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
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。