译体验｜Adobe：2024 数字趋势报告

核心发现：

• 消费者体验仍未达到预期。消费者认为企业有能力更贴近他们的需求，但许多数字体验尚未达到预期。消费者指出，企业拥有足够的数据来提供更好的产品和服务，但却没有充分利用这些数据。
• 个性化往往基于假设，而非证据。企业往往专注于单个接触点的个性化，而不是创造客户想要的东西——在不同渠道和整个客户旅程中进行一致、无缝的互动。这些假设都是基于过时的信息和习惯。
• 企业仍未将数据点连接起来。统一数据只是提供卓越数字客户体验的拼图之一，但企业仍在努力做到这一点。一旦实施得当，统一数据将成为企业打造下一代体验（包括人工智能驱动的体验）的基础。
• 生成式人工智能战略需要更多关注。人们认为，生成式人工智能将迅速扩展新的高效业务。现实情况是，虽然成功指日可待，但企业必须改进基础数据，才能充分利用人工智能。
• 市场领先企业已经在数据、目标和战略方面做了大量工作。领先者可以加快使用生成式人工智能，因为他们更有可能拥有成熟的数据策略。早期采用者（已经具备生成式人工智能解决方案的组织）拥有卓越数字客户体验的可能性是那些没有这类解决方案的组织的六倍。
• 人工智能的潜力尚未实现，但可以实现。随着企业将生成式人工智能整合到业务工作流程中，其产生深远影响的潜力正变得越来越清晰。然而，许多企业尚未制定业务目标或关键绩效指标，这表明它们缺乏关注，也意味着生成式人工智能的潜力还远未发挥出来。

一、个性化和客户旅程期望

为什么我们还在谈论个性化？个性化仍然是企业的重中之重，但企业仍在努力做到这一点。根据今年的消费者调查，仅有 26% 的消费者将他们与现有合作品牌的数字体验描述为“极佳”。

大约一半的受访消费者同意“品牌对我了解得越多，他们就能提供更好的服务。”与此同时，近三分之二的人对“了解我很多，但不考虑我的喜好的品牌”表示不满。

2024 年，世界级的数字体验需要在所有渠道上提供个性化的端到端客户之旅，并无缝、一致地交付。它不是一系列定制的接触点。五分之四（80%）的消费者认为，在不同的在线渠道上保持一致的体验，对于满足他们的客户体验期望是“重要的”或“关键的”，70% 的消费者对“个性化产品推荐”给予了类似的评价。

然而，消费者希望以负责任的方式使用他们的数据，91% 的受访者坚持认为数据“重要”（28%）或“至关重要”（63%）。与其他选项相比，受访者更倾向于认为这对满足他们的客户体验期望非常重要。

企业对数据的需求越来越多，但消费者对此保持警惕，部分原因是他们过去在共享数据后获得的个性化服务有限，而且普遍存在隐私问题。这表明，消费者更希望品牌先在网站、电子邮件、应用程序和社交平台上做好核心互动，然后再扩展到自动聊天或虚拟试用等互动。

当消费者被问及与品牌互动时更看重什么时，结果显示大多数消费者更喜欢按照自己的时间安排进行沟通。近三分之二的消费者（60%）表示，相比个性化短信（40%），他们更愿意收到关于最新优惠的电子邮件。同样，比起定制的电子邮件和短信（38%），消费者更喜欢网站和应用内的推荐（62%）。应用程序与网站、聊天与表单以及其他偏好的交叉比较几乎各占一半，这表明对于大多数客户来说，并不是只有一种正确的途径。

“实时个性化是客户在每一次互动时所期望的。我们必须正确对待这一点，这样做才不会让人觉得你毛骨悚然，也不会让人觉得你在试图推销客户不需要的东西。你要让人觉得你是一个真正关心客户、希望为他们提供最好服务的合作伙伴。”—— Parthiv Sheth，AT&T 营销副总裁

