Lider opinii w dziedzinie doświadczeń klienta wyjaśnia, jak CX może wykorzystać AI, aby zasiąść przy stole decyzyjnym

Jim Tincher jest liderem opinii i badaczem w dziedzinie CX. Jest również założycielem Heart of the Customer, butikowej firmy zajmującej się kompleksowym doświadczeniem klienta, wspierającej złożone organizacje.

Spotkaliśmy się z Jimem, aby dowiedzieć się, co dostrzega w swoich badaniach. Szczegółowo omówił wykorzystanie AI do ulepszania ścieżek klienta.

Kariera w obszarze CX i badań

Jestem Jim Tincher, założyciel i dyrektor generalny Heart of the Customer. Działamy od 2012 roku.

Nie kieruję działem doświadczeń klienta — doradzam kadrze zarządzającej odpowiedzialnej za wzrost: dyrektorom ds. handlowych, wiceprezesom ds. sprzedaży i operacji oraz dyrektorom generalnym. Działamy w sektorze B2B, a nasza najbardziej zaawansowana działalność koncentruje się na przemyśle: BASF, Dow, Milliken, Xylem, Legrand, Vermeer.

Prowadzę również analizę badań dla Advanced Manufacturing CX Consortium — siedemnastu producentów, którzy wspólnie ankietują niemal 10 000 swoich klientów rocznie, aby ustalić, co sprawia, że klient rozwija współpracę z dostawcą.

Dlaczego AI należy wykorzystywać do danych, a nie relacji

Wraz z rozwojem AI zmieniliśmy sposób przeprowadzania analiz, ale nie nasze relacje z klientami. — To celowe rozróżnienie.

W zeszłym roku przeprowadziłem wywiady z 34 członkami kadry zarządzającej, aby dowiedzieć się, co jest dla nich najważniejsze, a odpowiedzią było (co nie było zaskoczeniem) „wzrost”. Wszyscy 34 się z tym zgodzili, więc wykorzystujemy tę perspektywę we wszystkim, co robimy.

Nasz model porównawczy wykazał, że trzy najważniejsze czynniki przewidujące rozwój klienta są związane z relacjami: poczucie bycia docenianym, relacja z opiekunem klienta oraz proces zakupu, a nie łatwość prowadzenia działalności, satysfakcja czy inne typowe miary CX. Sprawia to, że ostrożnie podchodzę do automatyzowania obszarów, w których klienci decydują, czy ich działalność jest dla nas ważna. Usunięcie czynnika ludzkiego może wyeliminować właśnie te sygnały, na podstawie których klienci oceniają, czy chcą rozwijać współpracę z nami.

Dlatego zamiast tego stosujemy AI do analiz — analizując rozmowy, komentarze otwarte i inne formy komunikacji. Ręczne czytanie, kodowanie i wyszukiwanie wzorców w setkach rozmów jest powolne i ogranicza nasze możliwości. Jednak dzięki Claude i narzędziu do transkrypcji możemy wyszukiwać wzorce w historii całej współpracy, a nie tylko w jednym punkcie kontaktu naraz.

AI umożliwiło nam przeszukanie danych obejmujących ponad 800 wywiadów B2B i znalezienie struktury, której wcześniej nie byliśmy w stanie dostrzec. Następnie przetestowaliśmy czteropoziomową hierarchię, która przewiduje, jaką część wydatków klienta pozyskamy, na dwudziestu jeden odrębnych zbiorach danych klientów. Ręczne przeprowadzenie takiej analizy na tę skalę nie byłoby możliwe.

Proces pracy zapewniający uporządkowaną listę etapów ścieżki klienta wymagających poprawy

Oto proces pracy, którego rezultatem jest uporządkowana lista etapów ścieżki klienta wymagających poprawy, uszeregowanych według zagrożonych przychodów.

Zaczyna się od rozmów, a nie ankiet. Przeprowadzamy bezpośrednie wywiady z klientami — nabywcą, kierownikiem zakładu, osobą zarządzającą, która podpisuje umowę — a następnie nagrywamy i transkrybujemy te rozmowy za pomocą Fireflies.

Właśnie w tym miejscu występowało wcześniejsze ograniczenie. Analityk czyta tyle, na ile pozwala mu czas, a ten limit wpływa na każdy wniosek. Tworzy się próbę, znajduje wzorzec w tej próbie i ma nadzieję, że próba była reprezentatywna.

Następnie analityk opracowuje wstępne ustalenia — historię i najważniejsze tematy.

