비디오: ì¸í -ëëìì¬ì°-ì½ë, ê±´ê° íìê¾¼ãí¬ì¤ì¼ì´PCãíë°° íë¤ (십월 2024)
AI (인공 지능)는 공상 과학 소설에서 거의 독점적으로 사용되는 문구였으며 아마겟돈에 집착 한 수퍼 컴퓨터에서 잘못된 번개 볼트에 의해 지각이 불쾌한 공장 로봇에 이르기까지 모든 것을 구동했습니다. 그러나 오늘날 AI는 조직의 데이터를 활용하는 거의 모든 비즈니스 측면의 미래를 설명하는 데 사용됩니다. 문제는 초기 클라우드 컴퓨팅과 마찬가지로 AI 기술 개발자가 각각 다르게 정의하는 경향이 있다는 것입니다. 이로 인해 AI, 머신 러닝 (ML), 예측 분석 및 가상 비서로 인해 혼란스러운 마케팅 사기가 발생했습니다.
또한 이러한 기술이 비즈니스의 여러 측면에 어떻게 영향을 미치는지 정확히 파악하기가 어려워졌습니다. 전자 상거래는 AI와 관련 기술이 오랫동안 배후에 영향을 미쳤던 핵심 분야 중 하나입니다. 전자 상거래에서 스마트 분석은 개인화 된 쇼핑 경험에서 예측 고객 행동 분석에 이르기까지 새로운 기능을 제공하고 있습니다. IBM의 Watson Customer Engagement를 담당하는 사업부 책임자 인 크리스 햄릭 (Kris Hamrick)과 AI 및 전자 상거래 관련 혼란을 해결하기 위해 이야기했습니다. 또한 Big Blue가 전자 상거래 분야에서 IBM Watson을 활용하는 방법에 대해서도 논의했습니다.
PCMag: 시간을내어 대화 해 주셔서 감사합니다. 우선, 맞춤형 광고와 "인지 상거래"를 "인식 상거래"와 혼동하기 쉽습니다. 두 가지 모두 데이터와 분석을 사용하여 고객 선호도와 습관에 맞는 오퍼를 제공하기 때문입니다. 인지 상거래와 아마존의 알렉사 (Alexa) 및 구글 어시스턴트 (Google Assistant)와 같은 가상 어시스턴트를 혼동하는 것도 일반적이다. IBM은 이러한 AI 중심 개념의 차이점을 어떻게 봅니까?
IBM이 AI와인지 컴퓨팅을 어떻게 차별화하는지 설명하겠습니다. AI는 컴퓨터가 인간처럼 이해하고 추리하는 능력입니다. 코 그너 티브 컴퓨팅은 이해하고, 추론하고, 배우고, 상호 작용하는 능력과 사람과 기계를한데 모아 서로 학습하고 결합 할 때 더 강력한 방식으로 상호 작용할 수있는 능력을 포함합니다.
데이터는 AI의 길을 열어줍니다. 하나의 응용 프로그램 외부, 사업부, 외부 소스, 암흑 데이터 등의 모든 데이터는 어떻습니까? 우리는 데이터를 통해 연결되거나 새로운 패턴이 식별 될 때 1 + 1 = 3의 가치를 제공 할 수있는 서로 다른 시스템의 세계에 살고 있습니다. Watson을 독창적으로 만드는 것은 인간과 상호 작용하고, 비즈니스 질문을 이해하고, 행동의 원인을 발견하고, 궁극적으로 해당 상호 작용을 통해 배우고 향후 쿼리에서 해당 학습을 사용하는인지 능력과 결합 된 이러한 모든 다른 데이터 소스에 대한 액세스 권한입니다.
개인화 및인지 상거래와 관련하여 Watson은 사용자가 고객 관계 관리 기반 분석을 넘어 더 깊은 통찰력을 얻고 소셜 미디어, 대화방, 고객 서비스 대화 등의 어두운 데이터와 같은 더 많은 정보에 대해 조치를 취할 수 있도록합니다. 최신 CRM에 추가 될 수있는 데이터. Watson을 사용하여 캠페인은보다 세분화 된 정보 및 통찰력으로 작업하고 가격 책정, 이행, 배송 실행; 문제가 발생하기 전에 예상하고 궁극적으로 KPI를 향상시킵니다. 이는 사용자가 기능 영역에서 함께 작업 할 수있는 능력을 기하 급수적으로 향상 시키며 적은 노력으로 비즈니스에 더 큰 영향을 미칩니다.
