Come il Machine Learning può migliorare l'esperienza del cliente

Il machine learning (ML), o apprendimento automatico, è una tecnologia che impara dall'esperienza (dati) per prevedere il comportamento di ogni individuo ed è ben noto per migliorare i profitti grazie a una gestione più efficace delle principali operazioni. Ma sapevate che può anche migliorare in modo misurabile l'esperienza del cliente?

Il ML genera previsioni realistiche per i singoli clienti e queste possono guidare il modo in cui ognuno viene servito. In questo modo, il ML può indirizzare una campagna di marketing ai clienti che hanno maggiori probabilità di rispondere, o impedire le transazioni con carta di credito che potrebbero essere fraudolente. Può spostare il probabile spam dalla casella di posta elettronica o mostrare proprietà immobiliari (Airbnb), risultati di ricerca (Google), prodotti (Amazon e Netflix) o un possibile partner romantico (Match.com) che abbia delle probabilità di interessare.

Nonostante queste chiare proposte di valore, il ML non è ancora utilizzato in modo così ampio e continuo come si potrebbe. Il problema è che il mondo si concentra in gran parte su quanto sia avanzata e impressionante la tecnologia di base, distraendo così l'attenzione dalla sua proposta di valore tangibile: i modi precisi in cui può rendere più efficaci i processi aziendali. Di conseguenza, la maggior parte dei progetti di ML fallisce nell'implementazione, non realizzando mai il valore aziendale previsto. Tuttavia, poiché i responsabili delle decisioni riconoscono sempre più che il ML può avere un impatto enorme sull'esperienza del cliente, oltre che sul risultato economico, le aziende inizieranno a spostare la loro attenzione sulla generazione di valore concreto con il ML, accelerando ed espandendo il suo utilizzo.

Migliorare l'esperienza del cliente

Perché il ML è una tecnologia così promettente per migliorare l'esperienza del cliente? È semplice: è in grado di prevederne i comportamenti. La previsione come capacità è il Santo Graal per poter conoscere preventivamente ogni esigenza del cliente e personalizzare di conseguenza prodotti e servizi. Dal punto di vista del consumatore, se si evitano le insidie etiche del ML, la previsione può essere l'antidoto definitivo al sovraccarico di informazioni che tutti noi affrontiamo ogni giorno. Utilizzando il ML per prevedere quali contenuti sono più rilevanti per ogni individuo, i clienti possono ricevere, tra le altre cose, raccomandazioni migliori, meno posta indesiderata, pochissimo spam nella casella di posta e risultati di ricerca di qualità superiore.

Questo ha un potenziale di vasta portata. Le previsioni di ML possono migliorare l'esperienza dei clienti in tutte le linee di business e in tutti i settori. A titolo illustrativo, trovate nella figura sette applicazioni aziendali consolidate del ML, ognuna delle quali ha un impatto sui profitti (colonna di sinistra) e sull'esperienza del cliente (colonna di destra).

Rilevamento delle frodi

In uno di questi ambiti - il rilevamento delle frodi - i clienti chiedono già a gran voce le previsioni del ML. Anzi, si lamentano aspramente quando la previsione li delude. I fallimenti sono di due tipi: ad esempio, se un cliente vede un addebito inaspettato sul conto della sua carta di credito, probabilmente si irriterà un po'. Ma, quando la utilizza, se un addebito non viene effettuato perché il sistema della banca ritiene che possa essere non autorizzato, si potrebbe irritare allo stesso modo.

L'unico modo per massimizzare l'esperienza del cliente è ridurre al minimo questi due tipi di previsioni errate, ed è qui che entra in gioco il ML, che è la scienza che si occupa di migliorare le previsioni attraverso l'apprendimento dai dati. È la sua stessa definizione.

Nella prevenzione delle frodi con carta di credito, FICO è il leader. Il loro prodotto Falcon, utilizzato da 9.000 banche, analizza tutte le transazioni effettuate con la maggior parte delle carte di credito e bancomat del mondo - 2,6 miliardi di carte a livello globale. Individuando le frodi con il ML, una banca di medie dimensioni potrebbe risparmiare decine di milioni di dollari e, allo stesso tempo, migliorare l'esperienza dei clienti diminuendo le frodi subite dai titolari di carta in decine di migliaia di casi. Ritengo che Falcon sia una delle applicazioni commerciali di ML di maggior successo e impatto al mondo.

Queste operazioni passano per lo più inosservate, ma queste efficienze invisibili spesso fanno di più per l'esperienza del cliente rispetto alle operazioni predittive che attirano maggiormente l'attenzione. Falcon influisce su ogni consumatore molto più frequentemente del più famoso sistema di ML, comunemente conosciuto dai consumatori: il punteggio di credito FICO, un nome familiare e un fattore importante per la concessione di prestiti. Molti, comprensibilmente, ritengono che il loro punteggio FICO sia una parte importante della loro identità di consumatori. Nel frattempo, sebbene il rilevamento delle frodi di Falcon sia normalmente invisibile ai clienti, esso influisce sulla loro esperienza molto più spesso: ogni volta che utilizzano la carta. FICO valuta il potere finanziario di giorno e combatte il crimine finanziario di notte.

Creare un ciclo virtuoso

Molte altre applicazioni di ML di comprovata efficacia sono utili anche per l'esperienza del cliente, come l'uso di ML per instradare le chiamate al servizio clienti, snellire il flusso dei ticket di assistenza e rilevare altri tipi di comportamenti dannosi oltre alle frodi, tra cui phishing, disinformazione e contenuti offensivi.

Naturalmente, aiutando il cliente, le aziende aiutano anche se stesse. Questi miglioramenti dell'esperienza del cliente non sono solo un piacevole effetto collaterale delle implementazioni di ML orientate al profitto. Essi perseguono la ragion d'essere dell'azienda - servire i clienti - e si tradurranno in ultima analisi in ulteriori vantaggi per l'azienda. Dopo tutto, un cliente più felice è un cliente più fedele, e un tasso di fidelizzazione più elevato significa un tasso di crescita dei clienti più elevato. Prima si implementa il ML per servire questi due scopi, migliorando sia i profitti che l'esperienza del cliente, prima la vostra azienda potrà iniziare a capitalizzare su questo circolo virtuoso.

Eric Siegel, Ph.D., è professore di Analytics presso la UVA Darden School of Business e autore del bestseller Predictive Analytics: The Power to Predict Who Will Click, Buy, Lie, or Die.