CX-ekspert sier at bedriftsnettsteder ikke har tatt igjen AI-preget brukeradferd

Chris Gibbins har hatt en 25 år lang karriere innen brukeropplevelse og eksperimentering, inkludert roller som sjef for kundeopplevelse. Han er for tiden sjef for eksperimentering i CreativeCX. Han er også medgrunnlegger av arrangementet Experimentation London.

Vi satte oss ned med Chris for å lære hvordan AI endrer opplevelsen for teamene og kundene hans. Her er det han fortalte.

Ta beslutninger om AI basert på resultater, ikke på opphausing

Jeg jobber med kundeopplevelse og eksperimentering og har over 25 års erfaring. Nå er jeg sjef for eksperimentering i Creative CX.

Creative CX er et spesialisert konsulentselskap innen eksperimentering med rundt 45 medarbeidere. Vi hjelper virksomheter som Sky, easyJet og Virgin Media O2 med å skape målbar innovasjon, forbedre kundeopplevelsen og optimalisere hver kundereise gjennom UX og eksperimentering.

Det er avgjørende at vi også fokuserer på å hjelpe kundene våre med å bygge denne kompetansen selv. Dette skiller oss fra mange andre byråer og konsulentselskaper. Vi etablerer UX- og eksperimenteringsprogrammer for kundenes produktteam, slik at de etter hvert ikke lenger trenger oss!

Jeg jobber sammen med et talentfullt team av konsulenter, inkludert UX-forskere, UX-designere, ingeniører og eksperimenteringsstrateger. Jeg samarbeider også tett med noen av våre største kunder og bidrar til å drive konsulentselskapets visjon og retning. Dette innebærer å sørge for at vi ligger i forkant innen kundeopplevelse, noe som er spesielt spennende nå som AI har endret landskapet!

Jeg brenner for å hjelpe sluttkundene med å gjennomføre oppgaver på en enkel måte, samtidig som jeg hjelper virksomheter med å skape målbare forbedringer i de digitale produktene deres. Jeg tror ikke det trenger å være en konflikt mellom kundenes behov og virksomhetenes behov i de fleste situasjoner – så lenge Produkt, UX og eksperimentering gjøres riktig!

Jeg er også medgrunnlegger av Experimentation London, et jevnlig samfunnsarrangement vi startet i 2024 for å bygge opp og styrke eksperimenteringsmiljøet i London og Storbritannia.

Jeg er optimistisk med tanke på AIs potensial til å forbedre kundeopplevelsen og virksomhetenes resultater, men samtidig skeptisk til opphausingen og overdrivelsene på dette området. Det er viktigere enn noen gang å ha en eksperimentell tilnærming. Vi må eksperimentere med AI og ta veloverveide beslutninger basert på faktiske resultater, ikke på opphausing!

Hvordan AI kan brukes innen CX og utvikling

Vi har integrert AI i mange av prosessene våre for å forbedre effektiviteten og styrke kapasiteten innen utvikling, prosessautomatisering og syntese av UX-forskning.

Vi har laget en rekke Claude-ferdigheter som hjelper oss med sistnevnte. For eksempel har vi en ferdighet som analyserer store datasett fra åpne spørreundersøkelsesspørsmål – noe som tidligere var umulig. En annen ferdighet jeg liker spesielt godt, analyserer alle idéutviklingsresultatene fra våre svært store, samarbeidende idéutviklingsøkter.

På utviklingssiden har vi økt hastigheten på utviklingen av A/B-tester betydelig ved hjelp av det spesialtilpassede rammeverket vi utviklet med støtte fra AI. Dette gjør at vi kan øke innovasjonstakten for kundene og håndtere mer komplekse eksperimentimplementeringer innenfor det samme budsjettet.

Utvikling av A/B-tester skiller seg naturligvis fra koding av typen 0-1 – der vi kan forvente enda større effektivitetsgevinster – fordi vi ofte manipulerer eksisterende kode ved hjelp av en metode som kjøres etter gjengivelsen. Dette skaper mange kompleksiteter, så mennesker må fortsatt være involvert.

Når vi snakker om 0-1, er prototyping et område som AI har forbedret betydelig for oss. Vi bruker Claude til å utforme fullt fungerende prototyper med kode, slik at vi kan lage prototyper med høy detaljgrad på 1–2 dager i stedet for 1–2 uker!

Vi er spesielt begeistret for metoder for prototyping i sanntid, der vi kan bygge fullt fungerende konsepter oppå eksisterende nettsteder og deretter teste dem med ekte brukere. Mye bedre enn den gamle metoden med å sette sammen Figma-skjermer!

Hvorfor CX-ledere må fokusere på problemer og eksperimentering

Jeg anbefaler å ta i bruk en strategi som setter problemet først og eksperimenterer overalt, for alt arbeid med Produkt og kundeopplevelse.

Løsning-først-idéer finnes overalt. Team bruker så mye tid på å forsøke å løse ikke-eksisterende problemer ved å gjette og kopiere konkurrenter. En problem-først-tilnærming innebærer derimot å gjennomføre førsteklasses undersøkelser for å avdekke muligheter, slik at man finner de viktigste kundeproblemene på tvers av en helhetlig kundereise og, ikke minst, forstår disse problemene ordentlig før man setter i gang med å løse dem.

Veikart er ikke lenger fulle av løsninger. I stedet er de fulle av problemer som skal løses. Tilnærmingen tar også tak i problemet med bekreftelsesskjevhet – at folk misbruker undersøkelser for å underbygge eksisterende ideer.

