Pega menggabungkan perjalanan pelanggan dengan tindakan terbaik berikutnya yang digerakkan oleh AI

Pega menggabungkan perjalanan pelanggan dengan tindakan terbaik berikutnya yang digerakkan oleh AI

Pega minggu ini mengumumkan peluncuran Next-Best-Action Customer Journeys, sebuah portofolio kemampuan yang bertujuan untuk menyatukan pemahaman tim pemasaran tentang perjalanan pelanggan dengan tindakan terbaik berikutnya yang digerakkan oleh AI otomatis, yang didorong oleh pengalaman nyata pelanggan -konteks waktu — tahap perjalanan yang telah dicapainya. Solusinya adalah bagian dari Pusat Keputusan Pelanggan Pega.

Tidak ada kompromi untuk tindakan terbaik berikutnya. “Kami menyadari bahwa pemasar telah benar-benar bekerja keras untuk menganalisis tahapan yang berbeda dalam perjalanannya,” kata Shoel Perelman, VP atau produk Pega, 1:1 Customer Engagement. “Kami membiarkan mereka membuat daftar tindakan yang harus dipertimbangkan AI di setiap perjalanan itu. Tapi kami tidak mengkompromikan prinsip-prinsip tindakan terbaik berikutnya; kami masih akan membiarkan kecenderungan pelanggan pada saat itu mendorong apa yang sebenarnya harus dikatakan kepada mereka pada saat itu.”

Ini memanfaatkan pemahaman organisasi pemasaran tentang pesan apa yang benar-benar masuk akal pada tahap yang berbeda dalam perjalanan, sambil melepaskan AI untuk membuat pilihan real-time dari mereka berdasarkan penilaian kecenderungan, penilaian dihasilkan pada gilirannya oleh perilaku pelanggan agregat.

“Dari pengalaman saya sendiri, pemasar sangat bangga dengan hasil cetak setinggi sepuluh kaki, dengan semua garis rumit yang mereka kumpulkan,” kata Perelman. “Tetapi di masa lalu, mereka melihat aksi terbaik berikutnya sebagai persaingan dengan pekerjaan yang mereka lakukan untuk menulis perjalanan itu. Saya tidak percaya itu perlu kompetitif. ” AI, pada dasarnya, menerapkan kemampuan prediktif untuk memilih langkah selanjutnya dalam perjalanan — dan karena ini bekerja 1:1 dengan pelanggan individu, AI diperlukan karena skala.

Memvisualisasikan perjalanan. Pada saat yang sama, Pega tidak menyangkal visibilitas pemasar ke dalam perjalanan yang dibuat secara spontan oleh AI. Kemampuan visualisasi perjalanan membuat representasi grafis dari pengalaman pelanggan ujung ke ujung, diperbarui secara real-time saat perjalanan berlangsung. Ini akan membantu pemasar memahami perjalanan yang optimal dan juga melihat di mana pelanggan terjebak atau mengabaikan pengalaman.

Mengapa kami peduli. Upaya ini untuk menyatukan perjalanan pelanggan tradisional yang dibuat oleh pemasar dengan kemampuan AI Pega adalah cerminan dari kenyataan perjalanan pelanggan saat ini, yang secara radikal non-linear dan melompat di antara saluran yang berbeda. “Ini juga pengakuan bahwa tidak hanya ada satu perjalanan ini,” kata Perelman. “Ini tidak seperti Anda membawa seseorang keluar dari satu perjalanan dan menempatkan mereka pada yang lain. Mereka benar-benar berada di semua perjalanan ini pada saat yang bersamaan.”

Hal ini juga tentunya mencerminkan keragu-raguan organisasi pemasaran untuk melepaskan segala bentuk kendali atas perjalanan pelanggan dan membiarkan AI mengendalikannya dari awal hingga akhir. akhir, mengajar dirinya sendiri di sepanjang jalan. Ini adalah bagian dari upaya lama Pega untuk memastikan bahwa AI aman (dan etis) serta efektif.

Tentang Penulis

Kim Davis adalah Direktur Editorial MarTech. Lahir di London, tetapi warga New York selama lebih dari dua dekade, Kim mulai meliput perangkat lunak perusahaan sepuluh tahun yang lalu. Pengalamannya meliputi SaaS untuk perusahaan, perencanaan kota berbasis data iklan digital, dan aplikasi SaaS, teknologi digital, dan data dalam ruang pemasaran. Dia pertama kali menulis tentang teknologi pemasaran sebagai editor Haymarket’s The Hub, sebuah situs web teknologi pemasaran khusus, yang kemudian menjadi saluran pada merek pemasaran langsung DMN yang sudah mapan. Kim bergabung dengan DMN tepat pada tahun 2016, sebagai editor senior, menjadi Editor Eksekutif, kemudian Pemimpin Redaksi posisi yang dipegangnya hingga Januari 2020. Sebelum bekerja di jurnalisme teknologi, Kim adalah Associate Editor di berita hiper-lokal New York Times situs, The Local: East Village, dan sebelumnya bekerja sebagai editor publikasi akademik, dan sebagai jurnalis musik. Dia telah menulis ratusan ulasan restoran New York untuk blog pribadi, dan telah menjadi kontributor tamu sesekali untuk Eater.

Baca selengkapnya