Come potenziare la Customer Experience con la Generative AI

Fin dal lancio sul mercato di Chat GPT-3, avvenuto alla fine dell’anno scorso, siamo stati sottoposti ad una tempesta di informazioni, la maggior parte delle quali priva di ogni fondamento non solo tecnologico ma anche, e soprattutto, di business. Il fenomeno mediatico è talmente importante che ha scatenato una fame bulimica di informazioni soprattutto in quelle persone che, a torto o a ragione, vedono nelle Generative AI un’opportunità o più spesso un rischio, per la propria professione.
In RHEI da anni aiutiamo le aziende a costruire le migliori strategie di Customer Experience Management per migliorare la relazione con il loro pubblico e la prima domanda che ci siamo posti non è stata fino dove le Generative AI si spingeranno e quale sarà il loro impatto sul futuro della Customer Experience, ma come le stesse possono aiutare già oggi i nostri clienti a riconoscere meglio e prima le esigenze della loro audience.
Il primo consiglio che ci sentiamo di darvi è:

"Rimanete focalizzati sulle esigenze dei vostri clienti e cercate di capire come queste nuove tecnologie possono aiutare la vostra azienda a migliorare le proprie competenze".

Siamo infatti convinti che la tecnologia in sé non sia un vantaggio competitivo, ma lo diventi quando inserita come fattore abilitante in una precisa strategia di business.
E’ importante ricordare sempre che la tecnologia per diventare un vantaggio competitivo non può essere vissuta come fine a se stessa ma deve sempre essere considerata una componente (spesso abilitante) di una strategia di business precisa, soprattutto quando è disponibile per tutti come nel caso delle Generative AI.

Soffermiamoci un attimo proprio su questo punto fondamentale.

Le tecnologie di generative AI sono estremamente costose, parliamo di investimenti di milioni o forse miliardi di dollari come nel caso di Open-AI, la Società che ha portato sul mercato Chat GPT e della quale, non a caso, i concorrenti sono aziende Big-Tech con una capacità finanziaria quasi illimitata come Google e Amazon in occidente e Ali Baba in Cina.

Difficilmente un’azienda qualsiasi potrà sviluppare in autonomia una tale tecnologia ed è per questo motivo che Open-AI ha messo a disposizione le API, così da consentire l’utilizzo della propria tecnologia praticamente a tutti. (Dobbiamo aspettarci che anche Amazon e Google facciano la stessa scelta a breve).

Ma l’accessibilità così semplificata pone il problema della differenziazione dell’offerta: le aziende devono essere in grado di utilizzare queste tecnologie fuori dall’hype tecnologico e trovare delle risposte uniche e inimitabili alle sfide strategiche che ogni giorno i nuovi comportamenti di acquisto pongono.

La domanda fondamentale è:

“La Generative AI può trasformare esperienze di acquisto episodiche in una relazione a lungo termine, dando vita ad una “Connected Strategy” omnicanale?"

La risposta è "Sì", e vediamo come.

Large Language Model

• identificare entità (oggetti o persone) e le relazioni che le legano;
• generare contenuti coerenti con l’interazione in corso;
• e soprattutto autoapprendere dai feedback positivi e negativi e affinare sempre di più le loro risposte.

I Large Language Model (LLM) hanno quindi la capacità di presidiare l’intero customer journey e interpretare le interazioni su ogni touchpoint.
Gli LLM, “imparano” da ogni singola interazione e utilizzano tutto ciò che “imparano” per migliorare la personalizzazione delle risposte successive contribuendo così a trasformare contatti episodici in una relazione di valore e soprattutto di fiducia con il brand. Inoltre, questi sistemi sono in grado di fare inferenze da altri clienti simili, accelerando ulteriormente il processo di apprendimento.

Le Generative AI sono quindi una valida soluzione per aumentare la capacità della vostra azienda di comprendere i punti deboli della customer experience che offrite ai clienti. E lo fanno attraverso la creazione di un ciclo iterativo completamente automatico che riconosce i bisogni inespressi o insoddisfatti, identifica la migliore soluzione e, attraverso cicli ripetitivi, formula la risposta che più soddisfa il cliente.

