采访录：人工智能助力一对一营销未来成为现实
Don Peppers和Martha Rogers《一对一的未来：挨个建立客户关系（The One to One Future： Building Relationships One Customer at a Time）》一书有效地推动了客户关系管理（CRM）及一对一营销的革命。 Peppers表示，“时下的技术能够大幅度地帮助知识型员工在营销决策和CRM方面取得突破，这一点非常了不起。”
记者采访了Peppers，以下是关于人工智能（AI）提高员工工作能力及实现一对一未来的对话。
问：一对一营销的基本前提是什么？是 CRM吗？
Don Peppers：简单地说，一对一营销就是企业需要个别地对待个别客户。而CRM就更广泛些，这地方的想法是，我们跟踪对客户的所有了解，利用每次互动获得的知识不断改善客户体验。
所有这些都是我们曾预测过的科技将实现的东西，而且科技的功能在不断提高，有时以递增的方式，有时甚至是戏剧性的，我们在随后的着作、演讲和相关工作中也一直在跟进这方面的进展。我相信，我们现在所处的时期是各种科技（包括与其他技术一起的人工智能）都将取得令人难以置信进步的时期。
问：您能分享一个例子吗？
如果您现在是从事营销工作，那就会拥有所有各种数据。事实上，您手里的数据可能多到您不知道从哪里下手。
我所知道的大致如下。我知道我的网站上客户看过的和买过的所有东西。又或者，如果我真的很厉害，我还能根据客户在我店里做过的事情做进一步的关联。 我甚至还可以访问客户的一些第三方数据。但总的来说，当我向客户提供报价时，我就想以一种考虑到我们之前所有交易背景的方式报价。我会想知道客户过去喜欢什么及要的是什么？
那我该如何配置我的系统才能让客户得到他想要的呢？我这里主要讲电子商务，我有些过滤和增强等等的工具。利用过滤工具，我就知道客户的年龄，我知道客户是个男人，所以我就不会提女人或孩子的衣服。然后就是利用增强工具，我看到客户喜欢Tommy Hilfiger，我还看到该客户过去买的几乎所有东西都是蓝色或绿色。
这就是个别客户的基础。但是这里还有机会是一个新客户正在访问我的网站。另外，我可以与新客户和现有客户互动，从每次新的互动中学习到可能比我过去所做的更有效的东西。所以我在网站渲染、电邮活动和促销活动、在与新老客户进行互动时方面都可以有一系列的选择。
问：那人工智在这里能干嘛？
我想要效率，但我如何选择呢？这就是我们用上人工智能（AI）和机器学习（ML）的地方。
我有一百万不同的客户。除了特定的互动，我还可以收集他们的收入水平、他们居住的地方、他们的年龄等信息。人工智能现在可以筛选多种选择，可以将各种东西配置到有限的、可能是富有成效想法的篮子里。
这样我就可以将数千种可能的选项合成到一页的最佳选项里。现在的知识工作者可以运用经验和人类直觉来设置选择盘，为网站设置护栏，可以从各种想法的列表中选择。然后他们再在ML的协助下观察及进一步微调性能。
这正是现实世界中在发生的事情。例如，有一家名为Evergage的公司，客户包括Academy Sports、Carrier和Autodesk。人工智能基本上正在帮助这些公司利用他们所了解的个人和人群越来越接近一对一营销。
要注意一点，人工智能并不会不告诉任何人该做什么，而是提供引导和协助。人类的介入仍然很重要。但人工智能可以使知识工作者更有效地工作。
问：还有其他例子吗？
今时今日，怕是很难找到有人不想通过净推荐值（NPS）或客户满意度调查达到改善客户体验质量的目的。也有许多人在用观察数据，观察数据可以是简单的跟踪每月有多少宗投诉，复杂一点的可以是用文本分析，再结合社交媒体中提到自己品牌的字面评论。我再说一次，所有这些数据已经在我们手里了。
但要注意过去发生的事。过去有一个客户的经历颇为糟糕：你要怎么办呢？最大的问题：你如何完成这个反馈循环？你怎么激活这个反馈循环？
那好，你无法实时回复每一个反馈或投诉。太多的互动需要跟踪，要发的信号太多。知识工作者在不知不觉中就会开始忽略一切。
那么你需要的就是AI和ML，AI和ML可以学习将有些行动提高优先级别，会在适当的时间将警报信号发给合适的人。举个例子，有人现在在商店发的调查问卷里给了差评，值班经理就会收到警报信号，本身是知识工作者的值班经理就可以做出适当的回应。当然，可能有10个15个或20个客户也交了调查问卷，而人工智能的作用是帮助知识工作者确定行动的优先顺序。管理人员和其他人可以将精力集中在重要的投诉上，而ML则专注于不断改进这些选择和响应。
事实上，也可以看到这个模型在相关领域也是有用到。飞行员和外科医生被淹没在警报信号里，其中的大多数警报信号并不是真的重要，这些警报信号只是某些人不想事后负法律责任的垃圾警报。同样，AI和ML可以帮助过滤此类警报，让飞行员和外科医生可以更专注于更重要的事情。
问：访谈结束前还有什么要说的吗？
我刚才说了，这一切都不容易。很复杂。太多数据，很多机会。尝试和摸索仍然是其中的一部分。大家要提出自己的想法，尝试摸索，再尝试再摸索。
不过，我们肯定还是处在一个计算机无法完成所有工作的阶段。仍然需要大量的人类判断。虽然按机器现在的发展什么都是有可能的，但我认为人工智能和人类在未来相当一段时间内还是要进行相互合作。