오늘날 기업들은 보유한 리소스를 사용하여이 작업을 수행하려고합니다. 여기에는 모든 데이터와 직관에 대한 보고서, 많은 스프레드 시트 및 많은 회의가 있습니다. 그러나 궁극적으로 대부분의 경우인지 편향에 따라 실행됩니다. 즉, 모든 데이터와 노이즈를 필터링하여 이전의 방식에 맞는 데이터를 찾습니다. 실제로, 그것은 데이터가 아니라 결정을 내리는 편견입니다.
요약하면 Watson Customer Engagement 내에서인지 능력을 프로세스에 포함시켜 비즈니스 성과를 극대화하고 상품 / 가격 결정을 개선하며 전체 공급망을 최적화하고 있습니다. 클라이언트는 동일한 Watson 애플리케이션 프로그래밍 인터페이스에 직접 액세스하여인지 기능이있는 자체 레거시 애플리케이션 및 프로세스를 사용할 수 있습니다. 가장 중요한 것은 Watson이 예외를 드러내고 조치를 권장하며 이유를 설명하는 것입니다.
PCMag: B2B 상거래는 B2C보다 입찰가 및 가격, 가격 및 조건, 거래의 자동화 및 확장 측면에서 까다로 웠습니다. 예를 들어 소비자가 가격을 구매하는 동안 기업은 어려운 가격 협상을 추가하고 가격 쇼핑 외에 거래 감미료를 기대할 수도 있습니다. 인지 상거래 또는인지 컴퓨팅은 B2B 거래 수행 방식을 어떻게 변화시킬 것인가? 그리고 어떻게 구매자 비용이 포함되고 판매자의 수익이 향상됩니까?
KH: B2B 상거래는 기업이 B2C 세계에서 발생하는 놀라운 혁명을 활용하여 수익을 극대화하고 더 나은 고객 및 파트너 거래 경험을 제공하는 방법을 배우는 좋은 예입니다. 중소 기업에 판매하는 비즈니스는 마진 침식, 채널 충돌, 고객 만족도, "Amazon 효과"(Amazon Business를 통한) 등 고객이 원하는 구매 경로를 선택할 수 있도록하여 소매 업체와 같은 어려움을 겪습니다. 영업 담당자는 거래 채널 등을 제공하여 올바른 기회에 집중할 수 있습니다.
첫 번째 단계는 파트너와 고객에게 경쟁 업체보다 더 나은 전반적인 경험과 오늘날 사람들이 기대하는 높은 수준의 고객 서비스를 제공하는 것입니다. 고객 인 경우 협상 된 가격 조건, 구매 내역을 알고 내 비즈니스와 관련된 제품 또는 제안을 보여주고 이러한 제품 및 서비스를 고객이 사용할 수 있도록 허용해야합니다. 친절한 솔루션. 인지 능력은 이러한 목표를 달성하기 위해 전체 가치 사슬에 걸쳐 짜여져 야합니다.
오늘날 우리는 이것이 여러 산업 분야에서 발생하는 것을보고 있습니다. 한 걸음 더 나아가려면 "트랜잭션"이상의 문제를 해결하고 다양한 산업에서 B2B의 의미와 고객 서비스를 고려하십시오.
예를 들어, 주요 제조업체는 제품 출시 중 공급망 중단 및 재고 부족을 피하기 위해 날씨 패턴을 예상 할 수 있습니다. 고객 중 하나 인 Kone은 엘리베이터의 IoT 데이터를 사용하여 서비스 중단 전에 마모를 예측하고 유지 보수의 우선 순위를 정합니다. 의료 분야에서 Quest Diagnostics는 Watson을 사용하여 개인 종양의 생검을 분석하고 DNA 시퀀싱을 수백만 페이지의 의료 저널, 연구 논문 및 임상 시험과 비교하여 종양 전문의에게 특정 환자에게 최상의 치료 권장 사항을 제공합니다..
이러한 예는 분명히 크게 다르지만 그 가능성은 끝이 없음을 강조합니다. 우리는인지 여행의 시작일뿐입니다. 우리는이 기술이 비즈니스와 고객 간의 관계를 개선하는 데 도움이되는 많은 방법을 발견하기 시작했습니다.
