تجربه مشتری در عصر هوش مصنوعی

گریزی به داستان Brinks

Brinks شرکتی ۱۶۳ ساله است که به دلیل ناوگان کامیون‌های زره‌پوش خود شناخته شده. این شرکت همچنین برند خود را به یک شرکت خواهر مستقل و کمتر شناخته‌شده به نام Brinks Home لایسنس داده است. این کسب‌وکار فناوری خانه هوشمند مستقر در دالاس، برای کسب شناخت برند متناسب با نام Brinks با چالش مواجه بوده است.

این شرکت با سیستم‌های شناخته‌شده‌تری از ADT، Google Nest و Ring رقابت می‌کند و هرچند از تحلیل‌گران صنعت و مشتریان امتیازات عالی دریافت کرده، اما سهم بازارش تنها ۲ درصد است. اما سیستم‌های آن حجم عظیمی از اطلاعات استفاده از محصول تولید کرده‌اند؛ مراکز تماس آن داده‌های تراکنشی تاریخی در سطح مشتری انبوهی جمع‌آوری کرده‌اند و نمایندگان میدانی آن از زمان شروع فعالیت در سال ۱۹۹۴، داده‌های رقابتی را گردآوری کرده‌اند.

Brinks می‌خواست راهی برای استفاده از تمام این اطلاعات پیدا کند تا رشد را تسریع بخشد و هر نقطه تماس مشتری را در تمام کانال‌ها و به‌ویژه در پیام‌رسانی، شخصی‌سازی و ارائه تجربه کاربری بهینه‌سازی کند. در پاییز ۲۰۲۰، این شرکت با همکاری استارت‌آپ هوش مصنوعی OfferFit، هزاران ترکیب از پیام‌ها و پیشنهادها را آزمایش کرد و محتوای خلاقانه، کانال ارتباطی و زمان‌بندی ارسال را تغییر داد. ساختار سازمانی خود را حول جذب مشتری، خدمات و تمدید بازسازی کرد و شروع به استفاده از هوش مصنوعی برای بهینه‌سازی زمان‌بندی تماس‌های خدماتی، پیشنهادهای فروش متقابل از سوی نمایندگان مرکز تماس و پیگیری مشتریان برای ارتقای سیستم‌های بی‌سیم کرد.

در کمتر از دو سال، Brinks تست A/B را از دو یا سه تست در روز به حدود ۵۰۰۰۰ تست افزایش داد (با قابلیت افزودن بیشتر در صورت نیاز). این فرایند نیاز به انتظار برای نتایج تست را به‌شدت کاهش داد و به Brinks امکان داد هر نقطه تماس مشتری را شخصی‌سازی کند. در نیمه اول سال ۲۰۲۱، اندازه متوسط بسته مستقیم به مصرف‌کننده (DTC) از ۴۸۹ دلار به ۹۶۸ دلار افزایش یافت. درآمد DTC به‌ازای هر کاربر از میانگین ۴۲.۲۴ دلار به ۴۵.۹۵ دلار در همان دوره رسید. درآمد کلی نسبت به دوره مشابه سال ۲۰۲۰، در حدود ۹.۵ درصد افزایش یافت.

Brinks Home تنها یک نمونه از چگونگی موفقت برندها با بهره‌برداری از مخزن عمیق اطلاعات مشتری برای تحول و شخصی‌سازی تجربیات کاربری است.

تأثیرات عمیق شخصی‌سازی

نویسندگان گزارش حاضر در HBR Special Issue Spring 2026، با بیش از ۱۰۰ شرکت پیشرو بین‌المللی در انجام اقدامات شخصی‌سازی بزرگ‌مقیاس همراهی کرده‌اند (از جمله چندین شرکت که در این مقاله به آن‌ها اشاره می‌شود). در ۵ سال گذشته، افزایش درآمد ۶ تا ۱۰ درصدی در این شرکت‌ها مشاهده شد و افزایش درآمد خالص قابل‌انتساب به ابتکارات شخصی‌سازی بین ۴۰ تا ۱۰۰ درصد بوده است. یک نظرسنجی مشترک که با Google انجام شد و بلافاصله پس از تجربه برند شخصی‌سازی‌شده از هزاران مصرف‌کننده گرفته شد، اثر درآمدی مشابهی را نشان داد.

