استفاده از هوش مصنوعی برای درک اطلاعات مشتری

کیمبرلی کلارک برخی از معروف‌ترین برندهای مراقبت شخصی از جمله Huggies، Kleenex و Scott را تولید می‌کند که در 175 کشور به فروش می‌رسند. در واقع، از هر چهار نفر جمعیت جهان، یک نفر از محصولات آن را به طور منظم استفاده می‌کند. ممکن است این محصولات پر زرق و برق نباشند، اما بخش مهمی از زندگی روزمره هستند، به این معنی که مقادیر زیادی از منابع برای اطمینان از تولید، فروش و توزیع موثر آنها صرف می‌شود. این بدان معناست که مانند بسیاری از مشاغل بزرگ دیگر، کیمبرلی کلارک دریافته است که سازنده ترین راه رو به جلو، تبدیل شدن به یک شرکت فناوری می‌باشد. علاوه بر تولید کالاهای روزمره که نام خود را بر روی آن بنا نهاده است، بیش از 150 فناوری خودساخته، از شرکت‌های نوپا گرفته تا شرکت های Fortune، مجوز می‌دهد.

هوش مصنوعی به حل چه مشکلاتی کمک می کند؟

در بازار کیمبرلی کلارک، کسب‌وکارها باید درک نزدیکی از زندگی مشتریان خود ایجاد کنند تا بفهمند چگونه با محصولاتشان تعامل دارند. این بدان معنی است که درک کنید که چگونه رویدادهای تغییر دهنده زندگی مانند بارداری و عروسی بر عادات و الگوهای خرید تأثیر می‌گذارد.

برای انجام این کار، آن‌ها باید تا آنجا که می‌توانند از انفجار داده‌هایی که مشتریان هنگام مرور وب‌سایت‌های محصولات و کانال‌های اجتماعی خود و یا خرید در فروشگاه‌ها از خود به جای می‌گذارند، را بفهمند. حتی در مورد کامپیوترها، قبل از اینکه راه حل‌های نرم افزاری هوشمند مصنوعی در سال های اخیر در دسترس قرار گیرند، این یک چالش بزرگ بود.

علاوه بر این، کیمبرلی کلارک با یک چالش مشترک برای همه مشاغلی که به دنبال تحول دیجیتال هستند، مواجه است. تنها عنصری که از منحنی فناوری جلوتر بودنش ضروری است، مردم هستند. یادگیری ماشینی عالی است، اما هنوز به مرحله تفکر لازم برای ارائه ایده های جدید درخشان نرسیده است.

برای افرادی که در آن مهارت دارند تقاضای بسیار بالایی وجود دارد، گفته می‌شود تقاضای جهانی برای دانشمندان داده آموزش دیده در سال 2018 50 درصد از عرضه پیشی گرفته است و پیش بینی می شود که این میزان افزایش یابد. با در نظر گرفتن گزینه‌های آنها، کار برای شرکتی که عمدتاً به تولید کاغذ توالت و پوشک معروف است ممکن است واضح ترین مسیر شغلی برای این افراد با استعداد نباشد.

چگونه از هوش مصنوعی در عمل استفاده می شود؟

کیمبرلی کلارک از هوش مصنوعی (AI) استفاده می‌کند تا تمام داده‌هایی را که از مشتریان و عملیات تجاری آنها جمع‌آوری می‌کند، معنا کند. این داده ها برای ساخت مدل‌های دقیق از اینکه مشتریان آن چه کسانی هستند استفاده می‌شود. سپس مشتریان واقعی را می‌توان بر اساس مدلی که بهترین مدل را دارند، «بخش‌بندی» کرد تا سرنخ‌هایی به کسب‌وکار در مورد آنچه که ممکن است بخواهند بخرند ارائه دهند.

یکی از موفقیت‌های کلیدی افزایش دقت در پیش‌بینی زمان باردار شدن مشتریان بوده است. تحقیقات نشان داد که معرفی هر چه زودتر برند Huggies برای فهمیدن باردار بودن آنها کلید اصلی تبدیل آنها به مشتری در طول دوران بارداری است. پس از شناسایی احتمال خرید اقلام مرتبط با بارداری، مشتریان می‌توانند تشویق شوند تا در طرح‌های وفاداری ثبت‌نام کنند و کوپن‌های تخفیف و همچنین محتوای مفیدی مانند توصیه‌های مراقبت از کودک به آنها ارائه شود.

چه فناوری، ابزار و داده ای استفاده شد؟

در سراسر جهان بیش از 15000 محصول Kimberly-Clark در هر ثانیه در هر روز فروخته می‌شود. هر یک از این فروش‌ها نقاط داده تولید می‌کند، از زمان و مکان فروش گرفته تا اطلاعات مشتری از طرح‌های وفاداری یا نمایه‌های خرید آنلاین، و همچنین داده‌های خارجی از منابعی مانند رتبه بندی Nielsen.

با داده‌های بسیار زیاد، هوش تجاری سنتی و فناوری ارتباط با مشتری نمی‌تواند به اندازه کافی سریع عمل کند تا قبل از منسوخ شدن داده‌ها بینش ایجاد کند.

