糖心原创

(see the * 'adobe' handle in functions.php — no async, no defer), so a page-load * Target offer has already set `data-hdr` by the time this runs. * * An answer that lands after this point is inert rather than acted on: * `apply()` finds the prune settled and does nothing, so the visitor * keeps the nav they were served instead of watching it change. That is * the deliberate trade-off — a late activity collects no data, but no * visitor ever sees the wrong nav or waits for the right one. */ (function () { var VARIANTS = ["a","b","c"]; var DEFAULT = "a"; /** * QA-only. When the on-page switcher is drawn we keep every variant in * the DOM so it can toggle between them live and you can see that the * chrome never repaints. Gated by the same constant as the switcher, so * it is false everywhere the switcher is absent — including production. */ var QA_KEEP_ALL = false; var root = document.documentElement; var settled = false; function valid(v) { return VARIANTS.indexOf(v) !== -1; } /** Publish the decision and let the nav JS bind. */ function finish(active) { root.setAttribute('data-hdr', active); // Read by the Adobe Analytics client to attribute the test. root.setAttribute('data-hdr-active', active); if (typeof window.initHeaderNav === 'function') window.initHeaderNav(); /** * `variant` is set before the event so late listeners can tell * "already done" from "not yet". main.js is enqueued in the footer * and therefore always misses the event itself. */ window.medalliaNav.variant = active; document.dispatchEvent(new CustomEvent('medallia:nav-ready', { detail: { variant: active } })); } function prune(active) { if (settled) return; settled = true; if (QA_KEEP_ALL) { finish(active); return; } /** * Only menu items carry data-nav-variant, so this can never touch * the shared chrome. CSS has already hidden the losers; removing * them keeps document.querySelector-based nav JS unambiguous. */ var list = document.querySelectorAll('#site-header [data-nav-variant]'); for (var i = 0; i < list.length; i++) { if (list[i].getAttribute('data-nav-variant') !== active) { list[i].parentNode.removeChild(list[i]); } } finish(active); } window.medalliaNav = { variant: null, apply: function (v) { if (valid(v)) prune(v); } }; // `?hv=` sets this server-side; a Target offer in the blocking // embed sets it before the body is parsed. var pre = root.getAttribute('data-hdr'); if (valid(pre)) { prune(pre); return; } /** * Carried forward from an earlier pageview. Read client-side, never in * PHP: WP Engine does not vary its page-cache key on arbitrary cookies, * so server-side personalisation here would serve the first anonymous * visitor's variant to everyone. */ var m = document.cookie.match(/(?:^|; )medallia_nav_variant=([^;]*)/); if (m && valid(m[1])) { prune(m[1]); return; } prune(DEFAULT); })();
Noleggi Uniti

Alyse Fuller

Customer Experience Responsabile del programma

Sta dimostrando che l'intelligenza artificiale può rendere più efficace l'analisi dei dati sui clienti senza renderla più complessa.

Una donna con i capelli biondi corti e mossi e gli occhiali, che indossa un top nero e una collana, posa su uno sfondo blu scuro sfumato.
Guarda il servizio.

1 min
Logo di United Rentals con un'icona circolare nera a sinistra e il nome dell'azienda, United Rentals, in caratteri neri in grassetto a destra.

?Non miserve che tutti siano architetti dei dati o analisti della CX. Devono solo avere accesso alle insights che contano di più per loro.?

— Alyse Fuller

La sfida

Un programma incisivo stava sollevando questioni ancora più spinose.

United Rentals aveva dedicato anni alla creazione di un programma di CX altamente coinvolgente. Tuttavia, quando un’oscillazione dei punteggi ha spinto i dirigenti a chiedersi quali fossero le cause e quali misure adottare, Alyse ha scoperto che per ottenere quelle risposte era ancora necessaria una notevole quantità di analisi manuale.

Alyse Fuller — L'immagine della sfida
Generato dall'intelligenza artificiale

Le informazioni sembravano ancora frammentarie.

Il feedback dei clienti ha messo in luce il punto di attrito. Per comprenderne le cause era necessaria una visione più ampia, che mettesse in relazione la prospettiva dei clienti con i dati operativi e le conoscenze dirette dei team in prima linea, più vicini all’esperienza dei clienti.

Il cambiamento

Affidiamo all’IA il lavoro per cui è stata progettata.

Alyse ha messo l'intelligenza artificiale al lavoro: analizzare più informazioni, individuare modelli ricorrenti e arrivare più rapidamente al "perché". Un lavoro che un tempo richiedeva la suddivisione manuale dei dati ora poteva essere svolto con rapidità e su larga scala, lasciandole spazio per verificare ipotesi, seguire nuove connessioni e approfondire quando qualcosa attirava la sua attenzione.