Og vår tilnærming med eksperimentering overalt betyr at vi mener alle team bør eksperimentere på alle plattformer. Nøkkelen til en merkevares suksess ligger i de potensielle gevinstene fra alles ideer. Eksperimentering er nøkkelen til å realisere dette potensialet fordi det, når det gjøres riktig, gjør det mulig for alle å være mer eventyrlystne, teste flere ideer oftere og ofte teste flere ideer samtidig – alt innenfor sikkerhetsnettet et eksperiment gir.

Det er en grunn til at medisin utvikles på denne måten. Vi mener at den samme vitenskapelige metoden er avgjørende for å skape de beste kundeopplevelsene. Og nå gjør kunstig intelligens det enkelt!

Hvorfor kunstig intelligens ikke er svaret på alt

Med alt dette sagt er det for tiden så mye støy og frykt for å gå glipp av noe rundt kunstig intelligens. Kunstig intelligens er ikke svaret på alt, og det er verdt å huske.

Selv med alle de effektive bruksområdene for kunstig intelligens sørger vi for at den ikke tar de endelige CX-beslutningene. Vi bruker den heller ikke til å gjennomføre brukerundersøkelser – selv om den bidrar med syntese og deler av notatarbeidet. Vi trenger undersøkelser og data av høy kvalitet, og menneskelige eksperter må gjennomføre disse undersøkelsene for å oppnå det. Dårlige data og innsikter fører til dårlige beslutninger.

Hvis kunstig intelligens hjelper deg med å levere en bedre kundeopplevelse, og hvis den hjelper deg med å løse et reelt kundeproblem mer effektivt enn du ellers kunne ha gjort, er det fantastisk. Men ikke se på den som løsningen på alle problemer.

Noen ganger trenger folk ikke enda en chatbot. I stedet trenger de kanskje bare telefonnummeret for å snakke med et ekte menneske!

Hvorfor CX-ledere må øke kvalitetssikringen ved bruk av kunstig intelligens

Chris States

Vær forsiktig med å gi kunstig intelligens altfor bastante instruksjoner, som “list opp de ti viktigste temaene.” Kunstig intelligens vil ofte hallusinere for å nå dette antallet!

Når du bruker kunstig intelligens, må vi følge nøye med på kvaliteten til det endelige resultatet. Kunstig intelligens tar nemlig ofte feil med stor selvsikkerhet.

Som følge av dette blir noen av effektivitetsgevinstene oppveid av den ekstra tiden som kreves til kvalitetssikring – enten det gjelder CX-oppgaver, utvikling eller sammenstilling av undersøkelsesdata i stor skala.

Her er et tips – noe jeg har lært av erfaring. Vær forsiktig med å gi kunstig intelligens altfor bastante instruksjoner, som «list opp de ti viktigste temaene». Kunstig intelligens vil ofte hallusinere for å nå dette antallet!

Hvordan brukeratferd endres på grunn av kunstig intelligens

Nettsteder og apper for virksomheter har ikke holdt tritt med publikums endrede forventninger som følge av bruken av kunstig intelligens.

Vi oppdaget nylig en interessant trend på tvers av flere undersøkelsesprosjekter, der brukere samhandlet med nettsteder og apper for virksomheter på en helt annen måte enn før kunstig intelligens. Her er to eksempler:

1. Internt nettstedsøk: Mange brukere skriver inn nøyaktig det samme i interne nettstedsøk som de ville ha skrevet inn i ChatGPT – inkludert produkttype, egenskaper og andre kontekstuelle aspekter ved behovene deres. Dette forstyrrer det tradisjonelle nettstedsøket fullstendig og gir svært dårlige resultater.
2. Arbeid fra store språkmodeller: Mange brukere sier at de nå kopierer produktnettadresser og går til ChatGPT/Claude, der de stiller spørsmål – for eksempel ber om grundige sammenligninger.

Ettersom opplevelsene på nettsteder og i apper ikke er blitt oppdatert for å støtte denne nye atferden, blir helhetsreisen lidende.

Tre faktorer som kan gjøre akselereringen av AI verdifull for CX-ledere

AI har allerede satt fart på teamenes gjennomføring (design og utvikling) i stor grad, og dette vil fortsette. Hvis du, slik som jeg, er svært opptatt av å hjelpe kundene dine med å kjøpe, bestille, registrere seg og få gjort det de skal på en enklere måte, kan dette være en svært god ting — på tre betingelser. Du må:

1. Fokusere 100 % på å løse reelle problemer og gripe reelle muligheter for kundene dine. Det betyr å investere tidsbesparelsene i gjennomføringen i forskning og strategi tidligere i prosessen.
2. Utnytte eksperimentering fullt ut for å levere denne oppskalerte hastigheten på funksjoner, forbedringer og innovasjoner i kundeopplevelsen. Valider i stor skala; ikke gjett. Ellers vil du skape forferdelige opplevelser i dobbelt så høyt tempo!
3. Unngå feilen som ble gjort med personalisering når det gjelder AI-funksjoner. Bare fordi noen sier at noe er AI og foreslår å legge det til på nettstedet, betyr det slett ikke at det vil være nyttig. Hvis det ikke løser et reelt kundeproblem, vil det aldri fungere, og det vil sannsynligvis gjøre ting verre. Rull det ut som et eksperiment. Men ikke bruk enorme mengder ressurser på å løse problemer kundene ikke har.

Følg med

Du kan følge Chris Gibbins på LinkedIn.

Flere ekspertintervjuer kommer på CX-lederen!