Knappast någon disciplin inom tillämpad datavetenskap har fått så mycket uppmärksamhet de senaste åren som området artificiell intelligens, eller AI förkortat.
Inte konstigt, eftersom det erbjuder enorma utvecklingsmöjligheter inom otaliga områden inom forskning, industri och tjänstesektorn. Men exakt vad handlar artificiell intelligens om och i vilken utsträckning kan dess skickliga användning som en del av användarupplevelsen (förkortat UX) hjälpa dina kunder?
Artificiell intelligens – vad är det egentligen?
Det delområde av datavetenskap som kallas artificiell intelligens (AI) förekommer också under termen maskininlärning (ML).
Klassiska tillvägagångssätt inkluderar en grupp olika algoritmer vars mål är att efterlikna mänskliga beslutsprocesser och tillämpa dem på ett definierat problem. Innovativa metoder, såsom de för närvarande ofta diskuterade neurala nätverken , kan självständigt skapa anslutningar på grundval av omfattande in- och utdata som kanske inte är har varit synliga för en mänsklig observatör.
De möjliga användningsområdena är lika olika som de är olika, så att vi idag kan hitta ”intelligenta” tillämpningar inom bland annat medicinteknik, dataspel, industri och handel. Gemensamt för alla AI-metoder är att de kan fatta ett eller flera beslut (på utgångssidan) baserat på en historisk indatauppsättning. Som regel består inkommande data av flera dimensioner, som för den mänskliga observatören inte nödvändigtvis behöver vara direkt relaterade till själva beslutsuppgiften.
Exempel på olika indatamått på grunden för vilken AI bör fatta ett beslut
Utgångsresultatet för AI:n varierar beroende på uppgiften och är i grunden uppdelat i:
Regression: Ett kvantitativt värde inom ett specificerat värdeintervall, t.ex. B. ett produktpris
Klassificering: En kvalitativ bedömning, t.ex. B. för att segmentera kundgrupper eller automatiskt tilldela produkter till kategorier
Många av de AI-processer som är relevanta idag beskrevs i teorin för decennier sedan, men kunde bara mogna till praktisk lämplighet tack vare modern hårdvara. Särskilt vidareutvecklingen av moderna grafikprocessorer (GPU) spelade en avgörande roll, eftersom dessa enheter kan parallellisera komplexa beräkningar och utföra dem på kortast möjliga tid.
AI kan stödja användarupplevelsen
Artificiell intelligens används inte bara inom industri och vetenskap, utan kan och bör också användas i vardagliga användarinteraktioner. Särskilt i samband med webbapplikationer, som tenderar att förlita sig på en mycket stor och därför ofta inhomogen användarbas, kan automatiserade processer bidra till att förbättra användarupplevelsen.
Målet för webbplatsoperatören bör vara att i ett tidigt skede identifiera kundens önskemål och behov och erbjuda dem de bästa produkterna och tjänsterna. Detta leder ofta till ökad lönsamhet i företagets intresse.
Inom e-handelsområdet finns det många sätt att integrera AI-stödda system längs kundresan för att förbättra köpupplevelsen för intresserade kunder:
I en inledande orienteringsfas kan användare göras medvetna om produkter och tjänster med hjälp av AI-stödda annonser. Med hjälp av automatiserade produktrekommendationer och bearbetade recensioner från tidigare köpare kan användarens behov tillgodoses närmare och intresset ökas. Gränserna mellan orientering, forskning och efterföljande faser av ORCA-modellen är flytande och kan inte nödvändigtvis separeras från varandra.
Kundresan i ORCA-modellen (Grön: förlängning enligt säljtrattmodell)
Med hjälp av en dynamisk prismodell kan värdet på produkter och tjänster automatiskt anpassas inom ett definierat intervall till kundens behov, aktuell marknadssituation och företagens mål. För att göra det lättare för användaren att välja mellan två eller flera produkter kan en datorstödd attribututvinning implementeras baserat på en produktbeskrivning i löpande text eller produktbilderna.
I det sista steget av den klassiska kundresan, slutförandet av köpet, kan (och kommer redan) många applikationer, med stöd av artificiell intelligens, användas. Bedrägeriskyddet, som används av alla betaltjänstleverantörer, känner igen iögonfallande mönster och kräver vid behov ytterligare verifiering för att diskret filtrera bort svarta får bland kunder. Om en presumtiv kund inte kunde bestämma sig för den slutliga transaktionen kan smarta påminnelser hjälpa till att hänvisa till den fyllda varukorgen inom en snar framtid, till exempel via e-post.
Om den klassiska ORCA-modellen fortfarande är inriktad på engångsköp bör engångskunder omvandlas till återkommande kunder med hjälp av meningsfulla lojalitets- och serviceprogram. Här hjälper intelligenta kundlojalitetserbjudanden och migrationsprognoser att identifiera kundgrupper som kan komma att leta efter egna erbjudanden från konkurrenterna i framtiden. Kunden kan ledsagas med hjälp av chatbots, vars kommunikation idag knappast skiljer sig från mänskliga samtalspartners. Och det under hela inköps- och eftermarknadsprocessen.
Oändliga möjligheter – ändliga resurser
Möjligheterna att förbättra användarupplevelsen längs kundresan är nästan obegränsade och – ur teknisk synvinkel – oftast bara begränsade av tillgänglig indata. Implementeringen ställer dock höga krav på butiksoperatören, dess marknadsföring och den implementerande integratören och kräver ett nära samarbete mellan de olika intressenterna.
I vilket fall som helst måste även juridiska aspekter som kan stå i vägen för användningen av AI-stödda system eller som kan begränsa deras användning beaktas. Helst är de ansvariga organen, inklusive dataskyddsombudet, involverade i ett sådant projekt i ett tidigt skede så att oförutsedda hinder inte uppstår senare.
Forskning kring ämnet AI pågår över hela världen, så det finns ständiga innovationer som snabbt kan implementeras i produktionssystem med hjälp av externa tjänsteleverantörer. De viktigaste är de välkända internetföretagen, inklusive Amazon Web Services, Google AI, Microsoft Azure och Adobe Sensei. De erbjuder alla gränssnitt via vilka externa applikationer, som t.ex B. Magento 2 eller proprietära program kan anslutas och därmed snabbt ge ”intelligent” beteende.
