CX-expert säger att företagswebbplatser inte har anpassat sig till AI-formade användarbeteenden

Chris Gibbins har haft en 25-årig karriär inom användarupplevelse och experimentering, inklusive roller som chef för kundupplevelse. Han arbetar för närvarande som chef för experimentering på CreativeCX. Han är också medgrundare till evenemanget Experimentation London.

Vi satte oss ner med Chris för att ta reda på hur AI förändrar upplevelsen för hans team och kunder. Här är vad han berättade.

Fatta beslut om AI utifrån resultat, inte överdriven entusiasm

Jag arbetar med kundupplevelse och experimentering och har över 25 års erfarenhet. Nu är jag chef för experimentering på Creative CX.

Creative CX är en specialiserad konsultbyrå inom experimentering med omkring 45 medarbetare. Vi hjälper företag som Sky, easyJet och Virgin Media O2 att driva mätbar innovation, förbättra kundupplevelsen och optimera varje kundresa genom UX och experimentering.

Avgörande är att vi också fokuserar på att hjälpa våra kunder att bygga upp denna förmåga själva. Det skiljer oss från många andra byråer och konsultföretag. Vi etablerar UX- och experimenteringsprogram för våra kunders produktteam, så att de till slut inte längre behöver oss!

Jag arbetar tillsammans med ett kompetent team av konsulter, däribland UX-forskare, UX-designers, ingenjörer och experimenteringsstrateger. Jag samarbetar också nära med några av våra största kunder och bidrar till att driva konsultverksamhetens vision och inriktning. Det innebär att vi säkerställer att vi ligger steget före inom kundupplevelse, vilket är särskilt spännande nu när AI har förändrat spelplanen!

Jag brinner för att hjälpa slutkunder att slutföra uppgifter enkelt, samtidigt som jag hjälper företag att åstadkomma mätbara förbättringar av sina digitala produkter. Jag anser att kundernas behov och företagets behov oftast inte behöver stå i konflikt med varandra — så länge produktutveckling, UX och experimentering genomförs på rätt sätt!

Jag är också medgrundare till Experimentation London, ett återkommande communityevenemang som vi startade 2024 för att bygga upp och stärka experimenteringsgemenskapen i London och Storbritannien.

Jag är optimistisk när det gäller AI:s potential att förbättra kundupplevelsen och företagens resultat, men samtidigt skeptisk till överdrifterna och de stora orden på området. Det är viktigare än någonsin att tillämpa ett experimentellt tankesätt. Vi måste experimentera med AI och fatta sansade beslut utifrån faktiska resultat, inte överdriven entusiasm!

Hur AI kan användas inom CX och utveckling

Vi har integrerat AI i många av våra processer för att förbättra effektiviteten och utöka möjligheterna inom utveckling, processautomatisering och syntes av UX-forskning.

Vi har skapat ett antal Claude-färdigheter som hjälper oss med det sistnämnda. Vi har till exempel en färdighet som analyserar stora datamängder från öppna enkätfrågor — något som tidigare var omöjligt. En annan färdighet som jag tycker särskilt mycket om analyserar alla idéresultat från våra mycket stora gemensamma idégenereringssessioner.

På utvecklingssidan har vi avsevärt ökat hastigheten i utvecklingen av A/B-tester med hjälp av det specialanpassade ramverk som vi utvecklade med stöd av AI. Det gör att vi kan öka innovationstakten för kunderna och ta oss an mer komplexa experimentbyggen inom samma budget.

Självklart skiljer sig utveckling av A/B-tester från kodning av typen 0–1 — där vi kan förvänta oss ännu större effektivitetsvinster — eftersom vi ofta manipulerar befintlig kod med hjälp av en metod efter rendering. Detta skapar många komplexiteter, så människor behöver fortfarande vara delaktiga.

På tal om 0–1 är prototypframtagning ett område som AI har förbättrat avsevärt för oss. Vi använder Claude för att utforma fullt fungerande, kodade prototyper, vilket gör att vi kan bygga prototyper med hög detaljrikedom på 1–2 dagar i stället för 1–2 veckor!

Vi är särskilt entusiastiska över metoder för prototypframtagning i realtid, där vi kan bygga fullt fungerande koncept ovanpå befintliga webbplatser och sedan testa dem med riktiga användare. Mycket bättre än den gamla metoden att sätta ihop Figma-skärmbilder!

Varför CX-ledare måste fokusera på problem och experimentering

Jag rekommenderar att man antar en strategi där problemet kommer först och där man experimenterar överallt för allt arbete med produkter och kundupplevelse.

Lösningscentrerade idéer finns överallt. Team lägger så mycket tid på att försöka lösa problem som inte finns genom att gissa och kopiera konkurrenter. Ett problemcentrerat angreppssätt innebär däremot att man genomför högkvalitativ forskning för möjlighetsupptäckt för att identifiera de viktigaste kundproblemen genom en resa från början till slut och, framför allt, verkligen förstå dessa problem innan man börjar försöka lösa dem.

