Co-Pilot dengan Analisis Pelanggan yang Didukung AI [Ringkasan Webinar]

Ryan Ota, Manajer Produk kami, memberikan webinar ini tentang perkembangan terbaru dalam analitik dan bagaimana AI membantu mengubah industri analitik.

Konsep Baru Analisis: Masa Depan AI dalam Analisis Pelanggan

Pertama, saya ingin segera membagikan beberapa statistik tentang adopsi dan permintaan AI. Menurut survei Mackenzie pada tahun 2022 dan 2023, adopsi dan penggunaan AI meningkat lebih dari dua kali lipat sejak tahun 2017.

Survei tersebut juga menunjukkan bahwa tiga bidang teratas dengan permintaan AI terbanyak berkisar pada topik yang kita bahas hari ini, yaitu wawasan dan analisis pelanggan.

Kasus penggunaan AI yang paling populer menunjukkan bahwa 24% pengguna yang disurvei tertarik menggunakan AI untuk kesuksesan dan layanan pelanggan, diikuti oleh 20% dalam pengembangan dan peningkatan produk, dan 19% dalam pemasaran, segmentasi, dan prospek.

Seiring dengan meningkatnya penggunaan AI, sebagian besar bisnis bergulat dengan kompleksitas data yang semakin meningkat.

Banyak yang merasa tertantang dalam memilih alat dan strategi terbaik untuk merangkul tren wawasan AI yang sedang berkembang. Faktanya, survei dari IDC menunjukkan bahwa hanya 30% bisnis yang benar-benar merasa siap secara teknis untuk memanfaatkan gelombang baru AI generatif.

Selanjutnya, kita akan melihat tren masa depan dalam analisis pelanggan di Woopra. Seperti yang kita lihat, tren AI akan mempercepat pertumbuhan dengan waktu yang lebih cepat untuk mendapatkan wawasan.

Kami terus menganalisis tren fitur AI dan kebutuhan analitik pelanggan untuk membantu membangun visi produk kami. Kami percaya bahwa analisis pelanggan generasi baru perlu dibangun berdasarkan tiga area untuk kesuksesan klien.

Pertama adalah kemampuan untuk menyatukan data yang berbeda; untuk memiliki satu sumber kebenaran. Dan juga kemampuan untuk menganalisis data tersebut secara real-time.

Sebagian besar perusahaan saat ini memiliki data di beberapa tempat berbeda, seperti online, offline, dan bahkan aplikasi pihak ketiga. Jadi kemampuan menyatukan semua data tersebut sangat membantu untuk memahami perjalanan pelanggan secara keseluruhan.

Yang kedua adalah menghadirkan wawasan terintegrasi untuk memberdayakan setiap tim, seperti tim kesuksesan pelanggan, penjualan, pemasaran, dan produk untuk mengoptimalkan pertumbuhan.

Terakhir, memanfaatkan wawasan yang dihasilkan AI untuk pertumbuhan dan optimalisasi dalam skala besar.

Selama dekade terakhir, saya merasa senang memecahkan berbagai masalah dengan klien mulai dari tim produk, hingga pemasaran, kesuksesan pelanggan, dan penjualan.

Hasilnya, mereka sering kali meminta kami untuk berkolaborasi dan kami bekerja sama untuk menjawab pertanyaan-pertanyaan unik namun saling berhubungan.

Kemitraan ini memungkinkan kami memelihara pertumbuhan melalui wawasan pelanggan berbasis data.

Seperti tim produk, mereka mungkin menanyakan fitur produk mana yang digunakan atau dipasarkan oleh klien bernilai tinggi, atau dengan kata lain, saluran pemasaran mana yang mendorong konversi paling banyak untuk tim penjualan.

Karena setiap tim berfokus pada area yang berbeda, penting untuk menemukan alat yang dapat menjawab berbagai pertanyaan untuk memahami perjalanan pelanggan menyeluruh.

Di masa mendatang, AI akan meningkatkan produktivitas di beberapa bidang terkait analisis data.

Keputusan perjalanan pelanggan akan bersifat real-time dan memungkinkan Anda mengambil tindakan terbaik dalam hitungan milidetik. Apa yang Anda investasikan sekarang akan berdampak signifikan terhadap keputusan bisnis di masa depan.

Dan semuanya dimulai dengan membuat pilihan yang tepat pada infrastruktur dan peralatan Anda di tiga bidang berikut. Kami akan membantu Anda memanfaatkan kekuatan AI dalam analisis pelanggan.

Pertama, lihat berbagai tren AI. Kemudian lihat data real-time dari berbagai sumber. Dengan bantuan pelacakan AI, segalanya menjadi lebih mudah dari sebelumnya.

