این مثال، فقط یک تصویر از رویداد تغییر بازار است که چند سال است سرعت گرفته و آغاز آن قبل از پاندمی بوده است: اولویت‌های مصرف‌کننده به سرعت تغییر می‌کند و این تغییر مداوم، پرنوسان، ناپایدار و مبهم است. و این تغییرات، از توانایی‌های سنتی شرکت‌ها برای پیگیری، پیش‌بینی و پاسخگویی به رویدادها پیشی گرفته‌اند. 

برای همگام شدن با آنچه به «ابهام قطعی» تبدیل شده، شرکت‌ها باید روش‌های جدیدی را برای تعامل با مصرف‌کننده پیدا کنند و نسبت به این ابهام، به یک دیدگاه برسند. این کار آن‌قدرها که به نظر می‌رسد، غیرممکن نیست: آنها می‌توانند بر «چشم‌ها و گوش‌های» جدید تکیه کنند؛ یعنی موهبت دسترس‌پذیری فراوان به حجم انبوهی از داده از منابع مختلف و همچنین قابلیت‌های جدید که توسط تکنولوژی‌هایی مثل هوش مصنوعی برای پردازش، یادگیری و واکنش نشان دادن به‌صورت آنی، امکان‌پذیر می‌شود. این پیشرفت‌های تکنولوژی، امکان نوع جدیدی از گفت‌وگو را بین شرکت‌ها و مصرف‌کنندگان ایجاد می‌کند که نه تنها باعث می‌شود شرکت‌ها به دیدگاه بهتری در مورد خواسته مصرف‌کننده‌ها برسند، بلکه منجر به افزایش پیشنهادهایی که از طرف شرکت‌ها برای رفع نیازهای مصرف‌کننده سرازیر می‌شوند، خواهد شد. ما این مدل را «مکالمه جدید با مصرف‌کننده» می‌نامیم. 

مکالمه جدید با مصرف‌کننده، فاکتورهای موفقیت کلیدی برای تعاملات با مصرف‌کننده‌ها را بازتعریف می‌کند و مزیت رقابتی اساسی ایجاد می‌کند. اما شرکت‌ها برای اینکه جزو اولین‌ها باشند، باید سریع‌تر حرکت کنند. مصرف‌کننده نمی‌تواند برای مکالمه با همه فضا داشته باشد و این کار را هم نخواهد کرد. 

 از رویکردهای سنتی به ابهام قطعی

تعاملات سنتی بین شرکت‌ها و مصرف‌کننده‌ها معمولا بر اساس یک فرآیند چهار مرحله‌ای شکل می‌گیرند:

* جمع‌آوری داده. اول، داده‌های مصرف‌کننده جمع‌آوری می‌شوند (که عمدتا داده‌های جمعیت‌شناختی و رفتاری بر اساس تراکنش‌ها و تعاملات قبلی یک مشتری با برند را دربرمی‌گیرد و به واسطه نظرسنجی از مشتری جمع‌آوری می‌شوند). 

* بخش‌بندی. تکنیک‌های قانون‌محور مثل رگراسیون چند متغیره مورد استفاده قرار می‌گیرند تا مدل‌های بخش‌بندی متمایز در مورد مصرف‌کننده ایجاد شوند. این بخش‌بندی اغلب به مدت چند سال ثابت می‌ماند، با این فرض که پروفایل‌ها و اولویت‌های مصرف‌کننده با یک ساختار نسبتا ثابت مطابقت دارد. 

* تصمیم‌گیری. بر اساس مدل‌های بخش‌بندی‌شده، بازاریاب‌ها و تیم‌های استراتژی، تصمیم‌هایی متناسب با هر بخش اتخاذ می‌کنند؛ از کانال‌های انتخابی گرفته تا پیشنهاد محصول و متناسب‌سازی پیام‌ها. 

* اجرا. در نهایت، تصمیم‌های تعریف شده، در قالب یک بودجه بازاریابی تنظیم شده یا یک کمپین جدید، اجرایی می‌شوند. 

هر چه می‌گذرد، این رویکرد ناکافی به نظر می‌رسد، چون نمی‌تواند خود را با نوسان رو به رشد اولویت‌های مشتری و مقیاس تغییرات ناشی از آن تطبیق دهد. 