شرکت‌ها در همه صنایع، شخصی‌سازی را در مرکز استراتژی‌های سازمانی خود قرار داده‌اند. اخیراً «رادنی مک‌مولن» مدیرعامل Kroger، یکپارچگی و شخصی‌سازی را دو «خندق رقابتی» کلیدی نامید که Kroger در آن‌ها سرمایه‌گذاری می‌کند. به همین ترتیب، شرکت‌هایی در حوزه خدمات منزل (Home Depot)، بانکداری مانند (JPMorgan Chase)، صنعت رستوران‌داری (Starbucks) و پوشاک (Nike) به طور عمومی اعلام کرده‌اند که تجربیات شخصی‌سازی‌شده و یکپارچه چندکاناله در هسته استراتژی شرکتی آن‌ها قرار دارد.

اکنون به نقطه‌ای رسیده‌ایم که مزیت رقابتی از توانایی ضبط، تحلیل و استفاده از داده‌های مشتری شخصی‌سازی‌شده در مقیاس بزرگ و استفاده از هوش مصنوعی برای درک، شکل‌دهی، سفارشی‌سازی و بهینه‌سازی سفر مشتری ناشی می‌شود. برتری مزیت دیجیتال بسیار فراتر از مرزهای بازاریابی سنتی رفته و به مسئله‌ای بسیار گسترده‌تر در سطح هیئت‌مدیره تبدیل شده است.

برندگان آشکار این رقابت، شرکت‌های بزرگ فناوری بوده‌اند که این قابلیت‌ها را در مدل‌های کسب‌وکار خود تعبیه کرده‌اند. اما همچنین برندهای چالشگر مانند Sweetgreen در رستوران‌داری و Stitch Fix در پوشاک را می‌بینیم که تجربیات مشتری تحول‌آفرین را بر پایه داده‌های اول‌شخص (first-party) طراحی کرده‌اند.

در این مقاله بررسی می‌کنیم که چگونه شرکت‌های پیشرو آنچه نویسندگان «موتورهای تجربه هوشمند» می‌نامند را طراحی می‌کنند تا تجربیات مشتری باکیفیت را با استفاده از هوش مصنوعی تقویت‌شده با داده‌های مشتری را بسازند. آن‌ها راه‌حل‌های سراسری طراحی می‌کنند که پیش‌دستانه مشتری را به سمت دستیابی به اهدافش هدایت می‌کنند (برای مثال، یافتن مکان، زمان‌بندی قرار ملاقات، ارسال یادآوری قرار، ارائه مسیر و هدایت کاربر از هرگونه پیگیری لازم). ‌آن‌ها همچنین تیم‌های چابک بین‌رشته‌ای را با داده و فناوری تقویت می‌کنند که امکان یادگیری خودکار سریع و بهینه‌سازی را فراهم می‌آورد. هرچند ساخت یک موتور تجربه هوشمند زمان‌بر، پرهزینه و از نظر فناورانه پیچیده است، اما نتایج به شرکت‌ها امکان می‌دهد شخصی‌سازی را در مقیاسی ارائه دهند که تنها یک دهه پیش قابل‌تصور بود.

موانع شخصی‌سازی

بیشتر برندها تجربیات مشتری را در مقیاس یا عمقی که برای رقابت با شرکت‌های پیشرو جهان لازم است، شخصی‌سازی نمی‌کنند. شخصی‌سازی یک تجربه مشتری سراسری و نیازمند ارکستراسیون در میان کانال‌های ارتباطی است؛ قابلیتی که هیچ برندی هنوز کاملاً بر آن مسلط نشده است. اما ادغام جریان تجربیات فیزیکی و دیجیتال مشتری شاید تنها راهی باشد که برندهای چالشگر بتوانند با شرکت‌های موسوم به «بومی دیجیتال» (Digital Native) مانند Amazon و Google رقابت کنند.

