
作者 | Sara Yin
譯者 | AI 前線(ID:ai-front)
導(dǎo)讀:聊天機(jī)器人,會(huì)是未來(lái)商業(yè)新形態(tài)嗎?最早的聊天機(jī)器人可以追溯到 1966 年的麻省理工學(xué)院開(kāi)發(fā)的 ELIZA,聊天機(jī)器人已經(jīng)問(wèn)世 53 年了。但幾經(jīng)沉浮,聊天機(jī)器人并沒(méi)有像開(kāi)發(fā)者們最初的設(shè)想那樣:取代人類,賦予人格。但隨著人工智能領(lǐng)域的進(jìn)展,有了人工智能的加持,在 2020 年,聊天機(jī)器人將會(huì)走向何方呢?
聊天機(jī)器人即將實(shí)現(xiàn)它們?cè)?jīng)在炒作中許下的承諾,Intercom 委托進(jìn)行的一項(xiàng)新研究表明,聊天機(jī)器人可以在哪些方面產(chǎn)生最大的影響。
我們 從根本上堅(jiān)信,聊天機(jī)器人有潛力通過(guò)兩種方式來(lái)改變企業(yè):提高效率、幫助企業(yè)滿足日益增長(zhǎng)的消費(fèi)者需求。
在我們發(fā)布的第一份《聊天機(jī)器人趨勢(shì)報(bào)告》(Chatbot Trends Report)中,我們目睹了聊天機(jī)器人在涉及效率的方面開(kāi)始發(fā)揮作用。我們與一家獨(dú)立的市場(chǎng)研究公司合作,隨機(jī)抽樣調(diào)查了 500 名消費(fèi)者和 500 名商業(yè)領(lǐng)袖。
2019 年,商業(yè)領(lǐng)袖得益于他們的聊天機(jī)器人,平均節(jié)省了 30 萬(wàn)美元,其中影響最大的是支持和銷售團(tuán)隊(duì)。但對(duì)于消費(fèi)者而言,仍然還有一些改進(jìn)的空間:雖然 74% 的消費(fèi)者希望在網(wǎng)站上能夠遇到聊天機(jī)器人,但 87% 的消費(fèi)者仍然更喜歡與人類而不是聊天機(jī)器人進(jìn)行快速交流。也就是說(shuō),有 25% 的消費(fèi)者并不在意他們是在和人類還是聊天機(jī)器人交流,只要能達(dá)到預(yù)期效果即可。
聊天機(jī)器人正迅速擴(kuò)張到客戶支持領(lǐng)域之外,以推動(dòng)客戶生命周期所有階段的增長(zhǎng)。事實(shí)上,銷售現(xiàn)在是最常見(jiàn)的用例(41%),緊隨其后的是支持(37%)和營(yíng)銷(17%)。
我們還發(fā)現(xiàn),聊天機(jī)器人可用于各種各樣的自動(dòng)化任務(wù),從將訪客的問(wèn)題發(fā)送到合適的團(tuán)隊(duì),到預(yù)定產(chǎn)品演示、創(chuàng)造銷售機(jī)會(huì)和吸引網(wǎng)站訪客。
對(duì)聊天機(jī)器人的滿意度因行業(yè)各異。B2C 公司對(duì)投資聊天機(jī)器人的滿意度是 B2B 公司的兩倍,這可能是因?yàn)?B2C 查詢通常要比 B2B 查詢更重復(fù)、更簡(jiǎn)單。滿意度由高到低的行業(yè)依次是科技(73%)、零售(67%)、制造業(yè)(57%)和醫(yī)療保?。?6%)。
是什么讓公司對(duì)聊天機(jī)器人的投資如此興奮?讓我們來(lái)分析一下。
在過(guò)去的 30 年來(lái),我們的買賣方式發(fā)生了翻天覆地的變化。推銷電話、電話營(yíng)銷的日子一去不復(fù)返了,在某種程度上,大眾廣告宣傳也一去不復(fù)返了。現(xiàn)代消費(fèi)者希望通過(guò)實(shí)時(shí)聊天得到快速、個(gè)性化的回應(yīng),而這種規(guī)?;幕貞?yīng)正是聊天機(jī)器人所擅長(zhǎng)的。今年,聊天機(jī)器人為銷售采用者帶來(lái)了可觀的回報(bào),因?yàn)樗鼈冊(cè)诩邮珍N售工作方面有了巨大的改進(jìn):
