Termen AI, Artificiell Intelligens, har på bara något år kommit in i våra liv på ett nytt sätt. Tidigare förde den mest tankarna till Hollywoodfilmer med smarta robotar, men nu dyker termerna AI och Machine Learning upp mer och mer frekvent i helt andra sammanhang. Sammanhang som ligger närmre vår vardag, både som konsumenter och professionellt. Det gör också att oron över AI minskar, för filmerna har oftast en mörk syn på AI eftersom robotarna allt som oftast vänder sig mot sina skapare och blir ett hot. Dock brukar en osannolik hjälte stiga fram och slåss mot robotarna och till slut rädda världen. Väldigt sällan (om någonsin?) handlar dock filmerna om marknadsföring och kommunikation till kunder. Och hjälten är ännu mer sällan en CRM-analytiker. Men det är just inom CRM-området som AI är ett högaktuellt ämne just nu! Det är inom CRM som några av de första implenteringarna av AI kommer att ske eftersom det inom CRM finns så mycket potential att använda automatiska beslut. Och många av förutsättningarna för detta finns redan på plats!
Data – Alla CRM -avdelningar, oavsett storleken på företaget, jobbar med data och samlar på sig en enorm kunskap om kunderna och vad kunderna gör. Det är oftast hos CRM-avdelningen som den samlade bilden av kunden finns med information om alla delar av kundlivscykeln och där det finns en 360 graders bild av kunden.
Tekniskt kunnande – AI kräver teknik. Och CRM -avdelningar är inte teknikrädda. Särskilt inte när det finns stor potential med den nya tekniken.
Mindset – Att göra en aktivitet, följa upp den, utvärdera den och använda kunskapen till att optimera nästa aktivitet är något alla CRM-avdelningar gör. Det är ett mindset som redan finns och det är detta mindset som ska automatiseras och föras över till AI-algoritmerna.
AI hör hemma hos CRM. Och den ska välkomnas. För tills nu har ingen dött av lite relevant re-targeting eller ett välformulerat epostmeddelande som landar i inkorgen vid rätt tillfälle med rätt budskap.
Fem områden där AI berikar CRM
Vem är kunden?
Det är en stor fråga. En filosofisk fråga. En fråga som är värd att fundera på. Det är även ett område där AI kommer att kunna stötta hur företag arbetar med kundkommunikation. Det gäller nämligen att hela tiden hålla reda på vem kunden är. Idag använder kunder flera olika enheter och tillvägagångssätt för att interagera med företag. Cookies och inloggat läge räcker till en viss del, men kunder förväntar sig att företaget ska hänga med när de byter från appen på sin smartphone till att surfa i webbläsaren på sin dator till att ringa till kundservice och sen avsluta köpet i en fysisk butik. Många gånger är kunden helt anonym och använder en enhet som aldrig använts förut. Den AI motor som kan lära sig kundbeteendet och räkna ut vem kunden är kommer att möjliggöra bättre service och bättre kundupplevelse. För kunden vet alltid vilket företag som hen pratar med. Kunden vet alltid hur relationen ser ut. Och förväntar sig att företagen också har koll på det.
Uppdatera rekommendationer och erbjudanden i realtid
Efter att ha räknat ut vem kunden är ska ett relevant erbjudande visas. Antingen en ny rekommenderad produkt som liknande kunder köpt tidigare eller någon information om redan befintliga produkter. Dessa erbjudanden kan vara laddade på kunden i förhand genom att CRM avdelningen räknat ut vad som kan vara relevant, men där och då när kunden interagerar med företaget gäller det att det går snabbt! Om kunden visar något särskilt intresse, måste erbjudandemotorn snabbt ta det intresset under övervägande och kombinera det med annan kunskap om kunden för att komma med ett erbjudande som pekar åt just det håll som kunden går mot. Kunden behöver segmenteras i realtid med både klassisk offlinedata och onlinebeteende för att bibehålla relevansen. Den här snabbheten går bara att få till om den sker automatiskt där och då när kunden är inne på hemsidan. Den är alltför komplex för att CRM-avdelningen i förväg ska kunna förutse varje möjligt utfall.