Misalnya, dengan pemberian tag otomatis AI yang cerdas, pelacakan peristiwa yang disesuaikan, yang implementasinya mungkin membutuhkan waktu beberapa minggu bagi pengembang, dapat memakan waktu beberapa detik dengan AI.

Kedua adalah analisis cerdas dan analisis data dengan AI untuk layanan mandiri. Fitur wawasan pelanggan yang didukung AI dapat membantu semua orang di tim Anda. Bahkan dapat membantu pengguna teknis dan non-teknis mencapai wawasan berharga dengan data Anda.

Sebagai perbandingan, di masa lalu, Anda mungkin memerlukan seluruh tim untuk membantu menjawab pertanyaan. Sekarang, kita cukup meminta AI untuk mengeluarkan jawaban dalam hitungan detik.

Dan yang terakhir, nomor tiga adalah optimalisasi pelanggan dalam skala besar dan kemampuan untuk bertindak berdasarkan data dengan AI. Dengan personalisasi produk dan pertumbuhan tersebut, pengoptimalan saat ini sulit dilakukan dalam skala besar dan seringkali memerlukan waktu dan tenaga.

Jadi dengan pengembangan AI yang diprediksi dan generatif, keputusan dan optimalisasi pertumbuhan pelanggan menjadi efisien dan bahkan otomatis untuk memaksimalkan ROI.

Mempersiapkan Kesuksesan: Menavigasi Alat Analisis di Era AI

Pertama, kami menyebutkan menghubungkan data real-time dan dapat ditindaklanjuti. Semuanya dimulai dengan pengumpulan data.

Berdasarkan umpan balik klien dan pelanggan kami dari pengguna yang menggunakan platform tradisional, seperti Google Analytics, mereka menemukan bahwa alat ini lambat dalam pengambilan keputusan karena sambungan data yang tidak lengkap, jaringan yang terbatas, dan kurangnya atau sulitnya menemukan peristiwa. atau audiens.

AI harus dapat disesuaikan secara real-time dan dapat berintegrasi dengan titik data di seluruh perjalanan pelanggan. Dengan waktu nyata, tim data, penjualan, dukungan, dan pemasaran dapat bertindak lebih cepat untuk menghindari hilangnya peluang.

Kita semua pernah mendengar pepatah, “Lebih sedikit lebih baik.” Namun dalam data, saya cenderung lebih condong ke arah lebih banyak lebih banyak. Bisnis sering kali tidak mengetahui apa yang tidak mereka ketahui, dan Anda akan mendapati bahwa melacak lebih banyak data sering kali dapat menemukan dan memberi Anda lebih banyak wawasan yang bahkan belum pernah Anda pikirkan.

Misalnya, tim pemasaran mungkin hanya tertarik untuk melacak peristiwa-peristiwa terbaik.

Namun jika Anda melacak lebih banyak data setelah seseorang menjadi pelanggan, Anda dapat mulai mengelompokkan pengguna tersebut sebagai klien bernilai tinggi atau bernilai rendah. Hal ini dapat memberi Anda wawasan tentang kampanye pemasaran mana yang menghasilkan klien bernilai paling tinggi.

Wawasan ini bisa sangat berharga bagi tim tawar-menawar yang bisa saja Anda lewatkan jika Anda hanya melacak analisis terbaik.

Inti dari kekuatan total analitik pelanggan AI adalah melacak perjalanan pelanggan secara keseluruhan, yang memerlukan pemantauan dan pengoptimalan secara real-time.

Kemampuan untuk melacak peristiwa khusus dengan segmentasi audiens dan kapasitas untuk terhubung dengan integrasi pihak ketiga dan sumber data eksternal adalah analisis yang dapat dilakukan sendiri dan cerdas.

Dengan meningkatnya tren kemampuan melayani diri sendiri, Anda ingin menemukan platform yang memberdayakan semua orang di tim Anda untuk mendapatkan jawaban. Analisis pelanggan tradisional hanya dapat menampilkan laporan tentang sebagian kecil perjalanan pelanggan Anda dan memberikan waktu yang lambat untuk mendapatkan wawasan.

Seringkali jika Anda ingin mendalami data tersebut, Anda masih harus mengekspor data tersebut ke database dan kemudian menjalankan kueri lanjutan yang kompleks untuk mendapatkan wawasan apa pun.

Jadi dengan analitik yang didukung AI, akan sangat bagus jika fitur AI memberikan wawasan prediktif yang memungkinkan Anda menganalisis perjalanan pelanggan secara menyeluruh tanpa keahlian teknis apa pun hanya dengan mengajukan pertanyaan bahasa alami tentang data Anda.

Selain itu, carilah antarmuka yang ramah pengguna yang memungkinkan tim lintas departemen mendapatkan jawaban langsung dan menyelesaikan masalah bisnis Anda.

