#TendenzeDigitali AW ’24: Intelligenza Artificiale, Involuzione del CRM e Recommendation Engine per il B2B

Qualche settimana fa abbiamo presentato le Tendenze Digitali per l'autunno-inverno 2024. Le Tendenze Digitali sono delle linee guida utilizzate per riflettere sui progetti futuri, supportate dalla tecnologia e correlate ad una specifica finalità di business.

Per questo semestre, ti consigliamo di dedicare del tempo per riflettere sulle tendenze digitali e individuare i progetti più promettenti su cui investire.

In questa edizione abbiamo parlato di:

• Intelligenza Artificiale Generativa/Degenerativa
• Involuzione del CRM
• Recommendation Engine per il B2B

Se hai perso le scorse edizioni puoi recuperarle a questo link.

Contesto

Dopo un periodo di stabilità relativa, caratterizzato principalmente da un'alta inflazione, stiamo assistendo a un rallentamento dell'economia. Le materie prime si stanno normalizzando e ciò dovrebbe aprire le porte a una nuova fase di ripresa.

Nel campo del CRM, la situazione sta cambiando radicalmente: la ricerca delle materie prime e la scarsità di prodotti sono ormai un lontano ricordo. Si prevede una nuova fase di sviluppo e crescita per il settore. È fondamentale, però, fare una revisione delle metodologie adottate per assicurarsi di non aver perso alcune delle basi lungo il percorso. L'obiettivo del webinar è presentare le ultime novità tecnologiche e, al contempo, di ricordare i principi fondamentali del CRM.

1. Intelligenza Artificiale

Contesto

Durante la scorsa edizione delle Tendenze Digitali abbiamo parlato del nuovo hype portato da Chat GPT.

Negli ultimi mesi altre piattaforme si sono rese disponibili per adottare questi engine LLM (Large Language Model).

Tuttavia, l'adozione di queste tecnologie presenta due sfide principali che dobbiamo affrontare:

• La questione dell'interfacciabilità, poiché non sempre è possibile effettuare chiamate API per integrarle
• La necessità di trovare applicazioni pratiche per queste tecnologie, in modo da poterle effettivamente utilizzare in un contesto operativo

Intelligenza Artificiale generativa

Un'applicazione che oggi vediamo spendibile è la generazione/degenerazione di testi.

In ambito CRM, ci sono diversi punti di intervento: ecco un esempio per il Customer Service.

L'Intelligenza Artificiale può essere sfruttata per ottimizzare la gestione operativa e garantire un'esperienza di servizio cliente ancora più soddisfacente. Queste funzionalità permettono di massimizzare l'efficienza degli agenti, riducendo i costi di gestione e migliorando la soddisfazione dei clienti attraverso l'implementazione di servizi self-service e l'aumento dell'efficacia delle interazioni con gli agenti.

Intelligenza Artificiale "degenerativa"

Un aspetto particolarmente vantaggioso dell'Intelligenza Artificiale è la possibilità di sintetizzare o classificare un testo in modo efficiente.

Questo strumento, in ambito Customer Service, risulta estremamente utile per il triage in quanto permette di analizzare le diverse tipologie di richieste, anche quelle di natura commerciale. Inoltre, può essere applicato ai dati pregressi per creare una base di riferimento.

Fattori abilitanti

• La diffusione delle integrazioni già fatte con i servizi di terze parti oppure soluzioni native nelle piattaforme
• Le abitudini all'uso da parte degli agenti, poiché sono abituati ad utilizzare le stesse funzioni anche nel privato (es. parlare con "Alexa")
• La costante necessità di risparmiare, accelerare e gestire la qualità

Rischi

• La creazione di un eccessivo rumore: la generazione di testi tramite l'AI può risultare inutilmente prolissa
• Il tocco sintetico: oggi i modelli hanno una scarsa variabilità nelle risposte e tendono a essere riconoscibili
• La possibilità di falsi positivi/negativi: anche gli agenti umani sbagliano, però non ne abbiamo la stessa percezione

Consigli

• Introdurre nuovi strumenti gradualmente e su un campione limitato di clienti e agenti
• Presidiare le metriche, sia di adoption che di efficacia
• Condurre sondaggi ai clienti per comprendere il loro feedback sulle migliorie apportate, senza rivelare l'adozione di una nuova tecnologia
• Valutare sistematicamente le metriche di efficienza

2. Involuzione del CRM

Contesto

Il CRM sta diventando sempre più flessibile e personalizzabile. Tuttavia, è importante fare attenzione a non utilizzarlo in modo errato, perdendo di vista il suo vero scopo: la gestione della relazione con il cliente.