Oändligt många kombinationer av varor och produkter
I de allra flesta branscher finns det mer än bara en produkt som ska marknadsföras och säljas. Och antalet möjliga kombinationer av produkter som säljs är för många för att en CRM analytiker ska kunna bygga responsmodeller och sen underhålla dem för varje produkt. Lösningen på den problematiken är AI och machine learning. Att låta responsmodeller skattas, testas, skattas om och optimeras är också det första steget som många CRM-avdelningar kommer att ta mot AI. Det finns tre skäl till att just responsmodellering passar bra för automatisering. (1) Det är en tydlig aktivitet som modelleras. Kunden köper eller köper inte (2) Resultatet av modellen är lätt att applicera. Högre poäng betyder mer sannolikhet att köpa en viss vara. (3) Det går snabbt att få ett utfall och det är tydligt vilken modell som presterar bäst när de ställs mot varandra. Den med bäst försäljning. Alla dessa tre saker gör att responsmodellering blir många företags första steg in i AI världen. Och när väl de första modellerna är automatiserade går det enkelt att lägga in fler och fler modeller så att varje produkt kan få sin egen modell. Att ha många modeller är ju inte ett problem med automatisering.
Förutse servicebehov innan behoven uppstår
Det brukar heta att den mänskliga kontakten inte går att automatisera och ersättas av maskiner. Och nog är det så att de flesta kunder som kontaktar kundservice med sina problem hellre pratar med en riktig människa än med en robot. Chattrobotar har visserligen funnits ett tag nu, men så fort det kommer en fråga som är för komplex kopplas alltid en mänsklig kundservicemedarbetare in på ärendet. Men ett område där AI kan hjälpa kundservice och som faktiskt går att automatisera är att förutse kundens problem och behov av service. Kanske till och med innan kunden kontaktar kundservice. Nog för att alla kunder är unika, men precis som att det går att modellera och skatta sannolikhet för köp, churn och annat beteende så går det att skatta sannolikheten att kunden får problem. Eller i alla fall skatta vad kunden har för problem när själva kontakten med kundservice kommer. Då kan kundserviceagenterna få tips om vad kunden sannolikt kommer att fråga om innan de svarar i telefonen och därmed ge ett bra och kunnigt bemötande mot kund. AI blir på det sättet inte en ersättare för de mänskliga agenterna utan istället ett verktyg och en resurs. Men precis som i köpsituationen så måste det gå snabbt. Och eftersom kombinationerna av olika problem och frågeställningar närmast är oändliga går det inte att hålla koll på alla dessa modeller utan att ha AI som hanterar och testar olika modeller mot varandra och uppdaterar dem automatiskt och kontinuerligt.
Skapa innehåll för att testa vad som fungerar
Ett av målen med att använda AI inom CRM är att öka relevansen mot kunderna och därmed öka försäljningen. Med hög relevans går det även att öka antalet kommunikationer som görs mot kunderna. Men med ökad kommunikationsfrekvens och ökade krav på personalisering växer behovet av innehåll och epost måste skapas, texter måste skrivas, bilder måste uppdateras. Efterfrågan på innehåll växer till och med exponentiellt eftersom även kommunikationen och innehållet i sig behöver testas mot varandra för att optimera kampanjerna. Det är här det femte området för AI och CRM kommer in. Med textrobotar som skriver texter och skapar innehåll till nyhetsbrev går även den här delen av processen att automatisera. Och genom att textroboten får kontinuerlig återkoppling från säljsystemen om vilka texter som gett bäst försäljning kan textroboten optimera texterna för framtida utskick. Och med en stor bildbank med passande bilder kan valet av bild testas fram för att hitta det som ger bäst konvertering. Så till och med detta kreativa område kan dra nytta av AI och automatisering.
