天润融通引领AI大模型应用，助力企业客户感知升级
2024年，大模型的应用落地成为行业发展的一个重要主题，如何将大模型的能力与业务场景相结合，为企业提高效率，创造价值，成为各大企业积极探索的方向。
客户联络也是如此，自2023年大模型出圈开始，利用大模型改造传统的客户联络体系，优化客户体验，最终提高企业的客户效率，就一直是行业孜孜以求的事情。
依文集团就是其中一个典型的代表。
依文集团成立于1994年，是国内老牌的服装生产企业。但这些年来，依文始终坚持以技术创新驱动数字化消费升级，使依文集团始终保持年轻企业生命力。
2023年以来，依文集团积极拥抱AI技术，通过依文MTM数字化定制系统，依文集团为消费者提供线上线下一体的智能化服装定制服务，提供从智能量体数据采集到服装交付的快捷消费体验。
为了借鉴依文集团成功的AI应用经验。4月27日，天润融通携手30多家合作伙伴组团走进依文集团。带领伙伴一起深入探讨企业如何通过大模型实现业务价值洞察，并通过各行各业真实案例的分享，探讨大模型在各行各业客户管理环节的落地路径及应用前景。
01大模型加持的客户感知如何助力企业增长
在现场的分享环节，天润融通解决方案专家郭一智，发表了题为《客户联络价值洞察与应用实践》的主题演讲。
他表示，在告别野蛮生长，走向以存量为主的精细化运营的今天，各行各业要想在同质化的竞争中脱颖而出，关键在于谁可以先一步感知客户，进而调整经营策略。
过去企业感知客户往往通过两个手段，一是通过400热线、在线客服、投诉表单来收集客户不满；二是通过发放调研问卷的方式来收集客户声音。
但这两种方式都无法适应当下的竞争态势，因为一方面客户的原始不满会被客服过滤、导致真实声音衰减或隐藏，另一方面调研问卷带有主观引导性，同时客户的填写成本较高，反馈内容并不能达到企业的全部预期。
实际上，客户的满意度可以通过他们在与客服咨询或投诉维保的对话中所表现出的语气、词序、关键问题以及提出的要求等方面来察觉。
如果企业可以收集到全部客户热线、在线、外呼中的对话信息，通过技术手段全面分析，就可以从这些信息中洞察到诸多有价值的信息。
比如：客户购买产品前最关心哪些参数？客户为什么受邀参加这次活动？客户对产品不满意还是对门店服务不满意？客户最多遇到的付费困惑是什么？客户总是在什么时候表现出进一步沟通的意向？..........
但只有这些信息明显是不够的，客户声音是一套体系，不仅仅是一组分散的数据，这一方面需要企业从经营上全面认知到客户声音的重要性，另一方面客户声音是不能直接用于决策的，它还需要与企业经营数据、产品、市场等数据充分结合，以便企业在市场精准营销、外呼邀约话术、产品研发重点、客户高频问题、经销商/门店服务改善、线下线下服务一体化等方面做出更准确的决策。
以某大型商业综合体为例，日均3万人左右的客流量无可避免地会让一些客户对停车、门店服务、会员服务、公共卫生、促销活动、餐饮卫生等感到不满意。
而基于天润融通的全周期客户联络云平台，商场一方面可以通过热线电话、在线客服、投诉工单等全渠道对客户的投诉、建议进行全量分析，从而定位客户的不满原因集中在哪里，并及时地推动将问题逐一解决，确保不断提高客户体验，从而提升消费者体验。
另一方面，决策者构建了以客户恶感数据为中心的考评机制，推动组织内部以客户声音为焦点，优化对各细节部分的管理，实现高质量运营闭环。
02客户联络专属大模型，重新定义客户经营
2024年是大模型落地之年，但从2023年开始，作为客户联络领域首个发布专用大模型的天润融通，已经为消费品零售、高科技制造、工业制造、新能源、软件、商业地产行业的头部客户交付和部署了「微藤大语言模型平台 - 客户联络专属大模型」。
通过热线、在线、工单、评论等全渠道会话信息的深度分析，企业可以感知客户心声、客户意图、客户高频问题、客户不满等，进而为经营决策做辅助。
同时基于微藤的座席辅助机器人已开始成为企业人工座席的好帮手，为座席提供智能填单辅助、SOP辅助、回复话术推荐、多语言翻译、智能对话小结、客户情绪检测、商机评级、知识搜索等，一方面提升了座席的人效与专业性，另一方面大模型下的人/机座席提升了客户满意并为线索转化、活动邀约、商机召回提供了助力。
从高速增长的“大时代”到低速增长的“小时代”，做好“小场景”和“微循环”是企业在存量时代的关键。
而当下不少头部企业正在构建“以客户为中心”的全生命周期客户运营，挖掘客户全生命周期价值，以此完成从大时代到小时代的转变。
天润融通也紧跟客户需求和技术发展进步的节奏，为企业客户提供基于大模型技术的客户联络解决方案。
未来，天润融通还将继续专注于推动新技术与客户业务应用的深度融合，大模型时代企业如何利用AI赋能，客户感知成为重要抓手为企业的高速增长提供有力支持。
转载请在文章开头和结尾显眼处标注：作者、出处和链接。不按规范转载侵权必究。
未经授权严禁转载，授权事宜请联系作者本人，侵权必究。
本文禁止转载，侵权必究。
授权事宜请至数英微信公众号(ID: digitaling) 后台授权，侵权必究。
评论
评论
推荐评论
暂无评论哦，快来评论一下吧！
全部评论（0条）