人工智能（AI）和机器学习（ML）可以做些什么来改善客户体验？ 自从网上购物诞生以来，AI和ML就已经和在线购物系统紧密结合了 如果没有购物推荐，您几乎无法使用亚马逊或任何其他购物服务，推荐系统通常根据供应商对您的特征（您的购买历史记录，浏览历史记录以及更多内容）的理解进行个性化。 亚马逊和其他在线企业都希望发明一个了解您本人、了解您的品味的电子版本销售人员（感觉有点天方夜谭），它可以准确无误地引导您购买使您感到享受的产品。

一切都源于更好的数据

为了实现这一愿景，我们需要从后端的一些繁重工作开始。 谁是你的客户？ 你真的知道他们是谁吗？ 所有客户都留下了数据路径，但该数据路径是一系列碎片，并且我们很难将这些碎片相互关联起来。 如果一个客户有多个帐户，您能说出来吗？ 如果客户有单独的帐户用于商业和个人用途，您可以链接它们吗？ 如果一个公司使用了许多不同的名称（我们记得有在一个PPT中，有人提到了数百个名字，结果实际上这些名字都指向了 IBM），你能发现为它们负责的单一公司实体吗？ 客户体验始于准确了解客户是谁，以及客户之前如何相关。清洗客户列表以消除重复称为实体解析，它曾经是能够雇佣很多人作为数据团队的大公司的底盘。 我们现在看到实体解析方案的民主化：现在有创业公司提供适合中小型组织的实体解析软件和服务。

一旦你发现了你的客户是谁，你就必须自省你对它们的了解程度。 全面了解客户的活动对于了解客户的需求至关重要。 您有什么客户数据，以及如何使用它们？ ML和AI现在被用作数据收集的工具，处理来自传感器、手机应用程序和其他来源的数据流。 收集客户数据可能具有侵入性，并且在道德上存在问题; 当您建立对客户的理解时，请确保客户的同意，并且不会损害他们的隐私。

ML与任何其他类型的计算没有根本的区别：“垃圾进入，垃圾出” 规则仍然适用。 如果您的训练数据质量较差，您的结果将会很差。 随着数据源数量的增加，潜在数据字段和变量的数量也会增加，并且可能出现错误：转录错误，输入错误等。 在过去，可能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， 持续占用数据科学家很多时间。 与实体解析一样，数据质量和数据修复已成为最近研究的主题，与此同时，一套用于自动化数据清理的新机器学习工具开始出现。

应用

机器学习和AI对客户体验的一个常见应用是个性化和推荐系统。 近年来， 混合推荐系统——结合多种推荐策略的应用 – 变得更加普遍。 许多混合推荐系统依赖许多不同的来源和大量数据，并且深度学习模型通常是这种系统的一部分。 虽然基于定期重新训练的模型是比较常见的，但高级推荐和个性化系统需要是实时的。 使用强化学习，在线学习和老虎机算法，公司开始构建推荐系统，不断基于实时数据训练模型。

机器学习和人工智能可以自动执行许多不同的企业任务和工作流程，这其中就包括客户交互。 我们都有经验丰富的聊天机器人，可以对客户服务的各个方面进行自动化。 到目前为止，聊天机器人与其说是有用，还不如说比较烦人 – 但设计良好，用于回答常见问题的简单“FAQ机器人”可以带来良好的客户获取率。 只是，我仍然处于自然语言处理和理解的早期阶段 – 在过去的一年里，我们已经看到了许多突破。 随着我们构建复杂语言模型的能力的提高，我们将看到聊天机器人多个阶段的发展：从提供通知，到管理简单的问答场景，理解上下文和参与简单的对话，最后到“个人助理”，最后能够意识到“他们的用户“的需求。 随着聊天机器人的改进，我们希望它们成为客户服务不可或缺的一部分，而不仅仅是您为了和真人沟通所必须走的一个烦人的形式。为了使聊天机器人达到这种性能水平，他们需要整合实时推荐和个性化。 他们需要了解客户以及人。

欺诈检测是另一项正在消化机器学习的技术。 欺诈检测涉及好人和罪犯之间的持续战斗，赌注不断增加。 欺诈艺术家正在发明更复杂的在线犯罪技术。 欺诈不再是人对人：它是自动化的，就像机器人抢购活动的所有门票一样，因此他们可以在黄牛党那里重新出售。 正如我们在最近的许多选举中看到的那样，犯罪分子很容易通过创建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要困难得多。 这只有机器学习才有可能做到。即使这样，这也是一个难以解决的问题。 但要重建人们感到安全和受到尊重的在线世界，解决这个问题是关键。

语音技术和情感检测的进步将进一步减少自动化客户交互中的摩擦。 结合不同类型输入（音频，文本，视觉）的多模态模型将使得更容易以合适的方式响应客户; 客户可能能够向您展示他们想要的内容，或者就他们所面临的问题直接发送一个实时视频。 虽然人类和机器人之间的互动经常将用户置于令人毛骨悚然的“神秘山谷”中（译者注：Uncanny Valley指在机器人越来越像人的过程中，有一个区间会使真人觉得毛骨悚然），但可以肯定的是，未来的客户对机器人的熟悉程度将超过我们现在的水平。

但如果我们要让客户通过这个神秘山谷的另一边，我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，但如果客户最终感到受到技术被滥用了，技术将无法改善客户体验。 最后就算流程效率变高了，但权衡而言无法弥补体验上的损失。

机器学习和人工智能将为客户体验做些什么？ 它已经做了很多。 但它还有更多可以做的事情，而且必须要做的是，建立未来”无摩擦“的客户体验。

相关内容 ：

• 机器学习时代的产品管理——圣何塞人工智能会议的新教学辅导课
• “用于个性化推荐的机器学习算法”——Tony Jebara解释Netflix如何进行个性化推荐，并优化向订阅用户展示的界面。
• “实时实体解析触手可及”——Jeff Jonas关于实体解析技术演变的介绍
• “企业中的下一代AI助手”
• “用于机器学习开发和模型治理的专用工具正变得越来越重要”
• “你创建了一个机器学习应用程序。 现在确保它是安全的。“
• “数据流的伦理”