体验管理专业公司Qualtrics正在推进其人工智能(AI)战略,推出新功能旨在缩小收集客户反馈与采取行动之间的差距。
该公司最新产品Qualtrics Assist for CX是一款面向经理和高管的副驾驶式工具,让他们能够直接探索客户体验数据。该产品目前处于预览阶段,预计下个季度正式发布,它通过引导式洞察让非专业人士能够提出简单问题,如"客户投诉最多的三个问题是什么?"并立即获得基于数据的答案。
在最近访问澳大利亚期间,Qualtrics总裁布拉德·安德森表示,"目前市场上没有类似的产品",并补充说这些新的AI"体验代理"将允许组织每次都能"闭环"处理反馈。
安德森解释说,Qualtrics云端处理的体验数据量——包括每年12亿份调查,平均每份调查14.5个问题——帮助公司的体验代理理解客户或员工想要做什么或说什么,然后采取正确的行动。
这包括为网站上沮丧的客户提供指导,在调查中询问智能跟进问题,或自动生成"补偿"优惠,比如为机上娱乐系统故障的高级乘客提供额外的常旅客积分。安德森表示,这些功能提高了调查完成率,增强了客户体验,并能将可操作洞察的数量翻倍。
这款新工具加入了Qualtrics现有的AI产品套件,包括用于生成动态调查问题的对话式反馈、面向一线员工的位置体验中心,以及使用热图和漏斗分析检测网站问题的数字体验分析平台。
Qualtrics亚太及日本地区解决方案工程负责人萨姆·拉姆约翰指出,一家正在预览Assist for CX的澳大利亚航空公司报告称,理解非结构化反馈的时间从数月缩短到几小时。"如果你不打算采取行动,那询问反馈就没有意义,"他观察道。
根据Qualtrics体验管理策略总监维基·卡萨巴里斯的说法,这是一个关键问题,她表示目前只有10%的组织能够成功将体验数据转化为行动。她补充说,AI使得处理来自所有渠道的反馈并确定每种情况下的正确行动成为可能,她以阿迪达斯为例,该公司发现了特定员工参与倡议与更好的店内客户体验之间的联系。
然而,产品发布之际,Qualtrics和麦肯锡的一份报告显示,澳大利亚许多高级管理人员不愿在AI采用方面领导其行业。虽然76%的澳大利亚管理人员更加重视体验交付,但只有8%认为这是关键优先事项——比美国(41%)或英国(32%)的同行比例要小得多。
同样,只有7%的本地管理人员渴望成为AI采用的领导者,而全球这一比例为15%,尽管大多数人认为AI将显著改变他们的行业。
据麦肯锡合伙人马丁·林德奎斯特表示,风险很高。报告估计,全球组织通过使用AI改善客户体验每年可获得1.3万亿美元的价值,这一数字可能会上升到2万亿美元以上。
林德奎斯特解释说,大约一半的改善来自生产力提升,近三分之一来自收入增长,其余来自流程改进。
林德奎斯特说,澳大利亚组织在拥有"大胆愿景"方面表现良好,但他们需要重新设计所提供的体验,这意味着倾听客户的声音,以便衡量和预测客户需求。
"变化的速度是前所未有的,"他说,并敦促企业开始实验。"一些组织正在全力以赴,我们看到这种变化正在快速发生。"
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
上海交通大学研究团队发布了突破性的科学推理数据集MegaScience,包含125万高质量实例,首次从12000本大学教科书中大规模提取科学推理训练数据。该数据集显著提升了AI模型在物理、化学、生物等七个学科的推理能力,训练的模型在多项基准测试中超越官方版本,且具有更高的训练效率。研究团队完全开源了数据集、处理流程和评估系统。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。