进一步深入研究数据，我们发现了不同年龄段消费者的偏好，揭示了一些有趣的代际差异。例如，大多数 45 岁以下的消费者更喜欢在线聊天而不是打电话或填写表格，而大多数 65 岁以上的消费者更喜欢网站而不是 APP。品牌需要意识到，随着一些群体的 “老龄化”，如今年轻消费者的偏好将成为主流期望。

只有对消费者细分有详细的了解，才能让企业更接近他们的预期。例如，在个性化服务中，消费者最看重的是及时且相关的定制信息。与此同时，只有 20% 的消费者喜欢被直呼其名。在寻求支持或客户服务时，识别他们的信息和偏好更为重要（23%），在不同设备上登录时被识别也很重要（25%）。

有证据表明，品牌需要更密切关注消费者的意见。虽然 40% 的从业者在优先推荐方面与消费者保持一致，但他们也优先考虑称呼客户的姓名（40%），而正如我们所看到的那样，这在消费者心目中的优先级要低很多（20%）。

积极的方面是，从业人员经常利用数据和分析来预测不同细分市场的消费者需求（47%），这表明他们能够采取不同的方法来满足传播偏好。通过解读购买行为和浏览习惯，从业者可以专注于受众的真正需求和偏好，从而改善客户旅程，而不是追逐每一个数据点。

事实上，我们的研究证明了强大的数据实践和常规个性化工作之间的联系。与那些将客户数据系统（CDS）评级为“中等/无效”的从业者相比，将其 CDS 评级为“高效”的从业者更有可能在各个渠道进行常规个性化——使用生成的人工智能制作的内容实时提出建议。

二、统一的数据和洞察是个性化的基础

数据的先进性对有效的个性化至关重要。如果没有数据功能来进行智能产品推荐，或将客户引导至最有效的客户服务旅程，数字接触点就无法实现其承诺。

以聊天机器人体验为例。聊天机器人依赖于智能数据，主要用于提供服务或帮助客户自我引导购买流程。然而，它们也最容易让人失望。大约一半的消费者（49%）将他们使用聊天机器人的体验评为“非常差”、“差”或“一般”。

当被问及品牌可以采取哪些改进措施来提供更好的数字体验时，消费者将「改善客户服务转接」（52%）或「简化自助服务支持」（44%）列为前两项。要做到这一点，各部门和系统之间数据的顺畅流动至关重要。

企业的数据相关能力也与市场表现相关。与市场追随者（2023 年仅保持与行业同步或表现不佳）相比，市场领先者（2023 年表现优于同行）更有可能将其数据相关能力在所有五项功能衡量标准中评为“同类最佳”或“高于平均水平”。

许多企业认识到，他们的数据战略在很大程度上仍处于“开发阶段”。这一点也得到了从业人员的认同，他们认为自己的客户数据系统在为所有接触点提供一致数据（52%）和实现整体客户视图（57%）方面只是“一般”到“无效”。

一半以上的高级管理人员（55%）将“客户数据管理”列为 2024 年优先投资的技术领域。他们优先考虑的工具是将数据统一到一个单一的真实来源中，在获得正确权限的情况下，可用于多种目的，包括数据安全与合规、客户服务、营销和产品开发。

对数据合规性的信心支撑着企业保持创新的意愿，探索新技术解决方案和数字战略。技术将不可避免地鼓励这种探索性思维，而数据将为技术提供动力。为了充分利用数据和技术的平衡，组织必须确信他们正在保护自己和客户的数据。

也许令人惊讶的是，尽管消费者担心数据隐私，但他们普遍对品牌使用人工智能感到满意，特别是如果这能让品牌做出更好的推荐并改善沟通的话。

然而，消费者仍然有一些担忧。大约三分之一的人不愿意让客户服务员工访问他们的数据（34%），这可能会影响企业改进自动化自助服务的努力，而这正是品牌和消费者关注的重点。

