CX-ekspert siger, at virksomhedswebsites ikke er fulgt med AI-formet brugeradfærd

Chris Gibbins har haft en 25-årig karriere inden for brugeroplevelse og eksperimentering, herunder roller som chef for brugeroplevelse. Han er i øjeblikket chef for eksperimentering hos CreativeCX. Og han er også medstifter af arrangementet Experimentation London.

Vi satte os ned med Chris for at lære, hvordan AI ændrer oplevelsen for hans teams og kunder. Her er, hvad han fortalte.

Træf beslutninger om AI baseret på resultater, ikke på hype

Jeg arbejder med CX og eksperimentering og har over 25 års erfaring. Og nu er jeg chef for eksperimentering hos Creative CX.

Creative CX er et specialiseret konsulentfirma inden for eksperimentering med omkring 45 medarbejdere. Vi hjælper virksomheder som Sky, easyJet og Virgin Media O2 med at skabe målbar innovation, forbedre kundeoplevelsen og optimere alle kunderejser gennem UX og eksperimentering.

Det er afgørende, at vi også fokuserer på at hjælpe vores kunder med selv at opbygge denne kompetence. Det adskiller os fra mange andre bureauer og konsulentvirksomheder. Vi etablerer UX- og eksperimenteringsprogrammer for vores kunders produktteams, så de til sidst ikke længere har brug for os!

Jeg arbejder sammen med et talentfuldt team af konsulenter, herunder UX-forskere, UX-designere, ingeniører og eksperimenteringsstrateger. Jeg arbejder også tæt sammen med nogle af vores største kunder og hjælper med at drive konsulentvirksomhedens vision og retning. Det indebærer, at vi sikrer, at vi er på forkant inden for kundeoplevelse, hvilket er særligt spændende nu, hvor AI har ændret landskabet!

Jeg brænder for at hjælpe slutkunder med nemt at gennemføre opgaver, samtidig med at jeg hjælper virksomheder med at skabe målbare forbedringer af deres digitale produkter. Jeg mener ikke, at der i de fleste situationer behøver at være en konflikt mellem kundernes og virksomhedens behov — så længe Produkt, UX og eksperimentering udføres korrekt!

Jeg er også medstifter af Experimentation London, et tilbagevendende fællesskabsarrangement, som vi startede i 2024 for at opbygge og styrke eksperimenteringsfællesskabet i London og Storbritannien.

Jeg er optimistisk med hensyn til AI's potentiale til at forbedre kundeoplevelsen og virksomheders resultater, men lige så skeptisk over for hypen og de overdrevne påstande på området. Det er vigtigere end nogensinde at anvende en eksperimenterende tilgang. Vi skal eksperimentere med AI og træffe velovervejede beslutninger baseret på faktiske resultater, ikke på hype!

Sådan kan AI bruges inden for CX og udvikling

Vi har integreret AI i mange af vores processer for at forbedre effektiviteten og udvide vores muligheder inden for udvikling, procesautomatisering og syntese af UX-forskning.

Vi har skabt en række Claude-funktioner, der hjælper os med sidstnævnte. For eksempel har vi en funktion, der analyserer store datasæt fra åbne undersøgelsesspørgsmål — noget, der tidligere var umuligt. En anden funktion, som jeg er særligt glad for, analyserer alle resultater fra idéudviklingen i vores meget store, kollaborative idéudviklingssessioner.

På udviklingssiden har vi øget hastigheden på udviklingen af A/B-tests betydeligt ved hjælp af den specialtilpassede ramme, vi udviklede med AI-assistance. Det gør det muligt for os at øge innovationshastigheden for kunderne og håndtere mere komplekse eksperimenter inden for det samme budget.

Udvikling af A/B-tests adskiller sig naturligvis fra kodning af typen 0-1 — hvor vi kan forvente endnu større effektivitetsgevinster — fordi vi ofte manipulerer eksisterende kode ved hjælp af en efter-renderingsmetode. Det skaber mange kompleksiteter, så mennesker skal stadig være involveret.

Når vi taler om 0-1, er prototyper et område, der er blevet væsentligt forbedret af AI for os. Vi bruger Claude til at designe fuldt fungerende, kodede prototyper, hvilket gør det muligt for os at bygge prototyper med høj detaljegrad på 1-2 dage i stedet for 1-2 uger!

Vi er især begejstrede for metoder til live-prototyper, hvor vi kan bygge fuldt fungerende koncepter oven på eksisterende websteder, som vi derefter kan teste med virkelige brugere. Det er meget bedre end den gamle metode, hvor man satte Figma-skærmbilleder sammen!

Hvorfor CX-ledere skal fokusere på problemer og eksperimentering

Jeg anbefaler at anvende en strategi, hvor man sætter problemerne først og eksperimenterer overalt, i alt arbejde med Produkt og kundeoplevelse.

Idéer, der tager udgangspunkt i løsningen, findes overalt. Teams bruger så meget tid på at forsøge at løse ikke-eksisterende problemer ved at gætte og kopiere konkurrenterne. En problemorienteret tilgang betyder derimod, at man gennemfører grundig research i mulighedsafdækning for at identificere de vigtigste kundeproblemer på tværs af en sammenhængende kunderejse og, afgørende nok, virkelig forstå disse problemer, før man går i gang med at løse dem.

