品牌互动的天生能力,能够根据他们独特的需求理解品牌应该如何与他们沟通。例如,他们比以前的几代人更看重真实性。
对可持续产品的需求
世界许多地方缺乏清洁水源、食物和能源,迫使消费者购买环境影响较小的产品,同时提供改善健康或表现等有价值的益处。
虽然这一直是品牌应关注的重要方面,但 Z 世代在要求品牌提供更可持续产品方面走在了前列。这些顾客希望购买对环境无害、对他们有益的产品,而不是在二者之间做出妥协。
像联合利华这样的公司已经意识到这一趋势,并创建了具有更少有毒成分、但依然有效的可持续产品线,以提供期望的结果。
总结这 10 个大趋势,我们可以说,它们是人类活动多个领域快速演变的必然结果,从商业到政府到科学。它们已经存在,并将继续影响我们日常生活的方方面面。
话虽如此,理解市场变化并不够——为了利用这些变化,企业必须能够将这些变化与他们的战略和现有资产相连接,同时识别出哪些地方可以创新,以更好地满足需求。
将市场变化与品牌、产品和服务联系起来
现在我们已经了解了如何通过商业数据分析市场变化,接下来我们来看看如何将市场变化与品牌、产品和服务联系起来。我们将在两个主要领域探讨这一连接:
-
衡量产品及其类别中的正负变化,并迅速、高效地做出响应。
-
识别、管理并解决产品风险领域和升级问题,并主动制定解决方案。
测量产品变化
测量市场变化很困难。你怎么知道市场上发生了什么,并知道如何采取行动?
仅仅意识到消费者需求的变化是不够的。你必须能够迅速行动,预测这些变化将对你的产品或服务带来什么影响,并思考如何利用这些变化。通过这样做,你可以将机会转化为竞争优势,使公司在长期内取得成功。
让我们看看三种公司利用人工智能更好理解这些变化市场的关键方式:识别机会、洞察竞争对手以及基于数据分析进行调整。
这些领域每一个都至关重要——每一个都需要人工智能技术,如情感分析和自然语言处理(NLP)。当然,考虑的事情远不止于能否识别市场变化——但是如果你能够利用 NLP 技术作为起点,它可以为你的产品团队开启新的可能性。
市场变化如何帮助你发现市场中的机会
那么,当消费者从直接在家里饮用自来水转向购买瓶装水时,这意味着什么?或者当消费者从为野餐和户外活动购买瓶装水,转变为每天消费瓶装水时,这意味着什么?这些都是消费者行为的变化,值得衡量。
你如何知道这些变化意味着什么?作为一家公司,你又该如何利用这些变化来获取优势——无论是通过寻找新的方式与客户建立联系,还是识别客户可能从竞争对手那里转移的地方?
无论是瓶装水、电子产品,还是其他任何完全不同的商品,NLP(自然语言处理)可以帮助我们了解消费者情绪和兴趣的变化。
这些信息可以为我们提供一个良好的依据,了解消费者未来可能购买哪些品牌,而这些洞察可以被产品经理或营销人员用来针对这些特定用户创建新的营销活动。本质上,我们将能在其他人之前识别出市场中的机会。
预测市场变化并理解这些变化对品牌和产品的影响,不仅对识别机会至关重要——它也是创造新机会的关键。通过了解哪些消费者可能对你的产品或服务感兴趣,你可以围绕该话题开始构建社区内容,同时为你的品牌创造吸引新客户的潜在机会。
获取竞争对手的洞察有助于你创造竞争优势。
客户体验(CX)是电子商务中的新竞争优势。这是有道理的——在今天的世界里,消费者更有可能根据品牌如何对待他们,来决定与哪些品牌进行交易。
因此,各行各业的公司都需要密切关注竞争对手的动态,以便从中学习并及时响应客户需求。通过使用诸如情感分析等 NLP 技术获取竞争对手的洞察力,你可以更好地理解消费者对你品牌的看法。
以瓶装水为例,随着人们对健康和福祉的关注增加,我们或许能看到向高端瓶装水品牌的积极转变。但这也可能意味着,某些产品线中的其他产品,如苏打水,可能会面临市场的潜在转移。
这些信息可以被任何公司内部的产品经理使用——无论是可口可乐还是其他消费品公司——来确定如何根据这些信息调整其产品供应。
基于数据分析做出调整可以帮助你适应市场的变化。
数据无处不在,而且比以往任何时候都更重要,企业将其作为获取市场洞察的手段。因此,现在品牌获取关于消费者行为、竞争对手销售趋势等方面的数据,比以往更为容易。有效使用这些信息,可以成为采取行动并作出明智决策的重要工具,帮助你在任何市场中做出合理的操作。
NLP 技术只是识别市场趋势和基于数据分析做出改变时拼图中的一块。但是,无论你在哪个行业工作,或者你在任何公司中的角色是什么——从市场经理到首席执行官——能够利用 NLP 技术可以帮助你比竞争对手更快地发现新兴机会,深入了解你的客户群体,从而与他们建立更有意义的联系,并做出更聪明的决策。
识别产品风险领域
产品风险领域是客户需求和行为变化的表现,这些变化可能导致产品失败或表现不佳。当这些领域得到更好的理解时,可以通过设计和开发变更积极应对。通过预见变化、市场状况,甚至竞争对手的策略,产品团队可以开发出符合客户需求变化的产品。
为了有效管理这些领域,产品经理需要了解他们的客户——他们是谁,如何表现——以便预见客户可能最看重哪些特性。在开发新产品或服务时,这些知识应为你提供有关如何在内部设计功能以及市场中存在的创新问题/机会的参考。
为了降低失败的风险,产品经理还应对其组织的能力和限制有深入的了解,以确保他们构建的产品能够在预算和时间框架内成功交付。他们应考虑竞争对手如何解决类似问题,可能使用什么技术来解决这些问题,以及他们在内部可能缺乏哪些能力,但可以通过外部合作伙伴或供应商来弥补。
这种积极主动的方法让你能够在设计过程中及早识别潜在风险。它还为你提供了在产品路线图中构建灵活性的机会,通过加入一定程度的实验性,同时考虑某些特性、策略或商业目标。
风险缓解应超越产品经理,扩展到整个产品开发团队,团队可以作为一个协调一致的单元一起工作,识别并解决可能出现的任何潜在问题。
使用人工智能进行产品风险管理
积极预见风险并设计出更有可能成功的产品是产品经理的宝贵资产,但对于团队来说,单独管理这一点可能会很困难。这就是人工智能可以提供帮助的地方。AI 可以通过实时分析众多数据源,包括与正在开发的产品相关的社交媒体帖子和在线对话,来全面理解市场。
