We leven in een uitermate verbonden wereld waarin elke digitale interactie, van telefoongesprekken tot aan online winkelen en het bekijken van websites, een schepje toevoegt aan de eindeloze stroom gegevens. En met de opkomst van het internet of things (IoT) genereren zelfs objecten als auto's, koelkasten en kleding op eigen houtje miljoenen keren per dag extra gegevens.

Met all deze data kan sales worden gestimuleerd, marketing beter worden afgesteld en kan de directe en gepersonaliseerde service worden geleverd die klanten tegenwoordig verwachten. Maar hoe kan je bedrijf een eindeloze zee aan data veranderen in de constante stroom inzichten die nodig is om aan deze verwachtingen te voldoen? Kunstmatige intelligentie is het antwoord.

Leer meer met onze interactieve rondleiding.

Kunstmatige intelligentie (AI) is het concept waarbij machines 'denken als mensen'. Ze kunnen dus redeneren, plannen, leren en taal begrijpen. Hoewel niemand verwacht dat kunstmatige intelligentie nu of in de toekomst op gelijke voet zal komen met die van mensen, zal het alsnog een grote invloed hebben op hoe we ons dagelijkse leven leven. Het brein achter kunstmatige intelligentie is een technologie die 'machine learning' heet. Met deze technologie worden onze taken eenvoudiger en worden we zelf productiever.

Een aantal seinen zijn al op groen gezet om dit een spannende tijd te maken voor grote ontwikkelingen in AI.

  • Rekenkracht is met enorme snelheid gestegen: een prestatieverhoging van een factor biljoen in de afgelopen 60 jaar
  • Dataverwerking is veel betaalbaarder geworden
  • Er is steeds meer data die moet worden geanalyseerd omdat bedrijven meer signalen vastleggen van interacties met klanten
  • AI heeft consumenten-apps al aanzienlijk verbeterd: klanten verwachten tegenwoordig dat ze bij alle bedrijven een dergelijke ervaring beleven

Ja. Bijna iedereen die een computer, smartphone of ander smart-apparaat heeft, gebruikt al AI om het leven makkelijker te maken:

  • Siri en Cortana functioneren als persoonlijke assistenten door spraak te verwerken
  • Facebook beveelt fototags aan met beeldherkenning
  • Amazon beveelt producten aan met algoritmen voor machine learning
  • Waze suggereert optimale routes met een combinatie van voorspellingsmodellen, prognoses en optimalisatietechnieken

AI transformeert nu al de verwachtingen van je klanten. Denk maar eens aan iemand die veelvuldig Uber, Google en Amazon gebruikt. Als deze klant een warenhuis binnenloopt om een pak te kopen, wat denk je dat nodig is om service op hetzelfde niveau te verlenen als waaraan hij gewend is geraakt?

Retailers moeten weten wie hij is omdat hij iets online heeft gekocht. Op basis van zijn aankoopgeschiedenis moeten ze weten wat z'n maat is en wat z'n voorkeuren zijn. En ze moeten het perfecte paar schoenen kunnen kiezen bij elk pak dat hij kiest.

Hetzelfde principe is van toepassing op elke andere bedrijfstak. Klanten weten dat je hun gegevens hebt. Ze weten wat je ermee kunt doen. En ze verwachten dat je het gebruikt om snelle, slimme en gepersonaliseerde betrokkenheid bij elke interactie te bieden.

Stel je AI voor als een ijsberg. Als gebruiker zie je alleen het topje, maar onder de oppervlakte ligt een kolossaal supportsysteem van data scientists en technici, enorme hoeveelheden data, arbeidsintensieve extractie en voorbereiding van data en een immense technologische infrastructuur.

Er is een gespecialiseerd team van data scientists en ontwikkelaars nodig om toegang te krijgen tot de juiste data, de data voor te bereiden, de correcte modellen te bouwen, en vervolgens de voorspellingen terug te integreren in een eindgebruikerservaring als CRM.

We hebben Salesforce Einstein ontworpen zodat dit onze uitdagingen zijn en niet de jouwe. Zodoende kan iedereen nu AI gebruiken om slimmer met hun CRM te werken.

Het opzetten van een AI-project kan een langdurige en moeizame ervaring zijn. Eerst moet je het zakelijke probleem in kaart brengen. Daarna zoek je uit welke data beschikbaar is om het probleem op te lossen. Vervolgens ken je voldoende resources en infrastructuur toe om het probleem aan te pakken.

Het mooie van Einstein is dat alle benodigde AI-technologie in je CRM-apps is ingebouwd. Je krijgt dezelfde uitkomsten die je zou krijgen met je eigen AI-team, maar dan zonder het gedoe.

Je kunt deze vraag ook stellen als "Wat kan een AI me bieden dat ik niet al heb?" De drie waardevolste en meestgebruikte uitkomsten zijn voorspellende scores, prognoses en aanbevelingen.

Predictive scoring: als Einstein je een score geeft, krijg je ook een overzicht van hoe deze score tot stand is gekomen. Voorspellende leadscores bijvoorbeeld kennen aan elke saleslead een score toe die aangeeft hoe waarschijnlijk het is dat de lead wordt omgezet in een kans. Je krijgt de redenen achter de score te zien, zoals de leadbron, branche of andere factoren die bijzonder sterke indicatoren zijn waarom een lead wordt geconverteerd of niet.

Prognoses: De voorspellingsmogelijkheden van AI zijn niet beperkt tot scores, maar kunnen ook worden gebruikt om de toekomstige waarde van iets te voorspellen, zoals een aandelenportefeuille of onroerendgoedinvestering. Voor salesmanagers kan een AI kwartaalboekingen voorspellen en krijg je op voorhand informatie of je team de quota gaat halen of niet.