XNET اولیه از فناوری‌های جدیدتر مانند اینترنت اشیا (IoT)، یادگیری ماشین، پلتفرم‌های فناوری بازاریابی (martech) و ابزارهای پرشمار رسانه دیجیتال بهره می‌برند که وقتی با روش‌های چابک ترکیب شوند، مزیت‌های رقابتی قدرتمندی ایجاد می‌کنند. برندهایی که می‌خواهند از XNET پیشی بگیرند یا حتی فقط به آن‌ها برسند، باید درباره ساختار و زیربنای داده و فناوری خود فکر کنند. آیا ساختارها و فرایندهای سازمانی‌شان برای این کار مناسب هستند؟ آیا ذهنیت تست و یادگیری سریع را دارند؟

با وجود مجموعه گیج‌کننده‌ای از ابزارهای نرم‌افزاری که ادعا می‌کنند هر جنبه‌ای از تجربه مشتری را بهبود می‌بخشند، هیچ پلتفرم واحدی نمی‌تواند شخصی‌سازی سراسری را به طور جامع مدیریت کند. بااین‌حال، مشکلات کلیدی مانند ایجاد پروفایل جامع ۳۶۰ درجه از مشتری با استفاده از اتوماسیون، هوش مصنوعی و ابزارهای فعال‌سازی برای ارائه توصیه‌های مبتنی بر هوش مصنوعی در حال حل‌شدن هستند.

غول مخابراتی Comcast از سرویس تحلیل سفر مشتری Pointillist استفاده می‌کند که هر گام مشتری را در زیست‌بوم خود ثبت می‌کند. این سرویس تعاملات بازدیدکننده را زمان‌دار می‌کند و نقشه هر سفر را تولید می‌کند. Comcastبا استفاده از هوش مصنوعی برای جمع‌آوری داده و تعیین جایی که سفرها شکست می‌خورند (مانند اپلیکیشن موبایل)، مشکلات تجربه مشتری را به‌سرعت برطرف می‌کند.

کسب‌وکارها چندین راه‌حل هوش مصنوعی، martech و پشتیبانی را از طریق APIها ترکیب می‌کنند تا داده‌های شخصی‌سازی را بهتر توسعه دهند و استفاده کنند. Salesforceو Adobe راه‌حل‌های تحویل کانال ارتباطی ارائه می‌دهند؛ پلتفرم‌های داده مشتری مانند Amperity و mParticle به حل مسائل هویت برند کمک می‌کنند؛ موتورهای بهینه‌سازی پیشنهاد مانند Formation و OfferFit هر پیشنهاد بعدی را بهبود می‌بخشند و پلتفرم‌های تولید محتوا مانند Persado برای کپی‌رایتینگ خلاقانه و SundaySky برای ویدئو، شخصی‌سازی در مقیاس سازمانی را ممکن می‌سازند.

رسانه‌های دیجیتال نوین راه‌های جدیدی برای تعامل کاربران با برندها ایجاد کرده‌اند. ردیابی مبتنی بر مکان و سیستم‌های پرداخت با یک حرکت دست، مرزها را میان پیش از خرید (تبلیغات/بازاریابی)، خرید (فروش/تراکنش) و پس از خرید (خدمات/وفاداری) محو می‌کنند. این قابلیت‌ها راه‌های هوشمندی برای بازسازی تجربیات مشتری ایجاد کرده‌اند و به برندها امکان می‌دهند ارزش افزوده متمایزی ارائه دهند و تعامل را عمیق‌تر کنند. برای مثال، Starbucks مشتریان غیرفعال نزدیک به فروشگاه‌هایش را با تبلیغات درباره نوشیدنی‌های فصلی جدید هدف‌گیری جغرافیایی می‌کند و پیشنهادهای شخصی‌سازی‌شده درون‌اپلیکیشنی برای تشویق به بازدید از فروشگاه یا استفاده از گزینه سفارش و پرداخت موبایلی آسان ارسال می‌کند.

بیشتر شرکت‌ها پهنای باند، منابع یا توان فنی لازم برای رقابت با شرکت‌هایی مانند Comcast یا Starbucks را ندارند. بهترین رویکرد برای برندهای چالشگر، توسعه نقشه راه داده و فناوری با الزامات دقیق مرتبط با موارد استفاده مشتری‌محور خاص است. برای مثال، شرکت باید مشخص کند کدام عناصر داده مشتری باید در زمان واقعی برای تقویت توصیه‌ها در اپلیکیشن استفاده شوند یا کدام سیستم‌ها باید پس از ثبت رزرو با یکدیگر ارتباط برقرار کنند تا خدمات اضافی مرتبط پیشنهاد دهند. سپس باید تیم‌های کسب‌وکار و فناوری را گرد هم آورد تا به‌صورت تکرارشونده و پیوسته در کنار یکدیگر کار کنند و بر ارائه ارزش در حین ساخت این ساختار زیربنایی تمرکز کنند.