通过其揭示可能被忽视的模式的能力,这一分析可以比传统方法更早识别出新兴趋势。通过这些数据来源获得的 AI 生成的见解可以持续精炼并随着时间推移更新,提供关于市场状况的更详细信息——这些都是积极主动的产品经理在尝试在竞争环境中开发创新产品时会觉得有用的内容。
作为这一持续过程的一部分,可以在问题全面爆发之前识别并采取行动应对新机会或风险,从而提供额外的好处,超越了仅仅是在发布前识别潜在问题或发布后减少失败率的目标。
这种战略情报可以为公司提供优势,帮助其创建顾客愿意为之付费的新价值主张——这是在没有 AI 技术的支持下无法做到的事情。
总结这一部分,AI 技术的使用帮助公司识别市场中的机会和风险,同时提高他们预见即将到来的变化的能力。以这种方式使用 AI 可以帮助公司通过更好地理解顾客并开发满足顾客需求的产品,获得竞争优势。要在竞争激烈的市场中取得成功,让我们一起探索市场 DNA 的概念。
理解市场 DNA
市场 DNA是一组定义市场的属性和特征。例如,一个市场可能通过参与者的属性来定义——例如其用户数量或用户的经验水平——或通过他们购买和销售的商品的属性来定义,例如订阅模式。
市场 DNA 在理解产品应该如何运作以及应具备哪些功能方面至关重要。特别是,市场 DNA 包括关键的产品特性。例如,如果你处于智能手表市场,电池续航就是一个关键特性。因此,你可能需要一款电池续航时间长的智能手表,以吸引消费者的关注。
以下截图展示了在男士腕表市场 DNA 中所涉及的特性。创新团队可以深入探索仪表盘中的产品、评分、评论、属性、消费者愿望清单等部分。每个特性都展示了市场特征的多维空间中的一个维度:
图 11.2 – Commerce.AI 男士腕表市场概览的截图
产品团队通常在这方面遇到困难,因为他们的任务是定义产品的目的并构建满足这些需求的功能。但很少有产品团队拥有关于顾客如何使用他们的产品的数据——尤其是在早期阶段的公司,功能集尚未完全定义。这就是 Commerce.AI 可以提供帮助的地方。
Commerce.AI 帮助产品团队从客户的市场数据中发现模式,这比传统手段(如客户访谈或焦点小组)能更快地揭示关键的产品特性。
Commerce.AI 还帮助您了解客户如何使用产品,这有助于产品团队调整功能集和产品策略。例如,如果大部分用户只是偶尔使用您的产品,而不是定期使用,这可能是一个警示信号,表明您可能需要重新思考产品的目的或目标用户。让我们通过了解市场特征、用户需求和期望、发现新的使用场景等,深入探讨这些思路。
发现市场 DNA 特征
在本节中,我们将讨论 Commerce.AI 的市场数据如何帮助产品团队在市场 DNA 的背景下找到关键功能——包括揭示定义市场的特定属性。我们将深入探讨商家在平台上发现的关键功能的实例,以及这些洞察如何为产品团队的决策提供指导。
与许多新产品策略一样,通常会有一种诱惑,试图为每个可能的用户构建一切。这种方法很容易导致功能蔓延和功能发布的延迟,因为你需要为更多的使用场景添加支持。
更重要的是,并不是总能明确哪些功能对于特定市场的成功至关重要。例如,您的产品或服务是否需要具备较长的使用寿命?
营销人员经常这么认为,但客户可能并没有这么强烈的需求。研究表明,人们通常更喜欢长期产品而非短期产品;然而,也有例外——比如当切换的客户体验成本过高或不方便时(例如搬家)。
因此,了解客户是希望进行一次性购买,还是期望他们的购买能够持续更长时间,可能是定义您产品策略的重要洞察。
我们平台的商业数据帮助商家了解客户如何响应他们网站上的不同定价结构和优惠——这使得商家能够更有效地调整价格,同时提高每次客户互动的收入。
通过 Commerce.AI 提供的洞察,这些商家也能够识别出他们网站上的关键功能,这些功能有助于提高转化率并增加访问者的购买频率。
这些发现可以帮助产品团队了解在开发过程中应该优先考虑哪些功能,甚至能够帮助其他使用我们平台的公司团队获得灵感,了解他们应该考虑将哪些功能融入到自己的产品/服务中。
利用 AI 发现用户愿望清单和新兴需求
消费者需求正在发生变化。人们使用智能手机的频率越来越高,现在他们几乎不停地使用手机进行购物。如今,我们比以往任何时候都拥有更多关于人们需求和欲望的数据——但挑战在于如何将这些信息转化为人们真正需要和想要的产品。
要做到这一点,产品团队需要一种全新的思维方式来看待用户研究。传统的用户研究方法,如焦点小组或一对一访谈,往往会产生太多噪音:许多细节并不能真正告诉你关于用户潜在动机或目标的任何有价值的信息。
这使得产品团队在开发关于如何设计更好满足用户需求的产品时,难以提出有意义的假设。这些洞察将帮助你改进团队在启动新产品和改进现有产品时的方式。
产品经理和高层管理人员早就意识到用户研究对产品开发至关重要,但过去他们常常面临有限的用户访问问题。那些经过精心规划的方案,往往在需要更多用户参与时无法如愿。
然而,今天,随着技术的进步,曾被认为不可能实现的事情变得可能:真正了解你的用户是谁,他们处于生命周期的哪个阶段(与谁相比),他们目前或潜在地如何看待和感受你的产品或服务(与其他选择相比),以及如何设计一种能够让他们长时间保持参与感的产品。
作为全球首家设计和构建平台进行大规模市场研究的公司,我们亲眼见证了这个问题乍看之下有多么令人生畏——但也看到了在开始从新方式思考后,这个问题是如何得到解决的。
AI 与消费者生成内容
我们的客户可以比以往更加细致地了解他们的受众,通过探索和分析任何数量的消费者生成内容(CGC)来源,例如视频片段、产品图片、音频片段和社交媒体评论——甚至是联系中心数据、数据湖等。
借助我们的平台,市场研究团队可以大规模地与各大社交平台上的目标受众连接,从而获得关于他们想要影响的人群中出现的新需求和未被满足的愿望的即时洞察。
