Kết hợp yếu tố con người và học máy để thấu hiểu khách hàng

August 10, 2019 - Dịch vụ khách hàng

Làm thế nào thương hiệu có thể sử dụng học máy để hiểu nhu cầu và mong muốn của khách hàng thay vì đánh giá một cách cảm tính dựa trên trực giác và đánh giá của các cá nhân?

Thách thức của các nhà làm tiếp thị chính là: tìm kiếm nhu cầu, mong muốn chưa được đáp ứng của khách hàng. Dưới đây là cách sử dụng học máy có sự giám sát của con người đã được C Space – một agency toàn cầu về dịch vụ khách hàng đã ứng dụng:

Về lý thuyết, lập trình máy tính truyền thống dựa trên một bộ quy tắc rõ ràng để máy tính làm theo. Chẳng hạn: Nếu chi tiêu của khách hàng trên 10.000.000VNĐ, thì họ được gắn thẻ khách hàng VIP hoặc khoảng cách từ cửa hàng tới nhà khách hàng nhỏ hơn 3km thì họ sẽ được miễn phí ship. Nhưng nếu học máy định dạng theo cấu trúc: vật thể bốn bánh là xe oto nhưng làm thế nào để nó phân loại được đây là oto đồ chơi và đồ ăn hình oto?

Nếu chỉ riêng học máy, đôi khi sẽ gây ra những nhầm lẫn tai hại

Nếu chỉ riêng học máy, đôi khi sẽ gây ra những nhầm lẫn tai hại

Hạn chế của phương pháp này về khả năng thấu hiểu, đặc biệt là cảm xúc khách hàng là điều không còn phải tranh luận, nhất là khi không ai có thể viết hoặc nói rõ tất cả các quy tắc phân loại mọi thứ hoặc các vật thể bốn bánh có thể là máy hút bụi; dụng cụ kéo đồ chơi hay ô tô cũng có thể có ba bánh. Trong khi con người – chúng ta học hỏi, phân loại, giả định và hành động dựa trên việc nhận dạng các mô hình, mục tiêu và bối cảnh.

Loại hình học máy mà chúng tôi sử dụng học máy có giám sát cũng dựa vào việc học hỏi từ các ký ức trong quá khứ. Bằng cách cung cấp các ví dụ mà chúng tôi đã phân loại, kinh nghiệm mà chúng tôi đã tích luỹ, máy tính có thể học hỏi kinh nghiệm mà không cần lập trình rõ ràng và cũng xử lý thông minh hơn.

Học máy chỉ là một công cụ trong bộ công cụ ngày càng phát triển nhưng đây cũng là một cách tiếp cận phản ánh cam kết giúp các công ty trở nên nhân văn hơn.

Ví dụ, các doanh nghiệp theo thói quen sẽ tập trung vào những gì có thể đóng đếm một cách dễ dàng: số lượng khách hàng mới, chi tiêu trên mỗi khách hàng, mức tăng doanh thu…. Sự thiên vị đó được khuếch đại trong nghiên cứu thị trường truyền thống, nơi mọi người thường được hỏi các câu hỏi có sẵn và “thang đánh giá đóng” để cung cấp các câu trả lời dễ dàng định lượng và lặp lại.

Nhưng thường thì cái nhìn sâu sắc nhất, mong muốn sâu xa của khách hàng lại được tìm thấy từ các cuộc trò chuyện tự phát, không phải từ những khảo sát trực tuyến mà người mua bắt buộc phải hoàn thành hay các bức ảnh họ chụp, lời khuyên họ đưa ra trên mạng xã hội. Vì vậy, thay vì buộc mọi người vào vai trò của người trả lời và giới hạn câu trả lời mà họ biết mình sẽ được hỏi, thương hiệu nên khuyến khích cộng đồng chia sẻ theo nhiều cách và tự tin rằng học máy sẽ giúp diễn giải hiệu quả hơn các hình thức biểu hiện phi cấu trúc của con người. Có như vậy, khách hàng mới trở lại vị trí trung tâm như vốn có.

Chỉ có kết hợp học máy và yếu tố con người, khách hàng mới được trở về vị trí trung tâm như ban đầu

Chỉ có kết hợp học máy và yếu tố con người, khách hàng mới được trở về vị trí trung tâm như ban đầu

Học máy không làm giảm nhu cầu khám phá của chúng ta, thay vào đó, nó đóng vai trò là máy dò kim loại, phát tín hiệu trong dữ liệu và cảnh báo thương hiệu đến nơi để đào vàng. Ví dụ, trong một cộng đồng tư nhân quản lý những người bị tâm thần phân liệt, C Space mong đợi nhiều cuộc trò chuyện về các triệu chứng về tác dụng phụ. Nhưng khi phân tích những văn bản phi cấu trúc của nhóm đó, chúng tôi đã thấy một lượng lớn tài liệu tham khảo về nghệ thuật, âm nhạc và văn bản. Đây chính là lý do khiến các chuyên gia của C Space quyết định khám phá thêm tầm quan trọng về khả năng sáng tạo ở những bệnh nhân này, cuộc sống của họ, qua đó thông báo cho khách hàng các chương trình nhắn tin và hỗ trợ của họ theo những cách mới và hiệu quả hơn.

Loại phân tích này chắc chắn sẽ đi kèm với rủi ro và hạn chế khi những nhân viên phụ trách đánh giá vốn đã có thành kiến ​​ngầm dẫn đến có thể dẫn đến kết luận sai, không hiệu quả. Hơn nữa, học máy không thể hỏi: có nên tìm hiểu thêm những quan điểm khác nữa không? hay cũng không thể gợi ý: nếu thêm những hỏi câu hỏi khác thì kết quả sẽ thế nào? Tất nhiên chúng ta vẫn là những người chu đáo, tự giác làm điều đó và đánh giá lại các thuật toán để hạn chế tối đa sự thiên vị nhưng thiếu đi sự đa dạng trong nội dung hỏi cũng sẽ dẫn đến kết quả khác đi.

Hơn nữa, máy móc chắc chắn sẽ thiếu đi “tính người” – vốn rất cần thiết cho sự phát triển trong kinh doanh. Trong khi chúng ta có thể đưa ra cảm nhận (yếu tố này vừa tốt lại vừa không), học máy không thể làm được điều đó. Cảm xúc dù là con dao hai lưỡi nhưng chắc chắn sẽ là yếu tố rất quan trọng để thúc đẩy cả sự thay đổi của cá nhân và tổ chức và xây dựng các mối quan hệ tiêu dùng mạnh mẽ. Và bởi vì máy tính thiếu cảm xúc, chúng thiếu sức mạnh để đồng cảm hoặc khuyến khích khách hàng.

Mặc dù thiếu đi yếu tố quan trọng nhất là sự tin tưởng lẫn nhau nhưng chắc chắn học máy sẽ tiếp tục được đánh giá cao nhưng chúng ta sẽ không máy móc. Và đây cũng chính là lý do tại sao chúng ta có xu hướng coi máy móc là công cụ chứ không phải là đồng nghiệp. Vì lẽ đó, khi máy học kết hợp với yếu tố con người, thương hiệu có thể tạo ra các kết nối tiêu dùng mạnh mẽ, bền bỉ mà không máy móc nào có thể hỗ trợ hay thay thế.

Theo hbr.org

Bài liên quan:

Share this