你的 AI 在算库存,别人的 AI 在懂客户

前两天,我和一个做消费品牌的朋友吃饭。

他跟我倒苦水:现在群发短信,打开率是越来越差。一万条发出去,跟往海里扔石头似的,连个响都听不见。

我问他:你们不是早就用上 AI 了吗?

他说:用了啊。预测销量、优化库存、排产排班、审合同,全是 AI 在干,省了不少钱。

我说:那你发现没有,你把 AI 全用在后台了。最该用它的地方,和客户打交道的那一环,还在用 20 年前的老办法。

他愣住了。

这篇就聊聊这个事:什么叫 AI 个性化的客户旅程,以及为什么,它可能是很多公司正漏掉的一个大机会。

什么叫客户旅程?

什么叫客户旅程?

一个人,从第一次刷到你的品牌,到点进去看,到下单,到收货,到售后,到复购,或者到流失,走过的完整一条路,就是客户旅程。

什么叫个性化?

就是这条路,不是给一万人修的,是给他一个人修的。他什么时候来,该看见什么,该收到什么,每一站都像专门为他布置的。

听着很美好。但过去,这事有个绕不过去的坎:做不到。

为什么做不到?因为每一步都要人来安排。一万个人,你就得安排一万次。

用了 20 多年的老办法,该升级了

客户体验这个行业,过去 20 多年有个基石级的方法,叫闭环反馈(CLF)。

什么叫闭环反馈?说白了就四步:客户给了差评,系统记下来,人工跟进问一句"哪里不满意",回头改一改。

发现问题,解决问题,再把结果"闭环"。听着挺合理,对吧?

但是,这套办法有两个先天缺陷。

第一,它是事后的。等差评来了,伤害已经发生。你在补救,你不在预防。

第二,它是人工的。每一环,都得有人去关。客户一多,人就不够用了。

那怎么办?再招一批人,专门去关更多的环?

这就像水缸漏了,你不补缸,而是雇一屋子人,拿瓢往外舀水。

AI 来了之后,这套玩法可以从根上改。改在哪?三个地方。

第一,从事后补救,到实时调整。

AI 一边盯着客户走到了旅程的哪一步,一边预测他会在哪里卡住,然后抢在差评发生之前,把那颗石子挪开。

摩擦还没变成差评,就先被抹平了。

第二,从会聊天,到会办事。

这两年,大语言模型(LLM)很热。但你会发现,它进化的下一步,是从 LLM 走向大行动模型(LAM)。

什么叫大行动模型?大语言模型会"说",你问它答。大行动模型会"做"。它能从几亿条行为记录里,几分钟挖出客户不满意的规律和根因,然后直接动手:把该改的旅程改了,该发的券发了。

不光给你诊断书,还把手术也做了。

第三,从关上的环,到转起来的轮。

传统闭环,处理完一单,这个环就关上了。

AI 不是。每一次交互,它都在学。今天学到的,明天就用上,策略永远在刷新。

环,不再是关上的。轮,是一直转的。越转,越懂你的客户。

我们来算三笔账

道理讲完了,算几笔账。

第一笔,零售的账。有家零售企业,过去跟客户沟通靠群发:同一封邮件,发给一万个人,内容一模一样,时间也不挑。后来他们用 Salesforce Marketing Cloud 换了个做法:先把散落在各个触点的客户数据,拼成一张完整画像;再让系统根据每个人的行为和购买记录,自动触发不同的旅程。

三个月。客户互动率涨了 38%,复购涨了 22%。

更值得琢磨的是,涨得最猛的,是那批很久没动静的沉默用户。群发喊不醒的人,AI 旅程给唤醒了。

第二笔,银行的账。有家银行,客户抱怨最多的,是贷款审批太慢,动辄五六天。后来他们上了 AI 做材料核验和风险评估,审批时间从 5 天,干到了 5 分钟。

5 天变 5 分钟,什么概念?1440 倍。贷款申请量,跟着涨了 30%。

麦肯锡算过一笔更大的账:把 AI 用好的银行,客户满意度最高能提 35%,运营成本最多能降 25%。据 Allied Market Research 的预测,全球银行业 AI 市场的盘子,到 2030 年会冲到 1300 亿美元。

再看看同行都在干什么:摩根大通用 AI 给客户做实时的贷款和投资建议,互动量涨了 40%;美国银行的 AI 助手 Erica,已经处理了超过 15 亿次交互;一家欧洲银行靠 AI 提前识别客户的财务困扰、主动去聊,流失率降了 22%;万事达的 AI 反欺诈,把"误伤"减少了 50%。