简而言之,当你询问客户他们现在想要什么以及他们未来可能感兴趣的内容——结合从 CGC 来源(如公开发布的视频和图片)中获得的见解——你能够更清晰地了解受众潜在的需求和愿望,这些需求和愿望通常是他们尚未明确表达出来的。而你越能理解这些未被满足的需求或潜在愿望,你就越能在长远的角度上创造符合他们利益的产品和服务——无论他们当时是否意识到这一点。
这就是我们认为人工智能发挥作用的地方:通过将 CGC 洞察与 AI 技术结合,你能够揭示用户行为中的模式,这些模式否则可能无法察觉。例如,我们的客户已经利用我们的平台识别出特定用户群体中的新兴趋势——例如,喜爱 Android 手机但讨厌 iPhone 的千禧一代——这些趋势可以用于市场研究。
利用 AI 发现新的使用场景
Commerce.AI 利用先进的机器学习技术,基于用户的先前行为和其他上下文因素,识别出最相关和最有用的产品使用场景。例如,如果你在销售一双新鞋,一位客户可能想用它来锻炼,另一位客户可能想用它去周末购物,还有一位客户可能只是想在俱乐部炫耀它。
要成功营销和销售这些鞋子,你必须克服一个挑战,那就是理解不同用户如何以不同的方式使用你的产品。
产品团队可以根据这些特定的背景设计新产品。产品经理还可以利用这些数据帮助优先考虑产品待办事项中的功能或变更——优先考虑那些可能在多个使用场景中更有用的功能,而不仅仅是专注于某个特定用户或用户群体最重要的功能。
让我们更仔细地看看一个例子:智能家居产品。智能家居产品可以用于许多不同的用途:能源监控产品、安全产品、下一个家庭扩建的面板等等。为了在这些使用场景中创造最佳体验,并因此吸引最多的客户,你需要在设计产品时考虑一些重要的背景:你的用户群体中的其他人将如何使用它?
例如,如果你正在为价格高于平均水平的家庭(例如价值超过 100 万美元的家庭)创建一款能源监测产品,你不仅要考虑人们是否会将你的产品用于节能或提高效率,还需要考虑他们是否可能把钱投入到其他家庭建设方面(例如增加一间卧室)——这可能会增加富裕用户对你产品的需求。
通过分析产品评论、社交媒体评论等,Commerce.AI 可以帮助你理解人们购买你产品的背景——以及基于这些信息,可能带来新客户的其他潜在使用场景。
总结
在这一章节中,我们学习了如何利用 AI 技术深入了解市场,识别新兴的机会和风险,预测消费者偏好的变化,并减少失败的风险。在某些情况下,市场的变化可能对你的业务有利——但如果你没有做好准备,它们也可能带来新的挑战。
我们探讨了 Commerce.AI 如何帮助公司利用市场变化创造新的价值主张,并改善其业务的整体健康状况。通过使用 AI 获取市场的战略洞察,企业可以帮助公司预见变化、识别机会、管理风险,甚至预测消费者在产品发布前如何回应这些产品。
Commerce.AI 不仅仅是验证假设,它通过识别新兴市场中的未满足需求以及现有市场中的空白区域,帮助团队更快找到产品市场契合度。让产品团队更好地理解这些动态,使他们能够在早期投入时间建立一个可行的产品市场契合度,同时减少在功能集确定后再去弄清楚客户需求的风险。
在下一章中,我们将讨论如何使用语音调查来了解客户如何看待某个产品或服务,以及团队如何利用这些信息来指导创新决策。
第十二章:第十二章:通过语音调查提供洞察
语音调查是客户研究中的最新趋势。这是因为它们简单、快速且容易执行。
与传统的(且昂贵的)文本调查不同,文本调查往往回应率低、答案不完整,语音调查被证明能够获得高响应率和深入的回答。它们可以仅凭一个想法和模板,迅速创建。
这就是为什么语音调查迅速成为产品创新的新标准。而且因为它们可以非常快速和容易地部署,任何规模的公司都可以使用语音调查与用户互动并收集反馈——比以往更快速地改进他们的产品。
在本章中,我们将学习如何使用 Commerce.AI 语音调查来实现以下目标:
-
轻松地与您的客户互动
-
改善您的产品供应
-
提升客户忠诚度
有了这些知识,您将能够开始使用语音调查来快速改善您的产品创新工作流程。这样,您将能够通过使产品团队轻松将客户反馈纳入工作流程,从而获得竞争优势。让我们从客户反馈生命周期的起点——与客户互动开始吧。
轻松地与您的客户互动
在这一部分,我们将解释如何利用 Commerce.AI 语音调查轻松与客户互动,通过快速创建和部署客户调查问卷,使用我们易于使用的模板。我们还将向您展示如何将调查结果应用到您的产品创新策略和工作流程中。
特别是,我们将看看如何使用这七个语音调查模板:
-
产品特性优先级排序
-
新服务提供
-
购买后调查
-
酒店体验
-
商店体验
-
通话后调查
-
定价调查
我们从探索最受欢迎的语音调查类型之一——产品特性优先级排序调查开始。
产品特性优先级排序
产品团队总是寻找让他们的产品变得更好的方法,特别是他们总是寻找改进用户体验(UX)的机会。不幸的是,产品团队往往希望和客户实际需求之间存在很大的差距。
这就是优先级排序发挥作用的地方。优先级排序本质上是在决定首先、其次、第三次要构建哪些功能,或者完全不构建!如果没有任何正式的流程或结构化的标准,产品团队可能会感到困难。这时,产品优先级排序调查就显得特别有用。它们是产品团队收集用户反馈的快速而简便的方式,同时也帮助识别哪些功能应该获得下一步的最高优先级。
这种方法有两个主要好处:
-
它使用户能够提供宝贵的反馈,帮助团队进行优先级排序。
-
您有机会在开始构建新产品之前观察用户的反应,这可能会节省时间和金钱。
例如,假设你是一家消费电子品牌,你正在开发一款新产品——可能是一款新智能手机。智能手机市场竞争激烈,用户似乎想要一切:大电池、多镜头高质量相机、窄边框、防水、快速充电,等等。
你已经考虑过这些功能,但你知道你需要选择其中的几个,以提供最佳的用户体验。否则,你的产品资源将被拉得很薄,每个功能的质量也难以保证。
产品功能优先级调查会让你了解用户最关心哪些功能。你将能够看到哪些功能最受欢迎,甚至可能会发现一些新的使用案例,供团队考虑。
接下来,让我们更仔细地了解一下你为什么可能想要进行产品功能优先级调查,它是如何运作的,以及谁会参与这些调查。
产品功能优先级调查的目的是为了什么?
