**執筆者 | ウー・クニャン****編集者 | ワン・パン****出典丨**Photon Planet大きなモデルは詩を朗読したり絵を描いたり、頑張っています。広く流通している文章は、今日の大規模モデルが直面している困難を表現しています。現在のテクノロジーの最前線である AI 大規模モデルは、投資した人材と実際の資金に見合った価値を解放するために、現実世界のシナリオを緊急に必要としています。大小の組織による軍拡競争。しかし、結局のところ冗談は単なる冗談であり、着陸は実際には私たちから遠くないところにあります。現代人が生活の中で必ず接する電子商取引のシーンでは、すでに関連業態の再構築に向けた大型モデルが動き出している。その中で最も人気があるのはジェネレーティブ コンテンツ (AIGC) で、文生図、文生ビデオ、人間とコンピューターのインタラクションなどが含まれますが、これらに限定されません。単純に列挙すると、インテリジェントな顧客サービスの B 側アプリケーション、人間の効率を向上させるデジタル ヒューマン ライブ ブロードキャスト、消費者が顧客サービスに 24 時間対応する経験、AIGC は低コストでオムニチャネルを生成します コンテンツ、インテリジェントな検索、製品選択により、流通の効率が向上すると同時に、トランザクション リンクが短縮され、ROI が向上します... ただ、今日ディープラーニング界で広まっている一文が、現在のAIGCのジレンマを表している。つまり、機械に人間のように話すことはすでに可能だが、機械を人間と同じように知能化するのは難しいということだ。電子商取引シーンにおける強いインタラクション、重い意思決定、弱いつながりという特徴に直面して、純粋な「擬人化」で完璧な製品ロジックを形成することは困難です。したがって、AIGC が電子商取引分野で足場を築くために、プレーヤーは通常、「開放しながら閉鎖を求める」ボトムアップの道を歩むことを目指しています。## 人間の影響としてシーンを閉じる有名企業サリバンが発表した最新の「2023年中国スマートカスタマーサービス市場レポート」によると、2022年の中国スマートカスタマーサービス市場規模は66億8000万元に達し、市場規模は18.13億元に成長すると予想されている。 2027 年までに 10 億元に達し、5 年以内の複合成長率は 20% 以上に達すると予想されます。私たちは、このセグメント化されたトラックが 100 億の規模に向かって進んでいることを目の当たりにしてきました。電子商取引におけるスマート カスタマー サービスの普遍的な適用が、このトラックが高成長を維持できる主な理由です。まず矢面に立つのは、電子商取引シーンで回避することが困難なトラフィックのピークと、そのトラフィックによってもたらされる販売前の問い合わせの多さであり、ダブルイレブンや618などのショッピングフェスティバルはもちろん、電子商取引業者も同様です。毎日多くの問い合わせが同時に発生する可能性があります。この場合、顧客サービスの対応の遅さによるユーザーの喪失であれ、手動による顧客サービスのコストの高さであれ、紅海に参入した電子商取引市場にとっては耐え難い負担となる。率直に言って、電子商取引プラットフォームにおけるスマート カスタマー サービスの一般的な適用はトレンドであり、時間の観点から見ると、スマート カスタマー サービスの普及は大手モデルよりも早いです。大型モデルがインテリジェント顧客サービスの第二の飛躍であるとすれば、インテリジェント顧客サービスの第一の飛躍はAI1.0時代のNLP（自然言語処理）技術である。「大規模なモデル駆動型 AIGC が登場する前、業界にはすでに比較的成熟した NLP ベースのインテリジェントな顧客サービスがあり、広く使用されていました」と親知らずテクノロジー製品担当副社長の Chen Zhe 氏は Photon Planet に語った。カスタマー サービス シーンで受け付けられる問い合わせや質問のうち、クローズド シーンはオープン シーンよりもヒューマン効果を出しやすいです。」NLP 自然言語処理テクノロジーが利用可能になる前、オンライン カスタマー サービスの製品形式は、事前に入力されたキーワード、文章、段落に基づいて機械的に回答を行う単純な QA でした。