Køreplaner er ikke længere fyldt med løsninger. I stedet er de fyldt med problemer, der skal løses. Tilgangen tackler også problemet med bekræftelsesbias — hvor folk misbruger research til at understøtte deres eksisterende idéer.

Og vores tilgang med eksperimenter overalt betyder, at vi mener, at alle teams bør eksperimentere på alle platforme. Nøglen til et brands succes ligger i det potentielle udbytte af alles idéer. Og eksperimentering er nøglen til at realisere dette potentiale, fordi det, når det gøres rigtigt, giver alle mulighed for at være mere eventyrlystne, teste flere idéer hyppigere og ofte teste flere idéer på samme tid — alt sammen inden for eksperimentets sikkerhedsnet.

Der er en grund til, at medicin udvikles på denne måde. Vi mener, at den samme videnskabelige metode er afgørende for at skabe de bedste kundeoplevelser. Og nu gør AI det nemt!

Hvorfor AI ikke er svaret på alt

Når alt det er sagt, er der i øjeblikket så meget støj og FOMO omkring AI. AI er ikke svaret på alt, og det er værd at huske.

Selv med alle de effektive anvendelsesområder for AI sikrer vi, at den ikke træffer de endelige CX-beslutninger. Vi bruger den heller ikke til at gennemføre brugerundersøgelser — selv om den hjælper med syntese og dele af notetagningen. Vi har brug for research og data af høj kvalitet, og menneskelige eksperter skal gennemføre denne research for at opnå det. Dårlige data/indsigter fører til dårlige beslutninger.

Hvis AI hjælper dig med at levere en bedre kundeoplevelse, og hvis den hjælper dig med at løse et reelt kundeproblem mere effektivt, end du ellers ville kunne, er det fantastisk. Men se den venligst ikke som løsningen på alle problemer.

Nogle gange har folk ikke brug for endnu en chatbot. I stedet har de måske bare brug for telefonnummeret, så de kan tale med et rigtigt menneske!

Hvorfor CX-ledere skal øge QA, når de bruger AI

Chris States

Vær forsigtig med ikke at give AI alt for præcise instruktioner, såsom “angiv de 10 vigtigste temaer.” AI vil ofte hallucinere for at nå det antal!

Når du bruger AI, skal vi være meget opmærksomme på kvaliteten af det endelige output. AI tager nemlig ofte fejl med stor selvsikkerhed.

Som følge heraf opvejes nogle af effektivitetsgevinsterne af den ekstra tid, der kræves til QA — uanset om det drejer sig om CX-opgaver, udvikling eller syntetisering af data fra undersøgelser i stor skala.

Her er et tip — noget, jeg har lært af erfaring. Vær forsigtig med ikke at give AI alt for præcise instruktioner, såsom "angiv de 10 vigtigste temaer". AI vil ofte hallucinere for at nå det antal!

Hvordan brugeradfærden ændrer sig på grund af AI

Virksomhedswebsites og -apps har ikke fulgt med offentlighedens ændrede forventninger, som skyldes brugen af AI.

Vi har for nylig bemærket en interessant tendens på tværs af flere researchprojekter, hvor brugere interagerede meget anderledes med virksomhedswebsites og -apps, end de gjorde før AI. Her er to eksempler:

1. Intern søgning på websites: Mange brugere skriver præcis det, de ville skrive i ChatGPT, i interne søgefelter — inklusive produkttype, egenskaber og andre kontekstuelle aspekter af deres behov. Det forstyrrer den traditionelle søgning på websitet fuldstændigt og giver forfærdelige resultater.
2. Arbejde ud fra LLM'er: Mange brugere siger, at de nu kopierer produkt-URL'er og går videre til ChatGPT/Claude, hvor de stiller spørgsmål — for eksempel beder om dybdegående sammenligninger.

Da websteds- og appoplevelser ikke er blevet opdateret til at understøtte denne nye adfærd, lider den samlede rejse.

Tre faktorer, der kan gøre AI's acceleration værdifuld for CX-ledere

AI har allerede i høj grad fremskyndet teamets udførelse (design og udvikling), og det vil fortsætte. Hvis du ligesom jeg går meget op i at hjælpe dine kunder med lettere at købe, booke, tilmelde sig og få løst deres opgaver, så kan dette være en rigtig god ting — på tre betingelser. Du skal:

1. Fokusere 100 % på at løse reelle problemer og udnytte muligheder for dine kunder. Det betyder, at den sparede tid på udførelsen skal investeres i forudgående research og strategi.
2. Udnytte eksperimenteringens kraft fuldt ud for at levere denne øgede hastighed af funktioner, forbedringer og innovationer inden for kundeoplevelsen. Valider i stor skala; gæt ikke. Ellers skaber du forfærdelige oplevelser i dobbelt tempo!
3. Undgå den fejl, der blev begået med personalisering, når det gælder AI-funktioner. Bare fordi nogen siger, at noget er AI, og foreslår at føje det til webstedet, betyder det bestemt ikke, at det vil være nyttigt. Hvis det ikke løser et reelt kundeproblem, vil det aldrig fungere, og det vil sandsynligvis gøre tingene værre. Udrul det som et eksperiment. Men brug ikke enorme ressourcer på at løse ikke-eksisterende kundeproblemer.

Følg med

Du kan følge Chris Gibbins på LinkedIn.

Der kommer flere ekspertinterviews på The CX Lead!