展望未来，品牌需要努力提高数据政策的透明度。这意味着要提供明确的同意选项，并解释数据的使用方式和地点，尤其是在人工智能方面。

企业认识到这一点说起来容易做起来难。超过半数（57%）的从业者表示，确保人工智能生成内容的质量和客户信任将是 2024 年的首要挑战，而 38% 已实施生成式人工智能解决方案的组织也同意，“通过嵌入负责任的数据和人工智能实践来建立信任”将对其业务产生重大影响。

市场领先者在建立有效的客户数据系统，确保数据隐私、负责任地开发内容以及满足安全标准和品牌要求方面，都领先于市场追随者。事实上，领先者认为他们在保证数据隐私和安全标准方面已经取得进展的比例是追随者的两倍（37% 比 17%）。相反，41% 的追随者表示他们“尚未开始/没有计划开始”或仅处于“计划阶段”，而领先者中只有 19% 的人这样认为。

在使用生成式人工智能进行内容创建和发布时，市场领先者在确保品牌安全和合法合规方面优于市场追随者（78% 比 63%）。在拥有负责任地开发人工智能内容所需的数据方面，领先者与追随者之间的差距更大（75% 比 50%）。

三、生成式人工智能的明确起点和未来目标

生成式人工智能提供了许多改善客户体验和推动业务转型的方法。然而，我们的调查显示，大多数企业尚未将人工智能与更大的转型或客户体验目标联系起来。只有约四分之一的高级管理人员这样做了，但令人鼓舞的是，有 45% 的高级管理人员正在努力实现这一目标。

约三分之二的高管人员乐观地认为，生成式人工智能将实现从数据分析和客户服务到网页优化、电子邮件营销和内容工作流等各方面的重大业务转型。然而，鉴于不到四分之一的人制定了路线图，只有四分之一的人确定了关键绩效指标，因此，如果没有更多的战略监督，他们的生成式人工智能部署有可能达不到预期目标。

现在是将管理人员的愿望与务实的商业案例和消费者需求相结合的时候了。已经采用或正在实施生成式人工智能的从业者被问及，他们的企业将在哪些领域使用人工智能进行数字营销和体验管理。回答最多的是内容。内容创建自动化和内容个性化都是最重要的使用案例。

为了加快客户体验计划的实施，从业者优先考虑有效利用生成式人工智能来组织、简化和提高创意生产效率（41%）。但也有 38% 的从业者认识到人工智能在帮助客户自助服务方面的潜力（这是我们调查中消费者的主要要求），并认识到人工智能可以帮助他们更多地了解客户的旅程（38%）。

另一方面，消费者表示，除了数据安全，他们的主要需求是无缝客户服务和通过聊天机器人提供高效的客户支持。例如，77% 的消费者表示，“通过聊天机器人等自动化系统提供快速高效的客户支持非常重要或关键”，51% 的消费者更愿意与客服人员在线聊天，而不是拨打电话。

由此可见，企业应集中精力改善聊天机器人的体验，但首先必须做好基础工作——统一客户数据，这样聊天机器人等自动化工具才能准确地定制互动。企业的生成式人工智能目标最终必须同时解决内部业务目标和客户痛点。

虽然要完全实现这些目标可能需要大量的时间和资源，但还是有可能取得一些较快的成功，使企业走上提高效率的道路，并为今后更深入的投资奠定基础。

“这并不像连接到互联网并把东西放在客户面前那么简单。必须深思熟虑。但我绝对认为生成式人工智能可以帮助我们进行电子商务、营销和软件开发。机会很多，但这是一场马拉松，而不是短跑。”—— Jordan Broggi，家得宝高级副总裁兼在线业务总裁