نگاهی دقیق‌تر به این موضوع نشان می‌دهد شرکت‌هایی که امروز تلاش می‌کنند اولویت‌های مصرف‌کننده را بشناسند، از سه جبهه با چالش‌هایی مواجه می‌شوند: 

* سرعت بی‌سابقه تغییر رفتار مصرف‌کننده‌ها، قدرت پیشگویانه داده‌های تاریخی را تضعیف می‌کند. این یعنی مدل‌های پیشگویانه‌ای که بر اساس داده‌های تاریخی ایجاد شده‌اند، باید با مدل‌های به‌روزتر و آنی‌تر جایگزین شوند تا سریع‌تر با تغییرات تطبیق پیدا کنند. 

* دوران ابهام، با سختی پیش‌بینی سرعت و مقیاس تغییرات رفتاری، ترکیب می‌شود. تاریخ نمونه‌های خوبی را نشان می‌دهد. به‌عنوان مثال، بحران مالی جهانی سال 2008، منجر به تغییرات سریع در رفتار خرید مصرف‌کننده شد و خیلی فوری، موازنه سنتی بین قیمت و ارزش درک شده را بر هم زد. 

با ظهور قابلیت‌های جدید هوش مصنوعی، شرکت‌ها می‌توانند محدودیت‌های فزاینده امروز را پشت سر بگذارند و فرصت‌های تازه‌ای برای تعامل با مصرف‌کننده ایجاد کنند. حتی همین چند سال پیش، شرکت‌ها به دلایل پولی و زمانی، مجبور بودند بین اندازه مخاطبی که به آن دسترسی دارند و تنوع و عمق تعاملاتی که باعث این دسترسی می‌شود، تعادل ایجاد کنند. اما هوش مصنوعی آمده که این بازی را تغییر دهد و تعادل را به یک حلقه بازخورد دینامیک تبدیل کند. با اجرایی کردن هوش مصنوعی، فرآیندهای هوشمندانه با سرعت، در مقیاس بزرگ و با هزینه‌ کمتر اتفاق می‌افتند. شرکت‌ها با درس‌هایی که از حجم بیشتر تعاملات یاد می‌گیرند، می‌توانند تنوع و عمق تعاملات آینده را به‌صورت دینامیک به‌روزرسانی کنند. هوش مصنوعی رویکردهای جدیدی را وارد تعاملات با مصرف‌کننده کرده که شخصی‌سازی‌شده، پاسخگو و مقیاس‌پذیر هستند. 

 بازآفرینی مکالمات با مصرف‌کننده

هدف شرکت‌ها در حال حاضر این است که مصرف‌کننده‌ها را در بحث‌های مداوم، دوطرفه، شخصی‌سازی شده و پاسخگو درگیر کنند تا مکالمه جدید با مصرف‌کننده شکل بگیرد. 

فرآیندهای مداوم و تکرارشونده. مکالمه جدید با مصرف‌کننده، جای تعاملاتی سنتی با گزینه‌های تکرارشونده را می‌گیرد. وقتی این تعاملات را مثل یک مکالمه ببینیم، این امکان فراهم می‌شود که شرکت و مصرف‌کننده، طبق یک روال مداوم و ثابت با هم تعامل داشته باشند. این ارتباط نزدیک و مداوم، در شرایط حال که رفتار مصرف‌کننده به سرعت در حال تغییر است، بسیار حیاتی است.  این مکالمه‌ها به تولید انبوهی از داده‌های تازه در مورد رفتار مصرف‌کننده منجر می‌شوند. با چنین دیدگاهی، شرکت‌ها می‌توانند درک جامع‌تری از اولویت‌های مصرف‌کننده داشته باشند و کلیدهایی را پیدا کنند که تغییر رفتار مصرف‌کننده را شناسایی می‌کند.  ویژگی جدید Shortcuts اسپاتیفای، نمونه‌ای است از نتیجه دادن برقراری مکالمه مداوم با مصرف‌کننده. اسپاتیفای از حجم انبوهی از داده در مورد عادت‌های گوش دادن، موسیقی‌‌های تازه منتشر شده و رویدادهای بزرگ موسیقی استفاده می‌کرد و مدل‌های یادگیری ماشینی را اهرم قرار داد تا تجربه کاربر را ارتقا دهد. نتیجه این کار، دسترسی آسان‌تر به بیشترین محتوایی که افراد استفاده می‌کردند و انتخاب متناسب‌سازی شده موسیقی‌های جدید بود. 