در موفق‌ترین تحول‌های دیجیتال دهه گذشته، آنچه به‌عنوان «قانون ۱۰/۲۰/۷۰» مشهور است مشاهده شده. مطابق با این قانون ۷۰ درصد تلاش برای تغییر سازمان (فرایندها، شیوه‌های کار، شاخص‌های کلیدی عملکرد و مشوق‌ها) به افراد مربوط است، ۲۰ درصد به درست‌کردن داده‌ها اختصاص دارد و ۱۰ درصد باقی‌مانده درباره پایه فناوری است.

این تقسیم‌بندی از چهار مانع ناشی می‌شود.

1. بیشتر شرکت‌ها هنوز محصول‌محور هستند نه مشتری‌محور که همکاری میان ده‌ها تیم که کانال، بازار و ساختارهای (سیلو) محصول را پوشش می‌دهند را غیرممکن می‌کند. نقش محبوب مدیر ارشد مشتری (Chief Customer Officer) برای حل این مشکل ایجاد شده است؛ ارکستراسیون افراد و اجزای متحرک پشت نقاط تماس متعدد مشتری.
2. تحلیل در سراسر کسب‌وکار نفوذ نکرده و هیچ پلتفرم واحدی داده‌های مشتری را یکپارچه نمی‌کند و تحلیل پیشرفته را امکان‌پذیر نمی‌سازد.
3. محتوا به‌صورت دستی ایجاد می‌شود و برای استفاده مجدد برچسب‌گذاری نمی‌شود.
4. شیوه‌های کاری چابک، حتی اگر در تیم‌های فناوری اطلاعات رایج باشد، عموماً توسط تیم‌های بین‌رشته‌ای استفاده نمی‌شود. بدون ابزارهایی برای تسهیل آزمایش و یادگیری سریع تیم‌ها، شرکت‌ها با تجربیات ناسازگار و راکد در کانال‌ها مواجه می‌شوند.

برای شروع، شرکت‌ها باید تیم‌های (پاد) خودگردان از کارکنان بازاریابی، عملیات، تحلیل، فناوری و عملکردهای تجاری را راه‌اندازی کنند و به آن‌ها اهداف روشن، بودجه و حق تصمیم‌گیری بدهند. این گروه‌های یکپارچه باید مسئول توسعه تعداد محدودی تجربه خاص باشند که فرصت‌های پیشرو برای افزایش درآمد و ساخت پیوندهای عمیق‌تر با مشتری را فراهم کنند. آن‌ها باید ابزارهایی برای اندازه‌گیری پیشرفت روزمره داشته باشند و در اسپرینت‌های فشرده دوهفته‌ای برای توسعه و تست ایده‌های بهبود تعامل کار کنند. باید متغیرهای بسیاری را بهینه کنند، مانند اینکه به کدام نقاط درد و تریگرها پاسخ دهند، از کدام کانال استفاده کنند، چه زمانی به مشتری مراجعه کنند، چه پیامی صادر کنند و چه مشوقی ارائه دهند.

هوش مصنوعی می‌تواند نقش مهمی در این اقدامات بازی کند، زیرا آزمایش‌های بیشتری اجرا می‌شود و داده بیشتری جمع‌آوری می‌شود. تیم‌ها می‌توانند از یادگیری ماشین برای تعیین نحوه تنظیم تست‌های چندمتغیره، پیگیری همه چیز و تصمیم‌گیری درباره زمان قفل‌کردن و مقیاس‌دهی یک تست به جمعیت گسترده‌تر استفاده کنند.

ساخت موتور تجربه هوشمند

برای برآورده‌کردن هر هدفی که مشتری ممکن است برای یک تجربه نیاز داشته باشد، شرکت‌ها باید درباره طراحی جریان یک لحظه خاص، اطلاعات موردنیاز برای پشتیبانی از آن و ارتباطات بین‌کانالی یا بین‌طرفین (برای مثال، بین درون‌فروشگاهی و آنلاین یا در میانه یا پس از تجربه) فکر کنند تا تعامل با موفقیت کامل شود. این کار فقط تمرین نقشه‌برداری سفر یا برنامه‌ریزی فناوری نیست؛ بلکه درباره توسعه جریان رو به مشتری و تقویت جریان کاری توسعه موتورهای تجربه هوشمند است.