Potem korzystamy z Claude. Claude czyta w całości każdą transkrypcję. Wyodrębnia dosłowne wypowiedzi klientów wraz ze źródłem: informacją, kto to powiedział, z której rozmowy pochodzi wypowiedź i w którym miejscu rozmowy się znajduje. Ta możliwość prześledzenia źródła jest ważniejsza niż szybkość. Gdy klient kwestionuje ustalenie, nie bronimy go. Pokazujemy mu cytat.

Następnie przeprowadzamy analizę, a ta część nie jest zautomatyzowana.

Jim dzieli się spostrzeżeniami

Podział pracy ma kluczowe znaczenie. AI usunęła ograniczenie związane z czytaniem. Nie wpłynęła jednak na osąd — decyzję o tym, o co pytać, rozpoznawanie istotnych wzorców i wiedzę o tym, kiedy klient przekazuje nam coś, z czego sam nie zdaje sobie sprawy.

Czy ten klient nadal omawia podstawowe funkcje? A może zastanawia się, czy może polegać na naszym kliencie, gdy sytuacja się komplikuje? Albo czy czuje się doceniany? Daje nam to pozycję, a nie wynik.

Następnie odwzorowujemy to na całej ścieżce. Pojawia się krzywa — na tym etapie rośnie pewność, a na tamtym załamuje się. Większość klientów nigdy nie widziała swojej relacji w ten sposób. Dostrzegali jedną wartość satysfakcji dla całej relacji, co przesłaniało dokładne miejsce, w którym dochodzi do szkód.

Łączymy załamania z kontami, a konta z pieniędzmi. Nie mówimy: „klienci są sfrustrowani na tym etapie”. Zamiast tego: pewność spada tutaj, jedenaście wskazanych kont znajduje się poniżej tej granicy, a oto jak zmieniły się ich wydatki w ciągu ostatnich czterech kwartałów.

Na tym właśnie polega kolejność. Większość firm ustala priorytety na podstawie liczby skarg — co jest niemal losowe, ponieważ konta po cichu planujące odejście to zazwyczaj te, które nie składają skarg.

Na koniec używamy Reduct, aby przekształcić kluczowe cytaty w filmy i oddać głos klientowi.

Podział obowiązków ma kluczowe znaczenie. AI usunęła ograniczenie związane z czytaniem. Nie wpłynęła na osąd — decyzję o tym, o co zapytać, rozpoznawanie, które wzorce mają znaczenie, oraz wiedzę, kiedy klient mówi coś, czego sam nie wie, że mówi. To efekt czternastu lat pracy i nie da się tego zautomatyzować.

Dlaczego odzyskiwanie klientów musi pozostać domeną ludzi

Dlatego wyznaczam granicę właśnie tutaj: AI zajmuje się danymi, a ludzie — momentem, w którym klienci decydują, czy są dla ciebie ważni. AI nie podejmuje żadnych decyzji — dotyczących CX ani innych — choć używam jej do podejmowania świadomych decyzji.

AI najlepiej wykorzystać do

• Znajdowania wzorców w rozmowach i komentarzach otwartych.
• Ustalania, które problemy faktycznie kosztują pieniądze — większość firm ustala priorytety na podstawie liczby skarg, co jest niemal losową metodą.
• Wykrywania kont, które ucichły, tych o coraz węższym zakresie zamówień lub tych, których język się zmienił. Ludzie przeoczają ten sygnał, ponieważ nikt nie ma w zakresie swoich obowiązków obserwowania go.

Najważniejszym obszarem, w którym należy zachować ludzkie podejście, jest odzyskiwanie klientów. Nasze dane są tu bezpośrednie — klienci całkowicie zadowoleni z rozwiązania problemu ograniczają swoje wydatki w 1% przypadków. Klienci niezadowoleni z rozwiązania problemu ograniczają swoje wydatki w 35% przypadków. A klienci „częściowo zadowoleni” zachowują się bardziej jak klienci niezadowoleni niż zadowoleni. Częściowe rozwiązania liczą się jak brak rozwiązania.

To ostatnie ustalenie jest prawdziwym argumentem. Automatyzacja doskonale radzi sobie z dostarczaniem wystarczających rezultatów na dużą skalę. Właśnie na poziomie „wystarczająco” kończy się wzrost.

W przypadku eskalacji podzieliłbym to zadanie: pozwólmy AI znaleźć konto zagrożone odejściem, a następnie niech zadzwoni człowiek. Wykrywanie jest problemem danych. Odzyskiwanie klientów jest problemem relacji. Najbardziej sceptycznie podchodzę do automatycznej personalizacji, ponieważ klienci B2B potrafią ją rozpoznać, a personalizacja sprawiająca wrażenie wygenerowanej sygnalizuje coś przeciwnego do zamierzonego celu.

