如果您不在电子商务领域工作,则像WISMO和WISMR这样的首字母缩略词你可能完全听不懂。
但作为客户,我们都熟悉这些术语的含义:不得不回到您刚刚花掉辛苦赚来的钱的零售商那里询问:“我的订单在哪里?”WISMO(where is my order?)或WISMR(Where Is My Return?)
WISMO和WISMR问题是所有在线零售商头疼的问题,但曾经是Philipp Plein国际集团的一个特殊问题。
该公司总部位于慕尼黑,通过运动鞋销售从服装到眼镜的所有产品,该公司都是关于奢侈品和出色的客户体验的。
全球电子商务主管Olga Burfan表示:我们希望为客户提供良好的体验,但我们知道,如果您不断与我们联系,询问您的订单在哪里以及何时需要交货,这意味着我们为您提供的服务水平会下降。
Burfan说,通过使用供应商parcelLab的所谓“购买后软件”,已经实现了公司认为适合其高端品牌承诺的高服务水平的持续交付。
该公司使用包括机器学习在内的多种技术,从他们完成购买时开始与Philipp Plein在线购物者进行个性化沟通。
因此,Burfan说,自12个月前该技术上线以来,根据交易周期,WISMO查询减少了15%-20%。
现有系统的局限性
这很重要,因为虽然该品牌在其Philipp Plein Sport和Billionaire产品中拥有100家现实世界的商店,但在线是一个非常重要的销售渠道。
但是,在采用此解决方案之前,现有内部客户处理系统的限制意味着团队成员必须手动审查每个 WISMO/WISMR 请求。
这开始占用太多资源来解决客户服务票证。另一个问题是,这一过程没有与专家组的其他后勤系统相结合。
她说:我们有正常的ERP和仓库系统,但我们面临着将所有这些东西连接在一起的挑战,这样客户在哪里,订单的去向 - 国家或地区 - 或者我们想使用哪个交付合作伙伴都无关紧要。
运输也很复杂,因为物品不仅可以从仓库推出,还可以从商店推出,每个商店都是一个单独的库存点。
她说:我们需要在后端收集所有信息,并将其集成到一个客户的运输系统中。
因此,Burfan进入市场,想办法减少客服票的数量。
她说,品牌还应以个性化的方式与遇到任何WISMO/WISMR问题的客户重新互动,并提高客户忠诚度。
不断更新
总部位于瑞士的Burfan和她的团队表示,她之所以选择这种特殊的技术方法,是因为它非常注重为客户提供无缝的退货流程。
她还喜欢所有交付通信始终保持在Philipp Plein流程中并始终使用公司品牌的方式。
签订合同后,供应商迅速实施了集成到其所有核心ecomm系统中的定制售后体验。
她说:这对我们来说是一个超快的项目,我们惊讶于所有东西集成的速度如此之快。
购买后于 2022 年夏季在hilipp Plein上线。
这意味着客户现在只在下订单后使用此系统,并不断收到有关其通过多个渠道交付进度的更新。
这是通过软件与hilipp Plein集团合作的所有承运人(实物交付组织)的持续沟通来更新的。
她说,这意味着任何延误 - 尤其是跨境 - 都会立即被标记出来。
腾出时间进行不同类型的外展活动
除了可喜的20%的减票外,采用这种技术还能给公司带来哪些其他好处?
她说,对于客户来说,以前花时间解决交付混乱的服务和销售同事现在能够从事更多的增值活动。
如果我们能够主动联系客户,这意味着我们的客户服务团队可以自由地进行不同的项目,甚至是不同的客户外展模式。
因此,我们将以前花费的时间投入到以不同的方式帮助客户进行交付查询,这有助于产生额外的收入,并为我们的客户提供额外的服务。
Burfan还认为,更定期、个性化的沟通促使更多人回到她的网站,查看最新的Philipp Plein系列。
“我们的客户非常感谢所有这些更新,并且知道每当他们需要采取任何行动时,他们都是最新的 : 也许是清关,也许是由于天气条件而延迟,但至少他们知道在需要时采取行动。”
通过为客户提供如此持续的更新,她所说的“极高水平”的打开和点击率为她的营销同事开放了更多的接触点。
例如,在买家成功收到网站订单后的一段定义时间后,公司会检查他们对购物体验的满意度,是否满意,并可以询问他们是否会推荐该品牌等等。
这将CX数据输入CRM(客户关系管理)系统,从而进一步增强品牌对特定客户历史的了解。
她说:“我们现在对去转换率有了更多的了解,但也知道谁愿意在完成订单后再次购买 - 我很高兴地说这是相当高的。”
她说,该系统还提供数据来清理个人数据 ——30%的交付问题归结为客户地址问题。
最后总结说道 ,在公司购买后的下一步包括为Philipp Plein购物体验添加更多套件的功能。
好文章,需要你的鼓励
在AI智能体的发展中,记忆能力成为区分不同类型的关键因素。专家将AI智能体分为七类:简单反射、基于模型反射、目标导向、效用导向、学习型、多智能体系统和层次化智能体。有状态的智能体具备数据记忆能力,能提供持续上下文,而无状态系统每次都重新开始。未来AI需要实现实时记忆访问,将存储与计算集成在同一位置,从而创造出具备人类般记忆能力的数字孪生系统。
中国人民大学和字节跳动联合提出Pass@k训练方法,通过给AI模型多次答题机会来平衡探索与利用。该方法不仅提升了模型的多样性表现,还意外改善了单次答题准确率。实验显示,经过训练的7B参数模型在某些任务上超越了GPT-4o等大型商业模型,为AI训练方法论贡献了重要洞察。
OpenAI首席执行官阿尔特曼表示,公司计划在不久的将来投入数万亿美元用于AI基础设施建设,包括数据中心建设等。他正在设计新型金融工具来筹集资金。阿尔特曼认为当前AI投资存在过度兴奋现象,类似于90年代互联网泡沫,但AI技术本身是真实且重要的。他承认GPT-5发布存在问题,并表示OpenAI未来可能会上市。
南加州大学等机构研究团队开发出突破性的"N-gram覆盖攻击"方法,仅通过分析AI模型生成的文本内容就能检测其是否记住了训练数据,无需访问模型内部信息。该方法在多个数据集上超越传统方法,效率提升2.6倍。研究还发现新一代AI模型如GPT-4o展现出更强隐私保护能力,为AI隐私审计和版权保护提供了实用工具。