Il Machine Learning per aumentare l’esperienza cliente

[MassimilianoG]

Dall’articolo Using Machine Learning to Enhance the Customer Experience di Bill Mannel, VP & GM – HPC, Big Data & IoT Solutions, HPE Servers

I siti di vendita online, come ad esempio Amazon, sono stati i primi a utilizzare le raccolte e le analisi dei dati dei clienti per migliorare i servizi e personalizzare l’esperienza cliente. Alcuni siti sono addirittura capaci di prevedere i possibili acquisti futuri.  

I progressi nelle tecnologie digitali hanno portato le aziende a un nuovo modo di interagire con i clienti. A causa delle limitate opportunità di soddisfare i clienti a livello personale, il machine learning è sempre più utilizzato nell’impresa moderna per arricchire l’esperienza cliente, creare interazioni più personalizzate e offrire comunicazioni multicanale.

Le tecnologie machine learning hanno un ruolo molto forte nel futuro delle interazioni coi clienti nell’era digitale. Secondo una ricerca condotta da IDC, le applicazioni con funzionalità di analitica avanzate e predittive, machine learning incluse, cresceranno più velocemente del 65% rispoetto alle app senza funzionalità predittive. Lo stesso report stima che nel 2018 la metà di tutti i consumatori avrà a che fare regolarmente con servizi basati su calcoli cognitivi. 

Le grandi intuizioni portate dai Big Data per migliorare la customer experience non cancellano le grandi sfide che girano intorno a questa innovazione, soprattutto per quanto concerne la gestione dei dati dei clienti.  

Tuttavia, risolvere queste sfide significa che le aziende possono fare leva sulle tecniche di machine learning per fornire un’esperienza cliente eccellente. Ecco alcuni esempi di applicazioni machine learning innovative in uso oggi:

• I sistemi di monitoraggio e gestione dei dati di profilo cliente aiutano organizzazioni come banche e aziende di investimento a offrire i prodotti e servizi finanziari in base agli eventi recenti accaduti ai clienti.
• I siti di intrattenimento come Netflix utilizzano algoritmi sofisticati per analizzare la storia dell’utente e personalizzare i contenuti consigliati.
• Gli ospedali utilizzano modelli di machine learning che includono diversi fattori come livello dello staff, dati dei pazienti, tabelle dei dipartimenti e impostazioni della sala emergenza per prevedere i tempi di attesa.
• I centri di contatto hanno migliorato le interazioni coi clienti utilizzando tecniche di machine learning per instradare le chiamate in arrivo alla persona corretta più rapidamente, aiutando così a ridurre la durata delle chiamate e aumentando l’incidenza degli eventi che si verificano la prima volta.