CX-expert säger att företagswebbplatser inte har hängt med i det AI-formade användarbeteendet

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 av evenemanget Experimentation London.

Vi träffade Chris för att lära oss hur AI förändrar upplevelsen för hans team och kunder. Här är vad han berättade.

Fatta beslut om AI baserat på resultat, inte hajp

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

Creative CX är ett specialistkonsultföretag inom experimentering med cirka 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 också att vi fokuserar på att hjälpa våra kunder att själva bygga upp denna förmåga. Det skiljer oss från många andra byråer och konsultföretag. Vi etablerar UX- och experimenteringsprogram för våra kunders produktteam, så att de så småningom inte längre behöver oss!

Jag arbetar tillsammans med ett talangfullt team av konsulter, däribland UX-forskare, UX-designers, ingenjörer och experimenteringsstrateger. Jag arbetar också nära några av våra största kunder och hjälper till att driva konsultföretagets vision och riktning. Det innebär att vi ser till att ligga i framkant inom kundupplevelseområdet, vilket är särskilt spännande nu när AI har förändrat landskapet!

Jag brinner för att hjälpa slutkunder att slutföra uppgifter enkelt, samtidigt som jag hjälper företag att driva mätbara förbättringar av sina digitala produkter. Jag tror inte att det i de flesta situationer behöver finnas någon konflikt mellan kundernas och företagens behov — så länge Produkt, UX och experimentering görs på rätt sätt!

Jag är också medgrundare av Experimentation London, ett återkommande community-evenemang 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 är samtidigt lika skeptisk till hajpen och överdrifterna inom området. Det är viktigare än någonsin att tillämpa ett experimentellt förhållningssätt. Vi måste experimentera med AI och fatta sansade beslut baserade på faktiska resultat, inte hajp!

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 sammanställning av UX-undersökningar.

Vi har skapat flera Claude-färdigheter som hjälper oss med det sistnämnda. Till exempel har vi 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 resultat från idégenereringen i våra mycket stora gemensamma idégenereringssessioner.

På utvecklingssidan har vi ökat hastigheten på utvecklingen av A/B-tester betydligt genom det specialanpassade ramverk som vi utvecklade med hjälp 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 från noll — 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 måste fortfarande vara delaktiga.

På tal om kodning från noll är prototypframtagning ett område som AI har förbättrat avsevärt för oss. Vi använder Claude för att utforma fullt fungerande, kodade prototyper, vilket gör det möjligt för oss att bygga prototyper med hög detaljnivå på 1-2 dagar i stället för 1-2 veckor!

Vi är särskilt entusiastiska över metoder för liveprototypframtagning, där vi kan bygga fullt fungerande koncept ovanpå befintliga webbplatser som vi sedan kan testa 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 använder en strategi där problemen kommer först och experimentering används överallt i allt produkt- och kundupplevelsearbete.

Lösningscentrerade idéer finns överallt. Team lägger så mycket tid på att försöka lösa problem som inte existerar genom att gissa och kopiera konkurrenter. Ett problemcentrerat arbetssätt innebär däremot att genomföra högkvalitativ forskning för upptäckt av möjligheter för att identifiera de viktigaste kundproblemen genom en hel kundresa och, framför allt, förstå dessa problem ordentligt innan man börjar försöka lösa dem.

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

Och vårt arbetssätt med att experimentera 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, gör det möjligt för alla att vara mer äventyrliga, testa fler idéer oftare och ofta testa flera idéer samtidigt – allt inom ramen för ett experiments säkerhetsnät.

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.

Trots alla effektiva användningsområden för AI ser vi till att det 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 hade kunnat, är det fantastiskt. Men se det inte som lösningen på varje problem.

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

Varför CX-ledare måste öka QA vid användning av AI

Chris States

Var försiktig med att ge AI alltför bestämda instruktioner, som “lista de 10 främsta 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 stort självförtroende.

Som ett resultat av detta uppvägs 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 med att ge AI alltför bestämda instruktioner, som ”lista de 10 främsta temana”. AI kommer ofta att hallucinera för att nå det antalet!

Hur användarbeteendet förändras på grund av AI

Webbplatser och appar för företag har inte hunnit anpassa sig till allmänhetens förändrade förväntningar som orsakats av användningen av AI.

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

1. Sökning på interna webbplatser: Många användare skriver exakt det de skulle skriva i ChatGPT i interna webbplatssökningar – inklusive produkttyp, egenskaper och andra kontextuella aspekter av deras behov. Detta förvrider den traditionella webbplatssökningen fullständigt och ger mycket dåliga resultat.
2. Arbete från 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, liksom jag, bryr dig djupt om att hjälpa dina kunder att enklare köpa, boka, registrera sig och få sina ärenden utförda, då kan detta vara något mycket bra — under tre förutsättningar. Du måste:

1. Fokusera till 100 % på att lösa verkliga problem och ta vara på möjligheter för dina kunder. Det innebär att investera den sparade genomförandetiden i forskning och strategi tidigare i processen.
2. Utnyttja experimenteringens kraft fullt ut för att leverera denna upptrappade takt 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 det är AI och föreslår att det ska läggas 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 existerar.

Följ med

Du kan följa Chris Gibbins på LinkedIn.

Fler expertintervjuer kommer på The CX Lead!