视频: --°--∫—Ä--Æ--∑—Å --ª—È—Å—Ã —Ñ —Ç—É--º--∞--Ω—Ã (十一月 2024)
人工智能（AI）曾经是一个科幻小说，几乎被专门用来为从世界末日迷上的超级计算机到倒霉的闪电般无情的工厂机器人提供动力。 但是如今，人工智能已被用来描述利用组织数据的几乎所有业务方面的未来。 问题是，类似于云计算的早期，人工智能技术的开发人员都倾向于对它进行不同的定义。 这已经使AI，机器学习（ML），预测分析甚至虚拟助手等产品产生了令人困惑的营销困境。
此外，这些技术将如何影响业务的各个方面，已经成为一个难以驾驭的局面。 电子商务是AI及其相关技术长期以来一直在幕后产生影响的一个关键领域。 在电子商务中，智能分析已经提供了新功能，从个性化的购物体验到预测性的客户行为分析。 我们与负责IBM Watson Customer Engagement的业务部门主管Kris Hamrick进行了交流，以消除围绕AI和电子商务的一些困惑。 我们还讨论了蓝色巨人如何在电子商务领域利用IBM Watson。
PCMag：感谢您抽出宝贵时间与我们交谈。 首先，很容易将个性化广告与“认知商务”混淆，因为两者都涉及使用数据和分析来使报价与客户的喜好和习惯相匹配。 混淆认知商务和虚拟助手（如亚马逊的Alexa和Google助手）也很常见。 IBM如何看待这些AI驱动的概念之间的差异？
让我解释一下IBM如何将AI与认知计算区分开。 人工智能是计算机像人类一样理解和推理的能力。 认知计算涉及到理解，推理，学习和互动的能力，将人与机器融合在一起，使他们彼此学习，并以结合在一起时更强大的方式进行互动。
数据为人工智能铺平了道路。 在一个应用程序之外，跨业务部门，外部源，暗数据等等的所有数据呢？ 我们生活在一个分散的系统中，这些系统组合在一起，当跨数据或确定新模式建立连接时，可以提供1 + 1 = 3的值。 沃森（Watson）之所以与众不同，是因为它可以访问所有这些不同的数据源，并具有与人类互动，理解业务问题，发现行动背后原因的认知能力，并最终从这种互动中学习并在未来的查询中使用该学习。
关于个性化与认知商务，Watson使用户能够超越基于客户关系管理的分析，从而获得更深刻的见解并针对更多信息采取行动，例如社交媒体，聊天室，客户服务记录等暗数据。可能附加到现代CRM中的数据。 使用沃森，活动可以从更细致的信息和见解中进行工作，优化诸如定价，履行，运输执行等方面的工作； 在挑战发生之前就对其进行预测，并最终改善KPI。 这以指数方式提高了用户跨功能区域一起工作的能力，并以更少的努力对业务产生了更好的影响。
今天，企业正在尝试使用其拥有的资源来做到这一点。 他们有报告，大量电子表格以及许多有关所有数据及其直觉的会议。 但是，最终，在很多情况下，它们是基于认知偏差执行的-这意味着它们会过滤掉所有数据和噪声，以找到适合以前完成工作方式的数据。 实际上，这是决定决策而不是数据的偏见。
总而言之，在Watson Customer Engagement中，我们将认知功能嵌入到流程中，以最大化业务绩效，改善销售/定价决策并优化整个供应链。 客户端还能够直接访问相同的Watson应用程序编程接口，以启用具有认知功能的自己的旧版应用程序和流程。 最重要的是，Watson揭示了异常现象，提出了建议措施并解释了 原因 。
PCMag： B2B商务在自动化和扩展投标与定价，条款和交易方面可以说比B2C棘手。 例如，当消费者购买价格时，企业将增加艰难的价格谈判，甚至期望在价格购买的基础上增加交易甜味剂。 认知商务或认知计算如何准备改变B2B交易的完成方式？ 以及这将如何抑制买方的成本并提高卖方的利润？
KH： B2B商业是企业学习如何利用B2C世界中发生的一些惊人变革来最大化利润并提供更好的客户和合作伙伴交易体验的一个很好的例子。 向中小型企业销售产品的企业确实面临着与零售企业同样的挑战，包括利润下降，渠道冲突，客户满意度，“亚马逊效应”（通过亚马逊业务），让客户选择所需的购买途径，销售人员通过提供交易渠道等将精力集中在正确的机会上。
第一步是为您的合作伙伴和客户提供比您的竞争和当今人们期望的高水平客户服务更好的整体体验。 如果我是您的客户，这意味着您需要了解我的议定定价条款，我的购买历史记录，向我展示与我的业务相关的产品或优惠，并允许我在客户中消费这些产品和服务，友好的解决方案。 认知能力可以并且应该贯穿整个价值链，以实现这些目标。
今天，我们看到许多行业都在发生这种情况。 要进一步采取措施，将问题不仅仅是“交易”，并开始考虑B2B在各种行业中的含义以及它们如何为客户提供服务。
例如，领先的制造商可以预期天气状况，以避免产品发布期间的供应链中断和库存短缺。 我们的客户之一，通力，正在使用电梯的物联网数据来预测磨损，并在服务中断之前优先进行维护。 在医学领域，Quest Diagnostics正在使用Watson分析个人肿瘤的活检并将DNA测序与数百万页的医学期刊，研究论文和临床试验进行比较，从而为肿瘤学家提供针对该特定患者的最佳治疗建议。
