毫無疑問，個性化服務將提供巨大的好處。如果做得好，投資回報率將很高。這是客戶體驗發展中順理成章的下一步，也是一種加強客戶關系的方法。

根據Wunderman Thompson 公司最近進行的一項調查，如果能夠改善在線體驗，則35%的客戶愿意將更多個人數據提供給企業。他們看重的數據是用于提供基于忠誠度的折扣(55%)、根據需求定制的產品展示(36%)以及基于他們的偏好提供的服務(33%)。當自愿提供這些數據時，企業為客戶提供這些個性化服務顯然會增加價值。

[[382369]]

但是，客戶數據通常很難獲得，只能作為交易或登錄體驗的一部分進行交換。雖然收集這些數據無疑是企業需要優先考慮的事情，但能夠在客戶旅程的早期提供場景和相關內容對于創造差異化體驗也至關重要。一旦出現問題，客戶會迅速做出反應。研究表明，33%的客戶發現，在登陸企業網站時，通常遇到針對性廣告是他們的體驗產生挫敗感的主要原因。這清楚地表明，事實上，這些廣告并不像企業想象的那樣具有針對性。

那么，人工智能將會起到什么作用?企業如何利用人工智能技術幫助他們帶來更好的體驗?

采用人工智能提供個性化服務

相似建模是根據客戶的瀏覽歷史來確定其做法，并應用與客戶有共同明顯特征的客戶的個人資料。這是一種將客戶數據應用于表現類似的細分市場的方法。人工智能將現有的個人資料和匿名客戶分組在一起，因為行為數據顯示他們表現出相同的瀏覽特征。

這聽起來可能相當復雜，但是實施起來并不難。從根本上來說，企業只是在識別可能多次訪問其網站的用戶，并將他們與查看過類似商品但又繼續購買的客戶聯系起來。它需要設置相當高級的規則，并讓人工智能進行智能的識別工作，使企業能夠可靠地為新客戶提供進入購買渠道的內容。

人工智能也可以用于測試這些內容。特別是在A/B測試中，人工智能可以幫助識別和自動分配成功的測試作為默認體驗。這不僅簡化了A/B測試的管理，而且還確保了它們部署的靈活性。

但是，與所有技術實施一樣，人工智能實施的成功取決于其他幾個因素：

1. 數據和受眾細分

相似建模和人工智能的成功實施的基礎是推動受眾細分的數據的組織和處理。如果企業不了解其核心客戶，那么所面臨的問題將超出采用人工智能技術可能解決的范圍。數字化技術成熟的組織可能已經將客戶數據平臺插入了技術堆棧，該技術堆棧將來自各種來源的數據匯集在一起​​，形成了統一的全方位客戶視圖。其他企業可能會尋找網絡分析平臺、客戶關系管理數據或商業數據，為細分受眾提供信息。

企業規模越大，任務就越大。規模較大的企業將需要優先考慮能夠帶來最大收益的細分市場。需要關注的是，只有在學會針對已知細分市場的核心知識之后，人工智能才能成功交付個性化結果。數據分析師需要根據可用數據創建這些細分，然后才能為人工智能設置參數。

2. 正確構建底層架構

成功的關鍵不只是采用人工智能引擎，內容的管理方式將發揮重要作用。

為了快速提供正確的內容，人工智能需要能夠識別、檢索和呈現這些內容，擁有正確的架構是成功實現這一目標的關鍵。傳統上可能僅存在于編寫網頁場景中的內容并不總是提供可用于個性化內容的粒度級別。當然，基于產品的個性化也是如此，這反過來又需要基于產品的內容結構，以使個性化引擎能夠讀取單個數據屬性并實時組合。

細致的元數據對這一過程也至關重要。元數據是人工智能理解的語言;它描述產品的屬性，如類別、樣式和顏色。如果沒有正確的元數據，個性化引擎就無法在正確的時間識別正確的內容。例如Asos和Boohoo這樣的快速時尚零售商正在以這種方式引領個性化產品展示的方式。

3. 不忘人為因素

人工智能的知識來自人類，這是采用人工智能技術時要記住的最基本的事情。因此，在考慮使用人工智能成功設置實現個性化所需的工具集時，最基本的要素是內容管理系統、資產管理系統和個性化引擎，其中某些描述將由人工智能構成模塊或位于其頂部，需要記住考慮將推動實施的團隊的問題，例如他們具備相應的技能嗎?他們是否真正了解了他們所掌握的技術?而人工智能技術不是插件，需要一支技術熟練的團隊來驅動。