不適切なたとえですが、NLP テクノロジーの導入前後のインテリジェントな顧客サービスの 1 つは、従来の RPG でプレイヤーに機械的にフィードバックを与える NPC であり、もう 1 つはプレイヤーのリアルタイムの状況に応じて異なるフィードバックを与えるインテリジェント NPC です。現在の3Aの傑作では。つまり、NLP はインテリジェントなオンライン顧客サービスの始まりであり、その市場化も成熟段階に入っています。そして、大きなモデルはオンライン顧客サービスのインテリジェンスの飛躍であり、これは主に高効率、パーソナライゼーション、さらなるインテリジェンスに反映されています。Chen Zhe 氏は、あるデータを使って不正確な例えをしました。NLP テクノロジーにより、インテリジェント カスタマー サービスが顧客の質問 100 件中 50 件に正確に回答できると仮定すると、大規模なモデルをインテリジェント カスタマー サービス ワークフローに追加した後、現在は 75 件に正確に回答できます。データベースを切り替えることで、異なるシーンを切り替えることができます。「効率改善の絶対値は約20%から30%で、相対値は50%です」とChen Zhe氏は述べました。大型モデルによるインテリジェントな顧客サービスの人的効率の向上は、需要側だけでなく供給側にも存在します。大規模モデルの既存の 2 オープンおよびプラグイン データベース パラダイムにより、スマート カスタマー サービス製品をゼロから構築する時間が以前に比べて大幅に短縮され、人的コストと投資される時間のコストが 1 桁減少しました。データベースとナレッジベースの切り替えにより、製品の独自性も確保されます。大規模モデルがまだ着地シナリオを模索している段階では、既存のインテリジェント カスタマー サービス製品と組み合わせた大規模モデルであっても、SaaS 分野に直接実装された大規模モデルであっても、効率の 50% 向上は業界に十分な確実性をもたらしています。顧客サービスの形態。 業界が徹底的に研究する価値があるのは、スマートな顧客サービス製品と次の商品化を生み出すためにどのような技術スタックを構築する必要があるかということです。デモから着陸までの距離インテリジェントな顧客サービスは電子商取引分野における AIGC の先駆者ですが、高コストの大規模モデル機能へのアクセスは急いでできるものではありません。大手メーカーにとって、カスタマー サービスは、電子商取引プラットフォームで苦労して勝ち取ったコスト損失の 1 つにすぎず、通常、この分野にはあまり多くのリソースを投資しません。また、中小規模のメーカーには当然のことながら、顧客サービスを構築する能力がありません。モデルベースをゼロから作ります。 Chen Zhe 氏は、親知らずテクノロジーは自社開発の大規模モデルを構築したのではなく、主要なモデルとインターネット データを使用してアプリケーション層で製品を作成したと率直に述べました。言い換えれば、インテリジェントな顧客サービスの分野へのリソースの投資には一般に限界があります。基盤がないため、インテリジェントな顧客サービスのほとんどは現在、「選択と通話、データ収集、清掃、トレーニング、微調整、アプリケーションの展開」というパラダイムに従っていますが、問題も発生しており、それらは主にデータに集中しています。レベル。一般に、インテリジェントカスタマーサービス自体は顧客のコスト削減要求に応える製品であり、それ自体のコスト問題はさらに顕著である。業界で成熟したデータベースを呼び出すという一般的な慣行により、実際に製品プロトタイプの起動時間を大幅に短縮できますが、最終製品のユーザー エクスペリエンスに影響を与えます。 1つはデータのずれにより正解率が低下する可能性があること、もう1つはデータの同期が遅れることです。データ自体はメーカーが体系的に収集・整理するものですが、それが顧客の業界・分野に完全にフィットするかどうかは別問題で、データの乖離による錯覚は避けられません。 Chen Zhe 氏は Photon Planet に対し、「回答率の上昇には、正解率のわずかな低下も伴います。これは多くの顧客にとって受け入れがたいものです。たとえば、法律、教育、金融の分野の顧客です。」と述べています。