至顶网软件频道消息: 从90年代的面对面服务,到电话直线联系的企业呼叫中心,再发展到现在互联网时代的实时线上沟通……多渠道的普及与交错,不仅为企业的客户服务提供了更广泛的出入口、拉近了企业与其客户之间的距离,同时也为企业带来了在渠道和信息管理上的不小挑战。
用户无处不在,如何在合适的时间通过顾客喜欢的渠道提供正确的信息,如何做到顾客需要什么就能立刻得到什么,如何给予忠实拥趸、高频问题与个性化需求以适当的解答……如何在数字化领域里、分散在各个渠道的用户提供同样富有竞争力的服务,联想集团一直在不断探索。
说到数字化转型道路上,联想绝对不是一个后来者,从企业资源规划(ERP)到客户关系管理(CRM),联想已拥有足够丰富的实践经验。但他们认为,客户服务的未来并不止于此。
在近期的甲骨文现代商业领袖峰会上,联想集团全球社交媒体服务与战略合作经理余泽仁提到,面对越来越大的挑战,联想首先要有在不同渠道分配相匹配资源的魄力,以保证相应的渠道有能力为用户提供服务;另外,还要在新老服务渠道建立起互通与协同,如人工坐席和机器服务的互相补足等,来提升解决问题的效率。在构建一个客户服务领域的数字化管理系统,社交媒体、人工智能、大数据,将是三个不可忽视的关键词。
在更远的未来,更多用户将会去追求个性化、主动式的服务,企业甚至需要提前判断和预知客户的需求;在讲求效率的时代,及时和实时的响应速度对于用户来说也同样重要:他们不希望把耐心消磨在无谓的等待当中,而是期待最快的回复。在此情况下,社交媒体为用户开辟出了声音直接到达企业的通路。如同没有边界、没有门槛的舞台,社交平台上的互动使得企业不得不直面用户抛出的各种问题,而企业给出的答案及回复的方式,也受到了更广泛的“围观”、审视和监督。
人工智能最原始的出发点,大多是基于成本的考虑。对于来自于大量用户的联系请求、服务请求,如果仅仅依靠人力解决问题,定会造成成本的巨大增加。用人工智能的方式去覆盖流程化的、重复性的问题请求,从而将人工坐席释放出来,使其转向更有针对性和更具价值的服务,这也是企业选择数字化转型的目的之一。
而谈到大数据,我们更多的是尝试在获取数据洞察和策定企业发展方向及成功路径之间建立起联系,但其中最关键的还是数字分析能力。经过收集、储存、管理的数据,需要通过强大的分析,才有可能转换成为有效的洞察为企业所用,否则只是一些冗余的信息和无聊的符号而已。
基于以上三点,联想在社交媒体服务体系的整体布局分为了三步走:第一步是倾听,即有能力去倾听全球用户的声音。这就要求整个体系可以覆盖传统的社交媒体网站,包括Facebook、Twitter、微博、微信等更广泛的社交渠道。同时,也需要构建能在即时通讯平台与用户一对一联系及沟通的能力,即第二步互动,因为双向的交流会比单向的沟通更为有效。接下来第三步是分析,因为当我们去倾听、去互动之后会产生巨大的数据交互,我们需要有能力去分析所有的用户和用户提供的信息。
落实到具体的实施来说,Oracle 社交云和Oracle服务云为联想实现数字化服务的转型提供了极大的支持。首先,甲骨文产品支持多语言多国家的特性完美契合了联想全球业务的布局;其次,在互动上,借助甲骨文的产品,目前联想都可以在30分钟之内实现超过90%的回复率。最后,在社交媒体的关系管理上,无论是多渠道的覆盖,还是对于不同信息的梳理及分析,甚至是与人工智能的集成,甲骨文的产品都在支撑着联想去进行主动式的、个性化的客户服务。
“对于社交的聆听和互动已成为联想提升客户服务的创新所在,而采用云服务在背后作为支撑也正契合了联想的创新基因。” 在联想集团全球服务高级总监戴炜看来,“系统成本和扩展性必然重要,但更关键的在于系统的快速部署。社交媒体的变化之快,要求我们利用更快速的技术去适应改变,在提升自身的业务能力的同时满足用户需求。无论是提供服务还是部署系统,速度的重要性不言而喻。而Oracle社交云和服务云就可以保障我们在第一时间触摸到用户,进而为其提供及时有效的服务。”
甲骨文公司副总裁及中国区应用软件业务总经理潘杰君说,“在这个风起云涌、快速迭代的云时代,创新和转型不仅是不可避免的趋势,更是是每一个人、每一家企业都需要真切面对的问题。如何让客户服务更加契合新时代的要求,如何建立起全面的客户服务体系来提升客户体验,我坚信云服务是最正确的选择,也相信联想集团会继续与甲骨文携手,在云端持续推动创新步伐,在转型之路上步履坚定,稳健前进。
好文章,需要你的鼓励
Intuit在ChatGPT发布后匆忙推出的聊天式AI助手遭遇失败,随后公司进行了为期九个月的战略转型。通过观察客户实际工作流程,发现手动转录发票等重复性劳动,决定用AI智能体自动化这些任务而非强加新的聊天行为。公司建立了三大支柱框架:培养构建者文化、高速迭代替代官僚主义、构建GenOS平台引擎。最终推出的QuickBooks支付智能体让小企业平均提前5天收到款项,每月节省12小时工作时间。
希伯来大学研究团队开发出MV-RAG系统,首次解决了AI在生成稀有物品3D模型时的"胡编乱造"问题。该系统像拥有图像记忆库的艺术家,能先搜索相关真实照片再生成准确3D视图。通过独创的混合训练策略和智能自适应机制,MV-RAG在处理罕见概念时性能显著超越现有方法,为游戏开发、影视制作、虚拟现实等领域提供了强大工具。
马斯克旗下xAI公司发布专为开发者设计的新AI模型grok-code-fast-1,主打快速且经济的推理能力。该模型属于Grok 4系列,具备自主处理任务的能力。xAI声称其在SWE-bench评测中解决了70.8%的实际软件问题,表现优于GPT-5和Claude 4。不过模型存在较高的不诚实率问题。用户可通过GitHub Copilot等平台免费试用7天,需要API密钥访问。
MBZUAI等机构研究团队通过一维细胞自动机实验揭示了AI模型多步推理的关键限制:固定深度模型在单步预测上表现优异,但多步推理能力急剧下降。研究发现增加模型深度比宽度更有效,自适应计算时间、强化学习和思维链训练能突破这些限制。这为开发更强推理能力的AI系统提供了重要指导,强调了真正推理与简单记忆的本质区别。