Alyse Fuller — Il grafico del turno
Generato dall'intelligenza artificiale

?Non abbiamomai voluto che i nostri manager in prima linea diventassero analisti della CX. Voglio che si concentrino sulla costruzione di relazioni con i clienti.?

— Alyse Fuller

Cosa è cambiato

Rendi semplice un'analisi sofisticata.

Alyse ha integrato l'intelligenza artificiale nei flussi di lavoro consolidati, aiutando i manager a rispondere ai clienti, a sintetizzare i feedback e a individuare le potenziali cause alla radice dei problemi. Anziché chiedere ai team di apprendere nuovi metodi di analisi dei dati, ha reso più facile l'accesso a informazioni più approfondite e la loro applicazione nel loro lavoro.

Alyse Fuller — Cosa è cambiato (grafico)
Generato dall'intelligenza artificiale
L'impatto

L'utilità porta all'adozione.

Tasso di chiusura più rapido

I manager risolvono gli avvisi dei clienti con risposte fornite dall'intelligenza artificiale.

L'adozione cresce in modo organico

L'uso delle risposte ai clienti assistite dall'intelligenza artificiale continua a crescere praticamente senza alcuna promozione.

Risposte su richiesta

I leader possono cercare di capire quali siano le cause di un cambiamento, invece di aspettare il prossimo report.

Meno rumore. Più rilevanza.

I team si rivolgono direttamente ai piloti che sono più importanti per il loro lavoro.

Come si è evoluto il lavoro.

顿补… 础…
Analizzare manualmente i dati Utilizzare l'intelligenza artificiale per verificare un maggior numero di teorie e approfondire l'analisi
Individuare i punti in cui i clienti hanno riscontrato difficoltà Mettendo in relazione i segnali che aiutano a spiegare il perché
In attesa che CX avvii un'indagine Gruppi che approfondiscono nuove questioni man mano che si presentano
Risposte predefinite pensate per garantire l'uniformità Risposte assistite dall'intelligenza artificiale che i manager rendono più personali

Il consiglio di Alyse

  • Per prima cosa, getta le fondamenta.

    Assicurati che i tuoi dati siano collegati tra loro e definiti in modo coerente prima di chiedere all’IA di interpretarli. Le lacune nei dati possono rapidamente trasformarsi in lacune nelle risposte.

  • Assicurati che funzioni prima di ampliarne la portata.

    Alyse ha condotto per mesi analisi basate sull'intelligenza artificiale parallelamente al proprio processo, confrontando i risultati prima di estenderle a un numero maggiore di persone e a ulteriori casi d'uso.

  • Vai incontro alle persone là dove si trovano.

    Alcuni si lanceranno a capofitto nell'intelligenza artificiale. Altri hanno bisogno di un punto di partenza familiare e di tempo per acquisire sicurezza. Lasciate alle persone lo spazio necessario per adottarla nel modo che fa al caso loro.

Alyse Fuller — infografica con consigli
Generato dall'intelligenza artificiale

?Non appenaviene resa disponibile una nuova funzionalità o capacità dell’IA, voglio esserne parte integrante. Voglio capire cosa è in grado di fare, in che modo può essere d’aiuto e dove possiamo fornire un feedback per migliorarla ulteriormente.?

— Alyse Fuller

Da dove cominciare

Metti alla prova l'intelligenza artificiale.

Scopri le funzionalità di intelligenza artificiale già a tua disposizione e individua in quali ambiti possono fare davvero la differenza.

  • Scegli una competenza che potrebbe migliorare il lavoro che già conosci bene

  • Applicalo a una domanda o a un compito relativo alla CX che conosci bene

  • Provalo parallelamente al tuo processo attuale e confronta i risultati

  • Se si rivelerà utile, amplialo coinvolgendo altre persone o aggiungendo nuovi casi d'uso

Alyse Fuller — da dove cominciare (grafica)
Generato dall'intelligenza artificiale

Continua ad esplorare.

Un'esperienza cliente moderna, alla portata di tutti

Una guida passo dopo passo alla creazione di un programma CX più integrato, concreto e scalabile.

Per saperne di più

L'IA su misura: individuare i casi d'uso più adatti per ogni ruolo

Scopri come associare le funzionalità dell’IA ai ruoli che ne traggono vantaggio.

Guarda il video

Dal consenso iniziale alla svolta: lezioni sull’adozione della GenAI

United Rentals illustra come i team migliorino la maturità dell'esperienza cliente (CX).

Guarda il video
Uno sfondo a gradiente scuro con transizioni morbide e curve dal nero in alto a tonalità blu intenso e viola in basso, creando un effetto luminoso e suggestivo. Gli angoli dell'immagine sono arrotondati.

Inizia ad apportare grandi cambiamenti alla tua azienda con fiducia

Richiedi una demo Richiedi una demo Perché 糖心原创 Perché 糖心原创