持续提升客户体验对于企业经营至关重要，它直接关联到企业的竞争水平和盈利能力。Temkin Group的调研分析表明，对于年收入达到10亿美元的公司，在客户体验方面进行适度提升，即可在未来三年内平均累计增加约7.75亿美元收入，可见客户体验的持续改善始终是企业客户经营的关键财务投资。
2024年在全球科技领域，OpenAI独领风骚，ChatGPT-4和大模型引领新一轮智能化产业革命。在国内则以智谱、月之暗面等新秀公司为代表，在B端、C端持续发力，推出了GLM4、Kimi Chat等匹配企业需求，符合国家政策要求的创新产品。随着一系列AICG技术的爆炸性突破，让企业在客户经营领域的数字化能力建设迎来了提升客户体验变革和投资的绝佳窗口期。春节假期里和几位头部公司的体验设计和产品专家进行交流，总结出这些团队都在做些什么以及背后的关键思考：
大家都在做哪些场景？
是为了追热点还是真正产生作用？
投入产出的衡量？
相信大家在2024年都能选出适合的AICG技术应用，抓住提升客户经营数字化能力的关键机会，持续提升客户体验。米兰·昆德拉说：“无意义是生活的常态，但我们要试着去挖掘它，并且努力爱上它”，对于用户需求洞察也是如此。用户场景里隐藏了诸多用户诉求的细节，而链接用户需求和产品/服务设计的关键是“用户价值和产品价值”，但用户并不能直接告诉我们他的价值需求，特别是在比较创新性、系统性的设计中，当我们洞察用户背后更深层次的原因和诉求时，“用户场景”就是最关键的介质，AICG技术可对已有场景进行数字化统计分析，设计出更符合用户需求和期望的新场景、新服务、新产品：产品和服务方案设计的本质也是重新设计用户的场景，是针对现有场景中痛点和期待的场景再造，回到用户现有场景中的模拟测试就很关键，这使得人在回路（Human-in-the-loop）等智能化技术获得广泛应用机会；当然，针对不同的项目类型，需要关注的场景类型会有巨大的差异性，我在帮企业进行业务和用户研究的过程中，会把场景区分为与用户有联系的通用生活场景和与该产品/服务强相关的核心场景，其中后者需要重点关注：
生活场景：可以通过用户调研工具《典型的一天》去了解，包括家庭场景、独处场景、社交休闲场景、工作场景、消费场景等；
产品/服务核心场景：包括用户购买时的决策场景和操作产品/接受服务的使用场景，具体研究的场景与项目类型有关；
下面以在某家互联网地产项目中的空间使用场景为例子，做一下分类展示：
总之，我们需要的场景是：有丰富的细节、有生动的画面感、有强烈的代入感的“还原性场景”，需要包括空间、时间 、人物、行为等关键信息和动态动作。相信大家都能预见到，这样的场景分析方案，在AIGC技术应用后，它的成本和获取效率将会出现指数级的优化。
AICG在客户经营数字化能力上的应用，是为了追热点还是真正产生作用？
春节期间OpenAI依然没有放过整个世界，发布了超重磅级的文字生成视频应用Sora，首发版本就能准确地呈现高清细节，能理解物体在物理世界中的存在，并生成具有丰富情感的角色，甚至能在角色离镜时保持视频叙事流畅，确保视频的真实性和逻辑性。
因此国内企业、组织和专家们，对这个问题是始终绕不开的！但不同背景、不同职能的专家们，思考的出发点却有高度的一致性，包括三类核心共识：
长期看是正确的，现在就得做，甚至不计成本；
试错成本不高的，现在可以试，新机会无法预测；
几乎所有产研团队、设计团队都在尝试如何与AICG技术兼容；基于场景纬度出发，大家在尝试做的各类场景有可能归类为六类应用类型，包括：辅助/纠错工具、GPT 套壳“分析师”、知识库问答机器人、ChatBI对话取数→输出（图表/看板/文档/报表…）、AI功能配置助手、AI Agent智能体（归因分析）。至于是否在生产环境中起作用，交流之后普遍共识是有待持续探索！即便在开放式答案场景，比如知识库问答等应用，上线后的效率提升很明显。
当前国内头部互联网公司“百模争鸣”，在大模型产品经理圈儿里的核心共识之一是：AI Agent智能体实际上可伴随式参与业务流程，成为数字化链路基建的关键环节。让各岗位的专家，在提供决策辅助的工作过程得到全方位记录，该方式实质上是今后企业数字化的重要数据来源，也就是员工工作行为的全数字化体现。事实上，即便在字节、华为等顶级公司，员工行为也尚未实现数字化，许多工作过程仍需依赖邮件、网页、工单等分散系统工具来完成工作任务，这其实是流程未被数字化的体现，因此难以进行深入的大模型应用优化。然而如果能通过AI Agent智能体自动协助员工完成各种业务任务和活动，我们将有机会沉淀数据，进而进一步改进专家知识。
我们认为当今大语言模型存在较为明显的局限性，尤其是在必须进行私有化部署的情况下。在无法使用GPT-4的场景下，我们只能选择开源模型或国内大模型的私有化部署版本。目前头部互联网公司正在推进测试的应用方案是，在某些单一岗位拥有大量员工的前提下，借助专家将技能，以数据、文本、音视频和动作等形式，传授给AI Agent智能体，然后依托智能体为基层业务单位赋能，将大量技能传授给基层业务的员工，使其从初级、中级状态提升至胜任水平。从实际结果来看，特别是对于有正确答案的场景，依然存在准确度的困扰，从“可用”到“不可不用”的鸿沟依旧存在。但“开弓没有回头箭”，我们可以满怀期待且无法逆转的是，人类与AI的协同之旅已经启程。
不仅是在AICG技术爆发路径上苦苦追赶的国内互联网巨头们，几乎所有企业都关心这个问题。当然应对这种共识也要非常小心，历史告诉我们往往非共识的东西才是笑到最后的胜利者。就像CES上的明星产品RabbitR1，一边是都觉得RabbitR1 没什么实际应用价值，而实际每次发布预定都被抢购一空。
不同组织不同项目，会具体到的渗透率、满意度或者接口请求次数等经营指标。有趣的是某头部公司的衡量标准，非常简单明确，直接用AICG 功能转化成用户买单的金额，来评价和判断相关应用是否值得持续投入资源，实际收入是如此客观又准确地表达了用户接受的意愿和实际行动，也未尝不可。
写在最后，AIGC技术作为一种人造媒介，是对计算、思考、判断、学习等内在能力的延伸，同时在巨量数据的加持下，AIGC在发现、认识、运用规律上的优势，突破了人类能力的边界，也使得AI技术走向平权化。在2024年，实时海量数据、模型开源、插件生态的进一步开放，结合人类无限的创造力，AIGC对提升数字化客户经营能力的作用，将会持续泛化和扩大。作者赵鹏亿，本文刊载于《客户世界》文集2023第四辑•数据与智能。
.gif "点击免费咨询")
.gif "讲师推广问题请联系我！")
.gif "讲师推广问题请联系我！")
