毫无疑问，个性化服务将提供巨大的好处。如果做得好，投资回报率将很高。这是客户体验发展中顺理成章的下一步，也是一种加强客户关系的方法。
根据Wunderman Thompson 公司最近进行的一项调查，如果能够改善在线体验，则35%的客户愿意将更多个人数据提供给企业。他们看重的数据是用于提供基于忠诚度的折扣(55%)、根据需求定制的产品展示(36%)以及基于他们的偏好提供的服务(33%)。当自愿提供这些数据时，企业为客户提供这些个性化服务显然会增加价值。
但是，客户数据通常很难获得，只能作为交易或登录体验的一部分进行交换。虽然收集这些数据无疑是企业需要优先考虑的事情，但能够在客户旅程的早期提供场景和相关内容对于创造差异化体验也至关重要。一旦出现问题，客户会迅速做出反应。研究表明，33%的客户发现，在登陆企业网站时，通常遇到针对性广告是他们的体验产生挫败感的主要原因。这清楚地表明，事实上，这些广告并不像企业想象的那样具有针对性。
那么，人工智能将会起到什么作用?企业如何利用人工智能技术帮助他们带来更好的体验?
采用人工智能提供个性化服务
相似建模是根据客户的浏览历史来确定其做法，并应用与客户有共同明显特征的客户的个人资料。这是一种将客户数据应用于表现类似的细分市场的方法。人工智能将现有的个人资料和匿名客户分组在一起，因为行为数据显示他们表现出相同的浏览特征。
这听起来可能相当复杂，但是实施起来并不难。从根本上来说，企业只是在识别可能多次访问其网站的用户，并将他们与查看过类似商品但又继续购买的客户联系起来。它需要设置相当高级的规则，并让人工智能进行智能的识别工作，使企业能够可靠地为新客户提供进入购买渠道的内容。
人工智能也可以用于测试这些内容。特别是在A/B测试中，人工智能可以帮助识别和自动分配成功的测试作为默认体验。这不仅简化了A/B测试的管理，而且还确保了它们部署的灵活性。
但是，与所有技术实施一样，人工智能实施的成功取决于其他几个因素：
1. 数据和受众细分
相似建模和人工智能的成功实施的基础是推动受众细分的数据的组织和处理。如果企业不了解其核心客户，那么所面临的问题将超出采用人工智能技术可能解决的范围。数字化技术成熟的组织可能已经将客户数据平台插入了技术堆栈，该技术堆栈将来自各种来源的数据汇集在一起，形成了统一的全方位客户视图。其他企业可能会寻找网络分析平台、客户关系管理数据或商业数据，为细分受众提供信息。
企业规模越大，任务就越大。规模较大的企业将需要优先考虑能够带来最大收益的细分市场。需要关注的是，只有在学会针对已知细分市场的核心知识之后，人工智能才能成功交付个性化结果。数据分析师需要根据可用数据创建这些细分，然后才能为人工智能设置参数。
2. 正确构建底层架构
成功的关键不只是采用人工智能引擎，内容的管理方式将发挥重要作用。
为了快速提供正确的内容，人工智能需要能够识别、检索和呈现这些内容，拥有正确的架构是成功实现这一目标的关键。传统上可能仅存在于编写网页场景中的内容并不总是提供可用于个性化内容的粒度级别。当然，基于产品的个性化也是如此，这反过来又需要基于产品的内容结构，以使个性化引擎能够读取单个数据属性并实时组合。
细致的元数据对这一过程也至关重要。元数据是人工智能理解的语言;它描述产品的属性，如类别、样式和颜色。如果没有正确的元数据，个性化引擎就无法在正确的时间识别正确的内容。例如Asos和Boohoo这样的快速时尚零售商正在以这种方式引领个性化产品展示的方式。
3. 不忘人为因素
人工智能的知识来自人类，这是采用人工智能技术时要记住的最基本的事情。因此，在考虑使用人工智能成功设置实现个性化所需的工具集时，最基本的要素是内容管理系统、资产管理系统和个性化引擎，其中某些描述将由人工智能构成模块或位于其顶部，需要记住考虑将推动实施的团队的问题，例如他们具备相应的技能吗?他们是否真正了解了他们所掌握的技术?而人工智能技术不是插件，需要一支技术熟练的团队来驱动。
