Artificial Intelligence in CX; Hype of Kans?

by Maartje Luinenburg

Artificial Intelligence in CX; Hype of Kans?

by Maartje Luinenburg

by Maartje Luinenburg

Het Customer Experience werkveld heeft zich in de laatste jaren ongelooflijk ontwikkeld. Ooit was het maken van een journey map de heilige graal om inzichtelijk te maken wat er speelt bij klanten en de reis die ze afleggen om hun doel te bereiken.

Inmiddels is het een industrie geworden waarin vele bedrijven vormgeven aan allerlei alternatieven om klantbeleving tastbaar te maken voor organisaties, zodat deze daarop kunnen inspelen om hun dienstverlening te verbeteren en klanten te verrassen!

In dit speelveld zijn technieken ontstaan met verschillende invalshoeken hoe je de klantbeleving voor organisaties tastbaar kunt maken. De belangrijkste die wij zien kun je ruwweg opdelen in 4 categorieën:

  1. De emotionele klantreis & organisational change (bijv. Altuïtion)
  2. De customer lifecycle en visualisatie van bedrijfsbrede klantbeleving (bijv. conexperience / Milkymap)
  3. Service Design; van journey map naar propositie en creatie (bijv. Essense)
  4. Data Driven CX; het sturen op klant- & bedrijfswaarde en het personaliseren en automatiseren van klantcontact door slimme data science toepassingen (bijv. Underlined)

Deze technieken en aanpakken hebben ondertussen hun plek in het CX landschap gevonden. De ontwikkelingen staan echter niet stil, artificial intelligence begint ook zijn rol te krijgen in CX. Wij zien met name kansen klantgedrag beter inzichtelijk te maken en in te kunnen spelen op de bijbehorende emoties. Hierbij gaat het niet primair om de emotie zelf, maar vooral over wat deze emotie veroorzaakt in de relatie met een organisatie. Kun je simpelweg meer inzicht krijgen in wat een klant gaat doen op basis van het waargenomen gedrag & de emotie met inzet van A.I.? Blijft je klant of gaat hij weg? Koopt hij je product of toch dat van een ander?

Wat is Artificial Intelligence?

Underlined werkt reeds 8 jaar in de wereld van data driven en in die jaren zijn er veel trends voorbij gekomen. Zo gingen we van Big Data naar Data Science en nu is Artificial Intelligence (A.I.) de meest gezochte zoekterm in Google in de data wereld. Maar wat is het eigenlijk? In de complexe datawereld is het zowat de haarlemmerolie, terwijl 90% van de publicaties over A.I. niet zoveel met A.I. te maken hebben, kortom er is nog veel ruis rondom de mogelijkheden en onmogelijkheden van A.I..

Een belangrijk uitgangspunt voor Artificial Intelligence is dat het algoritme zelflerend moet zijn. Dit is een wezenlijk principe omdat het merendeel van de huidige technieken niet leert van nieuw aangeboden data, maar vooral het kunstje herhaalt van wat het al weet. Dit zie je zowel in toegepaste statistiek als in diverse machine learning technieken. Om het algoritme dan toch te verversen met kennis wordt het algoritme opnieuw getraind door de nieuwe data handmatig te annoteren met de correcte uitkomst (supervised machine learning) en dit aan te bieden aan het machine learning algoritme om te trainen. In tekstmining wordt dit principe veel toegepast voor bijv. sentiment detectie en onderwerpherkenning, waarbij een persoon regelmatig een dataset voorziet van de juiste sentimenten & onderwerpen en dit aanbiedt aan het algoritme om verder te leren.

Algoritme

A.I.-toepassingen zijn startend en vooral in spraak en beeld komen nu de eerste mooie toepassingen waarin het algoritme zelf begint te leren van de aangeboden data (unsupervised machine learning). Uiteraard maken deze algoritmes fouten, daar is dan nog wel menselijke interventie nodig door het algoritme te wijzen op zijn fouten. Stel je wil een A.I.-algoritme een peer laten herkennen op basis van foto’s. Dit doe je door het algoritme in ontwikkeling heel veel foto’s aan te bieden van peren. Vervolgens gaat de machine aan de slag om daar een algoritme van te maken wat peren herkent. Stel dat je vervolgens het algoritme test door nieuwe foto’s aan te bieden waarin het algoritme voorspelt of het een peer is. Uiteraard maakt dit algoritme fouten en dat ‘vertel’ je het algoritme dan ook als deze een appel voor een peer aanziet. Door dit te ‘vertellen’ leert het algoritme verder en zal het binnen een paar maanden probleemloos meer dan 98% van alle peren herkennen in welke foto dan ook.

