TD Ameritrade公司近期之所以引起公众的广泛关注,很大一部分原因在于一波高调的电视广告宣传,即“The Green Room”。在广告当中,蓄起胡须的演员Jim Conway平静地与多位投资者就投资目标展开交谈,包括年轻夫妇、忙碌的母亲以及歌手Lionel Ritchie等。这一广告节目自2017年开始运营,由Havas New York公司制作,旨在由这位“平易近人的绿屋小伙伴”在不设预定立场的前提下进行倾听,并用“日常用语”讨论理财与投资目标。
该广告强调关注每一位客户的财务状况与需求,实际上“聆听客户的声音”一直是该公司的战略重点所在。TD Ameritrade公司已经开始在行业当中推动多项雄心勃勃的分析与AI计划,希望真正了解数百万客户的要求、快速做出响应,并为他们量身定制出高度个性化的投资建议。
TD Ameritrade公司长久以来一直关注“客户的声音”。该公司一直非常关注自己的净推荐计分,而CEO Tim Hockey更是反复强调改善客户体验是他们的首要任务。
然而,对于TD Ameritrade乃至其他任何企业而言,客户的实际诉求其实是种难以捉摸的事物。企业可以通过调查以及“客户旅程”等方式尝试分析,但却很难真正断言客户的具体思考内容。当然,呼叫中心能够接收到客户的直接反馈,但这些信息同样难以捕捉与分析。为了解决这一难题,该公司雇用了大量呼叫中心客服代表,每年处理达数百万通电话。很明显,在应对如此规模的呼叫当中,其根本不可能以手动方式完成通话内容跟踪。
但AI技术能够提供帮助。TD Ameritrade已经利用AI分析呼叫中心通话,以改善客户体验。TD Ameritrade公司AI、聊天与新兴技术总监Beaumont Vance目前正在领导一个项目,用于捕捉、分析并解释过去6个月当中接收到的大量呼叫内容。该项目目前正逐步由试点转向生产环境。
流程当中的第一步,是将语音转换为高精度文本,目前这项工作已经相对简单易行。接下来,利用自然语言处理(NLP)模型读取文本,识别呼叫当中提及的主题,并分析客户情绪。最后,将模型的分析结果以链接形式添加至企业的客户文件当中。
这种组合信息的价值在于,客户的实际语音将能够与该客户的活动与行为记录关联起来。举例来说,企业方将能够确定客户在致电呼叫中心之前曾访问过哪个页面。TD Ameritrade公司则能够通过跟踪客户在网站上的操作活动(包括在网站上的具体位置、做了什么以及曾尝试做过什么)、在呼叫当中表达的观点、通话之后采取的行动以及后续长期变化等指标。而通过收集哪些网页经常导致客户遭遇问题,TD Ameritrade公司即可快速改进对应页面并改善网站客户体验。这种方式,对客户以及企业双方而言显然都更具效率。
当然,TD Ameritrade方面的最终目标,在于更好地了解驱动客户行为与情绪的因素,从而更好地提供服务体验。Vance认为,客户呼叫过程所包含的信息,要比大多数企业所熟悉的传统数据分析信息多500%。假设TD Ameritrade能够成功完成试点并分析全部客户呼叫信息,则必将带来巨大的积极影响——特别是在了解客户的情绪与行为方面。
作为改善客户理解能力的实例之一,该公司从通话文本分析当中注意到,很多客户都希望获取关于投资收益、损失以及成本等基础性信息。因此,TD Ameritrade方面为客户提供了一个新的网页,由其中的Gainskeeper服务发布这些基础信息。很快,咨询此类信息的电话与访问次数有所下降,TD Ameritrade公司证明对这项服务的投资确实物有所值。
对“客户的声音”进行分析也许是TD Ameritrade公司最雄心勃勃的AI项目,但除此之外他们也在众多其他项目与产品当中尝试采用AI技术。Vance表示,公司目前正在积极采用聊天机器人方案;通过Alexa、Facebook Messenger、Apple Business Chat、微信以及Twitter等多种流行聊天平台,客户如今能够获得无比灵活的即时支持。这些项目的目标,在于更好地回答客户提出的直截了当的问题。而且与其他企业的大部分同类项目一样,TD Ameritrade的聊天机器人目前拥有还算不错的表现,并有望在相关技术发展成熟之后得到进一步提升。
除了关注客户关系之外,TD Ameritrade公司也在尝试利用工具对客户流程中的数据进行汇总与分析。该工具能够帮助我们了解客户在实际目标时,所需要的具体渠道与任务。
Vance在TD Ameritrade的最后一项工作,是监督公司的零售业分析方案。作为自动化机器学习的积极倡导者,他一直强调以高效方式提供预测模型。目前,这项技术正被越来越多地用于满足机器学习模型的各种内部需求。
TD Ameritrade公司也在审视各类自动化方案选项,包括机器人流程自动化。此类技术拥有巨大的潜在效率优势,自然不容忽视。不过与我们之前提到的其它项目一样,这项工作的目标并不单纯是为了实现任务的全面自动化执行,而是改善客户服务并确保员工能够腾出更多时间处理涉及创意及非结构化信息的任务。
TD Ameritrade公司的“The Green Room”广告
在经纪人与个人投资行业,技术的快速崛起使得最出色的客户服务不再只是人力支持的专利。人工智能能够帮助企业从数以百万计的客户交互当中提取信息,并帮助客户做出适合自己的良好财务决策。而在TD Ameritrade公司,AI技术也让“聆听客户的声音”不再只是一句口号,而真正具备可行性的运营要求。
好文章,需要你的鼓励
SAP S/4HANA内存ERP系统推出十多年后,95%的传统用户表示构建积极的迁移案例需要巨大努力或面临真正挑战。一项涵盖455名CIO、高级IT角色、SAP专家和业务经理的调查发现,83%的受访者不完全理解SAP最新的迁移政策和截止日期,84%对当前信息传递及其对运营的影响表示担忧。SAP为传统ECC系统设定了激进的支持截止日期,主流支持将于2027年结束。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
微软通过其Planetary Computer平台将NASA的Landsat和Sentinel-2卫星数据集引入Azure云服务。该数据集包含来自NASA的Landsat 8、9号卫星以及欧洲航天局Sentinel-2系列卫星的地球监测数据,为气候变化、土地利用、农业应用等研究提供宝贵资源。用户可通过API或Azure存储直接访问这些PB级全球环境数据。微软还建议研究人员使用Azure OpenAI服务创建智能应用,结合AI技术进行土地分类、植被监测、森林砍伐趋势分析等地球观测研究。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。