这类调查非常有用,因为它直接让客户参与到你的产品开发过程中。你不再单纯地花时间研究竞争对手的产品,或是凭空想出点子,而是可以利用现有的客户洞察,确保你的创意是基于人们实际需求的。
它还直接为你提供来自你所了解的真实人物的数据——也就是已经在市场上的实际买家。这是无价的,因为它让你准确了解人们的需求,他们对功能的看法,以及其他无法仅通过研究竞争对手获得的洞察。
那些未能获得此类反馈的公司可能最终会制造出无法满足用户需求的产品,并错失提升品牌忠诚度的宝贵机会。例如,一家大型消费电子公司最近更新了其笔记本电脑系列,增加了用户多年来一直要求的所有功能。由于花费了很长时间才交付这些功能,他们受到了批评,认为他们基本上在不断地重复构建同一款笔记本电脑。一项产品功能优先级调查本可以提前发现这些改进机会。
产品功能优先级调查是如何运作的?
Commerce.AI 平台中的调查模板被设计成让团队可以快速轻松地根据客户反馈识别出下一个需要构建的功能。格式简单,你提供的信息将帮助你为团队优先考虑产品积压。
一旦用户完成了调查,AI 系统将分析用户的回答和偏好,以及任何现有的市场研究或竞争分析。这将帮助你清晰地了解你应该优先开发哪些功能,第二,第三,以此类推。
这些调查可以直接通过 Shopify 等平台发送给客户,这也是一些大型电子商务公司与客户直接沟通的方式。由于客户是你业务的命脉,你应该始终争取从他们那里获取反馈。如果不这样做,你可能会发布没人想要的新功能。
谁会参加产品功能优先级调查?
你可以将调查发送给已经使用过你产品或服务的客户,或者发送给潜在客户。你也可以使用调查来征求公司内部员工的意见,如设计师和开发人员。
在征求团队意见时,你应该给他们一个机会,提供关于他们当前正在开发或有兴趣开发的特定功能的反馈。
新的服务提供
在计划提供新服务或产品时,了解目标客户的需求以及他们面临的风险和挑战至关重要。结构化的客户研究方法有助于团队为产品提供基础,找到早期采用者,并获得有助于未来服务开发的洞察。
了解潜在客户的一种方式是通过进行客户访谈,这是获得用户动机和行为的宝贵工具。然而,进行个别访谈可能会昂贵且耗时。此外,定性研究方法如观察和分析常常只能得出有限的结果,因为它们生成的可操作洞察较少,无法为服务创新生命周期提供指导。
为了克服这些挑战,许多组织现在将语音调查作为理解客户需求和偏好的主要方法。语音调查允许你以最低的成本接触大量受众。
让我们看几个具体的例子。假设你经营一家餐厅连锁店,并希望了解客户偏好的点餐方式。你可以进行个别访谈,但这将是昂贵且耗时的。
或者,你可以发送一份简短的语音调查,这样你可以以更低的成本接触更多的客户,且只需几分钟就能完成。你还可以利用调查结果来指导新功能的开发,这些功能可能会改善客户体验并增加收入。
另一个例子是零售商店希望通过语音调查了解客户最感兴趣购买的商品。然后,商店可以利用这些信息开发新的产品系列,并在结账通道推广这些商品。
这将有助于商店增加销售额,同时为客户提供额外价值。正如你所看到的,语音调查为服务团队提供了一个强大的工具,用于开发符合客户需求的产品和服务,同时增加收入。
为什么语音调查对新服务的推出至关重要
服务行业正面临来自各个方面的挑战。服务团队面临的一些最大挑战包括:
-
电子商务的兴起
-
即时满足的需求
-
COVID-19 大流行
-
竞争加剧
电子商务的兴起不仅扰乱了产品公司,甚至许多传统的服务行业,如航空公司、酒店和餐馆。
这在很大程度上是因为人们正在远离与服务提供商的面对面互动。鉴于如今人们在网上花费的时间越来越多,这一现象也加速了。
电子商务的兴起也在其他方面改变了顾客与品牌的互动方式——例如,在客户支持方面。顾客现在期望对他们的问题和关切得到即时回应,否则他们会选择去其他地方寻求帮助或建议。
此外,今天的顾客期望即时满足。当航空旅客不得不等待超过 30 分钟才与客服代表通话时,可能会感到沮丧。或者当酒店客人需要打三次前台电话才有人回应,结果到了房间发现房间还没有打扫时,也会感到沮丧。
这些挑战,以及顾客的不满,随着 COVID-19 大流行而加剧,顾客比以往任何时候都更加关注清洁、安全和卫生。创造一个能够应对这些关注点的顾客体验,给服务行业带来了前所未有的压力。
它也为新的商业模式和收入来源创造了机会——如果服务提供商能够找到创新的方式来满足这些需求。语音调查是实现这一目标的强大工具。
最后,竞争始终是服务提供商面临的风险之一。为了在顾客心中保持相关性,组织必须通过提供高质量的体验和公平的价格来超越竞争对手。这通常需要不断地投资新产品和服务,而当资源本就紧张时,这可能变得困难。
语音调查为团队提供了直接与顾客互动的机会,讨论他们关心的议题——这种互动可以为服务团队提供宝贵的见解,了解顾客在意的内容,并帮助识别他们需要解决的痛点,如果希望发展业务的话。
购买后调查
顾客购买后的一刻至关重要。你现在处于顾客的“主场”,在这里他们有权告诉你他们喜欢或不喜欢你的产品或服务。
为了更好地了解顾客的情绪,企业在顾客购买后会进行离职调查。这通常是面对面的调查,涉及大约六个主要主题:
-
顾客对服务体验的满意度
-
他们是否会再次与这家公司进行业务往来
-
他们有多大可能会向他人推荐这家公司产品或服务
-
他们喜欢和不喜欢产品或服务的地方
-
可以改进的地方
-
如果有任何其他引起他们注意的评论
离职面谈调查通常需要约 10 分钟,并询问个体关于他们体验的简单问题。但要让大多数顾客参与进来并不容易。