Aree Applicative

Riportiamo di seguito 4 macro aree applicative del Customer Experience Management in cui riteniamo che l’utilizzo delle Generative AI possa costituire un forte vantaggio competitivo.

1. Produrre contenuti contestualizzati e coerenti

Uno degli aspetti più entusiasmanti e con un alto impatto applicativo è la capacità di fornire contenuti credibili in tempo quasi reale. Gli LLM possono eseguire molte attività linguistiche (fare traduzioni, analizzare sentimenti, contestualizzare le richieste e generare conversazioni su tutti i touchpoint) attingendo ad una vasta gamma di contenuti (descrizioni di prodotti, post sui social media, contenuti del sito web o della knowledge base aziendale ecc...) e personalizzando il tono e lo stile di ciascuno per adattarsi meglio alle esigenze dei clienti.
Grazie alla possibilità di generare contenuti in linguaggio naturale sanno fornire risposte personalizzate alle richieste dei clienti con un tono colloquiale alimentando conversazioni autentiche e personalizzate ad esempio attraverso i chatbot.

2. Mettersi all’ascolto

La capacità degli LLM di analizzare le interazioni con i singoli clienti sui diversi touchpoint, si traduce nell’incremento della capacità di ascolto dell’azienda.
Infatti analizzare i feedback su più punti di ascolto online e offline, inclusi i digital signage dei punti vendita, i sondaggi e le recensioni sui social media, significa identificare più rapidamente i pain point dei clienti, identificare temi comuni, punti deboli e opportunità di miglioramento. In particolar modo gli LLM forniscono un contributo fondamentale per trasformare dei noiosi sondaggi in una vera e propria esperienza di brand grazie alla possibilità non solo di raccogliere informazioni testuali ma anche interpretare immagini e video. Infine, grazie al modello ripetitivo degli LLM, è possibile personalizzare i successivi sondaggi sulla base dei risultati raccolti precedentemente. La capacità di ascolto degli LLM permette insomma di migliorare concretamente la Customer Experience sfruttando i dati generati da ogni singola interazione.

3. Fornire offerte personalizzate

L'analisi dei dati comportamentali, del linguaggio, delle modalità e dei luoghi di interazione aiuta a generare annunci pubblicitari e offerte di prodotto o servizio mirate e altamente pertinenti agli interessi e alle esigenze di un cliente o di gruppi di clienti. Tutto questo si traduce in aumento delle vendite ma anche nell’incremento dello scontrino medio e della retention dei clienti.

4. Offrire un servizio clienti senza paragoni

L’uso degli LLM consente di gestire le richieste dei clienti 24 ore su 24, 7 giorni su 7, in modo veloce e sempre pertinente. Infatti la capacità di presidiare diversi touchpoint contemporaneamente consente di fornire feedback in tempo reale ad esempio attraversodei chatbot che, utilizzando un linguaggio naturale, restituiscono un’esperienza colloquiale del tutto simile a quella umana. Inoltre, analizzando il comportamento e il coinvolgimento dei clienti, le LLM aiutano a identificare i pain point per prevedere i clienti a maggior rischio di abbandono e suggerire al servizio clienti le azioni più efficaci per evitarlo.

In sintesi, è indubbio che le Generative AI avranno un impatto rivoluzionario anche sul futuro della Customer Experience ma per far si che questa tecnologia diventi un vantaggio competitivo per la vostra azienda è necessario:

• non farsi distrarre dall’hype tecnologico ma rimanere focalizzati sul proprio modello di business e sulla propria strategia di customer experience;
• concepire le Generative AI come un complemento delle vostre competenze interne e non come un loro sostituto;
• utilizzare queste tecnologie come fattore abilitante di una strategia di Customer Experience Management unica ed inimitabile;
• disegnare un progetto scalabile che parta da una o due aree applicative al massimo nelle quali l’utilizzo delle LLM possa essere facilmente governato dai team coinvolti che, sulla base dei risultati ottenuti, possono decidere o meno di scalare su utilizzi anche più complessi;
• prevedere un approccio iterattivo basato sulla continua analisi dei dati generati per apportare velocemente eventuali correttivi alla strategia.