这些例子显然有很大的不同，但是只是强调了可能性是无穷的。 我们只是在认知旅程的开始。 我们才刚刚开始发现该技术可以帮助改善企业与其客户之间的关系的多种方式。
PCMag：数字化转型正在各地疯狂地进行着，并且正在创造比以往任何时候都多得多的数据。 但是数据科学家认为，并且IBM似乎也同意，数据不应该孤立存在，因为其价值主要在于为复杂的查询添加有意义的深度和上下文。 为什么Watson特别适合处理不同的数据和复杂的查询？
KH：正如我们之前所讨论的，所有数据中有88％实际上是暗的。 意思是，包含我们所有人都努力寻找的见解的数据不在易于消化或过滤的数据源中。 此外，数据科学家是昂贵的资源，并且不容易在整个业务范围内或规模较小的公司中扩展其学习内容。
使用Watson，目标是获取这些暗数据，并使其对于任何需要它的人都是可行的。 可能性是无止境。 沃森拥有独特的能力，可以使用多种语言来使用大量结构化和非结构化数据，使用多种认知服务对数据进行操作，为从业务用户到消费者的任何受众优化体验，并为其他公司提供嵌入这些服务的能力。在他们的应用程序中。
这里有很多例子。 首先，“ Watson语音分析器”启用了一种语言内容分析，可以检测和理解对话和通讯中的语音，以便做出适当的响应。 “ Watson Personality Insights”基于一个人的写作方式提取个性特征。 通过“ Watson对话”，您可以跨设备，Slack等消息传递平台甚至在机器人上部署机器人或虚拟代理。
而“ Watson视觉识别”可以理解图像的内容。 那是我的最爱之一，因为它用途广泛。 您可以使用视觉识别功能来检测零售商店中的某种服饰，识别杂货店库存中的变质水果，分析冰雹对您的一位保险客户的屋顶造成的破坏等。
PCMag：如今，大多数组织都在或至少计划中进行数据的民主化。 但是另一方面，随着消费者每天做出更多由数据驱动的决策，数据的消费化也在上升。 沃森和认知商务在这种数据消费化趋势中扮演什么角色或可以扮演什么角色？
KH：这是一个很好的观点：数据不仅被用来驱动更多的业务决策，它还可以驱动更多的消费者决策。 像企业一样，消费者希望更多的数据做出更明智的选择，但他们不想花费大量的时间和精力来筛选更多的数据。 他们想要一个快速的结果，并且知道这是基于特定时刻的需求的最佳决策。 最后，他们希望了解哪些数据可以帮助您做出决定。
几个示例：首先，1-800-Flowers最近推出了“ Gwyn”作为个人礼宾机器人，以帮助购物者根据礼物 接收者 的情感和个人喜好找到最佳产品。 通过使用Watson，Gwyn可以使用自然语言与在线客户进行互动。 例如，客户可以输入“我正在寻找给妈妈的礼物”，Gwyn将能够解释该问题，然后询问有关场合和情绪的一些合格问题，以确保她提供适当的信息。并为每个客户量身定制礼物建议。 这可以个性化目录，向购物者显示较少的数据，并将交互重点专门放在购物者当时想要完成的工作上。
同样，The North Face提供了一种基于对话的交互式方法来协助购物者。 您可能不会认为夹克是一种复杂的产品，但是它们确实如此。 购物者最初可能不会考虑很多因素，例如天气范围，活动水平和移动性。 利用沃森的逻辑推理能力及其对自然语言的理解，分类和评估能力，North Face系统提出了一系列简短的提炼问题，以提供符合购物者明确意愿和喜好的个性化产品和内容建议。 它还 说明 了产品功能符合这些特定需求的原因。 这将显示验证建议所需的数据。
我们坚信，客户期望在所有渠道中都获得这种水平的定制，个性化服务。 他们希望这种体验更多是一种对话，一种体验，他们会被问到“今天我能为您提供什么帮助？”。 这就像您进入以出色的客户服务而闻名的零售商店时所获得的服务。 最终，能够提供最佳品牌体验的公司将成为占据最大市场份额的公司。
PCMag：看来我们已经快到了一天，甚至实时数据分析也太少了，对于某些用例来说太晚了。 我们很快就会需要并期待主动的助手（或虚拟助手），它们不仅可以预测，而且甚至可以在我们要求之前实际 预测 我们需要或想要的东西。 我们在Google最近宣布的“主动助手”中看到了这一点。 就主动分析而言，IBM在做什么？
KH：这是IBM投入大量精力的领域。 我们一直致力于提供认知功能，以帮助企业为B2C和B2B场景提供有意义的客户参与体验。 我们已经讨论了几个示例。
我相信企业历来都希望能够访问尽可能多的相关数据。 随着过去几年中发生的数据爆炸，现在我们 确实 有很多数据。 现在的问题是如何使所有这些数据在没有偏差的情况下可用。 另外，我们必须在CRM系统中包含的历史数据与潜在买家现在所需要的现实之间取得平衡。 CRM系统不能告诉我们她以前购买过的产品，我们不能完全被其蒙蔽。
认知可以启用新的CRM，或者至少可以有效地改变整个决策。 公司可能在任何单个B2B甚至B2C客户上都有数千个数据点。 但是这种历史观点需要考虑到在客户考虑购买的那一刻可能最重要的几个数据点。 这可能包括意图，情绪，趋势和其他外部因素等变量。
为了预测下一个最佳操作，每个企业都需要评估其客户的购买模式，并确定其环境的当前或可预测现实何时胜过历史CRM数据。 这就是IBM正在朝着积极的分析远景发展。