Färdplaner är inte längre fulla av lösningar. I stället är de fulla av problem som ska lösas. Angreppssättet hanterar också problemet med bekräftelsebias – att människor missbrukar forskning för att stödja sina befintliga idéer.

Och vårt angreppssätt med experiment överallt innebär att vi anser att varje team bör experimentera på varje plattform. Nyckeln till ett varumärkes framgång ligger i de potentiella vinsterna från allas idéer. Experimenterande är nyckeln till att förverkliga denna potential eftersom det, när det görs på rätt sätt, ger alla möjlighet att vara mer äventyrliga, testa fler idéer oftare och ofta testa flera idéer samtidigt – allt inom experimentets skyddsnät.

Det finns en anledning till att medicin utvecklas på det här sättet. Vi anser att samma vetenskapliga metod är avgörande för att skapa de bästa kundupplevelserna. Och nu gör AI det enkelt!

Varför AI inte är svaret på allt

Med allt detta sagt finns det just nu så mycket AI-brus och FOMO. AI är inte svaret på allt, och det är värt att komma ihåg.

Även med alla effektiva användningsområden för AI ser vi till att AI inte fattar de slutgiltiga CX-besluten. Vi använder det inte heller för att genomföra användarundersökningar – även om det hjälper till med syntes och delar av anteckningsarbetet. Vi behöver forskning och data av hög kvalitet, och mänskliga experter måste genomföra denna forskning för att uppnå det. Dåliga data/insikter leder till dåliga beslut.

Om AI hjälper dig att leverera en bättre kundupplevelse och om det hjälper dig att lösa ett verkligt kundproblem mer effektivt än du annars skulle kunna, är det fantastiskt. Men se det inte som lösningen på alla problem.

Ibland behöver människor inte ännu en chattbot. I stället kanske de bara behöver telefonnumret för att prata med en riktig människa!

Varför CX-ledare måste öka QA när de använder AI

Chris States

Var försiktig så att du inte ger AI alltför bestämda instruktioner, som “lista de 10 viktigaste temana.” AI kommer ofta att hallucinera för att nå det antalet!

När du använder AI måste vi vara mycket uppmärksamma på kvaliteten hos det slutgiltiga resultatet. AI har nämligen ofta fel med stor övertygelse.

Som ett resultat motverkas en del av effektivitetsvinsterna av den extra tid som krävs för QA – oavsett om det gäller CX-uppgifter, utveckling eller syntetisering av storskaliga enkätdata.

Här är ett tips – något jag har lärt mig av erfarenhet. Var försiktig så att du inte ger AI alltför bestämda instruktioner, som "lista de 10 viktigaste temana." AI kommer ofta att hallucinera för att nå det antalet!

Hur användarbeteendet förändras på grund av AI

Företagswebbplatser och appar har inte hunnit ikapp allmänhetens förändrade förväntningar till följd av AI-användning.

Vi upptäckte nyligen en intressant trend i flera forskningsprojekt, där användare interagerade med företagswebbplatser och appar på ett helt annat sätt än före AI. Här är två exempel:

1. Intern webbplatssökning: Många användare skriver exakt det de skulle skriva in i ChatGPT i interna webbplatssökningar – inklusive produkttyp, attribut och andra kontextuella aspekter av deras behov. Detta gör att den traditionella webbplatssökningen fungerar helt fel och ger fruktansvärda resultat.
2. Arbeta utifrån LLM:er: Många användare säger att de nu kopierar produkt-URL:er och går till ChatGPT/Claude, där de ställer frågor – till exempel ber om djupgående jämförelser.

Eftersom webbplats- och appupplevelser inte har uppdaterats för att stödja dessa nya beteenden blir den övergripande kundresan lidande.

Tre faktorer som kan göra AI:s acceleration värdefull för CX-ledare

AI har redan kraftigt accelererat teamens genomförande (design och utveckling), och detta kommer att fortsätta. Om du, precis som jag, verkligen bryr dig om att hjälpa dina kunder att enklare köpa, boka, registrera sig och få sina ärenden utförda, då kan detta vara något mycket bra — på tre villkor. Du måste:

1. Fokusera till 100 % på att lösa verkliga problem och möjligheter för dina kunder. Det innebär att investera den tidsbesparing som genomförandet ger i forskning och strategi tidigare i processen.
2. Utnyttja experimentens kraft fullt ut för att leverera denna upptrappade hastighet av funktioner, förbättringar och innovationer inom kundupplevelsen. Validera i stor skala; gissa inte. Annars kommer du att skapa fruktansvärda upplevelser i dubbelt så hög takt!
3. Undvik det misstag som gjordes med personalisering när det gäller AI-funktioner. Bara för att någon säger att något är AI och föreslår att det läggs till på webbplatsen betyder det verkligen inte att det kommer att vara användbart. Om det inte löser ett verkligt kundproblem kommer det aldrig att fungera, och det kommer sannolikt att göra saker värre. Rulla ut det som ett experiment. Men lägg inte massor av resurser på att lösa kundproblem som inte finns.

Följ med

Du kan följa Chris Gibbins på LinkedIn.

Fler expertintervjuer kommer på The CX Lead!