موتورهای تجربه هوشمند فقط در بالاترین سطح یک تجربه سراسری مانند امکان ارائه خدمات امنیتی بهتر در Brinks، ساخته نمی‌شوند. آن‌ها همچنین باید با دقت و وسواس فراوان بر روی ریزاهداف (مانند لحظات مثبت فردی که کل تجربه را تشکیل می‌دهند) متمرکز شوند و اطمینان حاصل کنند که همه آن اهداف با هم یکپارچه باشند.

علاوه بر این، این موتورها به بیش از یک معنا، «هوشمند» هستند. آن‌ها با خلاقیت و بینش ساخته می‌شوند و از بهترین داده‌ها و تخصص ممکن استفاده می‌کنند. موتورهای تجربه هوشمند از الگوریتم‌های یادگیری ماشین همیشه درحال‌بهبود برای تعیین گام بعدی درست به‌منظور پیشبرد پیشرفت مشتری استفاده می‌کنند؛ یعنی همیشه در حال تست، یادگیری و بررسی تصمیم‌ها درباره نحوه کارکرد تعامل هستند. آنچه مشتری دریافت می‌کند، تجربه‌ای یکپارچه، مثبت و متمایز است که با گذشت زمان بهتر خواهد شد.

برندهایی که بیشترین موفقیت را داشته‌اند، پنج تمرین اصلی را دنبال می‌کنند که هنر ساخت موتورهای تجربه هوشمند را تعریف می‌کنند

1. سیگنال‌های داده و بینش‌ها را از همه طیف‌های منابع در حال گسترش به هم متصل می‌کنند.
2. تجربه سراسری را به‌عنوان جریانی یکپارچه و مبتنی بر تصمیم‌های خودکار بازطراحی می‌کنند.
3. تجربه را در سراسر کانال‌های ارتباطی فعال می‌کنند و نقاط تماس را متصل می‌کنند تا مشتری را هر کجا که باشد درگیر کنند.
4. بر اساس زمینه مشتری برآورده می‌کنند و همیشه تشخیص می‌دهند که فرد کیست و کجاست.
5. خستگی‌ناپذیر تست می‌کنند، نوآوری‌های جدید را امتحان می‌کنند، تأثیر آن‌ها را دقیق اندازه‌گیری می‌کنند و درک می‌کنند که چیزهای مختلف چگونه بر افراد متفاوت تأثیر می‌گذارند.

بیایید این تمرین‌ها را یکی‌یکی با مثال‌هایی از شرکت‌هایی که این اقدامات را به‌درستی انجام می‌دهند بررسی کنیم

اتصال سیگنال‌های داده و بینش‌ها

اولین الزام برای ساخت موتور تجربه هوشمند، ساخت نمای ۳۶۰ درجه از هر مشتری و کشف و استفاده از راه‌های ممکن برای دریافت سیگنال‌های جدید از هر مشتری است. شرکت پوشاک ورزشی lululemon در پنج سال گذشته به‌شدت در این هدف سرمایه‌گذاری کرده است.

هنگامی که یک مهمان برای اولین بار خرید می‌کند، از او خواسته می‌شود آدرس ایمیل خود را برای دریافت رسید ارائه دهد. ایمیل‌ها همچنین هنگام ثبت‌نام مشتریان برای کلاس‌های یوگای رایگان درون‌فروشگاهی جمع‌آوری می‌شوند. مانند بسیاری برندهای دیگر، lululemon از این اطلاعات شخصی برای تقویت دموگرافیک پایه مشتری از خدماتی مانند Experian یا Acxiom استفاده می‌کند و امکان اقدامات بازاریابی مانند هدف‌گیری مبتنی بر جنسیت و جغرافیا را فراهم می‌آورد.

با ادامه تعامل افراد با برند، اغلب اپلیکیشن را دانلود می‌کنند یا آنلاین خرید می‌کنند و داده‌های کلیک‌استریم برای درک اینکه مشتریان کدام اقلام را مرور کرده‌اند، روی کدام‌ها زمان زیادی صرف کرده یا بازگشته‌اند و کدام‌ها را سریع رد کرده‌اند، استفاده می‌شود. این داده‌ها می‌توانند برای توسعه اهداف و هدف‌گیری پیشنهادهای آینده استفاده شوند.

