AI可以立即改变你的客户成功策略。
内容要点：
- AI影响力：GenAI彻底革新了客户成功，提高了服务质量和效率。
- 数据策略：AI在客户成功中的成功依赖于用于训练的数据的丰富性。
- 成本效率：AI减少了对大型客户成功团队的需求，平衡了成本和客户满意度。
客户成功（CS）似乎正处于GenAI首波影响的核心，最近的一些迹象包括Klarna部署AI客户支持代理取得的显著成果，以及许多初创公司（最著名的是Brett Taylor的Sierra）进入这一领域。
一个重要原因是客户成功在产品知识和客户需求之间起到了翻译层的作用，这是大型语言模型（LLM）非常适合的工作描述，解决方案架构师在客户工作流程和产品配置之间进行翻译，成功的经理在产品路线图和追加销售机会之间进行翻译，支持代理在客户的痛点和产品文档之间进行翻译。
不夸张地说，客户成功的北极星是其翻译质量，即产品输出和客户需求之间的契合度，而在客户成功的所有方面中，AI在提升翻译质量方面最迅速的是支持部分。
让我们探讨AI在客户成功中的一些方面。
AI支持：超越人类能力
如今，LLM能够非常出色地完成基本的支持工作描述，因为它们24/7全天候可用，具备完美的产品文档和路线图知识覆盖，能够访问所有客户互动历史，并能从客户或产品经理的人类输入中不断学习，当然，LLM也有已知的缺点（如幻觉），但我敢打赌这些问题是可以解决的。
除了更好地完成人的工作外，今天的AI支持代理还可以做那些人类难以完成的工作：总结通过电话/电子邮件/聊天进行的数百次客户支持互动，帮助产品团队确定下一步构建的内容，跟踪所有正在交付的功能，并主动通知曾经表达过相关痛点的客户群体等。
到目前为止，我们只讨论了支持，但很容易想象自然的跳跃到成功经理代理（类似于AI礼宾服务）甚至解决方案架构师共同指导客户进行产品部署和配置，客户成功的“代理化”。
构建一个AI原生的客户成功功能
这对如何构建AI原生的客户成功功能意味着什么？让我们首先了解今天的客户成功。除了最高级别的企业白手套客户，客户成功在很大程度上是对缺失的产品功能和可用性摩擦的临时解决方案，也就是说，它是一个成本中心，应该积极限制其使用，以保持你的利润率健康。
换句话说，最终状态下，80%以上的客户成功（CS）人员应由AI取代，剩下不到20%（负责最棘手的问题和最高生命周期价值的客户）则由AI大幅增强（如同超级英雄的披风）。
AI提升客户成功，降低成本
在AI之前，客户成功领导者通过各种创造性的解决方案来解决这个成本中心问题，例如对中型市场/中小企业客户利用CS的小时数设置限制并对超出部分收费，增加每个CS代表负责的客户数量，建立在线帮助中心和认证以便客户自助服务，在Slack/Discord上创建客户社区以便互相解答问题等。
这些“规模化计划”很有价值，但从未真正替代1对1 CS互动的质量，导致客户不满，这不可避免地导致CS团队的未报告工时，因为不满的客户是续约风险……如你所知，每一次续约都很宝贵。在这个新兴的GenAI范式中，拥有大量CS人员或冒着客户满意度差的风险的这种权衡是一种错误的两难选择。
例如，你可以通过AI代理向任何层级的客户提供无限量的高质量1对1支持互动（如Klarna正在尝试的那样）。更深入地看成功管理，AI代理可以承担更高阶的任务，如为买家构建自定义仪表盘和指标，帮助他们理解其组织如何采用产品等。
更进一步是促进追加销售（即根据客户的使用情况推荐某些功能）并完成整个流程直到开票，这意味着，通过在客户成功中利用AI，以较小的边际成本，你的公司可以以最少的全职员工或努力全面服务下一个客户。
数据质量是AI成功的关键
很难预测这一切的时间——进展有时看起来很慢，有时又快得让人不知所措。明确的是，客户成功中的AI只有在训练数据质量高的情况下才会表现出色。你的AI在客户成功功能上的表现与竞争对手的区别不在于你能雇用的CS人才的水平，而在于你为AI模型提供的数据的质量和丰富性。
任何人都可以要求GPT-5使用基本的产品和客户信息生成一个通用的追加销售演示文稿，然而，如果模型了解从Salesforce机会中的购买背景，从Segment实例中的使用指标，以及通过Hubspot数据与你的活动的互动情况，则可以创建改变游戏规则的追加销售内容。
数据策略：AI驱动成功的基础
你的AI在客户成功策略中的很大一部分其实就是你的数据策略，为此，今天你可以开始做的最好的事情是确保跨渠道的关键客户和产品数据按照企业数据最佳实践（如每个数据源的单一真实来源、跨表格的唯一客户ID、明确的数据来源等）进行记录和存储。
你的AI代理应能够阅读过去的支持票据、产品文档、产品路线图、定价层级、客户的开票数据等，并找出如何服务这种关系。像所有事情一样，这条路是曲折的，将从支持工具中的硬编码逻辑开始，小步跃进到共同飞行员帮助人类完成更多工作，再到代理为人类完成工作，而人类仅设定策略并不断训练和优化模型。
对客户成功中AI的最终思考
最后，我想引用Benchmark的Matt Cohler的话，他是LinkedIn创始团队的成员之一，也是一位风险投资家：“我们的工作不是看未来，而是清晰地看现在。”
我不能告诉你五年后甚至十年后AI在客户成功中的样子，但清晰地看现在让我确信，它将受到AI的显著影响：客户会更满意，业务利润率会更好，产品团队对客户需求的翻译也会是他们有史以来最好的。