离职面谈的一个常见批评是它们具有自我选择性,这意味着只有那些热衷于留下评论的顾客,才有可能抽出时间来完成调查。但即使你获得 1%的参与率,这些数字仍然只是你总顾客群体中的极小一部分。
虽然这些顾客可能比其他顾客更为直言不讳,但也有可能他们并不代表大多数人的意见——因此,仅凭他们的意见可能不足以得出有意义的结论。
Commerce.AI 开发了一个在线工具,团队可以在顾客购买后进行自动化语音调查。顾客已经习惯于与技术自由对话,得益于 Siri 和 Alexa 等语音助手的普及。我们发现,顾客更喜欢这种快速、轻松的反馈方式,而不是繁琐的文本反馈方式。
这使得使用传统离职面谈方法时,响应率有可能呈指数级增长,同时提供更详细且可操作的见解,帮助你了解什么因素推动了顾客满意度,哪些方面需要改进。
有了这个强大的工具,你终于可以集中精力解决顾客对你产品或服务的具体问题或顾虑,从而立即开始改进——这一切都无需给你的团队带来额外负担。
比如,假设你正在销售一系列新的护肤产品。你可以设置一个调查,询问顾客关于你和其他产品的效果,以及他们喜欢和不喜欢使用这些产品的地方。这能帮助你了解是否需要改变配方或添加成分,或者如果库存过剩,可能需要降低价格。
在图 12.1中,我们可以看到一个 Commerce.AI 语音调查问题的例子,询问顾客:“您对这款产品的体验如何?”。在后台,像自然语言理解这样复杂的技术从顾客的回答中提取洞察,而顾客看到的是一个简单直观的界面:
图 12.1 - Commerce.AI 语音调查的示意图
更具体地说,你可以使用购买后的调查来实现以下目标:
-
了解顾客对你的产品(或服务)的满意度,以及他们与市场上其他类似产品相比的喜好。
-
收集客户服务的反馈意见,以便你能够改进支持流程。
-
确定是否有与购买特定 SKU 或产品变种的顾客相关的模式,或者如果有的话,从这些模式中学习,以帮助提高销售量。
简而言之,语音调查是一种强大的工具,可以帮助你的企业解决顾客问题、改善产品质量,并增加销售额。
酒店体验调查
酒店面临着一套独特的挑战和机遇。它们是社交互动、专业网络和商务旅行的核心。然而,由于客户对服务和设施有着较高的期望,酒店的客户群体常常难以吸引。
另一方面,酒店有很好的机会通过数字创新来改善顾客体验。通过正确的工具和策略,数字化转型可以帮助酒店提供独特的价值主张,从而使其在竞争中脱颖而出。
例如,酒店品牌可以通过酒店体验调查获得有关宾客偏好和行为的具体洞察。以下是酒店通过调查获取有意义见解的三种方式。
利用数据改善现有产品和服务
调查结果可用于指导产品开发和服务改进,涵盖客房技术、餐饮服务以及整体酒店体验。
例如,酒店可能想了解客人最喜欢其设施中的哪些部分,以便未来在可能的情况下复制这些体验。通过使用这类数据,品牌可以确保他们以新的创造性方式满足客人的需求,同时随着时间的推移增加客户忠诚度。
假设一家酒店想知道客人最喜欢其健身中心的哪些功能。酒店可以利用调查结果来指导其在此领域的投资决策,例如选择能有效吸引用户并确保他们有积极体验的设备。例如,如果结果显示客人更喜欢跑步机而非椭圆机,酒店可能决定投资跑步机。
甚至可以是一些简单的美学改进,比如对健身中心进行小的装饰变化,例如增加艺术作品或更好的照明,帮助客人更享受他们的体验。不管是什么样的改进,语音调查将突出显示客户关心的方面,这样你就可以根据对顾客满意度产生实际影响的地方来分配资源。
识别新收入来源的机会
酒店可以利用调查结果来识别新的收入来源。例如,酒店可能发现客人喜欢使用酒店的商务中心,尽管他们并不打算与任何同事会面或参加会议。这可能意味着酒店应当投资更多的会议室,以利用这种行为并将其转化为收入来源。
也许商业中心可以升级为一个现代化、高端的空间,与酒店的其他部分相匹配,并为客人提供 Wi-Fi、舒适的座椅和其他设施。这不仅可以帮助酒店创造额外的收入,还可以让商务旅行者对该品牌更加忠诚——因此,更可能在未来入住该品牌的其他酒店。
通过这样做,你不仅能提高底线,还能同时提高顾客的满意度。
确保跨门店的一致性
调查结果还可以用来指导未来的产品发布,甚至是加盟协议(如果适用)。例如,酒店品牌可能想了解客人最喜欢他们酒店的哪些设施,以便尽可能在同一品牌或其他品牌的其他酒店中复制这些体验。
这被称为平行创新,它是一种有效的方式,可以在多个品牌之间传播创新,同时确保它们有类似的产品。通过在项目生命周期中使用调查数据,可以确保所有团队在如何最佳实现目标并向客户提供创新产品或服务方面保持一致。
门店体验调查
当消费者在线购物或在实体店购物时,他们的体验可能决定是否会完成购买。超过一半的在线消费者表示,零售商提供的糟糕客户服务可能会阻止他们再次购买。
由于任何商店的目标都是推动销售,因此零售商和品牌必须了解哪些因素会影响顾客的购买意图,购物体验如何改进,以及顾客是否对商店或产品本身感到满意。
让我们深入了解一个具体的例子。假设你经营一家比萨连锁店,并刚刚推出了一个新的门店设计。你希望了解顾客是否喜欢新店的外观和感觉。你可以使用 Commerce.AI 门店体验调查来了解新设计中哪些方面最有可能影响顾客的购买意图,顾客对新外观的感受,以及他们是否对整体体验感到满意。这些洞察可以帮助你优先考虑店面重新设计的工作,并确保你在正确的元素上进行投资。