また、データ同期は、インテリジェントな顧客サービスの需要と供給の両端に偏っています。顧客はトレーニングや微調整に使用するデータをタイムリーにアップロードする必要がある一方で、メーカーは製品の微調整や更新を頻繁に行う必要があります。Chen Zhe 氏は、「親知らずテクノロジーの現在の更新頻度は毎週です。オープンデータインターフェースの場合、顧客は最新のデータをタイムリーに送信する必要があります。一定期間のコーパス学習の後、「最新データ」の価値は高まります。 」を反映することができます。「ニーズは秒、分、時間のレベルになる可能性があります。データは 1 秒前にプッシュされ、次の 1 秒で当社製品のトレーニング コーパスになります。」これは優れた同期方法ですが、呼び出し側モデルの学習能力に大きく依存しており、そもそもデータの値を「消化」することが困難です。初期費用の問題に関しては、比較的重要ではありません。スマート カスタマー サービス シーンの閉鎖的な性質により、データ量はすでに制限されています。大手メーカー以外の観点から見ると、スマート カスタマー サービスでは現在、検索効率を確保するために「カードを保管」したり、ベクトル データベースにアクセスしたりする必要はありません。モデルを呼び出す必要がある トークンのコストを考慮しすぎる場合は、対応するコストに応じて価格を設定するだけで十分です。いずれの場合でも、インテリジェントな顧客サービスを使用することで節約される人的効率は、現在の価格設定よりもはるかに高くなります。確かなことは、スマート カスタマー サービスのデモを作成するのは非常に簡単ですが、デモが成功するまでの距離は、通話や自社開発モデルへの投資に限定されないということです。定量化するのが難しいコストは、将来のスマート カスタマー サービス トラックのプレーヤーにとって堀となる可能性があります。## 微妙な生活空間AIGC とインテリジェント顧客サービスの組み合わせの可能性を議論する一方で、インテリジェント顧客サービスは AI によって開発された新しい路線ではなく、10 年以上の歴史を持つ古い路線であり、大手企業によって再構築された業態であることも考慮する必要があります。モデル。スマートカスタマーサービス路線に関しては、NLPのアップスケーリングから大規模モデルへのボトムレイヤーの変更や、意味理解からマルチモーダル機能ジャンプへの進化などのビジネスフォーマットの再構築が行われていますが、非技術的な観点からのモデルは変わっていません。 端的に言えば、スマートカスタマーサービスはコスト削減を主目的としたSaaSビジネスであり、これは2022年の中国スマートカスタマーサービス市場の79.94%をソフトウェアが占めるという「2023年中国スマートカスタマーサービス市場報告」のデータからも分かる。 。言い換えれば、スマート カスタマー サービス メーカーの生き残りの余地は、顧客との距離とスマート カスタマー サービスを実現する能力にあり、これは技術変化の重要なノードで変わっていません。「もし大手メーカーがスマートな顧客サービスにおいて我々を徹底的に打ち負かすことができれば、我々はNLPの時代にはすでに消滅していたでしょう」とChen Zhe氏は述べた。さらに、インテリジェントカスタマーサービスはSaaSビジネスの一種であるため、その成長パラダイムもロジックに沿ったものになります。例えば、顧客サービス分野で大規模モデルを投入したチャイナモバイルやチャイナユニコム、栄聯雲などの通信事業者は製品主導の成長に基づく成長モデルを採用している一方、相応の能力を持たない非大手メーカーは、言い換えれば、それらのほとんどは、経験主導型の成長 (eXperience-Led Growth) に傾いたモデルを提示しています。ウエストメーカーとその顧客が製品の性能を気にしていないということではなく、大手メーカーとの技術や資源の競争に直面して、ウエストメーカーは第二の成長曲線を築き、生活空間を広げる必要があるということです。顧客が製品を使用する際に起こり得る問題に対する「前処理」を行い、可能な限り本業以外の営業ルートを拡大するのが一般的だ。某ウエストメーカーを例に挙げると、自社製品の運用部門を設け、顧客サポートや顧客への寄り添いに「全力で」取り組んでいる。