Utmaningar
En utav möjligheterna är också utmaningen och jag tänker på det vi nyss tittade på. Det är nog många med mig som känner sig tveksamma till att skicka ut saker till kund utan att själva ha tittat på det. Att låta texter och bilder tas fram helt automatiskt utan korrektur kan vara skrämmande. Och nog kommer det bli några fel innan algoritmerna har lärt sig vad som fungerar. AI bygger ju på att testa sig fram, hitta nya saker och modeller och testa dem mot de gamla modellerna. Och även om det är trist om en responsmodell inte fungerar så bra blir ju resultatet bara att försäljningen i den testgruppen inte blir så stor. Men fel bild i ett mail eller ett olyckligt ordval i en text kan påverka vad kunderna tycker om ditt företag. Så för innehållsskapande behövs fasta ramar så att resultatet inte blir alltför förskräckligt.
Den största utmaningen med AI är dock data. Både mängden data och datakvalitet. Detta är ett återkommande tema för CRM-avdelningar, men blir ännu viktigare när modeller ska automatiseras. Den automatiska processen är mer känslig för fel i data eftersom den inte alltid kommer att upptäcka orimligheter. Den kommer ju endast att utvärdera baserat på den målvariabel som sätts, oftast försäljning. AI processen behöver även tillgång till all data. Inte bara för att modellera kunder inför ett köp eller utskick, men även för att kunna optimera de egna modellerna och algoritmerna. Det är ju detta som är själva intelligensen i AI. Att den ständigt förbättrar sig själv och då behöver den kunna följa upp på sitt eget resultat. Det behövs också en tillräckligt stor kundbas, eller i alla fall tillräckligt många händelser för att kunna utveckla och optimera modellerna.
Något som är högst relevant i all datahantering är så klart den legala biten, särskilt uppmärksammat i form av GDPR och e-privacy. All datahantering, vare sig den är mänsklig eller maskinell måste följa lagar och regler. En del av GDPR handlar om att transparens mot kunderna om hur deras personuppgifter behandlas. Det kan alltså komma krav på förklaringar av modellerna och optimeringarna och detta kan vara ett känsligt område. Det innebär att företag måste visa för kunden hur mycket de egentligen vet om kunden och hur de använder den informationen för att sälja in mer varor och tjänster.
Kommer AI att göra vardagen enklare för marknadsförare?
AI har stor potential för CRM och kommer att göra sitt intåg i de flesta bolag fortare än vad många tror. Det ställer dock stora krav på datakvalitet, processorkraft att hantera data, kompetens inom teknik och även en del mod och utforskaranda för att komma igång.
Många av de områdena som vi nämner ovan går att göra även utan AI och machine learning, men för att verkligen få ut det mesta av din data räcker det inte med att göra vissa bitar. Ta responsmodellen som exempel. Att skatta en responsmodell är bra. Och om du kan få den att uppdatera kundbasen med nya sannolikheter per automatik är det bättre. Men den fulla potentialen nås först när responsmodellen optimerar sig själv. För då kan du skaffa flera responsmodeller för olika produkter och ändamål. För när även optimeringen sker med automatik kan du vara lugn över att du alltid använder de bästa modellerna.
Men hur kommer man då igång med AI? Som med det mesta är det bra att börja i det lilla och låta det växa genom att du testar dig fram. Om du till exempel ska ta körkort börjar du knappast på en flerfilig motorväg i 110 km/timme. Du börjar snarare på en lugn parkeringsplats där du stegvis kan lära känna bilen. Och sen när du är någorlunda säker med ratten och växlarna testar du att köra på en trafikerad väg. Samma sak gäller med modellering och AI. Genom att ta det stegvis och bemästra varje steg ser du till att du har en stabil grund när du testar nästa sak. För det är så du blir bättre – vare sig du är maskin eller människa. Du lär dig genom att testa, testa, testa.