در سال ۲۰۲۰، هنگامی که lululemon شرکت Mirror را خرید، پنجره جدیدی به رفتار مشتریان به دست آورد. Mirror کلاس‌های تناسب‌اندام را در خانه کاربران استریم می‌کند و به lululemon بینش‌هایی درباره روتین‌های تمرینی مشتریان می‌دهد و این داده‌های ترجیحی به برند کمک می‌کند توصیه‌های آینده برای محصولات و خدمات را دقیق‌تر کند.

بازطراحی تجربه سراسری به‌عنوان جریان یکپارچه

Qantas، بزرگ‌ترین ایرلاین استرالیا، نگاهی گسترده به جریان سفر دارد و به‌شدت در بهینه‌سازی هر جزئی از سفر مشتری سرمایه‌گذاری کرده است. این کار از کسب‌وکار اصلی ایرلاین آغاز می‌شود و Qantas تجربه رزرو، چک‌این، درون لانژ و در پرواز را شخصی‌سازی می‌کند. برای مثال، اپلیکیشن آن بر اساس موقعیت مسافر توصیه‌هایی در لحظه ارائه می‌دهد، مانند نحوه چک‌این، بهترین زمان برای رفتن به فرودگاه و بهترین مسیر.

Qantas فراتر از سفر فکر کرده است و اکوسیستم وفاداری در میان دسته‌ها با صدها شریک تجاری مانند Woolworths (بزرگ‌ترین خواربارفروش استرالیا)، Hilton، Avis، eBay و بانک‌های بزرگ استرالیایی ساخته است که به مشتریان امکان کسب و خرج امتیازها به شیوه‌های نوآورانه بر اساس ترجیحاتشان را می‌دهد. سرویس رسانه، تحلیل و تحقیق آن به نام Red Planet به Qantas و بسیاری از شرکایش کمک می‌کند داده‌های رفتاری آفلاین و آنلاین را با خرید ترکیب کنند تا کمپین‌های تبلیغاتی را هدف‌گیری کنند.

Qantas همچنین از داده‌های خود برای راه‌اندازی کسب‌وکارهای جدید استفاده کرده است. برای مثال، اپلیکیشنی طراحی کرده که مشتریان می‌توانند برای عادت‌های سالم مانند برداشتن تعداد مشخصی قدم در روز یا ورزش منظم امتیاز کسب کنند. برای باز کردن امتیازها، مشتریان دعوت می‌شوند در کسب‌وکار جدید بیمه سلامت Qantas ثبت‌نام کنند. اپلیکیشن همچنین به شرکت امکان فروش سفر و سایر محصولات به اعضا را می‌دهد.

برای ارکستراسیون ارتباطات درباره این پیشنهادها، Qantas پلتفرم پیام‌رسانی بازاریابی ساخته که از هوش مصنوعی و کتابخانه محتوای شخصی‌سازی‌شده بهره می‌برد تا پیام درست را از طریق کانال درست به هر مشتری برساند.

تجربه در سراسر کانال‌ها

Starbucks به دلیل شخصی‌سازی در سراسر کانال‌های ارتباطی مشهور است. اپلیکیشن آن پیشنهادهای بازی‌وار بر اساس ترجیحات و رفتارهای فردی ارائه می‌دهد، تبلیغات رسانه دیجیتال آن بسیار هدفمند هستند و تجربیات درون‌فروشگاهی شامل منوهای دیجیتال است که بر اساس آب‌وهوا، ترجیحات محلی مشتری و موجودی تغییر می‌کنند.

بسیاری زنجیره‌های رستورانی کوچک‌تر برای رقابت با سطح شخصی‌سازی Starbucks تلاش می‌کنند. Sweetgreen که تنها ۱۴۰ فروشگاه در جهان دارد (Starbucks بیش از ۳۳۰۰۰ شعبه دارد)، تجربه چندکاناله خود را با تمرکز بر داده و فضای دیجیتال ساخته و اپلیکیشن درجه یک راه‌اندازی کرده که ایجاد سالاد سفارشی و تحویل یا پیک‌آپ آن را آسان می‌کند. از اپلیکیشن برای عرضه منوهای دیجیتال جدید و ارائه پیشنهادهای شخصی‌سازی‌شده به مشتریان استفاده می‌کند و به مشتریان درون‌فروشگاهی اجازه پرداخت با تلفن می‌دهد. این اپلیکیشن به Sweetgreen امکان داد در سال ۲۰۲۱ از درصد تعاملات دیجیتال Starbucks با ۶۸ درصد فروش Sweetgreen از کانال‌های دیجیتال در مقایسه با تنها ۵۲ درصد برای فروشگاه‌های Starbucks در ایالات متحده پیشی بگیرد.