運用部門の仕事内容は、顧客に代わってライティングをしたり、プライベートドメインの運用をサポートしたり、さらには顧客とメーカー間の「中継所」として、会員という形でデジタル総合ソリューションのマッチングを行ったりすることもあります。確かに、基本的に小さな工場でできることは大きな工場でもできるのですが、それにはある程度の時間と人手が必要です。ただ、スマートな顧客サービスに対する両社の理解と営業ルートの分割により、ウエストメーカーの居住スペースもかなり圧迫されている。「大規模工場には、多くのリソースと多額の投資があります。当然、工場は肉を食べたいし、大口顧客を見つめて請求をしたいと考えます。また、顧客にモデルを試して「教師のコーパスを盗む」ようにさせるなど、いくつかの現実的なことは避けられません。私たちはもっと多くのことを行っています。現実的で最善を尽くします。顧客のコスト削減のニーズは、販売前から明確に認識できます」とウエスト メーカーのプロダクト マネージャーは語ります。さらに、企業のデジタル変革の多くのプロジェクトの 1 つとして、インテリジェントな顧客サービスのハンディキャップはそれほど大きくありません。一般に、大規模顧客は統合のリスクを避けるために複数の企業からパッケージ化された方法で購入することを選択しますが、これには非大手メーカーにとってもチャンスが含まれます。現時点では、今日のスマート顧客サービス路線は依然として「自由を求めて競争するあらゆる種類の霜」と見なすことができますが、スマート顧客サービスとAIGCの組み合わせの深化に伴い、熾烈な競争後のビジネス形式は再び変化する可能性があります。生成されたコンテンツの品質の不安定につながる最も基本的な幻覚問題は業界全体の目の前にあり、現時点で明確な解決策はなく、AIGCと組み合わせたインテリジェントカスタマーサービスのビジネスが成熟段階に入った後、コストからの傾向が見られます。さらなる価値創造のための削減と効率の向上が増加しており、スマートなカスタマーサービスメーカーはテクノロジーの反復を増やす必要に迫られています。電子商取引分野におけるインテリジェントな顧客サービスは、顧客サービスからショッピング ガイドまで拡張できるのが一般的です。さらに、Photon Planet は大手メーカーから、電子商取引の顧客サービスシナリオへの AIGC の適用が遅れていること、純粋な意味検索ではユーザーの満足度を保証することが難しいことも学び、ベクトルデータベースの導入は避けられないと思われます。未来。スマート カスタマー サービスは、それ自体のコスト削減価値と大規模モデルとの結合度により、大規模モデルの導入における決定的なシナリオの 1 つとなっています。しかし、その大規模なモデル期間の開発は始まったばかりであり、「精神薄弱者」から「賢明者」へほとんど変化していない顧客サービスは、再購入とクロスセルのニーズに直面するために、パラダイムのさらなる反復を必要としています。
AI が顧客サービスに侵入
執筆者 | ウー・クニャン
編集者 | ワン・パン
出典丨Photon Planet
大きなモデルは詩を朗読したり絵を描いたり、頑張っています。
広く流通している文章は、今日の大規模モデルが直面している困難を表現しています。現在のテクノロジーの最前線である AI 大規模モデルは、投資した人材と実際の資金に見合った価値を解放するために、現実世界のシナリオを緊急に必要としています。大小の組織による軍拡競争。
しかし、結局のところ冗談は単なる冗談であり、着陸は実際には私たちから遠くないところにあります。現代人が生活の中で必ず接する電子商取引のシーンでは、すでに関連業態の再構築に向けた大型モデルが動き出している。その中で最も人気があるのはジェネレーティブ コンテンツ (AIGC) で、文生図、文生ビデオ、人間とコンピューターのインタラクションなどが含まれますが、これらに限定されません。
単純に列挙すると、インテリジェントな顧客サービスの B 側アプリケーション、人間の効率を向上させるデジタル ヒューマン ライブ ブロードキャスト、消費者が顧客サービスに 24 時間対応する経験、AIGC は低コストでオムニチャネルを生成します コンテンツ、インテリジェントな検索、製品選択により、流通の効率が向上すると同時に、トランザクション リンクが短縮され、ROI が向上します...
