ادغام هوش مصنوعی (AI) در مدیریت ارتباط با مشتری (CRM) بخش اول

ادغام هوش مصنوعی (AI)در مدیریت ارتباط با مشتری (CRM) دستاوردهای بسیاری برای افزایش اثر بخشی سازمانی دارد. برای دستیابی به ادغام موفقیت آمیز، شرکت ها باید در چشم انداز مشخص شده توسط ماهیت متمایز فرآیندهای CRM حرکت کنند. با این حال، دانشگاهیان و شاغلین هنوز در درک عناصر سازمانی و مدیریتی که برای یکپارچه سازی موفقیت آمیز هوش مصنوعی در مدیریت ارتباط با مشتری حیاتی هستند، با چالش هایی رو به رو هستند.

زمینه های این ادغام به شرح ذیل است؛

• تخصص در هوش مصنوعی،
• مدیریت ارتباط با مشتری،
• علم داده،
• مدیریت کسب وکار است.
  

معرفی CRM یک رویکرد استراتژیک است که به جمع آوری،مدیریت و استفاده هوشمندانه از داده ها با پشتیبانی از راه حل های فناوری برای ایجاد روابط ارزشمند با مشتریان کلیدی و تجربه مشتری استثنایی مربوط میشود (2011 ,Rababah; 2005 .,al et Boulding; 2005 Frow and Payne).

توسعه بعدی به سمت یک CRM منحصربه فرد و موثرتر، هوش مصنوعی است (کومارو همکاران،2020). هوش مصنوعی، به ویژه در مورد CRM شامل استفاده از تکنیک های یادگیری ماشین (ML) و یادگیری عمیق (DL) برای جمع آوری بینش ازداده ها، تشخیص الگوها و تصمیم گیری بامداخله محدود انسانی است (کومارو همکاران2020). حتی درمورد DL درس گرفتن از اشتباهات بدون دخالت انسان (زاکی2019) شرکت های موفق به طور موثری از هوش مصنوعی در CRM برای؛

• تجزیه و تحلیل داده های مشتری،
• چت بات ها و دستیاران مجازی،
• توصیه های شخصی،
• تجزیه و تحلیل احساسات،
• تشخیص صدا،
• تجزیه و تحلیل پیش بینی کننده استفاده کرده اند (Kumar; 2023 ,Abousaber; 2020 ., aiو همکاران، 2020).

چالش های ادغام هوش مصنوعی

در حال حاضر، عناصرسازمانی و مدیریتی که باید در طراحی و اجرای این سیستم ها پیشرفته در چارچوب CRM در نظرگرفته شوند، توسط صاحبان کسب و کار کاملاً درک نشده اند.

• نتایج نامشخص،
• سطوح بالای پیچیدگی درک شده و
• کمبود تجربه برخی از دلایلی هستند که چرا ادغام هوش مصنوعی درCRM هنوز پایین است (2022,al et Mishra).

مدیران نه تنها با پیچیدگی فناوری، بلکه به ویژه با چالش های سازمانی و مدیریتی ادغام هوش مصنوعی در روال های سازمانی تثبیت شده مبارزه میکنند. از این منظر،

درک اینکه آیا شرکت آماده پذیرش است یا خیر، این دگرگونی و همچنین تجهیز مدیران به برخی توصیه ها برای اجتناب از مشکلات اصلی بسیار مفید به نظر میرسد، این در حالی است که؛ ادبیات دانشگاهی عمیقا به این موضوع نپرداخته است. اگر بخواهیم یک دید کلی داشته باشیم؛ CRM نیاز واضحی به دستورالعمل هایی دارد که میتوان برای مدیریت چالش ها و کاهش خطرات مرتبط با ابتکارات هوش مصنوعی دنبال کرد (ریم و همکاران، 2020).