هوش مصنوعی و فناوری که برای پشتیبانی از آن ساخته شده است - پلتفرم‌های عظیم داده مانند Hadoop و چارچوب‌های اینترنت اشیا - استخراج معنی را ممکن می‌کند.

کیمبرلی کلارک برای استفاده از پلتفرم ابری بازاریابی و نرم‌افزار RevTrax و همچنین راه‌حل‌هایی از گرایش‌های وب، که از یادگیری ماشینی برای ارائه تبلیغات و ارائه تجارب سفارشی مشتری استفاده می‌کند، با Nielsen شریک شده است. این شامل استفاده از تجزیه و تحلیل پیش بینی برای درک اینکه مشتریان در چه بخش هایی قرار می‌گیرند و محصولات مرتبط را به آنها ارائه می‌دهند (مانند پوشک در مثال Huggies).

شریک‌های دیگری که برای ذخیره و مرتب سازی از داده‌های بسیاری جمع آوری شده استفاده می‌کنند Tableau، Amazon و Panopoly می باشند.

در این مثال از بازاریابی هدفمند، داده‌ها با نمایش تبلیغات اجتماعی مختلف و مطالب بازاریابی محتوا به نمونه‌های تقسیم‌بندی شده متفاوت از مخاطبان جمع‌آوری می‌شوند. این همان کاری است که بازاریابان به طور سنتی با گروه های متمرکز انجام می‌دادند. اما یک راه‌حل یادگیری ماشینی که در رسانه‌های اجتماعی کار می‌کند، می‌تواند بسیار سریع‌تر از یک گروه متمرکز سازمان‌دهی شده توسط انسان، در برابر مخاطبان هدف مختلف آزمایش کند. این بدان معناست که کیمبرلی کلارک می‌تواند مشتریان را به گروه‌های دقیقاً تعریف‌شده تقسیم کند و مدل‌های دقیق‌تری از ظاهر مشتریان بالقوه برای محصولات خاص در هر زمان بسازد.

کیمبرلی کلارک همچنین میزبان K-Challenge است تا ستارگان در حال ظهور در دنیای علم داده و فناوری هوش مصنوعی را متقاعد کند تا حرفه خود را در عرصه محصولات بهداشت شخصی ایجاد کنند. این رویداد رقابتی، نوآوران را تشویق می‌کند تا ایده‌های خود را برای فناوری کالاهای مصرفی ارائه دهند. کیمبرلی کلارک با تحقیق و طراحی، بازاریابی و تحقق ایده از برندگان برگزیده پشتیبانی می‌کند.

نتایج چه بود؟

حرکت Kimberly-Clark به سمت تجزیه و تحلیل پیشرفته با Webtrends منجر به افزایش  17 در صدی نرخ ثبت نام  شد.

کمپین دیگری برای بهینه سازی هدف گذاری مشتریان برای برند Depend شاهد افزایش 24 درصدی در تغییر بود.

این کار با تولید محتوایی انجام شد که با نمایه‌های مشتری مطابقت بیشتری داشت و تحلیل‌ها پیش‌بینی می‌کردند که پاسخگو باشد. این مشتریان همچنین احتمال بیشتری دارد که خریداران طولانی مدت تکرار شونده باشند و همچنین توصیه های مثبتی به دوستان و خانواده ارائه دهند.

چالش های کلیدی، نکات یادگیری و نکات مهم

امروزه، شرکت‌های پیشرو در بازار در هر صنعتی در حال تبدیل شدن به شرکت‌های فناوری هستند. برای پیشرو ماندن این امری ضروری است.

تجزیه و تحلیل مبتنی بر هوش مصنوعی بسیار قدرتمندتر از راه حل های سنتی هوش تجاری برای تقسیم بندی مشتری و هدف گیری در هنگام برخورد با داده های واقعی است.

کسب و کارها باید شهرت خود را به عنوان قهرمانان فناوری و پیشگامان برای جذب استعدادهای انسانی لازم به دست آورند. البته تا زمانی که کامپیوترها به اندازه کافی باهوش نباشند که شرکت ها را به تنهایی اداره کنند.

منابع

1. Kimberly-Clark, https://www.kimberly-clark.com/en-us/brands/ourbrands

2. Kimberly-Clark, https://www.kimberly-clark.com/en-us/company/

technology-licensing

3. Inside Big Data, https://insidebigdata.com/2018/08/19/infographic-datascientist-shortage/

4. Webtrends, https://www.webtrends.com/about-us/client-success/

kimberly-clark/

5. Nielsen, Machine Learning Powered Marketing Personalization Innovation: https://www.nielsen.com/us/en/press-room/2016/machinelearning-powered-marketing-personalization-innovation-unveiled.html

6. Tableau, How Kimberly-Clark saved $250k with a platform powered

by Tableau, Amazon Redshift, and Panoply: https://www.tableau.com/

about/blog/2018/2/how-kimberly-clark-saved-250k-platform-poweredtableau-amazon-redshift-and-panoply

7. KC Lab, http://kcdlab.com/

8. Webtrends, https://www.webtrends.com/about-us/client-success/

kimberly-clark