聊天機(jī)器人也是我們 Intercom 銷售活動(dòng)的重要組成部分。我們?cè)诰W(wǎng)站所有關(guān)鍵頁(yè)面(包括定價(jià)頁(yè)面、演示頁(yè)面和主頁(yè))上使用了自己的 定制機(jī)器人。例如,如果你訪問(wèn)我們的定價(jià)頁(yè)面,我們的機(jī)器人將會(huì)在幾秒后被觸發(fā),向你詢問(wèn)需要什么幫助。在回答幾個(gè)問(wèn)題之后,網(wǎng)站將會(huì)為你提供最適合你的計(jì)劃和建議,或者給你提供與我們的銷售團(tuán)隊(duì)交流的機(jī)會(huì)。
可以公平地說(shuō),技術(shù)支持團(tuán)隊(duì)是商業(yè)聊天機(jī)器人的最早采用者:阿拉斯加航空(Alaska Airlines)向世界介紹它的虛擬助手 Ask Jenn,已經(jīng)是十多年前的事了:
幸運(yùn)的是,自 Ask Jenn 時(shí)代以來(lái),支持聊天機(jī)器人已經(jīng)取得了長(zhǎng)足的進(jìn)步?,F(xiàn)代聊天機(jī)器人可以幫助團(tuán)隊(duì)篩選問(wèn)題、分流問(wèn)題并提供即時(shí)解決方案,最終帶來(lái)更高效的支持團(tuán)隊(duì)和更好的客戶體驗(yàn)。具體地說(shuō),今天聊天機(jī)器人帶來(lái)的一些好處包括如下:
說(shuō)來(lái)有趣,我們的 內(nèi)部支持團(tuán)隊(duì)發(fā)現(xiàn),使用 Intercom 的定制機(jī)器人可以將解決問(wèn)題的時(shí)間縮短 50%。聊天機(jī)器人能夠輕松地對(duì)大量聊天記錄進(jìn)行分類,從而解放我們的團(tuán)隊(duì)能夠騰出時(shí)間來(lái)處理那些需要人工解決的更復(fù)雜的問(wèn)題。
雖然企業(yè)可以欣然接受聊天機(jī)器人帶來(lái)的新機(jī)遇,但我們的研究表明,聊天機(jī)器人并沒(méi)有完全滿足消費(fèi)者的期望。
近四分之三的消費(fèi)者希望在網(wǎng)站上遇到聊天機(jī)器人,但只有 15% 的消費(fèi)者在與公司進(jìn)行快速交流時(shí)更喜歡聊天機(jī)器人,而不是人類。事實(shí)上,如果有選擇的話,87% 的消費(fèi)者仍然更喜歡與人類交流,而不是聊天機(jī)器人。
當(dāng)被問(wèn)及原因時(shí),受訪者在三個(gè)關(guān)鍵領(lǐng)域?qū)θ祟惖脑u(píng)價(jià)比聊天機(jī)器人更高:
現(xiàn)在,我們來(lái)看看最喜歡的統(tǒng)計(jì)數(shù)據(jù):25% 的消費(fèi)者愿意與人類或聊天機(jī)器人交流,只要能給他們帶來(lái)想要的結(jié)果即可。
此外,消費(fèi)者承認(rèn)聊天機(jī)器人具備獨(dú)特優(yōu)勢(shì)。消費(fèi)者認(rèn)為聊天機(jī)器人勝過(guò)人類的三大原因是:
簡(jiǎn)而言之,大多數(shù)消費(fèi)者對(duì)聊天機(jī)器人還是有所期待的。他們通常仍然更喜歡與人類交流,但在少數(shù)情況下,他們并不在乎人類與聊天機(jī)器人的區(qū)別。這對(duì)企業(yè)和聊天機(jī)器人開(kāi)發(fā)者而言,這意味著聊天機(jī)器人體驗(yàn)的門(mén)檻比以往任何時(shí)候都要高。那么下一步我們?cè)撛趺醋吣兀?/span>
聊天機(jī)器人在網(wǎng)絡(luò)商業(yè)的未來(lái)扮演著不可或缺的角色,這一點(diǎn)在聊天機(jī)器人的 炒作巔峰期 之后的短短幾年之后就變得非常清楚了。只是,與許多聊天機(jī)器人開(kāi)發(fā)者最初設(shè)想的并不一樣,比如取代人類、賦予聊天機(jī)器人人格等等。