Per questo dobbiamo ricominciare dalle basi, ricordando le basi del CRM per non rischiare di snaturarlo.

Stiamo assistendo ad una diffusa involuzione che è in netto contrasto con la tendenza di qualche anno fa del Post-CRM.

Fattori che innescano la regressione

• La spinta a utilizzare il CRM come piattaforma di sviluppo e non come strumento di gestione delle relazioni con i clienti
• La stagnazione dei rapporti: se non c'è uno stimolo alla competizione, non c'è la necessità di miglioramento
• Aumento della necessità di un controllo a causa del remote working
• Finta innovazione: innovare non il rapporto con il cliente ma la tecnologia

Vediamo alcuni esempi:

• Il caricamento eccessivo di dati economici per usare il CRM come Business Intelligence
• La creazione delle opportunità solo per generare un preventivo
• Cambiare il valore delle opportunità riportando il valore dell'ordine
• Assegnare o convertire un lead senza che ci sia stata la qualifica
• La grande attenzione ai report al fine di controllo e non di monitoraggio delle performance
• L'implementazione dei processi interni che non hanno a che fare con il rapporto clienti

Consigli

• Riprendere le metriche di base inerenti ai tre pilastri del CRM
• Verificare se ci sono touchpoint trascurati
• Ragionare in un'ottica cliente per capire se si stanno utilizzando i giusti canali di interazione
• Analizzare il comportamento dei competitor
• Paragonare il proprio impianto rispetto alle tendenze di altri mercati

3. Recommendation Engine per il B2B

Che cos'è

Si tratta di un software che raccoglie le preferenze dei clienti e le applica ad altri clienti simili, fornendo raccomandazioni personalizzate (come ad esempio consigliare quale serie tv guardare successivamente).

Utilizzando questo engine è possibile suggerire ai clienti quali prodotti dovrebbero acquistare e questa informazione può essere utilizzata in vari modi.

Il vantaggio è la capacità di analizzare su molti più parametri rispetto a quanto sarebbe possibile fare manualmente e applicare queste analisi a tappeto (la macchina è in grado di spaziare su enormi quantità di dati, l'essere umano no).

Il modello di raccomandazione consente di svolgere analisi descrittive, diagnostiche e prescrittive dei dati:

• Descrittive: il sistema di raccomandazione suggerisce a quale gruppo di preferenze specifico il cliente dovrebbe appartenere
• Diagnostiche: il sistema di raccomandazione analizza il comportamento d'acquisto e individua, ad esempio, se un cliente non sta acquistando ciò che dovrebbe
• Prescrittive: il sistema di raccomandazione suggerisce ai clienti altri prodotti, magari nuovi, di cui potrebbero avere bisogno

È fondamentale effettuare un'attenta analisi dei parametri per evitare di introdurre pregiudizi: se i parametri sono eccessivi non è un problema perché i sistemi li ignorano (ad esempio il genere per un prodotto di fatto unisex).

Ecco un esempio:

Se il cliente A è simile al cliente B ma sta acquistando meno, il sistema di raccomandazione può suggerire al cliente A i prodotti che sta acquistando il cliente B.

Fattori abilitanti

• La potenza di calcolo
• La disponibilità dei dati e sistemi di data warehouse
• Una buona maturità dei sistemi
• L'interfacciabilità

Consigli

• Identificare un primo set di attributi (sia del cliente che del prodotto)
• Mantenere una mente aperta, senza pregiudizi, poiché l'obiettivo è che la macchina ci mostri ciò che stiamo trascurando e non ci ripeta ciò che già sappiamo
• Fornire molti dati ma analizzare prima piccoli cluster
• Raccogliere i feedback dopo l'uso delle raccomandazioni, facendo attenzione a eventuali pregiudizi

• L'Intelligenza Artificiale come strumento per la generazione/degenerazione dei testi
• L'Involuzione del CRM: ricominciare dalle basi e usare il crm per gestire la relazione con il cliente
• La Recommendation Engine per raccogliere le preferenze dei clienti e proiettarle su altri

Puoi recuperare la registrazione completa del webinar da qui: