Predictive lead score. Sentiment analyses. Zelflerende algoritmes en chatbots. De mogelijkheden op het gebied van artificial intelligence (ai) nemen razendsnel toe. Net als de impact op klanteninteractie. Nog even en online bedrijven kunnen anticiperen op behoeftes waar klanten zich nog niet eens van bewust zijn.
Hoe lang is het geleden dat je consumenten nog kon verrassen met gepersonaliseerde merkuitingen? Zoals op maat gemaakte advertenties en productaanbevelingen onderaan de pagina? Ik denk hoogstens vijf jaar. En toch ligt die tijd alweer ver achter ons. Dankzij de razendsnelle opmars van ai kunnen bedrijven hun klanten producten en diensten voorschotelen die bijna naadloos aansluiten op hun online gedrag, hun voorkeuren en wensen. De toepassingsmogelijkheden zijn soms verrassend simpel. Onlangs schotelde een reisbureau fanatieke kijkers van de Netflix-serie Narcos de vraag voor of ze niet toevallig geïnteresseerd waren in een reisje naar Colombia. Gewoon een kwestie van datastromen combineren en gebruik maken van de rekenkracht van kunstmatige intelligentie.
Data-analyse op basis van ai
Door met behulp van ai enorme hoeveelheden data te analyseren, weten bedrijven beter dan ooit wat een individuele klant wil. Ook als die klant zijn eigen wens of behoefte nog niet eens onder woorden heeft gebracht. Laat me een voorbeeld geven. Tegenwoordig hebben steeds meer automobilisten een apparaatje in hun auto dat hun motormanagement in de gaten houdt. Het kastje kijkt naar benzineverbruik en rijgedrag, maar kan ook de kwaliteit van je accu uitlezen. Maar met die data kan je véél meer. Een op ai gebaseerde app kan de accuprestaties van een autobezitter (de accu gaat snel achteruit) combineren met diens digitale agenda (volgende week een afspraak in Brussel) en het weerbericht (binnenkort lichte tot strenge vorst). Vervolgens krijgt de automobilist een suggestie om zijn accu snel te laten vervangen. Met de mededeling dat de werkplaats van de garage aanstaande dinsdag om drie uur tijd heeft. Nog voordat de klant het probleem heeft ervaren.
Dit voorbeeld maakt mooi duidelijk waarom de verwachtingen op het gebied van ai zo hooggespannen zijn. Ik mag wel zeggen: sky high. Volgens het Salesforce rapport ‘The ai revolution’‘ verwacht 75 procent van de zakelijke markt dat bedrijven binnen drie jaar in staat zijn om suggesties voor een product of dienst aan te reiken, nog vóórdat de klant contact heeft opgenomen. Dat klinkt misschien als toekomstmuziek, maar die toekomst kan heel snel werkelijkheid zijn.
Rol van ai in de customer experience
Het modelabel Suitsupply denkt na over manieren om met behulp van image recognition naar een afbeelding in de collectie te zoeken. Iemand die straks op straat een mooi colbertje ziet, kan ter plekke een foto maken en die naar Suitsupply appen, mailen of sms’en. Daarna doorzoekt het systeem automatisch naar soortgelijke beelden. Een paar tellen later weet de klant of het betreffende colbert bij Suitsupply te koop is, of dat er een vergelijkbaar model beschikbaar is.
En als diezelfde klant contact legt met een verkoopmedewerker, beschikt die ook nog eens over een 360 graden view met alle relevante klantgegevens: van zijn of haar voorkeuren tot de laatste aankopen en van het laatste klantencontact tot de meest recente reviews. Veel beter kun je een klant niet leren kennen.
Kunstmatige intelligentie speelt in dit verhaal een absolute hoofdrol. Sinds het World Economic Forum, vorig jaar in Davos, wordt ai zelfs gezien als een van de belangrijkste bouwstenen van de 4IR, de Fourth Industrial Revolution. Kunstmatige intelligentie is natuurlijk niet nieuw. Wat wel nieuw is, is de laagdrempeligheid ervan. Tot voor kort moesten datascientists en engineers enorme hoeveelheden data analyseren.
Ik kan je vertellen: dat is voor een gemiddeld bedrijf onbetaalbaar. Nu kunnen salesafdelingen gebruik maken van predefined algoritmische modellen. Door in de cloud een app aan te vinken kunnen ze uit hun klantendata die prospects naar voren halen die het meest kansrijk zijn om te benaderen. Dat heeft enorme gevolgen voor de manier waarop bedrijven en consumenten met elkaar omgaan. Kijk maar naar ING. In feite is ING razendsnel van een bank aan het transformeren in een groot it-bedrijf, dat continu enorme hoeveelheden data verwerkt. Wanneer een potentiële klant ineens heel actief is op Funda, weten financiële instellingen niet alleen wanneer ze hem of haar moet benaderen, maar ook op welke manier of via welk kanaal. Dat is een belangrijke stap op weg naar one to one journeys: één op één relaties tussen merk en klant.
Deep learning
Maar het wordt nog interessanter! Zeker als je met behulp van ‘deep learning’ door data ploegt. Deep learning gaat niet uit van een gerichte vraag, maar laat algoritmes los op grote hoeveelheden data in de hoop een patroon te ontdekken. Zo kwam de Amerikaanse supermarktketen Wallmart er een paar jaar geleden achter dat er op vrijdagavond erg veel luiers en bier werden verkocht. Wallmart ontdekte dat er op die avond veel jonge vaders naar ‘American football’ keken. Vóór de wedstrijd liepen ze nog even de supermarkt in voor een voorraadje bier en eenmaal binnen namen ze ook snel nog een pak luiers mee. Vanuit de ervaring dat luiers altijd eerder op zijn dan je denkt. Wallmart ging er vanuit dat deze doelgroep meer tijd besteedt aan het uitzoeken van een bepaald biermerk dan aan een pak luiers. Met als gevolg dat er nu, vlakbij het bierschap, een voorraad luiers staat met de hoogste winstmarge.
Let wel: dat is een voorbeeld uit de prehistorie van ai. De mogelijkheden om tegenwoordig verbanden te leggen zijn oneindig verfijnder. Ook omdat er veel meer data voorhanden zijn. 90 procent van de data die vandaag de dag beschikbaar zijn, zijn de afgelopen twee jaar verzameld. Al moet ik er wel bijzeggen dat alles natuurlijk valt of staat bij de kwaliteit van je data. Met een beetje pech beschikt de klachtenafdeling over andere data dan de verkooppafdeling. Dat betekent dat het integreren van de verschillende systemen soms een behoorlijk pittige klus is. Maar wel een klus die lonend is. Op het moment dat je als bedrijf al die data kan combineren, heb je alle ingrediënten in handen voor een optimale customer experience. Voor veel bedrijven geldt de komende jaren dan ook echt: data make more sense.