当我们询问高管人员，他们在 2024 年提高工作流程效率和降低成本的主要方法时，52% 的人将“使用内容人工智能和聊天机器人实现人工任务自动化”列为首选。

在将标准化信息输入人工智能生成工具时，自动化任务可以节省大量成本。例如，针对不同受众、产品和地区调整现有内容，或为熟练员工生成创意或概念，以最终确定创意资产。有趣的是，目前有 50% 的从业者承认，自动更新内容（如价格信息）的实施要到 2025 年才会列入计划（如果有的话）。然而，使用生成式人工智能来执行这项任务，是比较可靠和直接的用例之一。

我们根据从业者的回答将其分为两大类：一类是目前正在使用生成式人工智能的从业者，称为“早期采用者”；另一类是表示将在 “2025 年”之前实施或表示“目前没有计划”的品牌被称为“后进者”。早期采用者报告其优秀数字体验的可能性是晚期采用者的六倍，这表明生成式人工智能的采用与品牌提供卓越的客户体验息息相关。

成功的企业还有一个引以为傲的特点——他们的企业文化，这使他们能够最大限度地发挥这项技术的优势。与没有正式战略的企业相比，目前正在使用人工智能解决方案的企业认为其文化适合开展这项计划的可能性要高出三倍半（88% 比 25%）。

企业认为，他们的首要任务是为主要团队成员提供高级人工智能技能（48%）。当然，企业内的所有员工最终都会或多或少地与人工智能进行交互。确保所有员工对人工智能有基本的了解几乎是同等优先的事项（46%）。

只有 38% 的人认为创建跨学科团队很重要，这似乎令人担忧。我们已经看到，有效的人工智能生成实施需要业务领导者、营销人员、客户服务人员、数据分析师、战略家等的参与。人工智能的实施不能各自为政。

24% 的高管人员已经完成或正在围绕更广泛的业务目标，微调他们的人工智能路线图，45% 的高管人员仍在进行中，跨学科团队对于实现生成式人工智能的承诺至关重要。不过，有一些积极的信号表明，企业正在朝着正确的方向前进。

总体而言，生成式人工智能仍有机会取得更大进步。超过四分之三的高管人员（76%）仍在研究、规划或尚未开始将其与更广泛的业务目标相协调，75% 的高管人员在确定能够显示其影响的关键绩效指标时也处于类似的境地。要想发挥生成式人工智能的潜力并带来切实的投资回报，这两方面都很有必要。

四、通过个性化、生成式人工智能和统一数据提供卓越的数字体验

为了满足当今客户在整个购买过程中的需求，并利用生成式人工智能带来的机遇，企业应重点关注从今年的数字趋势研究中提炼出的以下关键建议：

• 了解你的客户，不要对个性化做出假设。更好地了解客户希望以何种方式、在何处体验个性化，以及在整个旅程中应如何连接触点。然后利用这种理解，根据客户的偏好“合理调整”数字体验。
• 统一数据，利用数据满足客户的期望。数据必须统一到一个强大的系统中，并随时准备支持各种客户体验创新。只有这样才能更准确地洞察消费者的需求，并有效地在整个旅程中实现个性化。客户希望品牌改进定制信息和及时提醒，提供相关建议，并在不同渠道中识别他们。
• 加强数据管理。消费者希望确保他们的数据被合理、安全地使用，尤其是在生成式人工智能手中。而内部团队则希望使用数据为战略提供信息，而不会无意中破坏这种信任。强大的数据合规政策可以建立在强大的数据系统基础上，来维持这种信任，为成功铺平道路。
• 内容是坚实的起点。通过优化和扩展内容，开始你的生成式人工智能之旅。在此基础上，努力构建更复杂的用例。自动化客户支持任务（如聊天机器人体验）对品牌很有吸引力，但需要复杂的数据系统。
• 打破跨职能孤岛。整合系统、跨职能团队和工作流程，让人工智能成为业务运营不可或缺的一部分。
• 将人工智能与整体业务目标相结合。零敲碎打的方法无法实现生成式人工智能的承诺。企业需要制定切实可行的目标，并与实际业务优先事项和投资保持一致，以推动有效转型，并实现持续增长。

版权声明

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！