PCMag: 디지털 혁신은 어디에서나 열렬한 속도로 일어나고 있으며 지금까지 본 것보다 훨씬 더 많은 데이터를 생성하고 있습니다. 그러나 데이터 과학자들은 데이터가 복잡한 쿼리에 의미있는 깊이와 컨텍스트를 추가하는 데 크게 기여하기 때문에 데이터가 격리되어 있으면 안된다고 생각하고 IBM이 동의하는 것처럼 보입니다. Watson이 이종 데이터 및 복잡한 쿼리 작업에 고유 한 이유는 무엇입니까?
KH: 앞에서 설명한 것처럼 모든 데이터의 88 %가 사실상 어둡습니다. 즉, 우리 모두가 찾으려고하는 통찰력이 포함 된 데이터는 요약하거나 필터링하기 쉬운 데이터 소스에 없습니다. 또한 데이터 과학자는 값 비싼 리소스이며 전체 비즈니스 또는 소규모 회사로 학습을 쉽게 확장 할 수 없습니다.
Watson을 통해 목표는이 어두운 데이터를 가져 와서 필요한 사람이 실행할 수 있도록하는 것입니다. 가능성은 끝이 없습니다. Watson은 다양한 언어로 구조화되고 구조화되지 않은 대량의 데이터를 다양한 언어로 소비하고, 다양한인지 서비스를 사용하여 데이터를 처리하고, 비즈니스 사용자에서 소비자에 이르기까지 모든 사용자의 경험을 최적화하고, 다른 회사에 내장 된 동일한 서비스를 제공 할 수있는 고유 한 기능을 가지고 있습니다. 그들의 응용 프로그램 내에서.
여기에 많은 예가 있습니다. 그 중 하나 인 "Watson Tone Analyzer"는 대화 및 커뮤니케이션의 톤을 감지하고 이해할 수있는 언어 적 컨텐츠 분석을 통해 적절하게 대응할 수 있습니다. "Watson Personality Insights"는 사람이 쓰는 방식에 따라 성격 특성을 추출합니다. "Watson Conversation"을 사용하면 장치, Slack과 같은 메시징 플랫폼 또는 로봇에 봇 또는 가상 에이전트를 배포 할 수 있습니다.
"Watson Visual Recognition"은 이미지의 내용을 이해합니다. 그것은 다재다능하기 때문에 내가 좋아하는 것 중 하나입니다. Visual Recognition을 사용하여 소매점에서 특정 유형의 복장을 감지하고 식료품 점 재고에서 부패한 과일을 식별하고 우박 폭풍이 보험 고객 중 한 사람의 지붕에 미치는 피해 등을 분석 할 수 있습니다.
PCMag: 오늘날 대부분의 조직에서 데이터의 민주화가 진행 중이거나 최소한 계획되어 있습니다. 그러나 소비자가 매일 더 많은 데이터 중심 의사 결정을 내릴수록 데이터 소비자 화라는 단점도 높아지고 있습니다. 이 데이터 소비자 트렌드에서 Watson과인지 상거래의 역할은 무엇입니까?
KH: 좋은 지적입니다. 데이터는 더 많은 비즈니스 결정을 내리는 데 사용되는 것이 아니라 더 많은 소비자 결정을 내리는데도 사용됩니다. 기업과 마찬가지로 소비자는 더 많은 정보를 선택하여보다 많은 정보를 선택하기를 원하지만 더 많은 데이터를 통해 많은 시간과 에너지를 소비하고 싶지는 않습니다. 그들은 빠른 결과를 원하며 특정 순간에 필요한 것을 기반으로 한 최적의 결정임을 알고 있습니다. 마지막으로, 그들은 데이터가 그 결정에 도움이 된 것에 대한 가시성을 원합니다.