相反,消費(fèi)者希望聊天機(jī)器人能夠尊重他們的時(shí)間,并引導(dǎo)他們盡快得到想要的結(jié)果。這聽(tīng)起來(lái)可能有些高深,但在過(guò)去我們已經(jīng)看到了這副藍(lán)圖,并發(fā)揮了作用。例如,自動(dòng)取款機(jī)。20 世紀(jì) 60 年代末,當(dāng)自動(dòng)取款機(jī)問(wèn)世時(shí),當(dāng)時(shí),企業(yè)并不確定消費(fèi)者會(huì)不會(huì)接納自動(dòng)取款機(jī)而不是銀行柜員,而且每個(gè)人都擔(dān)心它們會(huì)讓柜員失業(yè)。但 30 年過(guò)去了,這兩個(gè)擔(dān)心都沒(méi)有發(fā)生。實(shí)際上,我們大多數(shù)人更愿意使用自動(dòng)提款機(jī)進(jìn)行快速交易,比如提取現(xiàn)金,然后愉快地排隊(duì)等候與銀行柜員討論更復(fù)雜的問(wèn)題,比如申請(qǐng)抵押貸款。
到最后,沒(méi)有一個(gè)聊天機(jī)器人能夠在人類最擅長(zhǎng)的工作(同理心和理解力)上擊敗人類,因此,聊天機(jī)器人的開(kāi)發(fā)者的機(jī)會(huì)在于,深刻而清晰地認(rèn)識(shí)到機(jī)器人和人類的最佳選擇是什么,并以此為基礎(chǔ)進(jìn)行開(kāi)發(fā)。
聊天機(jī)器人絕對(duì)是擴(kuò)展業(yè)務(wù)增長(zhǎng)的未來(lái)。聊天機(jī)器人是否能夠帶來(lái)商業(yè)價(jià)值已不再是問(wèn)題。它只是時(shí)間和方式的問(wèn)題。
現(xiàn)在,有 73% 的消費(fèi)者希望在你的網(wǎng)站上能夠與聊天機(jī)器人互動(dòng),聊天機(jī)器人體驗(yàn)的門(mén)檻比以往任何時(shí)候都要高。但是現(xiàn)在有 2000 多家供應(yīng)商 可供選擇,你應(yīng)該選擇哪個(gè)呢?在我們看來(lái),以下這些都是入場(chǎng)籌碼:
今天,企業(yè)有一個(gè)難得的機(jī)會(huì),可以使用聊天機(jī)器人來(lái)影響他們的底線和客戶體驗(yàn),沒(méi)有什么比這更好的了。
關(guān)于隨機(jī)抽樣調(diào)查的方法:
關(guān)于隨機(jī)抽樣調(diào)查的方法的簡(jiǎn)要說(shuō)明:我們與一家獨(dú)立的市場(chǎng)研究公司合作,隨機(jī)抽樣調(diào)查了 500 名消費(fèi)者和 500 名商業(yè)領(lǐng)袖。這項(xiàng)研究中,消費(fèi)者研究的 95% 置信區(qū)間和商業(yè)領(lǐng)袖研究的 95% 置信區(qū)間的誤差幅度分別為 4.1% 和 4.3%。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無(wú)論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開(kāi)的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開(kāi)始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤(pán)手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開(kāi)發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤(pán)手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問(wèn)題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問(wèn)題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問(wèn)題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過(guò)程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見(jiàn)頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類分析作為 “無(wú)監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10