根據NTT的2020年全球客戶體驗基準測試報告，有77%的企業認為客戶運營（包括客戶之聲（VoC））將受到AI的積極影響。

據NTT稱，現在有44%的企業運行結構化的“客戶之聲”計劃，以推動客戶體驗（CX）的改善和創新。

根據IDC的《客戶體驗基準研究》，有30%的客戶會因為不良的體驗而離開品牌而不會回來。

客戶的期望是指導他們如何與任何企業發展關系的護欄。大流行使可預測的情況變得不可預測，從而抹去了過去的營銷角色，并實時對其進行了重新編寫。舊的護欄和期望正在迅速變化。從客戶的角度來看，準確的由內而外的觀點是VoC計劃所提供的價值，最好的是提供數據以指導戰略。

是時候為客戶關系帶來新的活力和見解了

自一月份以來，純電子商務訂單增長了110%，電子商務收入增長了96%。這些數據基于Emarsys 與GoodData合作 創建的COVID-19 Commerce Insight儀表板 。憑著居家訂單的3.06億美國人，電子商務將蓬勃發展是顯而易見的。目前尚不清楚的是，如今形成的慣常購物模式將如何改變客戶關系，終止某些客戶關系并在未來創造新的客戶關系。

獲得見識和智慧以激發現有的客戶關系，要求在VoC計劃中更多地使用AI。以下是AI改善客戶心聲計劃的十種方法：

1. 使用基于AI的客戶旅程數據分析，了解導致某些客戶比其他客戶流失更快的原因，這有助于定義新的活動來保持它們。使用有監督和無監督機器學習算法的基礎AI概念來更好地了解客戶今年的購買行為如何改變他們的購買意圖是關鍵。減少客戶流失首先要建立客戶旅程數據的可靠基準，然后開始進行不斷測試新廣告系列的實踐，以了解如何最好地保持客戶關系的最新狀態。

2. 使用算法對文本的每個非結構化數據源進行實時文本挖掘，以分析客戶的情感水平。使用自然語言處理（NLP）建立所有可用的非結構化文本的語義模型，可以使客戶對所衡量的給定品牌，產品或服務的情感進行匯總。使用情感分析，能夠量化給定品牌引起的情感。通過不斷地使用客戶數據教授預測模型，營銷團隊可以更好地了解什么將最大程度地吸引客戶，以及如何避免使他們無動于衷或生氣-鑒于當今客戶變化的速度，所有這些寶貴的見解。有關此主題的更多信息，可以從Qualtrics獲得有用的博客文章，“ 如何使用情感分析來改善客戶體驗”。下圖說明了情緒分析的樣子：

3. 人工智能使語音分析的范圍得以擴展，包括聯絡中心對話，基于文本的客戶反饋以及來自每個客戶接觸點的運營數據。實時在每個渠道上提供一致，可靠的銷售和服務響應，并在上下文中保持與每個客戶的對話對于今天任何一家企業保持客戶至關重要。與我交談過的積極使用語音分析的CMO表示，這表明他們需要擁有更廣泛的戰略框架來吸引客戶體驗。他們正在談論的概念最好以框架的形式說明。BMC的自主數字企業（ADE）反映了CMO如何構想AI和機器學習（ML），從而提供保持以客戶為中心并在VoC計劃中脫穎而出的卓越智能，以提供卓越的客戶體驗。該框架值得注意的是如何設計框架，以在組織的每個職能部門中實現更大的敏捷性和上市時間。它提供了一種提供無與倫比的客戶體驗，提供積極的員工體驗并支持組織正在進行的數字化發展的方式。下圖說明了ADE框架：

4. 包括Amazon Connect在內的基于云的語音分析平臺都依靠AI消除了阻礙跨多種地區和語言啟動和微調VoC程序的障礙。Amazon Connect結合了Amazon Transcribe來執行實時語音識別，并為每個呼叫創建高質量的文本轉錄成文本。Amazon Comprehend用于分析每個交互并檢測呼叫者的情緒。Amazon Connect還可以識別對話中的關鍵字和短語。而且，當與Amazon Translate結合使用時，對話可以以代理商的首選語言進行。以下是Amazon Connect平臺的示意圖：

5.使用人工智能獲得的見解導致呼叫中心從一線服務提供商轉變為戰略差異化因素，從而推動客戶滿意度和財務績效顯著提高。公司已經應用高級分析功能，將平均處理時間減少多達40%，將自助服務包含率提高5%至20%，將員工成本削減多達500萬美元，并提高了服務電話銷售的轉化率幾乎提高了50%，同時提高了客戶滿意度和員工敬業度。

6. 機器學習算法使得可以在單個集成儀表板中提供基于呼叫者和代理的態度表現，語調，情感以及每個方面的相對變化的實時多維視圖。將有監督和無監督的機器學習算法結合在一起，以在現有數據中查找模式，并創建全新的語言和態度模型，這為組織提供了將新的活力和洞察力帶入客戶關系所需的情報。以下Tableau示例說明了將機器學習技術應用于VoC數據時可能發生的情況，以找出實時需要改進的地方以及進展良好的地方。來源：VoiceBase客戶儀表板的語音。

7. 將從實時客戶行為和運營數據中獲得的AI驅動見解與凈促銷值（NPS）數據相結合，有助于定義客戶風險閾值，然后再將其推向競爭對手。NPS是最常用的度量標準之一，用于量化客戶對他們購買的給定公司的忠誠度水平。 Qualtrics最近的博客文章，什么是凈促銷分數（NPS）？定義與范例提供了很好的解釋。使用深度學習神經網絡分析NPS，客戶，行為和運營數據時，有可能發現最容易流失的客戶。值得一提的是，這項技術可能需要數周的分析才能得出基于AI的分析可以在幾秒鐘內得出的相同結論。

8. 每個客戶使用AI個性化服務恢復策略，可以提高保留率并降低客戶流失的高昂成本。服務恢復是在服務故障發生后嘗試保存客戶關系的策略。有效的服務恢復策略的實質是糾正超出客戶期望得到的響應范圍的問題。事實證明，基于AI的定制或個性化服務恢復響應的技術非常有效，可以在發生服務錯誤后保持客戶關系的完整性。

9. 使用基于6 Sigma的質量方法（使用AI自動化）對客戶入職進行故障排除，以簡化和改善最初的客戶體驗。六西格碼（Six Sigma）是一種眾所周知的通用質量管理框架和方法，用于消除過程中的差異。六個標準差的核心概念是DMAIC（設計，測量，分析，改進和控制）過程。客戶的聲音是使DMAIC立足于客戶期望的基礎，以確保過程改進符合他們的要求。AI被廣泛用于解釋客戶入職流程創建的所有形式的文本，非結構化內容，因此可以對其進行改進。

10. 了解加售，交叉銷售，廣告活動和促銷如何影響客戶對品牌的看法和忠誠度，尤其是在包括電子商務和移動平臺在內的新渠道中。大流行導致了全新的購買行為和習慣性使用數據，而客戶以前沒有時間考慮這些數據。知道每次加售和交叉銷售嘗試如何被認為是有幫助或無幫助。另外，能夠通過促銷活動來監控活動和忠誠度水平是了解客戶心聲以及如何最好地為現在和將來提供服務的本質。