什么是误伤?就是把正常交易错当成可疑交易拦下来。客户少被冤枉一次,信任就多一分。

第三笔,毫秒的账。二手车平台 CARS24 搭了一套实时推荐系统:序列神经网络,加 Kafka 实时流,每天处理上百万次用户交互,在 200 毫秒内,把最合适的车推到你眼前。

200 毫秒什么概念?人眨一次眼,大约要 300 到 400 毫秒。

也就是说,你眼睛还没眨完,它已经猜到你想看哪辆车了。

数据从哪来?从聊天里来

讲到这,你可能会问:个性化,个性化,到底靠什么?靠数据。数据越完整,旅程越贴身。

那数据从哪来?很多人的第一反应是:让客户填表。

我问你,你填表的时候,认真吗?

大部分人的表单上,写着"张三"、"13800138000",和一串敷衍的选项。

有个连锁健身房品牌 Posh Fitness 的例子,特别有意思。一位叫 Melanie 的潜在客户,想办健身卡。她没填表,而是在网站上跟 AI 助手聊了几句。聊着聊着,像朋友聊天一样,她讲了自己的健身目标,提到饮食上有忌口,喜欢鼓励型的私教,爱户外运动,但平时忙,时间得灵活。

几分钟的对话,把一张表单永远问不出来的东西,全问出来了。

而且因为聊得舒服,她在还没办卡之前,就对这家健身房有了好感。信任,在成交之前就攒上了。

这就是对话式 AI 厉害的地方:它一边服务你,一边更懂你。

消费者也吃这一套。品牌咨询公司 Prophet 调查过,69% 的消费者,对用生成式 AI 来改善体验的品牌感到兴奋。

你看,消费者不反感 AI。消费者反感的,是被冒犯。

但有个前提,叫信任

说到这,得泼盆冷水。

普华永道在 2024 年发布过一份消费者调查报告,里面有几个数字,建议每个做营销的人都盯着看:86% 的消费者,想要线上线下无缝衔接的体验;59% 的消费者,期待个性化的推荐;但与此同时,85% 的消费者,担心自己的数据被怎么收集、怎么使用。

你品品这组数字。

大家想要贴心,但怕被扒光。

所以,个性化是有红线的。

红线之一,叫透明。你得让用户知道,你收集了什么,拿去做了什么。藏着掖着,迟早翻车。

红线之二,叫人在场。普华永道的另一项调查显示,88% 的银行客户希望,遇到重要的财务决定时,由"AI 的方便"加上"人的温度"一起来。机器管效率,人管分寸。

同一个技术,用得不好是冒犯,用得好是体贴。差的不是算法,是分寸。

一个很多公司没想到的用法

前面讲的,都是拿 AI 去服务客户。其实还有个方向:拿 AI,帮你的团队看懂客户。

举个例子。Google 的 Gemini 应用里,有个功能,叫 AI Storybooks,原本是给孩子生成带插画、带旁白的故事书的。

有人拿它做了个实验:让 AI 生成一本 10 页的故事书,主角是一位想买咖啡机的顾客:她先在线上问 ChatGPT 做功课,再走进门店,最后买下那台机器。

每一页,是一段旅程。有图,有配音。

这东西能干嘛?

给新员工做培训,比干巴巴的流程图生动十倍。给从没看过"客户旅程地图"的高管做汇报,一页插画,胜过三页 PPT。还能拿给真实顾客看,测一测不同的旅程设计,哪种走起来最顺。

最妙的是最后一层:让团队住进顾客的身体里,体会他每一步的犹豫和纠结。

共情这个东西,讲道理是讲不出来的。得让他亲自走一遍。

别等

最后,讲个反面故事。

2024 年,Google 展示过一款 AI 旅行规划师,承诺把你的个人偏好,自动编进定制行程。很多人都在等它上线。

结果呢?无限期推迟,到今天也没有下文。

你看,连 Google 都会跳票。

所以,别把宝押在"等一个完美工具"上。已经有酒店不等了:用 AI 分析住客的偏好,做定制服务;用 AI 助手接咨询、管预订,把响应速度提上去。等你等到工具上线的那天,客人的习惯,早被别人养成了。

等,等不来个性化。干,才干得出来。

最后的话

回到开头那位朋友。

饭吃到一半,他掏出手机,给团队发了条消息:下季度的群发计划,先停一停。

AI 已经把后台做得又快又省。接下来的增长,藏在前台,藏在每一个被认真对待的顾客那里。

AI 负责让服务贴身,你负责让服务贴心。

祝你,早日关掉那台群发机器。