根据Twilio 2023年的报告，约有92%的公司正在利用AI驱动的个性化技术。即使在经济不景气的情况下，69%的企业领导计划增加对个性化项目的投资。
这种对定制用户体验的倾向不仅仅是技术成熟的副产品。实际上，它与用户的偏好紧密相连，而且对企业来说，不满足这些偏好可能代价高昂。
例如，麦肯锡指出，71%的消费者期望个性化体验，而76%的消费者在体验不符合他们的期望时会感到沮丧。这家咨询巨头进一步强调：“忠诚度是可争夺的”，在“低忠诚度环境”中，非个性化的沟通是一种风险。
正是在这里，AI的加入变得非常合理。从提供产品/服务推荐到与用户个性化沟通，AI驱动的个性化项目可以为用户积累一种归属感。品牌可以：
- 在用户所在的位置呈现
- 理解用户的口味
- 为用户提供超具体的内容
- 在交易后保持沟通活跃
但是这一切又是如何实现的呢？AI个性化是如何工作的呢？
AI个性化如何运作？
个性化是将产品或服务调整到个人特定需求和偏好的过程。对于品牌来说，这意味着捕捉用户的细微差别和习惯，特别是在喜好方面。
例如，Netflix使用AI根据观看历史推荐电视节目，而亚马逊在产品推荐方面也提供了个性化建议。事实上，甚至可以走进快餐店，期望根据对餐厅的交易忠诚度获得个性化的优惠。
当然，需要回答的问题是，所有这些在背后是如何运作的？为了讨论方便，让我们以围绕AI驱动的个性化在流媒体领域的例子为例。类似Netflix的流媒体服务应用程序根据用户的喜好构建并显示最相关的内容。他们通过以下步骤实现：
- 汇集用户数据：首先收集可以帮助映射用户行为的数据。用户的观看历史、类型偏好、观看模式（时间和日期）、语言偏好、互动时长、位置数据、人口统计数据等都对了解用户的过程非常有用。
- 处理数据：收集数据后，流媒体服务应用程序引入机器学习（ML）算法来预测数据或用户行为的模式。例如，属于特定人口统计群体的用户可能更喜欢观看心理惊悚片。在这里，ML框架如TensorFlow、PyTorch和Scikit-learn非常有用。
- 生成个性化推荐：上述过程的总体思路是为强大的推荐系统铺平道路。推荐算法和类似ALS和协同过滤的框架允许流媒体服务应用程序为用户创建超个性化的推荐。
Netflix、Amazon Prime Video、Spotify、Sony Liv等都是用户体验如何根据其偏好进行超个性化的优秀示范。例如，Netflix有一个单独的部分标记为“Top Picks for [用户名]”，专门针对用户的喜好。还有基于地点的特定类别，以及根据观看历史进行的常规主题推荐。
生成式AI在个性化体验中扮演的角色
“如果想要租车或购车，未来的生成式AI助手将了解您的偏好、家庭、驾驶风格和目的地。他们甚至可能为您前往的地区提供天气更新。” Treasure Data的首席市场营销官Mark Tack在最近接受采访时表示。
考虑到生成式AI解决方案的普及程度，Tack的观点绝对不是牵强附会，这在过去几个月中得益于OpenAI和Microsoft等公司所带来的AI普及。然而，类似ChatGPT的解决方案正在真正开启“超个性化”时代，其中：
- 人工干预最小化。
- 个性化触点超越了产品/服务购买。
- 出现错误的可能性相对较小。
- 偏见的渗透机会大大降低。
那么，这是怎么实现的呢？为了更好地理解，让我们看一下这些解决方案在各个行业中的影响。
市场营销功能
最近，Salesforce宣布了用于营销活动个性化的Marketing GPT和Commerce GPT。这些解决方案很好地阐明并反映了生成式AI在超个性化方面的潜力。例如，通过Marketing GPT，营销人员可以：
- 利用提示工程和AI驱动的建议快速创建市场细分。
- 自动创建超个性化的营销活动电子邮件。
- 根据其在不同广告渠道上的所需用途自动创建视觉资产。
类似地，Commerce GPT使企业能够自动创建产品描述，填写必要的目录数据，并帮助购物者有效地浏览商店。
客户服务功能
虽然我们都知道对话式AI在简化客户支持方面的影响，但考虑到复杂的企业运营，整个客户服务功能还有更多方面需要考虑——例如保险、金融服务、医疗保健等等。
以保险为例，需要考虑的事情很多——案件管理、经纪人或员工的生产力、政策服务操作、全渠道支持、文件处理、投诉管理等等。保险公司往往难以及时回答用户的问题，更不用说个性化他们的体验了。
然而，生成式AI解决方案通过以下方式解决了这个问题：
- 在用户代理互动方面提供文本和音频支持。
- 通过自动化内容生成实际上组织客户体验（CX），围绕用户的复杂查询自动生成内容，甚至是以前会转给人类代理的查询。
- 协助代理人总结案件，并为他们提供根据用户需求和需求更好地定制对话的建议。
- 在与用户的互动中编织个性化的推荐，以品牌风格为基调。
开发功能
当我们谈论个性化时，我们大多数人会考虑正在用户前端发生的事情，这是可以理解的。然而，在开发方面，尤其是对于像电子商务网站这样高度动态且充满活力的生态系统来说，需要考虑的事情还有很多。这些平台必须根据季节、流量、销售、转化等进行个性化调整。
像无头和可组合式商务这样的方法确实会为此类动态性提供支持，但生成式AI将促进始终始终的个性化理念推向一个新高度。微软Power Platform是一个很好的例子。
微软最近宣布将Copilot纳入Power Platform应用程序以增强功能。Copilot是一个AI助手，利用大型语言模型（LLM）来自动化内容生成。它赋予开发人员，特别是使用Power Apps（一种用于开发低代码应用程序的Power Platform应用程序）的开发人员，以下能力：
- 即时将非结构化数据转化为结构化信息。
- 根据用户端的相关转化对应用程序进行细微更改。
- 利用自然语言创建多屏幕应用程序。
这样的解决方案对于食品外卖应用、商业列表网站，甚至是电子商务应用来说，可以迅速添加屏幕并在这些屏幕上定制体验。这可以转化为制定良好的忠诚计划、及时的产品推荐和折扣优惠等。
未来的道路是什么？
根据麦肯锡的2023年全球调查，40%的受访者确认他们的组织将增加AI投资。为了让个性化叙事获得更多的势头，企业必须在各个领域使用AI助手——从销售到支持、市场营销和产品开发。此外，采用生成式AI技术将对增强用户体验以及帮助提高客户忠诚度、营业额和货币化产生重要影响。