몇 가지 예: 첫째, 1-800-Flowers는 최근에 선물 수령인 의 정서와 개인적 취향을 바탕으로 쇼핑객이 최상의 제품을 찾는 데 도움을주는 개인 컨시어지 봇으로 "Gwyn"를 소개했습니다. Gwyn는 Watson을 사용하여 자연 언어를 사용하여 온라인 고객과 상호 작용할 수 있습니다. 예를 들어 고객이 "어머니를위한 선물을 찾고 있습니다"라고 입력하면 Gwyn는 해당 질문을 해석 한 다음 적절한 경우를 제공하기 위해 행사 및 감정에 대해 여러 가지 적격 질문을 할 수 있습니다. 각 고객에게 맞춤형 선물 제안. 이를 통해 카탈로그를 개인화하고 구매자에게 적은 데이터를 표시하며 특히 구매자가 그 순간에 달성하고자하는 것에 중점을 둡니다.
마찬가지로 North Face는 고객을 지원하기위한 대화식 대화 기반 접근 방식을 제공합니다. 재킷을 복잡한 제품이라고 생각하지는 않지만 실제로는 그렇지 않습니다. 쇼핑객이 초기에 고려하지 않은 날씨의 범위, 활동 수준 및 이동성과 같은 많은 요소가 있습니다. North Face 시스템은 논리적 추론을 적용하기위한 Watson의 능력과 자연어를 이해, 분류 및 평가하는 능력을 사용하여 간단한 일련의 정제 질문을하여 구매자의 분명한 욕구와 선호에 맞는 맞춤형 제품 및 컨텐츠 권장 사항을 제공합니다. 또한 제품 기능이 특정 요구에 맞는 이유도 설명 합니다. 권장 사항을 확인하는 데 필요한 데이터가 노출됩니다.
고객은 모든 채널에서 이러한 수준의 맞춤형 개인화 서비스를 기대하고 있다고 확신합니다. 그들은 경험이 더 많은 대화, 경험, "오늘 내가 어떻게 도와 드릴까요?" 이는 훌륭한 고객 서비스로 알려진 소매점에 들어갈 때 얻는 서비스와 같습니다. 최고의 브랜드 경험을 제공 할 수있는 회사는 궁극적으로 시장 점유율을 가장 많이 차지하는 회사입니다.
PCMag: 실시간 데이터 분석조차 너무 적어서 일부 사용 사례에는 너무 늦었 던 날이 이미 빠르게 다가오고있는 것 같습니다. 우리는 곧 예측할뿐만 아니라 실제로 요청하기 전에 필요하거나 원하는 것을 예상 하는 능동적 보조자 또는 가상 보조자도 곧 필요로 할 것입니다. 구글이 최근 발표 한 "Proactive Assistant"에서 그 초기의 희미 함을 볼 수 있습니다. 사전 분석 측면에서 IBM은 무엇을하고 있습니까?
KH: IBM이 많은 에너지를 소비 한 분야입니다. 우리는 비즈니스가 B2C 및 B2B 시나리오 모두에 대해 의미있는 고객 참여 경험을 제공 할 수 있도록하는인지 기능을 제공하는 데 주력했습니다. 우리는 이미 몇 가지 예를 논의했습니다.
비즈니스는 역사적으로 가능한 한 많은 관련 데이터에 액세스하기를 원했다고 생각합니다. 지난 몇 년 동안 발생한 데이터 폭발로 인해 많은 데이터가 있습니다. 문제는 이제이 모든 데이터를 편견없이 사용할 수있게하는 방법입니다. 또한 CRM 시스템에 포함 된 과거 데이터와 잠재적 인 구매자가 필요로하는 현실의 균형을 유지해야합니다. CRM 시스템이 이전에 구매했다고 말한 것만으로는 눈을 멀게 할 수 없습니다.
코 그너 티브는 새로운 CRM을 가능하게하거나 적어도 전체 결정에 효과적인 변수가 될 수 있습니다. 회사는 단일 B2B 또는 B2C 고객에 대해 수천 개의 데이터 포인트를 보유 할 수 있습니다. 그러나 이러한 역사적 관점은 고객이 구매를 고려하는 순간 가장 중요 할 수있는 데이터 포인트를 거의 고려하지 않아도됩니다. 여기에는 의도, 감정, 경향 및 기타 외부 요인과 같은 변수가 포함될 수 있습니다.
차선책을 예측하기 위해 각 비즈니스는 고객의 구매 패턴을 평가하고 현재 또는 예측 가능한 환경이 과거 CRM 데이터보다 우선하는 시점을 결정해야합니다. 이것이 바로 IBM이 일하고있는 선제적인 분석 비전입니다.