Artificial Intelligence: de toepassingen binnen CX

Met de intrede van Artificial Intelligence in de CX-wereld bovenop de al bestaande statistiek en machine learning technieken ontstaan er nieuwe kansen. Eerder in dit artikel werd daarin al de verbinding tussen klantgedrag en emotie aangehaald om te voorspellen wat het meest logische vervolggedrag is. Zeker op dit gebied en op het gebied van marktonderzoek om customer insights te verzamelen en het gebied van klantdialogen in digitale kanalen geeft A.I. directe meerwaarde.

Dit komt onder andere doordat data reeds beschikbaar is binnen organisaties en eenvoudig te vergaren is als bron van deze inzichten en interactiekansen. Binnen de organisatie wordt informatie steeds beter vastgehouden op alle (digitale) klantcontactpunten (touchpoints) en processen. Daarnaast is informatie van internet in de vorm van het DMP (Data Marketing Platform) en social media toegankelijk, hoewel hier met de verhoogde privacy awareness en (GDPR & Auteursrecht) regels enige creativiteit nodig is om binnen de juridische mogelijkheden goede data te hebben voor analyses en toepassing.

Welke toepassingen binnen de eerder genoemde 4 categorieën zien we groeien in de CX A.I.-markt:

  1. De nieuwe CX performance dialoog om te sturen op verbonden klant- & bedrijfswaarde (de return on experience! – het CX Insights Framework).
  2. Het inzichtelijk maken van klant emoties en het voorspellen van het meest waarschijnlijke vervolg gedrag in de relatie.
  3. Het (realtime) optimaliseren van touchpoints door gepersonaliseerde en geautomatiseerde communicatie op alle digitale kanalen (bijv. chatbots, DMP’s en journey orchestration).

Aan de basis van al deze A.I.-toepassingen staat het toevoegen van zogenaamde journey ‘tags’ aan data zodat duidelijk is waar de data thuishoort in de klantreis. Dit is een data science toepassing op zichzelf om continu te leren welke data wordt aangeboden en waar deze thuishoort in de klantreis. Hiermee ontstaat een data science toepassing die het mogelijk maakt om de kwaliteit van data te verbeteren en voor te bereiden op Artificial Intelligence methoden met rijkere (CX contextuele) data als bron. Hieronder een voorbeeld van een datastraat waarin Data Science technieken worden toegepast om data te verbeteren van kwaliteit en klaar te stomen voor A.I. gebaseerde CX data toepassingen.

Continue ontwikkelingen van nieuwe methoden

Underlined doet continu onderzoek i.s.m. de wetenschap, zoals met de JADS waar Underlined ook gehuisvest is op de campus. Doel: nieuwe technieken ontwikkelen die steeds betere inzichten uit data halen en daarmee organisaties helpen datagedreven te werken en te sturen. In dit onderzoek staat centraal hoe we de steeds volwassener wordende CX-initiatieven kunnen helpen om te sturen op data en inzicht te krijgen in steeds complexere klantrelaties en gedrag.

Onze huidige onderzoeken zijn gericht op emotiedetectie in data op basis van Artificial Intelligence toepassingen. Daarnaast werken we aan technieken om journeys inzichtelijk te maken met proces mining producten. Deze producten hebben met name het proces als uitgangsprincipe, wat echt een ander uitgangspunt is dan een journey. Hoe dit bij elkaar kan komen is voor ons een belangrijk onderzoeksgebied.

De combinatie van al deze onderzoeksgebieden:

  • CX performance dialogen,
  • gepersonaliseerde en geautomatiseerde klantdialogen, die rekening houden met waarneembaar gedrag & onderliggende emoties, alsook
  • proces mining producten journey ready maken,

is in onze overtuiging de toekomst van data driven CX.

Hierdoor zal een steeds groter deel van beslissingen en interactie tussen klanten en bedrijven datagedreven plaatsvinden.

Auteur:
Theo van der Steen, partner bij Underlined

Theo van der Steen

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *

Top