你还可以使用调查来了解客户对新设计中特定方面的感受,例如照明或音乐。例如,如果顾客不喜欢进入比萨店时听到的收银机铃声,你可能需要考虑采用无噪音的收银系统。
利用这些数据的另一种方式是识别可能表明需要改进的领域的模式和趋势。例如,如果顾客 consistently 报告对在你比萨店的整体体验不满意,可能是时候投资于重新设计你的点餐流程了。
店铺的整体客户体验有可能推动未来的购买行为,这也是为什么零售商和品牌越来越依赖数据驱动的方法,来了解顾客如何在其实体空间中进行消费。
零售商可以使用如 Commerce.AI 店铺体验调查等分析平台,调查顾客在店内或在线时对店铺本身以及购物体验中各个环节的感受。通过更好地理解影响客户行为和满意度的因素,零售商可以做出明智的投资决策,从而提高客户忠诚度、参与度,最终推动销售。
售后调查
联系中心长期以来一直是提供客户支持的主要渠道,而聊天机器人和语音机器人崛起则进一步强化了这一趋势。如今,许多消费者使用联系中心与企业互动,而这些互动往往会促进销售。
当客户拨打电话给企业时——无论是报告订单问题,还是寻求购买帮助——企业应当收集这些信息,以便日后进行洞察。你可以通过进行快速的售后调查来了解出现了什么问题(如果有的话),并寻找改进客户服务体验的方法。这有助于组织通过主动解决问题,防止成本高昂的错误发生。
售后调查还可以提供关于整体客户体验质量的洞察,这可能会影响未来的收入机会(以及损失)。例如,如果你发现客服人员未能妥善跟进问题,那么可能是时候投资自动化报告功能,确保客服人员尽可能地跟进问题——特别是当这影响到你的利润时。
此外,这些洞察可以帮助你在为客户开发新产品或服务时优先考虑工作重点。例如,如果你通过售后调查了解到某些功能对客户的重视程度远高于其他功能,这可以帮助你优先考虑产品路线图的制定。
与店铺体验调查类似,售后调查还可以提供关于客户对服务交付中某些环节(如响应速度或客服人员的知识)感受的洞察。通过更好地理解影响客户行为和满意度的因素,你将能够做出有关投资的明智决策,从而提高客户忠诚度和参与度。
定价调查
你产品和服务的定价对企业至关重要。它们可能成为新客户的进入壁垒,影响消费者支付意愿,并向现有客户传递价值信号。
如果你销售的产品或服务定价过低,可能很难从中获得足够的收入来实现盈利。如果你销售的产品或服务定价过高,可能会导致收入和盈利的损失。定价真的非常重要!
话虽如此,定价决策可能是复杂且具有挑战性的。许多公司在定价上遇到困难,因为他们没有合适的工具或流程来设定价格、做出战略调整或预见客户可能的价格异议。
产品创新团队有巨大的机会,通过利用 Commerce.AI 定价调查的洞察来提升他们的定价表现。该调查旨在帮助你理解定价策略,并识别改进的机会。
我们提供了一个模板,你可以用它快速设计自己的定价调查,或者你也可以使用我们预设计的示例来开始。无论哪种方式,我们希望这个模板能够帮助你与客户就定价问题展开互动,并激发你重新思考如何以及在哪里为你的产品和服务设定价格。
为什么价格至关重要
为什么你需要了解定价策略?许多公司都有定价策略,但很少有公司围绕定价进行深入讨论。定价最终是关于在商品成本和客户对这些商品和服务的价值之间创造平衡。
能够为你的产品和服务设定价格有助于你确定每个客户细分群体能带来多少收入。它还可以帮助你识别最具盈利性的产品和服务,这些产品和服务可以跨多个业务单元或业务线进行利用。最后,了解定价策略还可以帮助你做出更好的战略决策,投资于新产品和服务。
现在我们已经了解了企业如何在各个领域部署语音调查,接下来让我们探讨如何实施你的发现来改善你的产品和服务。
改善你的产品和服务
你的现有产品和服务当然是你业务的基础。但是,如果你像大多数公司一样,你的产品和服务可能会有一些空白。直到现在,实际上没有很好的方法让你了解这些空白。
这就是我们创建语音调查的原因。通过语音调查进行市场研究和分析,你可以深入了解现有的产品和服务,并帮助制定新产品。让我们来探讨如何利用语音调查获取有关现有产品和客户的洞察,以及如何利用这些洞察来改善你的产品和服务。
获取有关现有产品的洞察
创建和推出产品只是该产品生命周期的一部分。同样重要的是要了解是什么让它成功或失败。
但是在今天这个快速发展的世界里,即便是经验最丰富的高管也可能没有足够的信息来做出关键的商业决策。因此,当您在现有的市场调研中找不到足够数据时,您需要语音调查。
通过调查问卷回答有关产品的问题,您不仅能收集更多数据,还能洞察客户的真实想法。通过让用户表达他们的想法和感受,您比让他们在文本表单中写下单字回答要更具吸引力。
这些洞察将有助于推动更好的未来产品开发和改进工作——最终提高每项新产品成功的机会。让我们探讨一下,如何运用这种方法来改善当前产品和服务,以及未来的产品。
如何利用调查反馈来了解您的客户
在启动任何形式的客户旅程映射项目之前,重要的是要理解您的目标客户的动机,这样您才能制定有助于提高转化率并减少摩擦点的策略。
这就是客户调查派上用场的地方,因为它们让您能够精确定位每个目标受众群体特有的痛点。例如,如果您有一个专注于小企业的软件即服务(SaaS)产品,那么您的客户可能最关心的是成本和定价。在这种情况下,您将希望在调查中加入有关定价的问题,以便了解您的目标客户关心的事项。
您还应该要求客户通过回答以下问题来评估他们对您产品的满意度:
-
您有多大可能向朋友推荐我们的产品?
-
转换到我们的竞争对手的最常见原因是什么?
-
您希望我们提供哪些功能?