Nomor tiga adalah bagaimana Anda dapat menindaklanjuti data Anda melalui pengoptimalan dan personalisasi dalam skala besar.

Analisis pelanggan tradisional hanya menyediakan saluran terbatas, yang memiliki opsi terbatas untuk pengoptimalan perjalanan pelanggan dengan produk Anda dan sering kali memiliki opsi segmentasi terbatas dan visibilitas profil yang lebih sedikit.

Dengan analitik yang didukung AI, penting untuk menemukan alat yang dapat mengotomatiskan tindakan untuk pengoptimalan saluran lintas pemasaran dengan kemampuan untuk menyesuaikan segmentasi audiens terperinci untuk personalisasi produk atau pemasaran.

Intinya adalah menemukan alat yang tepat yang dapat mengambil tindakan segera, memanfaatkan peluang dengan kemampuan untuk menentukan audiens tertentu, dan menargetkan prospek melalui berbagai saluran.

Ringkasnya, memilih alat yang dapat menghubungkan, menganalisis, dan bertindak berdasarkan data Anda sangatlah penting untuk mendapatkan manfaat maksimal dari analisis yang didukung AI.

Dengan koneksi yang berfokus pada data real-time dengan data pihak ketiga dalam integrasi serta pelacakan dan segmentasi khusus, klien dapat menganalisis prediksi AI dan melakukan kopilot secara efisien untuk analisis pelanggan lengkap dan data visualisasi yang mudah digunakan.

Memperkenalkan Woopra: Studi Kasus dan Demo

Woopra adalah platform analitik pelanggan bertenaga AI yang memungkinkan bisnis memahami perjalanan pengguna pelanggan secara lengkap. Dengan Woopra, kami dapat memprediksi pelanggan terkenal dan membuat keputusan berdasarkan data yang paling tepat.

Woopra dapat menjawab berbagai pertanyaan untuk membantu memaksimalkan ROI. Berikut empat pertanyaan umum yang mungkin ditanyakan oleh bisnis.

Saluran dan halaman manakah yang menghasilkan konversi pelanggan bernilai paling tinggi secara real-time?

Bagaimana cara mengelompokkan pelanggan bernilai tinggi dan rendah berdasarkan perilaku dan minat mereka?

Bagaimana cara mengotomatiskan dan menyesuaikan jangkauan saya untuk pengguna bernilai tinggi dan pengabai keranjang?

Dan produk unggulan manakah yang paling banyak dikaitkan dengan penjualan pelanggan baru?

Meskipun beberapa alat lain mungkin hanya berfokus pada pelacakan, Woopra memperluas kemungkinan penggunaan data lintasan dengan memungkinkan Anda menjawab pertanyaan kompleks dan bertindak berdasarkan data lintasan tersebut.

Jadi mari kita selami lebih dalam, dan lihat bagaimana Woopra dapat diterapkan pada berbagai pertanyaan ini.

Melihat secara real-time, wawasan tentang perjalanan pelanggan yang optimal dapat menganalisis keseluruhan perjalanan pengguna mulai dari cara mereka membuka situs Anda, saluran mana yang bekerja paling baik, hingga cara mereka berinteraksi dengan produk Anda.

Dan terakhir, lihat apa yang mendorong konversi tersebut dan kelanjutan penggunaan produk segera setelah pengguna melakukan sesuatu di situs Anda. Dengan profil Woopra, profil tersebut langsung diperbarui. Hal ini memungkinkan tim di seluruh organisasi Anda untuk bertindak secara instan.

Salah satu klien kami memiliki model berlangganan untuk industri komoditas, dan Woopra memberdayakan tim penjualan mereka dengan memberi mereka akses cepat ke wawasan tentang klien potensial tersebut.

Mereka kemudian dapat melacak hal-hal seperti saluran pemasaran mana yang mendatangkan pengunjung terbanyak, artikel mana yang paling banyak dilihat, dan berapa lama mereka bertahan di setiap halaman.

Mereka bahkan dapat mengotomatiskan penjangkauan email ke klien potensial berdasarkan segmen pelanggan yang berfokus pada calon pelanggan potensial bernilai tinggi.

Email tersebut juga disesuaikan untuk menyertakan artikel yang diminati oleh prospek mereka, berdasarkan semua data yang mereka lacak di Woopra setelah mereka mengirimkan email otomatis.

Mereka bahkan dapat melacak email-email ini dan melihat siapa yang kembali. Begitu mereka kembali, mereka memiliki otomatisasi lain di Woopra yang memperbarui saluran slack agar tim penjualan mereka segera diberi tahu saat prospek bernilai tinggi kembali.

Jenis pelacakan dan otomatisasi holistik ini telah meningkatkan tingkat konversi mereka secara signifikan dengan memungkinkan tim penjualan mereka bertindak cepat dan memfokuskan lebih banyak waktu pada prospek bernilai tinggi dan lebih sedikit waktu untuk mengirimkan email buta.