برآورده‌کردن بر اساس زمینه مشتری

زنجیره خواربار Giant Eagle نیز وارد این فضا شده است. این شرکت با یک شرکت نوآور در حوزه SaaS به نام Formation شریک شده تا همان سطح شخصی‌سازی در هدف‌گیری تبلیغات را به دست آورد. این خواربارفروش تجربه خرید را بازی‌وار کرده و مشتریان را هرگاه گام‌های خاصی را از طریق اپلیکیشن کامل کنند، با امتیازهای وفاداری پاداش می‌دهد. برای مثال، مشتریان جدید ممکن است به چالش «خرید هفتگی» دعوت شوند که آن‌ها را تشویق می‌کند یک بار در هفته در ماه به فروشگاه بیایند تا امتیاز اضافی در برنامه fuelperks+ دریافت کنند که برای بنزین رایگان یا خواربار تخفیف‌دار خوب است. مشتریان وفادار و بلندمدت ممکن است برای خرید دسته جدیدی که بر اساس پروفایل‌های مشابه مشتری احتمالاً برایشان جالب است (مانند شکلات) امتیاز دریافت کنند.

تست خستگی‌ناپذیر

Stitch Fix یک بومی دیجیتال است که تیم‌هایش را تشویق می‌کند صدها آزمایش در ماه اجرا کنند و کاملاً انتظار دارد یک‌سوم آن‌ها شکست بخورند. داده‌های این آزمایش‌ها را به موتور تجربه هوشمند خود می‌دهد تا بهترین اقدام بعدی را تشخیص دهد. همچنین مستقیماً از مشتریان داده درخواست می‌کند.

Style Shuffle Stitch Fix رابطی است که مشترکین جدید هنگام ثبت‌نام می‌توانند با آن تعامل کنند. مشتریان برای اقلامی که دوست دارند به راست سوایپ می‌کنند و برای مواردی که دوست ندارند به چپ. این به Stitch Fix نمای روشنی از سلیقه و سبک شخصی آن‌ها می‌دهد. الگوریتم‌های شرکت سپس آن داده را از چند قلم به هزاران SKU تعمیم می‌دهند تا به ساخت انتخاب ماهانه پوشاک تحویلی به خانه مشتری کمک کنند.

صیقل دادن هنر

امروز مدیران از استفاده از تیم‌های بین‌رشته‌ای هم‌راستا با تجربیات مشتری برای بازسازی سازمان فراتر می‌روند و تیم‌ها را با مسئولیت بیشتری برای بهره‌برداری از داده آماده می‌کنند. این تیم‌ها اساساً به‌عنوان مدیران محصول عمل می‌کنند که به بهبود مداوم تعاملات مشتری سراسری اختصاص دارند.

برای آغاز فرایندی که توصیف شد، باید بپرسید: چه تجربیاتی را می‌خواهیم متحول کنیم و چگونه می‌توانیم موتور هوشمندی برای دستیابی به اهدافمان بسازیم؟ پس از تصمیم‌گیری درباره پاسخ‌ها، چند رکورد مشتری در سیستم‌های CRM و اتوماسیون بازاریابی را بررسی کنید تا ببینید آیا تمام داده‌های مرتبط لازم برای طراحی تجربیات ارزشمندتر را ضبط کرده‌اید یا نه. آیا از داده برای بهبود تجربه مشتری استفاده کرده‌اید؟ آیا این کار را به‌صورت یکپارچه در کانال‌های ارتباطی انجام داده‌اید؟ پاسخ به هر دو احتمالاً خیر است.

بیشتر مدیران C-suite ادعا می‌کنند که اهمیت تجربه مشتری را درک می‌کنند؛ اما اغلب بیشتر حرف می‌زنند تا اینکه عمل کنند. این نگرش باید تغییر کند. هر شرکتی به استراتژی صریحی برای ساخت موتور تجربه هوشمند نیاز دارد که سازمان را هم‌راستا کند تا از هوش مصنوعی، شخصی‌سازی و فرایندهای چابک برای ساخت وفاداری عمیق‌تر و پایدارتر برند استفاده کند.

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.