したがって、AIGC が電子商取引分野で足場を築くために、プレーヤーは通常、「開放しながら閉鎖を求める」ボトムアップの道を歩むことを目指しています。
人間の影響としてシーンを閉じる
有名企業サリバンが発表した最新の「2023年中国スマートカスタマーサービス市場レポート」によると、2022年の中国スマートカスタマーサービス市場規模は66億8000万元に達し、市場規模は18.13億元に成長すると予想されている。 2027 年までに 10 億元に達し、5 年以内の複合成長率は 20% 以上に達すると予想されます。
私たちは、このセグメント化されたトラックが 100 億の規模に向かって進んでいることを目の当たりにしてきました。電子商取引におけるスマート カスタマー サービスの普遍的な適用が、このトラックが高成長を維持できる主な理由です。
まず矢面に立つのは、電子商取引シーンで回避することが困難なトラフィックのピークと、そのトラフィックによってもたらされる販売前の問い合わせの多さであり、ダブルイレブンや618などのショッピングフェスティバルはもちろん、電子商取引業者も同様です。毎日多くの問い合わせが同時に発生する可能性があります。この場合、顧客サービスの対応の遅さによるユーザーの喪失であれ、手動による顧客サービスのコストの高さであれ、紅海に参入した電子商取引市場にとっては耐え難い負担となる。
率直に言って、電子商取引プラットフォームにおけるスマート カスタマー サービスの一般的な適用はトレンドであり、時間の観点から見ると、スマート カスタマー サービスの普及は大手モデルよりも早いです。大型モデルがインテリジェント顧客サービスの第二の飛躍であるとすれば、インテリジェント顧客サービスの第一の飛躍はAI1.0時代のNLP（自然言語処理）技術である。
「大規模なモデル駆動型 AIGC が登場する前、業界にはすでに比較的成熟した NLP ベースのインテリジェントな顧客サービスがあり、広く使用されていました」と親知らずテクノロジー製品担当副社長の Chen Zhe 氏は Photon Planet に語った。カスタマー サービス シーンで受け付けられる問い合わせや質問のうち、クローズド シーンはオープン シーンよりもヒューマン効果を出しやすいです。」
NLP 自然言語処理テクノロジーが利用可能になる前、オンライン カスタマー サービスの製品形式は、事前に入力されたキーワード、文章、段落に基づいて機械的に回答を行う単純な QA でした。不適切なたとえですが、NLP テクノロジーの導入前後のインテリジェントな顧客サービスの 1 つは、従来の RPG でプレイヤーに機械的にフィードバックを与える NPC であり、もう 1 つはプレイヤーのリアルタイムの状況に応じて異なるフィードバックを与えるインテリジェント NPC です。現在の3Aの傑作では。
つまり、NLP はインテリジェントなオンライン顧客サービスの始まりであり、その市場化も成熟段階に入っています。そして、大きなモデルはオンライン顧客サービスのインテリジェンスの飛躍であり、これは主に高効率、パーソナライゼーション、さらなるインテリジェンスに反映されています。
Chen Zhe 氏は、あるデータを使って不正確な例えをしました。NLP テクノロジーにより、インテリジェント カスタマー サービスが顧客の質問 100 件中 50 件に正確に回答できると仮定すると、大規模なモデルをインテリジェント カスタマー サービス ワークフローに追加した後、現在は 75 件に正確に回答できます。データベースを切り替えることで、異なるシーンを切り替えることができます。
「効率改善の絶対値は約20%から30%で、相対値は50%です」とChen Zhe氏は述べました。
大型モデルによるインテリジェントな顧客サービスの人的効率の向上は、需要側だけでなく供給側にも存在します。大規模モデルの既存の 2 オープンおよびプラグイン データベース パラダイムにより、スマート カスタマー サービス製品をゼロから構築する時間が以前に比べて大幅に短縮され、人的コストと投資される時間のコストが 1 桁減少しました。データベースとナレッジベースの切り替えにより、製品の独自性も確保されます。
大規模モデルがまだ着地シナリオを模索している段階では、既存のインテリジェント カスタマー サービス製品と組み合わせた大規模モデルであっても、SaaS 分野に直接実装された大規模モデルであっても、効率の 50% 向上は業界に十分な確実性をもたらしています。顧客サービスの形態。