Bagaimana cara mengelompokkan pelanggan bernilai tinggi dan rendah berdasarkan perilaku dan minat mereka?

Dengan fitur segmentasi, kami dapat menggunakan rumus dan filter yang sangat terperinci untuk menentukan sejumlah segmen atau audiens khusus berdasarkan aktivitas pengguna.

Segmen ini tidak memerlukan kode apa pun dan dapat dibuat dengan mudah oleh anggota non-teknis dalam hitungan menit.

Segmen ini memungkinkan beragam wawasan yang dapat ditindaklanjuti.

Saya membantu salah satu klien kami, yang memberikan pelajaran dan sertifikasi bagi pemasar digital, untuk membuat model penilaian yang lengkap bagi penggunanya.

Dengan menggunakan rumus, kami dapat menetapkan poin berdasarkan berbagai aktivitas yang dapat dilakukan klien di situs mereka. Misalnya lima poin untuk menyelesaikan pelajaran atau 10 poin untuk mendapatkan sertifikasi.

Selanjutnya, kami membuat metrik khusus yang memperbarui total untuk setiap pengguna secara real-time. Kemudian, berdasarkan skor tersebut, kami dapat mengelompokkan pengguna ini ke dalam segmen yang berbeda, seperti klien bernilai tinggi, sedang, dan rendah.

Klien kemudian dapat melacak pelajaran atau aktivitas mana yang paling mendorong keterlibatan dan mengotomatiskan konten dan penjangkauan berdasarkan aktivitas pengguna.

Kini mereka dapat menyesuaikan segmen yang memungkinkan mereka lebih memahami perilaku pengguna dan membantu tim produk fokus pada pelajaran dan konten yang mendorong keterlibatan terbanyak.

Selanjutnya, mari kita lihat cara mengotomatiskan dan menyesuaikan penjangkauan saya untuk pengguna bernilai tinggi versus pengabai keranjang.

Saya telah menyentuh beberapa kasus pengguna ini sebelumnya. Namun saya akan memperluas fitur otomatisasi Woopra. Kita dapat membuat alur kerja yang lengkap berdasarkan perilaku pengguna.

Pengguna dapat memasuki alur kerja otomatis dengan menambahkan item ke keranjang dan kemudian kami dapat memilih periode waktu tunggu jika mereka tidak menyelesaikan pembelian. Kami kemudian dapat menggunakan integrasi kami untuk mengirim email otomatis ke pengguna tersebut.

Salah satu klien kami yang banyak menggunakan fitur ini adalah bisnis maskapai penerbangan yang bekerja sama dengan kami. Mereka menggunakan alur kerja otomatis kami untuk mengirimkan email yang disesuaikan kepada pengguna yang melakukan pembayaran, dan mereka juga memiliki alur kerja untuk pengguna yang meninggalkan keranjang mereka.

Alur kerja ini mengambil data yang dilacak dari pilihan pengguna seperti preferensi kursi atau berapa banyak wisatawan ke dan dari tujuan serta perkiraan waktu keberangkatan.

Semua data ini dilacak dalam contoh Woopra mereka. Dan mereka menggunakan data ini untuk memasukkan informasi ini ke dalam email khusus yang mereka kirimkan dengan integrasi jaringan pengiriman kami.

Untuk alur kerja pengabaian saat ini, jika pengguna memasukkan semua detail penawaran penerbangan tetapi akhirnya tidak check out, mereka sebenarnya dapat menyesuaikan penjangkauan email yang memasukkan semua detail penerbangan ke email otomatis untuk mencoba dan mendapatkan kembali potensi konversi.

Dengan Woopra, mereka dapat melakukan tes AV acak dengan otomatisasi kami yang mencoba berbagai format email saat mengirim email pengabaian saat ini dan kemudian melacak kinerjanya juga.

Pelacakan data adalah salah satu hal yang penting. Sisi lain mampu bertindak berdasarkan data lintasan tersebut.

Ada banyak kemungkinan untuk membantu meningkatkan keterlibatan dan pendapatan dengan fitur dan pengembangan terbaru Woopra: Co-Pilot AI Woopra kami.

Kami dapat mengajukan pertanyaan bahasa alami dan kopilot, lalu secara otomatis memilih dan mengonfigurasi laporan untuk memberikan jawaban yang Anda perlukan.

Fitur ini bertujuan untuk mendapatkan jawaban secepat mungkin tanpa perlu membuat laporan secara manual. Hal ini akan memungkinkan siapa pun di tim Anda memperoleh wawasan dan detik berharga tanpa harus bergantung pada pakar data internal.

Dapatkan Demo Woopra Copilot: Pelaporan dan wawasan Gen-AI.