• جامعه دانشگاهی ادعا می کند که هوش مصنوعی نشان دهنده جهش تکاملی بعدی به سمت یک سیستم CRM پیشرفته تر و کار آمد تر است (کومار و همکاران، ؛2020لوکوگ و همکاران، ؛2020میشرا و موکرجی، ؛2019 ویگنش و واسانتا، 2019).
• سیستم های هوش مصنوعی و مدیریت ارتباط با مشتری، که توسط یادگیری ماشین و یادگیری عمیق و سایر فناوری های آینده هدایت میشوند.
  

  توجه به موارد فوق می تواند مدیران را قادر سازد تا پیشنهادات پیش بینی کننده و در زمان واقعی را با استفاده از مجموعه داده های گسترده افزایش دهند (لیبا ی و همکاران، 2020 – میشرا و موکرجی2019).

نظریه های مرتبط با تاثیر هوش مصنوعی بر مدیریت ارتباط با مشتری

از نظر جذب مشتری، هوش مصنوعی به طور یکپارچه منابع داده های مختلف را ادغام می کند که محتوای تولید شده توسط کاربر و داده های جستجوی  Google مربوط به روندهای بازارهای نوظهور و مشتریان بالقوه جدید را در برمی گیرد. این ادغام به عنوان یک ابزار ارزشمند برای شرکت ها عمل می کند و شناسایی صحیح مشتریان بالقوه امیدوار کننده را تسهیل می کند. علاوه براین، هوش مصنوعی از طریق بکارگیری تکنیک هایی مانند فروش بیش ازحد و فروش متقابل، نقشی محوری درتقویت روابط با مشتریان فعلی ایفا می کند که در نهایت منجربه افزایش تعداد سفارش و تعامل طولانی با مشتری میشود (لیبای و همکاران، 2020).
یک پلتفرم تجارت الکترونیک را تصور کنید که از موتورهای توصیه مبتنی بر هوش مصنوعی استفاده میکند. هنگامی که یک مشتری وارد سیستم میشود؛

• پلتفرم سابقه خرید،
• مروررفتار و محصول مورد پسند

آنها را تجزیه و تحلیل می کند. براساس این داده ها،سیستم هوش مصنوعی فرصت هایی را برا ی فروش و فروش متقابل شناسایی می کند.

تقسیم بندی خودکار مشتری، ایجاد پیام های بازاریابی شخصی شده و تلاشهای بازاریابی را هدف قرار میدهد، بنابراین نرخ حفظ و تعامل مشتری را نیز افزایش میدهد (چاترجی و همکاران، ؛2021 هوانگ و روست،2021) علاوه بر این،

• برنامه های کاربردی هوش مصنوعی مانند چت بات ها و
• دستیاران مجازی بهره وری عملیاتی و کارایی فرآیند را افزایش می دهند (2019 ,heim-Wangen von and Brock ؛2021 al et Brynjolfsson ).

کاربردهای هوش مصنوعی مانند تجزیه و تحلیل پیش بینی کننده و موتورهایی که امروزه تنها به جستجو نمی پردازند بلکه توصیه هم می کنند؛

• تصمیم گیری درمورد استراتژی بازاریابی (لیبای و همکاران، 2020)
• قیمت گذاری،
• مدیریت کانال،

طراحی و توسعه خدمات محصول را بهبود می بخشند و کاربردهای هوش مصنوعی مانند امتیازدهی خودکار منجربه افزایش اتوماسیون فرآیند برای جلوگیری از کمبودهای انسانی میشود (چن و همکاران،2022). به طور خلاصه،این مطالعا ت در مجموع بر پتانسیل  CRMمبتنی بر هوش مصنوعی تاکید می کنند و جنبه های مختلف نفوذ هوش مصنوعی را پوشش میدهندو نیاز به تحقیقات مداوم در این حوزه را برجسته میکنند.

ادامه دارد..

گردآورنده: شهرام گلستانی

مشاوره کسب و کار بلوباکس

دکتر پدرام بهیار