Dlaczego analiza AI wymaga ścisłych zabezpieczeń

AI doskonale radzi sobie ze znajdowaniem wzorców. Obejmuje to jednak również wzorce pozorne.

AI wymyśla pozorną precyzję. Drobne, wiarygodne ustalenia: liczba mieszcząca się we właściwym przedziale, cytat brzmiący właściwie. A jeśli szukasz potwierdzenia czegoś, w co już wierzysz, znajdziesz je.

Dlatego staliśmy się bardziej rygorystyczni, a nie mniej: każda publikowana przez nas liczba i każdy cytat muszą być możliwe do prześledzenia aż do konkretnego źródła, a gdy coś się nie zgadza, oznaczamy to zamiast wygładzać nieścisłość. AI podniosła zarówno nasz pułap możliwości, jak i poziom wymaganej dyscypliny.

Jak AI może usunąć silosy organizacyjne

Wszyscy przeprojektowują warstwę skierowaną do klienta — chatboty, odciążanie obsługi, automatyczny kontakt. Niemal nikt nie przeprojektowuje warstwy znajdującej się pod spodem, gdzie wiedza firmy jest podzielona na fragmenty.

Dział operacyjny zna terminowość dostaw. Dział sprzedaży wie, które konta przestały zamawiać daną linię produktów. Dział cyfrowy wie, kto składa zamówienia, porzuca je lub utknął podczas próby ich złożenia. Dział finansowy wie, co stało się z marżą. Dział CX wie, co czują klienci. Pięć grup, pięć zbiorów danych, pięć systemów. Nikt nie posiada wszystkich pięciu elementów.

Odpowiedź na pytanie „Dlaczego to konto się skurczyło?” istnieje w twojej firmie, ale jest rozproszona wśród osób, które nie uczestniczą w tych samych spotkaniach. Jak mówię moim klientom: „Wiedziałeś tylko to, co wiesz”. Co mogłoby się wydarzyć, gdyby udało ci się uwolnić całą rozproszoną wiedzę w organizacji? Co by to umożliwiło?

To nie jest problem danych. Dodanie piątego panelu nie rozwiąże tego problemu. To problem modelu — bez łańcucha łączącego operacje z emocjami, zachowaniem i przychodami większa ilość danych daje ci tylko więcej niepołączonych danych.

To właśnie tutaj AI pokazuje swoją wartość, a nie jest to przypadek użycia, który przyciąga uwagę. Może obsłużyć wszystkie pięć obszarów jednocześnie. Może czytać e-maile, analizować historię operacyjną i wzorce zamówień oraz znajdować miejsca, w których te elementy się łączą.

Część techniczna była łatwa. Trudność stanowi pozyskanie danych. Za każdym razem. Dlatego nie sprawdza się to jako projekt analityczny. Wymaga sponsora — osoby na tyle wysoko postawionej, by zwołać różne grupy posiadające dane i zachęcić je do ustalenia, gdzie wzrost wycieka między silosami informacji.

Jim dzieli się

Spójrz na to, co zautomatyzowano w ubiegłym roku, a następnie zestaw to z etapami ścieżki, na których klienci decydują, czy cenisz ich biznes. Jeśli zautomatyzowano te kluczowe punkty kontaktu, nie zaoszczędzono na kosztach — nieumyślnie obniżono prognozę przychodów.

Dlaczego organizacje koncentrują się na niewłaściwych wskaźnikach AI

Zapytaj większość firm, co poprawiła dzięki AI, a wspomną o wskaźnikach odciążenia i czasach reakcji. Innymi słowy, powiedzą, ile kontaktu z człowiekiem wyeliminowały. Następnie stwierdzą, że poziom satysfakcji pozostał bez zmian.

Prawdopodobnie tak było. I właśnie na tym polega pułapka.

W naszym badaniu porównawczym 81% klientów było zadowolonych. Tylko 27% planowało rozwijać współpracę. Satysfakcja przetrwała. Wzrost — nie.

Oto, co bym zrobił. Spójrz na to, co zautomatyzowano w ubiegłym roku, a następnie zestaw to z etapami ścieżki, na których klienci decydują, czy cenisz ich biznes. Jeśli zautomatyzowano te kluczowe punkty kontaktu, nie zaoszczędzono na kosztach — nieumyślnie obniżono prognozę przychodów.