Aanbevelingen: iedereen die online winkelt weet dat AI aanbevelingen doet voor producten in een online winkel. Dit geldt ook voor andere product- en servicecategorieën, zoals zakelijke software, belastingadvies en transportcontainers. AI kan ook andere zaken dan producten aanbevelen, denk maar aan een whitepaper dat je een prospect moet mailen voor een hogere kans dat je de deal sluit.

Tot op heden was AI dusdanig complex en duur dat slechts enkele bedrijven dit op een echt zinvol wijze konden inzetten. Met Salesforce Einstein is dat definitief afgelopen. Nu kan iedereen in elke organisatie gemakkelijk AI gebruiken om data te analyseren, vervolgstappen te voorspellen en plannen en taken en beslissingen te automatiseren. Einstein, de uitgebreide AI voor CRM zorgt voor het volgende:

  • Sales kan vervolgkansen anticiperen en de verwachtingen van klanten overtreffen doordat bekend is wat klanten nodig hebben voordat ze zelf hiervan bewust worden
  • Service kan proactief service verlenen door cases te anticiperen en problemen op te lossen voordat ze optreden
  • Marketing kan voorspellende journeys creëren en klantervaringen beter dan ooit personaliseren
  • IT kan overal slimme informatie inbouwen en slimmere apps maken voor medewerkers en klanten

Als je organisatie data scientists in huis heeft, krijgen ze met Einstein geavanceerde AI-technologie waarmee ze nog productiever kunnen werken. Als geen data scientists bij jou werken, is dat ook prima. Einstein is een revolutionaire verandering van AI: verlost uit het laboratorium en toegankelijk voor iedereen, gewoon direct in je CRM. De beste data scientists ter wereld werken voor ons, en dat betekent dat ze voor jou werken.

Niet zolang wij er zijn. AI maakt je productiever en waardevoller dan ooit. Je kunt informatie direct en diepgaand analyseren, anticiperen op behoeften van klanten en repeterende handmatige taken, zoals het invoeren van data, automatiseren.

Een onderzoek van Narrative Science heeft zelfs ontdekt dat 80% van de leidinggevenden gelooft dat kunstmatige intelligentie de prestaties van medewerkers verbetert en banen creëert.

Machine learning is het brein achter AI. Het is het concept dat computers leren van gegevens met een minimum aan programmering.

Machine learning werkt met gestructureerde data om patronen te ontdekken en meer inzicht te krijgen. Alledaagse voorbeelden zijn gepersonaliseerde aanbevelingen van diensten als Amazon en Netflix. In de financiële wereld voorspelt machine learning slechte leningen, ontdekt risicovolle aanvragen en genereert kredietscores.

Sales: het analyseert informatie uit e-mail, agenda's en CRM-data om proactief acties aan te dragen, zoals de beste e-mailreactie om een deal vooruit te helpen.

Service: het classificeert cases automatisch en stuurt ze slim door naar de juiste servicemedewerker.

Marketing: het kent scores toe aan de waarschijnlijkheid dat een klant een e-mail opent, zich abonneert op een nieuwsbrief of iets koopt.

Deep learning is kunstmatige intelligentie die met behulp van complexe algoritmen taken moet uitvoeren en zelf leert hoe deze taken moeten worden uitgevoerd met weinig tot geen tussenkomst van mensen. In feite leert de machine hoe hij moet leren.

Er worden veel spannende experimenten uitgevoerd met deep learning, maar de meeste bekende praktische toepassingen hebben te maken met beeldanalyse. In beeldanalyse leert een computer willekeurige afbeeldingen te classificeren door duizenden of miljoenen andere afbeeldingen en hun datapunten te analyseren. Consumenten-apps als Google Photos en Facebook gebruiken deep learning bijvoorbeeld om gezichten in foto's te herkennen.

Sales: het analyseert productafbeeldingen die gekoppeld zijn aan een deal en gebruikt deze informatie om de beste kansen voor upsell en cross-sell aan te bevelen.

Service: het analyseert productafbeeldingen die gekoppeld zijn aan een servicedeal en gebruikt deze informatie om de case te classificeren en deze door te sturen aan de juiste medewerker.

Marketing: het analyseert foto's op Facebook, Pinterest en Twitter om de beste plaatjes voor een nieuwe reclamecampagne aan te bevelen. Het kan zelfs merken in de afbeeldingen herkennen en of ze al dan niet in de tekst worden genoemd.

NLP is kunstmatige intelligentie die taal en grammaticaregels herkend en hoe taal gebruikt wordt door patronen te zoeken in grote datasets.

Een toepassing van NLP die aan terrein wint is stemmingsanalyse in social media. Computers zoeken met algoritmen naar patronen in posts op Twitter, Facebook en andere social netwerken om te begrijpen wat klanten van een bepaald merk of product vinden.

Sales: NLP kan door de tekst graven van e-mails die worden uitgewisseld met klanten om de waarschijnlijkheid van een sale in te schatten, de best mogelijke deals te vinden, om deals te herkennen die een team dreigt te verliezen en om acties aan te bevelen om het salesproces te verbeteren.

Service: door geschreven tekst te analyseren kan NLP helpen om e-mails van klanten door te sturen en hierop efficiënter te reageren.

Marketing: NLP kan worden gebruikt voor stemmingsanalyse van tekst om te begrijpen wat klanten van jouw merk en producten vinden.