デモから着陸までの距離
インテリジェントな顧客サービスは電子商取引分野における AIGC の先駆者ですが、高コストの大規模モデル機能へのアクセスは急いでできるものではありません。
大手メーカーにとって、カスタマー サービスは、電子商取引プラットフォームで苦労して勝ち取ったコスト損失の 1 つにすぎず、通常、この分野にはあまり多くのリソースを投資しません。また、中小規模のメーカーには当然のことながら、顧客サービスを構築する能力がありません。モデルベースをゼロから作ります。 Chen Zhe 氏は、親知らずテクノロジーは自社開発の大規模モデルを構築したのではなく、主要なモデルとインターネット データを使用してアプリケーション層で製品を作成したと率直に述べました。
言い換えれば、インテリジェントな顧客サービスの分野へのリソースの投資には一般に限界があります。基盤がないため、インテリジェントな顧客サービスのほとんどは現在、「選択と通話、データ収集、清掃、トレーニング、微調整、アプリケーションの展開」というパラダイムに従っていますが、問題も発生しており、それらは主にデータに集中しています。レベル。
一般に、インテリジェントカスタマーサービス自体は顧客のコスト削減要求に応える製品であり、それ自体のコスト問題はさらに顕著である。業界で成熟したデータベースを呼び出すという一般的な慣行により、実際に製品プロトタイプの起動時間を大幅に短縮できますが、最終製品のユーザー エクスペリエンスに影響を与えます。 1つはデータのずれにより正解率が低下する可能性があること、もう1つはデータの同期が遅れることです。
データ自体はメーカーが体系的に収集・整理するものですが、それが顧客の業界・分野に完全にフィットするかどうかは別問題で、データの乖離による錯覚は避けられません。 Chen Zhe 氏は Photon Planet に対し、「回答率の上昇には、正解率のわずかな低下も伴います。これは多くの顧客にとって受け入れがたいものです。たとえば、法律、教育、金融の分野の顧客です。」と述べています。
また、データ同期は、インテリジェントな顧客サービスの需要と供給の両端に偏っています。顧客はトレーニングや微調整に使用するデータをタイムリーにアップロードする必要がある一方で、メーカーは製品の微調整や更新を頻繁に行う必要があります。
Chen Zhe 氏は、「親知らずテクノロジーの現在の更新頻度は毎週です。オープンデータインターフェースの場合、顧客は最新のデータをタイムリーに送信する必要があります。一定期間のコーパス学習の後、「最新データ」の価値は高まります。 」を反映することができます。
「ニーズは秒、分、時間のレベルになる可能性があります。データは 1 秒前にプッシュされ、次の 1 秒で当社製品のトレーニング コーパスになります。」
これは優れた同期方法ですが、呼び出し側モデルの学習能力に大きく依存しており、そもそもデータの値を「消化」することが困難です。
初期費用の問題に関しては、比較的重要ではありません。スマート カスタマー サービス シーンの閉鎖的な性質により、データ量はすでに制限されています。大手メーカー以外の観点から見ると、スマート カスタマー サービスでは現在、検索効率を確保するために「カードを保管」したり、ベクトル データベースにアクセスしたりする必要はありません。モデルを呼び出す必要がある トークンのコストを考慮しすぎる場合は、対応するコストに応じて価格を設定するだけで十分です。いずれの場合でも、インテリジェントな顧客サービスを使用することで節約される人的効率は、現在の価格設定よりもはるかに高くなります。
確かなことは、スマート カスタマー サービスのデモを作成するのは非常に簡単ですが、デモが成功するまでの距離は、通話や自社開発モデルへの投資に限定されないということです。定量化するのが難しいコストは、将来のスマート カスタマー サービス トラックのプレーヤーにとって堀となる可能性があります。
微妙な生活空間
AIGC とインテリジェント顧客サービスの組み合わせの可能性を議論する一方で、インテリジェント顧客サービスは AI によって開発された新しい路線ではなく、10 年以上の歴史を持つ古い路線であり、大手企業によって再構築された業態であることも考慮する必要があります。モデル。
