Het onderzoek heet "The Caring Machine:Feeling AI for Customer Care" en is geschreven door Ming-Hui Huang en Roland T. Rust.

De afgelopen tien jaar is er discussie geweest over de vraag of kunstmatige intelligentie (AI) de emoties van klanten kan verwerken en mensen kan vervangen als het gaat om het opbouwen van langetermijnrelaties. Deze nieuwe studie onderzoekt hoe bedrijven generatieve AI (GenAI) kunnen gebruiken om empathische klantenservice te bieden die relaties kan versterken en de levenslange waarde van de klant kan vergroten.

Er is in de marketingpraktijk steeds meer aandacht voor klantenservice. Klantenzorg gaat niet alleen over het helpen van klanten bij het maken van aankoopkeuzes of het oplossen van productproblemen, maar ook over het opbouwen en versterken van langetermijnrelaties. Het opbouwen van relaties houdt in dat de emotionele band met klanten wordt verstevigd, zodat ze het gevoel krijgen dat ze erbij horen en begrepen worden. Zoals Rust uitlegt:"Klantenzorg is niet alleen een altruïstisch doel. Als het goed wordt gedaan, verhoogt het ook de bedrijfswinsten, omdat emotioneel verbonden klanten loyaal zijn en stabiele winsten opleveren."

Vooruitgang op het gebied van diepgaand leren

GenAI verwijst naar geavanceerde deep-learning-modellen, zoals de GPT-modellen van OpenAI, Bing van Microsoft, Bard van Google en Watsonx van IBM, die zijn ontworpen om nieuwe inhoud te genereren. Deze modellen maken gebruik van de enorme gegevens waarop ze zijn getraind, gecombineerd met specifieke gebruikersinvoer, om output te genereren. Dankzij het feit dat we vóór de training leren van de enorme hoeveelheid door mensen gegenereerde gegevens, kan GenAI menselijke reacties genereren, en het snelle responsontwerp maakt de interactieve en communicatieve mogelijkheden van GenAI mogelijk.

Samen maken ze GenAI tot de nieuwe generatie ‘feeling AI’ omdat ze:(1) zijn ontworpen voor menselijke interactie en communicatie, (2) empathisch begrip van gebruikersemoties kunnen herkennen en uiten door de directe input van de gebruiker te analyseren, (3) kunnen antwoorden genereren die empathie, begrip of steun tonen op basis van de context van het gesprek, en (4) informatie, suggesties of aanbevelingen geven die kunnen helpen de emotionele uitdagingen van de gebruiker aan te pakken.

In dit onderzoek ontwikkelen de onderzoekers een door AI mogelijk gemaakt klantenservicetraject dat het volgende omvat:

• nauwkeurige emotieherkenning
• empathische reactie
• nuttig emotiebeheer, en
• het tot stand brengen van een emotionele band.

Huang zegt dat "vergeleken met het traditionele klanttraject deze reeks zich richt op het gevoelsaspect, zoals klantbetrokkenheid, ervaring en emotie, in plaats van op het meer typische denkaspect, zoals productkenmerken of prijs."

De onderzoekers ondervroegen 305 Amerikaanse Chief Marketing- en Customer Officers uit verschillende sectoren en bedrijfsgroottes. In drie open vragen vroegen ze hen een opsomming te geven van de belangrijkste problemen waarmee hun bedrijf wordt geconfronteerd op het gebied van de klantenservice, de belangrijkste pijnpunten van het gebruik van AI voor de klantenservice en de belangrijkste voordelen van het gebruik van AI voor de klantenservice.

Lessen voor Chief Marketing Officers

Of het mogelijk of wenselijk is om het klantzorgtraject volledig te automatiseren, is een voortdurend debat. Met dit in gedachten biedt het onderzoek punten waarmee marketeers rekening kunnen houden tijdens het klantzorgtraject:

Voor emotieherkenning moeten bedrijven de problemen en emoties van klanten nauwkeurig identificeren om miscommunicatie te voorkomen. Miscommunicatie doet de emoties van klanten escaleren; Daarom is het accuraat herkennen van klantemoties van cruciaal belang om te beslissen of en hoe je om klanten moet geven. GenAI kan geuite emoties nauwkeurig herkennen als de klant duidelijke en eerlijke input krijgt; de nauwkeurigheid kan echter in gevaar komen als de invoer oneerlijk of onnauwkeurig is en als GenAI niet over relevante kennis beschikt voor voorspellingen. Marketingprofessionals moeten dus de GenAI-outputs kruisverifiëren.

Voor het begrijpen van emoties hebben bedrijven empathie nodig:het vermogen om de emoties van de klant te begrijpen alsof hij de klant is en op passende wijze op de emoties te reageren. GenAI kan het perspectief van klanten innemen door te leren van hun directe input; de reacties die ze genereren kunnen echter minder geschikt zijn vanwege een gebrek aan kennis van het gezond verstand. Het is belangrijk dat marketingprofessionals de vaardigheden beheersen om het denken en de diepere gevoelens van klanten te onderzoeken.

Voor emotiemanagement moeten bedrijven nuttige aanbevelingen doen om klanten te helpen bij het beheersen van emoties. Over het algemeen moeten de aanbevelingen specifiek zijn voor de situatie van de klant en gerelateerd zijn aan de service die door het bedrijf wordt geleverd. GenAI kan algemene aanbevelingen doen, maar de aanbevelingen zijn doorgaans minder persoonlijk behulpzaam. Marketingprofessionals moeten dus de vaardigheden op het gebied van responstechniek beheersen om de voorkeuren van klanten te kunnen observeren in aanbevelingen voor emotiemanagement.

Voor emotionele verbinding moeten bedrijven een zorgzame machine ontwikkelen die voldoende zelfbewustzijn heeft (dat wil zeggen, zich bewust is van zijn eigen wezen en dus zijn eigen perspectief kan hebben) om zich te onderscheiden van de klant en het bedrijf. Marketingprofessionals moeten GenAI dus afstemmen op de strategische doelstellingen van het bedrijf en de intenties van de klant om de zorgzame machine strategisch te maken, en marketingonderzoekers moeten marketingstrategieën ontwikkelen die GenAI strategisch kunnen inzetten.

Meer informatie: Ming-Hui Huang et al., The Caring Machine:Feeling AI for Customer Care, Journal of Marketing (2023). DOI:10.1177/00222429231224748

Journaalinformatie: Journal of Marketing

Aangeboden door American Marketing Association