Jak liderzy CX mogą wykorzystać AI, aby zyskać miejsce przy stole

Jak wspomniałem, przeprowadziłem wywiady z 34 członkami kadry kierowniczej najwyższego szczebla na temat ich priorytetów i każdy z nich wymienił wzrost. Niemal nikt sam z siebie nie wskazał obsługi klienta jako ważnego tematu — mimo że wiedzieli, iż jestem liderem opinii w dziedzinie obsługi klienta, że spotkanie było sponsorowane przez CXPA, a w zaproszeniu na spotkanie uwzględniono CX.

Brzmi to jak zła wiadomość. Ale tak nie jest. Problem nie polega na tym, że członkowie kadry kierowniczej nie dbają o klientów — chodzi o to, że nikt nie pokazał im, w jaki sposób obsługa klienta przekłada się na pieniądze.

Znacznie bardziej interesowało ich to, co klienci robili, niż to, co mówili. Gdy zapytałem, co obserwują, aby ocenić kondycję firmy, wymienili trendy P&L, wskaźniki realizacji, dostawy na czas, tempo rozwoju lejka sprzedażowego i wygrane przetargi. Utrzymanie klientów. Ponowne zakupy. Wskaźniki nastrojów — w tym NPS — niemal nigdy się nie pojawiały. Jest to zgodne z ustaleniami XM Institute, według których większość programów CX nie potrafi wykazać swojej wartości. Dlaczego członek kadry kierowniczej najwyższego szczebla miałby wspominać o CX?

Jeden z nich ujął to lepiej, niż ja potrafię. „Mamy pulpity nawigacyjne wypełnione wskaźnikami opóźnionymi. Wskaźniki opóźnione są łatwe. Trudno jest znaleźć te wyprzedzające”.

Nie pomijaj tego, bo to właśnie jest twoja szansa. Emocje i zachowania są wskaźnikami wyprzedzającymi. A ty posiadasz dane dotyczące emocji — zakładając, że mierzysz emocje (a powinieneś). Nikt inny w twojej firmie nie ma tych danych.

Oto więc rada: przestań prezentować to, co czują klienci. Zacznij prezentować to, co te odczucia przewidują.

Istnieje łańcuch łączący operacje z przychodami. Twoja firma wykorzystuje dźwignie operacyjne — dostawy, komunikację i rozwiązywanie problemów. To one wywołują emocje u klientów. Emocje zmieniają zachowanie. Zachowanie przekłada się na pieniądze. Dźwignie, emocje, działanie, pieniądze — nazywamy to Łańcuchem Wzrostu™ , a akronim LEAD pomaga nam go zapamiętać. Operacje odpowiadają za pierwsze ogniwo, finanse za ostatnie, a dwa środkowe należą do ciebie. To także dwa ogniwa, których nikt nie mierzy.

Właśnie tutaj AI może być nieocenione: w odkrywaniu i raportowaniu tych powiązań.

Trzy na cztery programy CX nigdy nie wykazują związku z wynikami finansowymi. To liczba, która powinna cię niepokoić, ponieważ właśnie o tę liczbę twój budżet zostanie obcięty, gdy tylko marże się zmniejszą.

To, od czego warto zacząć, jest prostsze, niż myślisz. Wybierz dwa konta — jedno rozwijające się, drugie tracące na znaczeniu. Prześledź ciąg zależności w obu przypadkach. W przypadku rozwijającego się konta zacznij od zmiany operacyjnej i prześledź jej skutki. W przypadku tracącego na znaczeniu konta zacznij od przychodu i cofnij się do jego źródła.

Następnie dodaj trzy pytania do ankiety, którą już wysyłasz. Na ile jesteś przekonany, że możemy zaspokoić Twoje przyszłe potrzeby? Na ile czujesz się doceniany jako nasz klient? W jakim stopniu działamy jako prawdziwy partner Twojej firmy?

Dwa konta i trzy pytania. Zrób to w tym kwartale, a wejdziesz na spotkanie z czymś, czego nikt inny w Twojej firmie nie będzie w stanie dostarczyć.

I przestań prosić o miejsce przy stole. Nie dostajesz go, prosząc o nie. Zyskujesz je, pokazując dyrektorowi generalnemu, że konkretna inwestycja operacyjna zmieniła sposób, w jaki klienci postrzegali firmę — oraz że ta zmiana wpłynęła na przychody.

Śledź na bieżąco

Możesz śledzić pracę Jima Tinchera na LinkedInie. Zajrzyj też na stronę Heart of the Customer.

Już wkrótce w The CX Lead pojawią się kolejne wywiady z ekspertami!