ارتباطات دوطرفه. بر خلاف رویکرد یک طرفه، مکالمه جدید با مصرف‌کننده، روش‌های جدید تعامل را در اختیار مصرف‌کننده‌ها قرار می‌دهد که علاوه بر امکان به اشتراک‌گذاری بازخورد، محتوا و نظرات برای آنها، مشارکت آنها را هم بیشتر می‌کند. 

برند لوازم آرایش گلوسیر، چنین دینامیک‌هایی را شناسایی کرده است. این شرکت درگیری مصرف‌کننده و نظردهی افراد را در پلت‌فرم‌های مختلف از نزدیک رصد می‌کند و به‌طور مداوم با مصرف‌کننده‌ها بر اساس چنین دیدگاه‌هایی در ارتباط است. تیم‌های گلوسیر بر اساس دیدگاه‌هایی که به دست می‌آورند، محتوای تازه تولید می‌کنند و مصرف‌کننده را تشویق می‌کنند با محتواهای مرتبطی که خودشان تولید می‌کنند- مثل عکس و فیلم- واکنش نشان دهند. آنها سپس از این بازخوردهایی که از مصرف‌کننده گرفته‌اند، برای ایجاد اصلاحات و شخصی‌سازی محتوا استفاده می‌کنند. این یک مکالمه دو طرفه است. 

بحث‌های شخصی‌سازی‌شده و پاسخگو. زمانی قوانین ثابت و از پیش تعیین شده، تعاملات شرکت‌ها با مصرف‌کننده‌ها را تعریف می‌کرد. اما مکالمه جدید با مصرف‌کننده، کل این روند را از طریق شخصی‌سازی که نشان می‌دهد خواسته‌ها و نیازهای مصرف‌کننده چیست، تغییر می‌دهد. این شخصی‌سازی در متناسب‌سازی پیام‌ها، انتخاب لحن مناسب مکالمه، و پیشنهاد فروش ویژه و تبلیغات، نمود پیدا می‌کند. 

 بازتعریف فاکتورهای موفقیت

اجرای مکالمه جدید با مصرف‌کننده، به یک تغییر الگو در سه بعد اساسی نیاز دارد: داده‌های جدید، فرآیندهای جدید و تصمیم‌گیری جدید. چنین تغییری، فاکتورهای موفقیت کلیدی را برای تعاملات با مصرف‌کننده بازتعریف می‌کند و بر ضرورت تغییر از ارتباطات ایستا به سوی مکالمات پویا، تاکید دارد. داده جدید. داده‌های جدید که مکالمه جدید با مصرف‌کننده را شکل می‌دهند، عمدتا ساختاریافته نیستند و در حجم انبوه از منابع گسترده‌‌تر می‌آیند. در نتیجه، فاکتورهای موفقیت کلیدی، از کیفیت داده به سوی کمیت و تازگی داده تغییر می‌یابند. 

 این داده‌های جدید، مواد اولیه لازم را در اختیار شرکت‌ها قرار می‌دهند تا الگوریتم‌ها را تغذیه کنند. آنها حتی می‌توانند سیگنال‌های ضعیف از تغییر رفتار مشتری را دریافت کنند. به‌عنوان مثال، طرح تحقیقات بازار شرکت «بن‌اند جریز» (Ben & Jerry’s) قابلیت‌های هوش مصنوعی و یادگیری ماشینی را اهرم قرار داد تا داده‌های به دست آمده از ترانه و محتواهای دیگر را تجزیه و تحلیل کند. این برنامه، یک رویداد تازه در رفتار مصرف‌کننده را نمایان کرد: خوردن بستنی به‌عنوان صبحانه. با این دیدگاه، بن‌اند جریز، خیلی سریع و دو سال زودتر از رقبا، طعم‌های بستنی برای صبحانه را تولید کرد. 