通过这样做,您不仅能够了解当前使用您产品的用户的动机,还能了解潜在的未来用户。这类数据将帮助您改善未来的产品和服务。
如何根据这些洞察采取行动
一旦您识别出客户在哪些方面感到痛点或遇到摩擦,便是时候着手解决方案了。但首先,您需要理解成长的烦恼与产品根本性问题之间的区别。
如果您的某位调查对象表示他们有一些问题,比如迟到的交货或差劲的客户服务,但他们仍然计划继续购买贵公司的产品,那么这可能是一个成长的烦恼——随着公司扩大以满足需求,这个问题将得到解决。
然而,如果调查对象表示他们对上次购买体验不满意,并且计划永远不再购买贵公司的产品,这就是一个根本性问题——如果贵公司想在当前市场中成功,就必须解决这个问题。
对于产品创新团队来说,好消息是,大多数成长的痛点是可以避免的;这些问题通常是由于缺乏对客户实际需求的理解所导致的。
通过真正了解你的客户,通过调查并仔细倾听他们所说的需求,你将能够兑现你的商业承诺。因此,确保将调查结果分享给公司内部,以便理解客户需求并打造更好的产品,至关重要。
这将帮助从产品经理到数据科学家等各方,更好地理解是什么驱动着客户——以及原因是什么——从而使你能够自信地进行开发,因为你知道自己在使用任何业务中最有价值的资产——你的客户。
想出新产品创意
除了从现有产品线中获得洞察外,你还需要考虑可以带入市场的新的产品和服务。话虽如此,新的产品创意确实不容易。而且,你越成功,就越难,因为公司往往会变得自满,避免冒险。
大多数产品是基于客户反馈逐步开发的。这个过程可以反复迭代,每次迭代都在前一次的基础上进行改进。但如果你是一家历史上专注于解决某一个特定问题的公司呢?如果你正在尝试推出一些全新的东西呢?你该如何开始?这些问题常常是让产品团队夜不能寐的原因。
通过 Commerce.AI 语音调查,你可以深入了解客户的痛点以及他们对不同类型产品的期望。
这些信息将帮助你更好地理解目标客户的需求,从而帮助你识别哪些客户最有可能购买你的新产品——同时也能为你的下一步行动提供指导,包括产品开发。我们来通过一个具体的例子来深入探讨,例子中的公司名称已做匿名处理。
示例 —— 一家科技初创公司正在开发一款新产品
一家名为 SportFlix 的科技初创公司在 Instagram 和其他社交媒体平台上积累了令人印象深刻的粉丝群,他们通过公司的应用程序分享自己最喜欢的体育时刻的照片和视频。这个应用程序还帮助粉丝与他们最喜欢的运动员和团队保持互动——甚至可以通知用户重要事件,比如伤病和阵容变化。
SportFlix 现在正在考虑扩展到其他与观看体育相关的领域,比如玩幻想体育或查看没有现场直播的比赛分数。这将要求公司为不同类型的体育爱好者创造新产品,这些人可能与现有产品的用户有不同的需求。
SportFlix 的团队希望了解不同受众群体最感兴趣的产品类型,以便能够开发出更好地满足这些群体需求的产品。
为了做到这一点,他们需要通过语音调查回答一些问题,以便列出潜在的新产品。以下是团队可能会问的问题:
-
你看哪些体育比赛?
-
你最喜欢的球队和球员是谁?
-
在玩游戏或观看体育比赛时,你喜欢做什么?
-
你多久参加一次幻想体育联赛?
-
是什么激励你使用我们的产品,而不是其他应用?
-
我们现有的产品或未来版本中,是否有任何痛点是我们可以解决的?
通过问这些问题,SportFlix 团队将能够了解目标受众的兴趣和偏好,然后利用这些信息指导未来的产品开发。这将带来更多成功的业务,并提高客户的满意度和留存率。
例如,假设 Commerce.AI 的洞察通过分析调查反馈,发现 SportFlix 的粉丝希望有一款应用,可以在比赛期间与其他粉丝社交,同时查看最新比分。团队可以利用这些信息,帮助他们确定接下来应该在产品中增加哪些功能,甚至是是否应该开发一款全新的应用。
虽然提升产品对于保持竞争力至关重要,但客户忠诚度同样重要。话虽如此,让我们来看一下如何利用语音调查洞察来提高客户忠诚度。
提升客户忠诚度
客户忠诚度很重要,因为它帮助公司随着时间的推移不断增长和保持客户。反过来,增长和保持客户群将有助于企业成功——而无法满足客户需求的公司最终会面临忠诚度下降的困境。
事实上,客户忠诚度差会导致高流失率和衰退,这可能导致显著的财务损失,最终使公司走向衰亡。
但客户忠诚度不仅仅是保持现有客户,它还关系到吸引新客户。为了做到这一点,公司必须能够提供真正对目标客户有价值的产品和服务——这意味着要成为了解客户需求的专家。
通过语音调查,你可以直接从消费者那里获取反馈,无论他们身在何处。通过提高响应率和参与度,你可以更好地了解客户及其需求,从而创造出能满足这些需求的产品,进而提升客户忠诚度和客户获取。
关键是让这个过程对消费者和公司员工都尽可能简便。通过使用 Commerce.AI 语音调查,你可以深入了解目标客户的需求,从而帮助你更好地服务他们的需求,同时还可以获得关于他们的宝贵信息,这些信息将有助于吸引未来的新客户。
什么驱动客户忠诚度?