スマートカスタマーサービス路線に関しては、NLPのアップスケーリングから大規模モデルへのボトムレイヤーの変更や、意味理解からマルチモーダル機能ジャンプへの進化などのビジネスフォーマットの再構築が行われていますが、非技術的な観点からのモデルは変わっていません。
「もし大手メーカーがスマートな顧客サービスにおいて我々を徹底的に打ち負かすことができれば、我々はNLPの時代にはすでに消滅していたでしょう」とChen Zhe氏は述べた。
さらに、インテリジェントカスタマーサービスはSaaSビジネスの一種であるため、その成長パラダイムもロジックに沿ったものになります。例えば、顧客サービス分野で大規模モデルを投入したチャイナモバイルやチャイナユニコム、栄聯雲などの通信事業者は製品主導の成長に基づく成長モデルを採用している一方、相応の能力を持たない非大手メーカーは、言い換えれば、それらのほとんどは、経験主導型の成長 (eXperience-Led Growth) に傾いたモデルを提示しています。
ウエストメーカーとその顧客が製品の性能を気にしていないということではなく、大手メーカーとの技術や資源の競争に直面して、ウエストメーカーは第二の成長曲線を築き、生活空間を広げる必要があるということです。顧客が製品を使用する際に起こり得る問題に対する「前処理」を行い、可能な限り本業以外の営業ルートを拡大するのが一般的だ。
某ウエストメーカーを例に挙げると、自社製品の運用部門を設け、顧客サポートや顧客への寄り添いに「全力で」取り組んでいる。運用部門の仕事内容は、顧客に代わってライティングをしたり、プライベートドメインの運用をサポートしたり、さらには顧客とメーカー間の「中継所」として、会員という形でデジタル総合ソリューションのマッチングを行ったりすることもあります。
確かに、基本的に小さな工場でできることは大きな工場でもできるのですが、それにはある程度の時間と人手が必要です。ただ、スマートな顧客サービスに対する両社の理解と営業ルートの分割により、ウエストメーカーの居住スペースもかなり圧迫されている。
「大規模工場には、多くのリソースと多額の投資があります。当然、工場は肉を食べたいし、大口顧客を見つめて請求をしたいと考えます。また、顧客にモデルを試して「教師のコーパスを盗む」ようにさせるなど、いくつかの現実的なことは避けられません。私たちはもっと多くのことを行っています。現実的で最善を尽くします。顧客のコスト削減のニーズは、販売前から明確に認識できます」とウエスト メーカーのプロダクト マネージャーは語ります。
さらに、企業のデジタル変革の多くのプロジェクトの 1 つとして、インテリジェントな顧客サービスのハンディキャップはそれほど大きくありません。一般に、大規模顧客は統合のリスクを避けるために複数の企業からパッケージ化された方法で購入することを選択しますが、これには非大手メーカーにとってもチャンスが含まれます。
現時点では、今日のスマート顧客サービス路線は依然として「自由を求めて競争するあらゆる種類の霜」と見なすことができますが、スマート顧客サービスとAIGCの組み合わせの深化に伴い、熾烈な競争後のビジネス形式は再び変化する可能性があります。
生成されたコンテンツの品質の不安定につながる最も基本的な幻覚問題は業界全体の目の前にあり、現時点で明確な解決策はなく、AIGCと組み合わせたインテリジェントカスタマーサービスのビジネスが成熟段階に入った後、コストからの傾向が見られます。さらなる価値創造のための削減と効率の向上が増加しており、スマートなカスタマーサービスメーカーはテクノロジーの反復を増やす必要に迫られています。電子商取引分野におけるインテリジェントな顧客サービスは、顧客サービスからショッピング ガイドまで拡張できるのが一般的です。
さらに、Photon Planet は大手メーカーから、電子商取引の顧客サービスシナリオへの AIGC の適用が遅れていること、純粋な意味検索ではユーザーの満足度を保証することが難しいことも学び、ベクトルデータベースの導入は避けられないと思われます。未来。
スマート カスタマー サービスは、それ自体のコスト削減価値と大規模モデルとの結合度により、大規模モデルの導入における決定的なシナリオの 1 つとなっています。しかし、その大規模なモデル期間の開発は始まったばかりであり、「精神薄弱者」から「賢明者」へほとんど変化していない顧客サービスは、再購入とクロスセルのニーズに直面するために、パラダイムのさらなる反復を必要としています。