根据NTT的2020年全球客户体验基准测试报告，有77%的企业认为客户运营(包括客户之声(VoC))将受到AI的积极影响。
据NTT称，现在有44%的企业运行结构化的“客户之声”计划，以推动客户体验(CX)的改善和创新。
根据IDC的《客户体验基准研究》，有30%的客户会因为不良的体验而离开品牌而不会回来。
客户的期望是指导他们如何与任何企业发展关系的护栏。大流行使可预测的情况变得不可预测，从而抹去了过去的营销角色，并实时对其进行了重新编写。旧的护栏和期望正在迅速变化。从客户的角度来看，准确的由内而外的观点是VoC计划所提供的价值，最好的是提供数据以指导战略。
是时候为客户关系带来新的活力和见解了
自一月份以来，纯电子商务订单增长了110%，电子商务收入增长了96%。这些数据基于Emarsys 与GoodData合作 创建的COVID-19 Commerce Insight仪表板 。凭着居家订单的3.06亿美国人，电子商务将蓬勃发展是显而易见的。目前尚不清楚的是，如今形成的惯常购物模式将如何改变客户关系，终止某些客户关系并在未来创造新的客户关系。
获得见识和智慧以激发现有的客户关系，要求在VoC计划中更多地使用AI。以下是AI改善客户心声计划的十种方法：
1. 使用基于AI的客户旅程数据分析，了解导致某些客户比其他客户流失更快的原因，这有助于定义新的活动来保持它们。使用有监督和无监督机器学习算法的基础AI概念来更好地了解客户今年的购买行为如何改变他们的购买意图是关键。减少客户流失首先要建立客户旅程数据的可靠基准，然后开始进行不断测试新广告系列的实践，以了解如何最好地保持客户关系的最新状态。
2. 使用算法对文本的每个非结构化数据源进行实时文本挖掘，以分析客户的情感水平。使用自然语言处理(NLP)建立所有可用的非结构化文本的语义模型，可以使客户对所衡量的给定品牌，产品或服务的情感进行汇总。使用情感分析，能够量化给定品牌引起的情感。通过不断地使用客户数据教授预测模型，营销团队可以更好地了解什么将最大程度地吸引客户，以及如何避免使他们无动于衷或生气-鉴于当今客户变化的速度，所有这些宝贵的见解。有关此主题的更多信息，可以从Qualtrics获得有用的博客文章，“ 如何使用情感分析来改善客户体验”。下图说明了情绪分析的样子：
3. 人工智能使语音分析的范围得以扩展，包括联络中心对话，基于文本的客户反馈以及来自每个客户接触点的运营数据。实时在每个渠道上提供一致，可靠的销售和服务响应，并在上下文中保持与每个客户的对话对于今天任何一家企业保持客户至关重要。与我交谈过的积极使用语音分析的CMO表示，这表明他们需要拥有更广泛的战略框架来吸引客户体验。他们正在谈论的概念最好以框架的形式说明。BMC的自主数字企业(ADE)反映了CMO如何构想AI和机器学习(ML)，从而提供保持以客户为中心并在VoC计划中脱颖而出的卓越智能，以提供卓越的客户体验。该框架值得注意的是如何设计框架，以在组织的每个职能部门中实现更大的敏捷性和上市时间。它提供了一种提供无与伦比的客户体验，提供积极的员工体验并支持组织正在进行的数字化发展的方式。下图说明了ADE框架：
4. 包括Amazon Connect在内的基于云的语音分析平台都依靠AI消除了阻碍跨多种地区和语言启动和微调VoC程序的障碍。Amazon Connect结合了Amazon Transcribe来执行实时语音识别，并为每个呼叫创建高质量的文本转录成文本。Amazon Comprehend用于分析每个交互并检测呼叫者的情绪。Amazon Connect还可以识别对话中的关键字和短语。而且，当与Amazon Translate结合使用时，对话可以以代理商的首选语言进行。以下是Amazon Connect平台的示意图：
5.使用人工智能获得的见解导致呼叫中心从一线服务提供商转变为战略差异化因素，从而推动客户满意度和财务绩效显着提高。公司已经应用高级分析功能，将平均处理时间减少多达40%，将自助服务包含率提高5%至20%，将员工成本削减多达500万美元，并提高了服务电话销售的转化率几乎提高了50%，同时提高了客户满意度和员工敬业度。
6. 机器学习算法使得可以在单个集成仪表板中提供基于呼叫者和代理的态度表现，语调，情感以及每个方面的相对变化的实时多维视图。将有监督和无监督的机器学习算法结合在一起，以在现有数据中查找模式，并创建全新的语言和态度模型，这为组织提供了将新的活力和洞察力带入客户关系所需的情报。以下Tableau示例说明了将机器学习技术应用于VoC数据时可能发生的情况，以找出实时需要改进的地方以及进展良好的地方。来源：VoiceBase客户仪表板的语音。
7. 将从实时客户行为和运营数据中获得的AI驱动见解与净促销值(NPS)数据相结合，有助于定义客户风险阈值，然后再将其推向竞争对手。NPS是最常用的度量标准之一，用于量化客户对他们购买的给定公司的忠诚度水平。 Qualtrics最近的博客文章，什么是净促销分数(NPS)?定义与范例提供了很好的解释。使用深度学习神经网络分析NPS，客户，行为和运营数据时，有可能发现最容易流失的客户。值得一提的是，这项技术可能需要数周的分析才能得出基于AI的分析可以在几秒钟内得出的相同结论。
8. 每个客户使用AI个性化服务恢复策略，可以提高保留率并降低客户流失的高昂成本。服务恢复是在服务故障发生后尝试保存客户关系的策略。有效的服务恢复策略的实质是纠正超出客户期望得到的响应范围的问题。事实证明，基于AI的定制或个性化服务恢复响应的技术非常有效，可以在发生服务错误后保持客户关系的完整性。
9. 使用基于6 Sigma的质量方法(使用AI自动化)对客户入职进行故障排除，以简化和改善最初的客户体验。六西格码(Six Sigma)是一种众所周知的通用质量管理框架和方法，用于消除过程中的差异。六个标准差的核心概念是DMAIC(设计，测量，分析，改进和控制)过程。客户的声音是使DMAIC立足于客户期望的基础，以确保过程改进符合他们的要求。AI被广泛用于解释客户入职流程创建的所有形式的文本，非结构化内容，因此可以对其进行改进。
10. 了解加售，交叉销售，广告活动和促销如何影响客户对品牌的看法和忠诚度，尤其是在包括电子商务和移动平台在内的新渠道中。大流行导致了全新的购买行为和习惯性使用数据，而客户以前没有时间考虑这些数据。知道每次加售和交叉销售尝试如何被认为是有帮助或无帮助。另外，能够通过促销活动来监控活动和忠诚度水平是了解客户心声以及如何最好地为现在和将来提供服务的本质。