شرکت‌ها در مسیر استقبال از داده‌های جدید، باید ابتدا بفهمند کجا می‌توانند داده‌های معتبر پیدا کنند و اکوسیستمی غنی از منابع داده جدید را ایجاد کنند. این یعنی، شرکت‌ها باید نگاهشان فراتر از خرده‌فروش‌های دیجیتال باشد، تا به داده‌هایی از منابع گسترده ‌تر دست پیدا کنند. به‌عنوان مثال، شرکت‌ها می‌توانند از داده‌هایی که در دسترس عموم است، استفاده کنند؛ از جمله داده‌های مربوط به آب و هوا، اخبار، رویدادهای عمومی و موضوعاتی که در اینترنت جست‌وجو می‌شود. جمع‌آوری همین سیگنال‌های ضعیف می‌تواند تبدیل به یک دارایی ارزشمند شود. 

فرآیندهای جدید. روش‌های یادگیری ماشینی و یادگیری عمیق، در مرکز فرآیندهای جدید، یک حلقه مداوم از تحلیل‌ها و اقدامات را ایجاد می‌کنند. هر چرخه، واکنش‌های جدید مصرف‌کننده و بنابراین، داده‌های جدید در مورد رفتار مصرف‌کننده را به دنبال دارد. وقتی این سیستم از داده‌هایی که به دست آمده، چیزهایی یاد بگیرد، چرخه بعدی واکنش و عمل ایجاد می‌شود. یک نمونه ساده این موضوع، موتور درک متن فیس‌بوک است که DeepText نام دارد و نه تنها محتوا را تشخیص می‌دهد، بلکه مقصود احساسی هزاران پست را درک می‌کند تا موضوعات داغ جدید، تغییر چشم‌اندازها در مورد موضوعات، و نشانه‌های اولیه نارضایتی را پیگیری کند. این موتور سپس اقدامات متناسب را پیشنهاد می‌دهد که آن را همواره از تعاملات قبلی می‌آموزد. 

با این فرآیندهای جدید، فاکتورهای موفقیت کلیدی از دقت تحلیل، به سرعت واکنش و یادگیری، تغییر پیدا می‌کنند. از آنجا که عمر دیدگاه‌های مصرف‌کننده هر روز کوتاه‌تر می‌شود، موفقیت یعنی سرعت بالای شرکت‌ها در استخراج این دیدگاه‌ها و نشان دادن واکنش فوری به آنها. 

بنابراین، شرکت‌ها باید سرمایه‌گذاری چشمگیری در هوش مصنوعی داشته باشند. آنها باید خود را با پیشرفت‌های سریع تکنولوژی به‌روز کنند. 

تصمیم‌گیری جدید. در مکالمه جدید با مصرف‌کننده، تصمیم‌گیری از آخرین مرحله رویکرد سنتی، به سوی تعامل تغییر پیدا می‌کند تا محیطی همه‌جانبه ایجاد شود که در آن هوش مصنوعی به‌صورت آنی عمل کند. این رویکرد جدید نسبت به تصمیم‌گیری، فاکتورهای موفقیت کلیدی را از تصمیم‌گیری مورد به مورد، به سوی چارچوب‌بندی دقیق و جهانی تغییر می‌دهد که در آن قابلیت‌های هوش مصنوعی و هوش خلاقانه انسانی ترکیب می‌شوند تا «قوانین بازی» را تعیین کنند. 

همان‌ قدر که هوش مصنوعی در مکالمه جدید با مصرف‌کننده اهمیت دارد، باید نسبت به محدودیت‌های آن هم هوشیار بود. اول اینکه الگوریتم‌ها می‌توانند در تحلیل رفتار مصرف‌کننده باعث ایجاد سوگیری شوند. دوم، سیستم‌های مبتنی بر هوش مصنوعی، با توجه به قدرتی که در پیش‌بینی نیازهای مصرف‌کننده قبل از آگاهی خود او دارند، ممکن است ناخوشایند تلقی شوند. در نهایت، خلاقیت در حال حاضر از مرزهایی که هوش مصنوعی می‌تواند ایجاد کند، فراتر می‌رود و فقط به چارچوب‌ها و داده‌های موجود اکتفا نمی‌کند. بنابراین، هوش مصنوعی وقتی می‌خواهد خلاقیت را جست‌وجو کند، باید با داده‌های ورودی انسانی ترکیب شود.  شرکت‌ها باید تکامل سیستم‌های هوش مصنوعی را با دخالت و توجه انسان دنبال کنند و از اجرای «هوش مصنوعی مسوولانه» مطمئن شوند. آنها باید شفافیت لازم را رعایت کنند، وگرنه مصرف‌کننده شخصی‌سازی را معادل تجاوز به حریم خصوصی خود خواهد دید.

