Ein System, das sich die Präferenzen der Kunden merkt, Sprache und Text verstehen kann und das lernt, je mehr es benutzt wird – das ist die Magie des maschinellen Lernens. Maschinelles Lernen wird eingesetzt, um Kunden zu verstehen, die Personalisierung voranzutreiben, Prozesse zu rationalisieren und benutzerfreundliche und einprägsame Kundenerlebnisse zu schaffen. Hier sind 20 Beispiele für maschinelles Lernen aus der Praxis.
-
Disney
Gäste von Disney-Parks verwenden MagicBand-Armbänder als Zimmerschlüssel, Eintrittskarten und Zahlungsmittel. Das Armband sammelt Informationen, wo sich die Gäste im Park aufhalten, um besondere Erlebnis-Angebote zu empfehlen und die Besucher sogar durch die stark frequentierten Bereiche zu leiten.
-
Progressive
Die Versicherungsgesellschaft nutzt Telematik, um die Fahrgewohnheiten und das Fahrverhalten ihrer Kunden zu verfolgen, was dazu beiträgt, das Risiko eines Unfalls vorherzusagen und genauere und personalisierte Policen zu erstellen.
-
Burberry
Burberrys Luxus-Accessoires gehören zu den am häufigsten gefälschten der Welt. Das Unternehmen verwendet Bilderkennung, um nur einen kleinen Ausschnitt einer Tasche zu scannen und anhand des Musters, der Textur und der Webart die Echtheit zu bestimmen.
-
American Express
AmEx erkennt Betrug in Echtzeit, indem Millionen von Transaktionen umgehend analysiert werden, um herauszufinden, welche Belastungen nicht gerechtfertigt sind. Der schnelle Service bedeutet, dass Kunden das Problem fast sofort klären können.
-
Netflix
Der Streaming-Gigant empfiehlt Filme, die auf den Vorlieben, der Demografie und den Sehgewohnheiten der einzelnen Zuschauer basieren. Fünfundsiebzig Prozent dessen, was die Zuschauer sehen, stammen von Empfehlungen.
-
North Face
Die Marke für Outdoor-Ausrüstung verwendet einen maschinell lernfähigen Personal Shopper, um Kunden bei der Suche nach dem perfekten Kleidungsstück zu unterstützen. Geben Sie einfach ein, wohin Sie gehen möchten, beantworten Sie ein paar Fragen und erhalten Sie Empfehlungen für die beste Ausrüstung.
-
BMW
Je häufiger Sie einen KI-unterstützten BMW fahren, desto mehr lernt er über Sie. Das Auto nutzt maschinelles Lernen, um die Systeme und das Fahrerlebnis für jeden Fahrer automatisch anzupassen.
-
Yelp
Yelp-Benutzer verbringen mehr Zeit mit dem Betrachten von Fotos als mit irgendetwas anderem. Die Review-Site verwendet maschinelles Lernen, um ihre Bilder so zu kategorisieren, dass die Benutzer leicht erkennen können, was für sie am interessantesten ist.
-
HubSpot
HubSpot setzt maschinelles Lernen ein, um die auslösenden Ereignisse seiner B2B-Kunden, wie z.B. eine neue Führung oder strukturelle Veränderungen, zu erkennen. Es verwendet diese Daten, um Dienstleistungen anzubieten, die dem Wachstum und den Veränderungen der einzelnen Kunden entsprechen.
-
JPMorgan Chase
Die Bank rationalisiert die Korrespondenz durch maschinelles Lernen, indem Dokumente analysiert und relevante Informationen extrahiert werden. Anstatt Stunden zu benötigen, um komplizierte Dokumente zu sortieren, können Kunden nun Informationen in Sekundenschnelle erhalten.
-
Starbucks
Die App merkt sich die Lieblingsgetränke jedes Kunden und ist auf seine Vorlieben zugeschnitten, so dass jeder ein einzigartiges und individuelles Produkt-Erlebnis erreichen kann. Die Kunden können ihre personalisierten Lieblingsgetränke einfach per Handy bestellen.
-
Nike
Wenn Kunden im Geschäft ihre eigenen Schuhe entwerfen, tun sie mehr als nur das perfekte Paar Sneakers zu kreieren. Das Programm sammelt auch Informationen, um andere Schuhstile zu empfehlen, die dem User gefallen könnten.
-
Urban Outfitters
Der automatisierte Produktidentifizierungsprozess von Urban Outfitters kennzeichnet jedes Produkt auf der Grundlage detaillierter Merkmale wie Druck, Ausschnitt und Passform, was es den Kunden erleichtert, genau das zu finden, was sie suchen.
-
MedWhat
Anstatt auf einen Termin beim Arzt zu warten, können die Benutzer zu jeder Tages- und Nachtzeit mit dem MedWhat-Chatbot chatten. Der Bot nutzt maschinelles Lernen, um präzise Diagnosen und Behandlungsmöglichkeiten zu erstellen.
-
Instagram
Das maschinelle Lernen ist für gezielte Werbung auf Instagram enorm wichtig, aber es hilft auch, beleidigende Kommentare zu löschen, indem es nach Mustern und bestimmten Wörtern sucht. Das Löschen von Spam und das Empfehlen von relevanten Bildern hält die Erlebnisreise lebendig und personalisiert.
-
Uber
Der Fahrgemeinschaftsdienst wird von Daten gesteuert. Algorithmen verwenden Daten aus früheren Fahrten, um Fahrgast und Fahrer aufeinander abzustimmen und zu bestimmen, wie lange es dauert, bis die Fahrer ankommen. Das System wird um so intelligenter, je mehr es genutzt wird.
-
TechCrunch
Der TechCrunch-Chatbot macht es einfach, sich über technische Neuigkeiten auf dem Laufenden zu halten. Der Bot verfolgt die Artikel, die jede Person liest, und liefert neue Artikel, die Sie demzufolge auch interessieren könnten. Er hilft dabei, die überwältigende Menge an verfügbaren Informationen einzugrenzen.
-
Amazon
Unglaubliche 35 % der Amazon-Verkäufe gehen auf Empfehlungen zurück. Die Website verfolgt die Such- und Kaufhistorie jedes Kunden, um genau die richtigen Produkte zu finden, die empfohlen werden können.
-
Pinterest
Möchten Sie ein Kochrezept teilen oder auf ein handwerkliches Geschick hinweisen? Die Algorithmen von Pinterest verwenden maschinelles Lernen, um Benutzer mit anderen Inhalten zu verbinden, die sie interessieren könnten und gleichzeitig Spam und irrelevante Beiträge zu entfernen.
-
Wells Fargo
Kunden können über den KI-gesteuerten Chatbot schnell und einfach Informationen erhalten. Anstatt lange Formulare auszufüllen, kann ein schneller Chat mit dem Bot eine Verbindung zu Kontodetails oder zur Kundenverwaltung herstellen.
Die bereits zahlreichen Anwendungen des maschinellen Lernens machen es zu einem leistungsstarken Werkzeug zur Schaffung erstaunlicher Kundenerlebnisse.
Adaptive Übersetzung eines Artikels in der Forbes unter https://www.forbes.com/sites/blakemorgan/2019/04/25/20-examples-of-machine-learning-used-in-customer-experience/#576255934052
Blake ist US Keynote-Speakerin, Zukunftsforscherin und Autorin zweier Bücher, „The Customer Of The Future“ und „More Is More“. Melden Sie sich doch hier für ihren wöchentlichen Customer Experience Newsletter an.