AI和机器学习如何改善用户体验？

人工智能（AI）和机器学习（ML）能够作些什么来改善客户体验？自从网上购物开始以来，AI和ML已经密切参与整个网上购物流程。若是没有得到购物建议，你可能没法享受到淘宝或任何其余购物网站的优质服务，这些建议一般是根据供应商对你的特征的理解进行个性化匹配，其中包括你的购买历史记录，浏览历史记录以及更多内容。淘宝和其余在线企业都但愿发明一个知道你和你的品味的销售人员的数字版本，而且能够无误地引导你使用你购买的产品。

一切都始于优质的数据

为了实现这一愿景，咱们须要从后端的一些繁重工做开始。谁是你的客户？你真的知道他们是谁吗？全部客户都留下了数据路径，但该数据路径是一系列碎片，将这些碎片相互关联起来真的很难。若是一个客户有多个账户，你能查出来吗？若是客户有单独的账户用于商业和其余用途，你能够关联它们吗？若是一个组织使用了许多不一样的名称，你能发现它们其实就是个单一的组织吗？客户体验始于准确了解客户是谁以及他们如何关联，擦除客户列表以消除重复称为实体解析，它曾经是一些拥有大量数据的公司才能涉足的领域。随着时间的发展，咱们能够看到实体解析的解决方案正在民主化：已经出现了大量提供适合中小型组织的实体解析软件和服务的初创公司。

一旦你清楚了你的客户是谁，你就必须问你对它们的了解程度到底有多少。全面了解客户的活动对于了解客户的需求相当重要，例如它们有什么数据，以及如何使用它？ML和AI如今被被普遍用做数据收集的工具：处理来自传感器、应用程序和其余来源的数据流。收集客户数据可能具备侵入性，而且在道德上存在问题，因此当你创建对客户的理解时，请确保他们赞成而且不会损害他们的隐私。

ML与任何其余类型的计算没有根本的区别：“进入垃圾，出来垃​​圾”规则仍然适用。若是你的训练数据质量不好，那你的结果将会不好。随着数据源数量的增长，潜在数据字段和变量的数量也会增长，而且可能出现错误，例如转录错误，印刷错误等等。在过去，咱们能够手动纠正和修复数据，但手动更正数据是一项容易出错且繁琐的任务，并且占用大多数数据科学家的时间。与实体解析同样，数据质量和数据修复已成为最近研究的热点，而且开始出现了一套用于自动化数据清理的新机器学习工具。

应用

机器学习和AI对客户体验的一个常见应用是个性化推荐系统。近年来，混合推荐系统——结合多种推荐策略的应用变得更加广泛。许多混合推荐系统依赖于许多不一样来源的数据，而且深度学习模型一般是这种系统的一部分。虽然现有的大量模型大多数训练完后再部署，但高级推荐和个性化系统确是实时的。不少公司开始使用强化学习，在线学习和个性化算法，构建推荐系统不断训练模型对抗实时数据。

机器学习和人工智能能够自动执行许多不一样的企业任务和工做流程，包括客户交互。目前市面上有“经验丰富”的聊天机器人，能够自动化客户服务的各个方面。到目前为止，聊天机器人尚未达到人类的水平，但若是设计良好，简单的“常见问题”机器人能够带来良好的客户转化率。咱们正处于天然语言处理和理解的早期阶段，但在过去的一年时间里，咱们已经看到了许多突破。随着咱们构建复杂语言模型能力的提升，咱们能够看到聊天机器人多个阶段的进展：从提供通知到管理简单的问答场景，再到理解上下文和参与简单的对话，最后是“了解”用户需求的我的助理。随着聊天机器人的改进，咱们但愿它们能够成为客户服务不可或缺的一部分。为了使聊天机器人达到这种性能水平，他们须要整合实时推荐和个性化，他们须要了解客户以及人性。

欺诈检测是另外一项正在应用机器学习的技术。欺诈检测涉及好人和坏人之间的持续较量，欺诈专家正在发明更复杂的在线犯罪技术。欺诈再也不是人对人：它是自动化的，就像机器人购买演唱会全部门票同样，由于他们能够再次出售。正如咱们在最近的许多选举中看到的那样，犯罪分子很容易经过建立一个充斥着自动回复的机器人来渗透社交媒体。发现这些机器人并实时阻止它们真的很困难，只有机器学习才有可能，即便这样，这也是一个难以解决的问题。

语音技术和情感检测的进步将进一步减小自动化客户交互中的摩擦。结合不一样类型输入（音频、文本、视觉）的多模式模型将使得更容易适当地响应客户; 客户可能可以向你展现他们想要的内容，或者发送他们所面临问题的实时视频。虽然人类和机器人之间的互动常常将用户置于使人不寒而栗的“神秘山谷”中，但能够确定的是，将来的客户对机器人的熟悉程度将超过咱们如今的水平。

但若是咱们要让客户经过这个神秘山谷的另外一边，咱们也必须尊重他们的价值。影响客户的AI和ML应用必须尊重隐私，他们必须是安全的，他们必须公平和公正。这些挑战都不简单，但若是客户最终感到受到虐待，技术将没法改善客户体验。

机器学习和人工智能将为客户体验作些什么？它已经作了不少。但它还有更多能够作的事情，并且必需要作的是创建将来更天然的客户体验。

原文连接 本文为云栖社区原创内容，未经容许不得转载。