 ایجاد مزیت رقابتی جدید

استقبال از مکالمه جدید با مصرف‌کننده، به شرکت‌ها این فرصت را می‌دهد تا با زیر پا گذاشتن توافق سنتی بین هزینه و ارتباطات، با ایجاد واکنش‌پذیری و انعطاف فراوان حتی در زمان ابهام، و با ایجاد حس عمیق تعلق و وابستگی در میان مصرف‌کنندگان، به یک مزیت رقابتی اساسی برسند. 

فراتر از توافقی بین هزینه و ارتباطات. در رویکردهای سنتی، و عمدتا به خاطر محدودیت‌های هزینه‌ای، همیشه یک تعادل الزامی بین دسترسی به مشتریان زیاد با یک پیام استاندارد و دسترسی به مشتریان کم با پیام‌های شخصی‌سازی شده، وجود داشته است. اما اگر هوش مصنوعی در مرکز مکالمه جدید با مصرف‌کننده قرار بگیرد، شرکت‌ها می‌توانند این تعادل سنتی بین هزینه و ارتباط را بر هم بزنند. هوش مصنوعی کمک می‌کند الگوهای جدید رفتار با مصرف‌کننده شناسایی شود و امکان دسترسی به هر نوع مصرف‌کننده‌ با هر میزان ثروتی فراهم شود. 

واکنش‌پذیری و انعطاف فراوان، حتی در زمان ابهام. با مرکزیت هوش مصنوعی، مکالمه جدید با مصرف‌کننده یک حلقه یادگیری با واکنش‌پذیری فراوان ایجاد می‌کند و باعث می‌شود شرکت‌ها هرگونه تغییر در رفتار مصرف‌کننده را به‌صورت آنی شناسایی کنند. شرکت‌ها علاوه بر اینکه واکنش سریع و کافی نسبت به این تغییرات خواهند داشت، با یک تغییر محور خود را با نیازها و انتظارات جدید وفق می‌دهند. در نتیجه این واکنش‌پذیری آنی، شرکت‌ها می‌توانند انعطاف‌ خود را در شرایط غیرقابل پیش‌بینی و پرابهام بالا ببرند. 

ایجاد حس تعلق، وابستگی و تعهد بیشتر در مصرف‌کننده. مصرف‌کننده‌ها وقتی می‌بینند نظرات‌شان خواسته می‌شود، نیازها و اولویت‌های آنها مورد توجه قرار می‌گیرد و موضوعات مکالماتی که با آنها برقرار می‌شود فراتر از معامله است، یک «سرمایه‌گذاری رابطه‌ای» سودمند را تجربه می‌کنند. در نتیجه، ترجیح می‌دهند با برندهایی که این‌گونه مکالمات جدید را برقرار می‌کنند و این مزیت را به آنها می‌دهند، ارتباط فعال‌تری برقرار کنند.  شرکت‌ها برای به دست آوردن مزیت رقابتی جدید، باید همگام با سه بعد تغییر الگوی لازم پیش بروند تا مکالمه جدید با مصرف‌کننده را به شکل موفقیت‌آمیزی اجرا کنند. با این تحول در تعامل با مشتری، آنها می‌توانند قبل از رقبای خود، مزیت رقابتی اساسی جدید را به دست آورند. مهم این است که این مزیت، فرصتی برای شرکت‌های پیشکسوت ایجاد می‌کند تا تعاملات خود را با مصرف‌کننده ارتقا دهند.  

 

این مطلب برایم مفید است
6 نفر این پست را پسندیده اند