提高客户忠诚度对维持高水平的收入增长至关重要。让我们来看一下客户忠诚度的四个主要支柱:
-
生成品牌亲和力和对品牌的积极情感
-
提高购买频率并减少客户流失
-
通过口碑(WOM)营销建立品牌倡导
-
提高现有客户的收入贡献
让我们探索这些支柱,深入理解如何利用语音调查及其他方式来推动客户忠诚度。
生成品牌亲和力和对品牌的积极情感
消费者在与公司产品互动时的行为会对他们对品牌的认知产生深远影响,进而影响他们如何将你的品牌与其他品牌进行比较。
如果你经营的是像旅馆这样的接待行业,那么拥有享受入住体验的顾客将帮助你建立品牌亲和力并推动客户保持。顾客的入住质量受多种因素的影响,包括前台员工的响应和礼貌、房间的清洁程度以及他们所消费的食品和饮料的质量。
类似地,如果你经营的是餐厅,享受用餐体验的顾客更有可能将你的生意推荐给他人——他们也更有可能在未来再次光临。
品牌亲和力和积极情感帮助消费者做出购买决策,进而增加品牌忠诚度和购买意图。这就是为什么公司需要认真倾听客户意见;只有这样,你才能理解他们真正的看法以及他们如何将你的公司与行业中的其他品牌进行对比。
语音调查是一种强大的工具,可以帮助你准确了解客户需求,同时也能帮助你建立品牌亲和力并积极影响客户忠诚度。
提高购买频率并减少客户流失
增加收入的最佳途径之一是扩大客户基础——而这一切始于通过提高购买频率和减少客户流失来提升客户忠诚度。
当客户感到自己的需求得到满足并且与公司产品和服务的体验积极时,客户忠诚度最高。要实现这一点,你需要确保员工了解什么才算是真正的满足客户需求,这包括从产品供应到价格定位和支付选项等方方面面。
这还意味着要发现客户的痛点并提出解决方案,这正是语音调查的作用所在。通过询问客户的痛点,你可以识别他们遇到的困难领域——然后提出解决问题的方法。这有助于减少客户流失并增加客户保持率,因为你的客户更有可能将你的生意推荐给他人。
通过口碑营销创建品牌倡导
如果您希望消费者将您的品牌推荐给他们的朋友,那么显而易见,这些朋友将比那些与他们没有关系的人更加信任并尊重这位消费者朋友——这也就意味着传统的口碑营销。
询问不同人群最看重某些品牌的哪些特点,或他们与每个品牌的互动频率,将帮助公司判断是否通过口碑(WOM)成功地在目标受众中建立了品牌亲和力。如果没有,可能有改善客户忠诚度的一个方面需要提升。
研究表明,通过口碑(WOM)推荐的客户比通过其他途径(如广告或社交媒体)推荐的客户忠诚度要高得多。这是因为客户信任并尊重他们的朋友,而这些朋友往往会倾向于向他人分享他们与贵公司之间的良好体验。
提高现有客户所带来的收入
不言而喻,提高客户保持率是长期增加收入的一个好方法——但它在扩展客户基础方面同样至关重要。
为了帮助增加来自现有客户的收入,您需要确保他们对贵公司的产品和服务感到满意,以及任何将来可能提供的附加产品或服务。
提供卓越的客户服务将极大地帮助消费者感到他们可以信任您和您的品牌——一旦他们信任了,便更容易与他人分享他们对您的品牌的正面情感。
从客户的角度来看,这意味着更多的问题得到了有效解决,这可能导致更高的客户忠诚度。最终,语音调查是提升客户忠诚度的强大工具,涵盖其每个支柱。
总结
在本章中,我们了解到语音调查如何帮助公司深入了解客户的需求、期望和担忧。通过回答关于他们痛点或最看重某些品牌或产品的哪些特点的问题,消费者能为您提供有价值的信息,这些信息可以帮助您开发新产品或改进现有产品。
通过使用 Commerce.AI 的语音调查,各种类型的企业都能获得有关目标市场的可操作性见解——并利用这些信息更好地理解客户,以便在未来几年持续增长和改进。
无论您经营的是酒店连锁、多个商店、软件公司,还是其他行业,语音调查都是了解市场并更好地服务客户的强大工具。
正如你所学到的,Commerce.AI 平台是机器学习和大数据的强大结合,可以应用于产品和服务团队的创新需求。该平台提供了一套集成的分析和人工智能能力,可帮助更好地理解客户需求和偏好,预测未来趋势,并优化产品和服务组合。我们鼓励你运用所学知识进行创新,并考虑 Commerce.AI 如何帮助你的组织。
订阅我们的在线数字图书馆,全面访问超过 7,000 本书籍和视频,以及行业领先的工具,帮助您规划个人发展并推动职业发展。如需更多信息,请访问我们的网站。
第十三章:为什么订阅?
-
使用来自 4000 多位行业专家的实用电子书和视频,减少学习时间,增加编码时间
-
通过特别为您打造的技能计划提升学习效果
-
每月获取一本免费的电子书或视频
-
完全可搜索,方便访问关键信息
-
复制、粘贴、打印和书签内容
您知道 Packt 为每本出版的书籍提供电子书版本,并且提供 PDF 和 ePub 文件吗?您可以在 packt.com 升级到电子书版本,作为印刷书籍的客户,您有权获得电子书折扣。如需更多详情,请通过 customercare@packtpub.com 联系我们。
在 www.packt.com 上,您还可以阅读一系列免费的技术文章,注册各种免费的新闻通讯,并享受 Packt 图书和电子书的独家折扣和优惠。
您可能喜欢的其他书籍
如果您喜欢这本书,您可能会对 Packt 出版的其他书籍感兴趣:
https://www.packtpub.com/product/learn-amazon-sagemaker-second-edition/9781801817950
学习 Amazon SageMaker - 第二版
Julien Simon
ISBN: 9781801817950
-
掌握数据注释和准备技术
-
使用 AutoML 功能通过 AutoPilot 构建和训练机器学习模型
-
使用内建算法和框架以及您自己的代码创建模型
-
使用真实世界示例训练计算机视觉和自然语言处理(NLP)模型
-
涵盖用于扩展、模型优化、模型调试和成本优化的训练技术
-
使用 SDK 和多种自动化工具,在不同配置下自动化部署任务
https://www.packtpub.com/product/ibm-cloud-pak-for-data/9781800562127
IBM Cloud Pak for Data
Hemanth Manda, Sriram Srinivasan, Deepak Rangarao
ISBN: 9781800562127
-
理解数字化转型的重要性以及数据和 AI 平台的角色
-
掌握数据架构及其在推动 AI 采纳中的重要性,使用 IBM 的 AI 阶梯
-
了解 Cloud Pak for Data、其价值主张、能力和独特的差异化优势
-
深入了解 Cloud Pak for Data 的定价、包装、关键应用场景和竞争对手
-
使用 Cloud Pak for Data 生态系统,结合 IBM 及第三方的高级服务
-
探索 IBM 丰富的生态系统,包括来自 35 个以上 ISV 的专有、开源和第三方产品
Packt 正在寻找像您这样的作者
如果你有兴趣成为 Packt 的作者,请访问authors.packtpub.com并立即申请。我们与成千上万的开发者和技术专家合作,帮助他们将自己的见解与全球技术社区分享。你可以提交一般申请,申请我们正在招募作者的特定热门话题,或者提交你自己的创意。
分享你的想法
现在你已经完成了AI 驱动的商业,我们非常希望听到你的想法!如果你是从亚马逊购买的本书,请点击此处直接前往亚马逊的评论页面,分享你的反馈或者在你购买本书的网站上留下评论。
你的评论对我们和技术社区非常重要,将帮助我们确保提供优质的内容。