Servitization

For de fleste kunder er de fleste produkter og services typisk et ”nødvendigt onde”, som de helst var foruden. Det som interesserer kunderne, er effekten af det ”job” som produktet udfører.

Hvem ville ikke foretrække at få fikset opgaver som græsslåning, støvsugning, tøjvask, opvask m.v. uden at skulle finde, købe, transportere, installere, opbevare, vedligeholde, bortskaffe og erstatte de maskiner det kræver at få disse opgaver udført. Hvor ville det være smart, hvis man kunne abonnere på en service, det løste disse jobs lige så let og bekvemt som at knipse med fingrene? Eller endnu bedre, som bare blev løst uden man skulle tænke på om det er nødvendigt at knipse med fingrende eller ej?

En anden måde at sige det på, er at ”ingen service” er den bedste service. I hvert fald så længe der ikke er tale om en service eller kundeoplevelse, som i sig selv er selve det produkt man køber, som f.eks. en middag på en restaurant, en tur i en forlystelsespark o. lign.

Servitization handler om at produktionsvirksomheder anvender en forretningsmodel, hvor der ligger værdiskabelse i serviceydelser omkring det eksisterende fysiske produkt og med tiden erstatter det fysiske produkt eller serviceydelse med rene digitale løsninger, i størst muligt omfang.
AI – typisk kombineret med små sensorer og IoT – har gjort disse løsninger så omkostningseffektive, at de er blevet attraktive alternativer til produktorienterede forretningsmodeller.

Et par af de klassiske eksempler på servitization er, at Rolls Royce ikke længere sælgere flymotorer men ”timer i luften”, og at Sandvik ikke sælger klinger men ”produktionseffektivitet” til træindustrien.

Det er kun fantasien der sætter grænser for, hvordan man kan anvende servitization til at skabe større værdi for kunderne.

I mange brancher kræver det dog stadig forholdsvis store investeringer i ny teknologi at udvikle den slags løsninger og det er langt fra relevant for alle brancher.

Omkostningseffektivisering af kundeoplevelserne

AI kan bidrage til at gøre mange af virksomhedens kundevendte processer mere omkostningseffektive. Her er nogle eksempler på, hvad AI kan bidrage til:

• Transskribere og analysere telefoniske salgs- og serviceopkald
• Reducere antallet af telefonopkald ved brug af intelligent og semiautomatiseret kundesupport
• Prioritere og kvalificere leads ved automatisk at analysere indhold på de sociale medier
• Forudse opkaldshensigt og reducere eskaleringer
• Reducere kundeserviceomkostningerne markant ved brug af virtuelle agenter og chatbots

Optimering af kundernes livstidsværdi

Der er som bekendt ikke nogen virksomheder, der alene har sparet sig til succes. Værdien af en virksomhed svarer præcis til summen af den tilbagediskonterede indtjening fra hver enkelt af virksomhedens eksisterende og kommende kunder.

En af de mest oplagte måder at bruge AI på, er netop at lave prædiktive og præskriptive statistiske modelleringer af kundernes livstidsværdi. I forhold til bare for 5-10 år siden er blevet markant hurtigere, billigere og lettere at lave den slags avancerede analyser. Tidligere var det stort set kun forsikrings- og teleselskaber der havde en positiv business case i at anvende den slag metoder.

I dag er der en rigtig god business case i CLTV-optimering (Customer Life Time Value – optimization) for næsten alle konkurrenceudsatte virksomheder, da har bare et minimum af styr på sine kundedata.

Det er min erfaring, at AI kan anvendes til optimering af kundelivstidsværdi på mange måder, og tilgangen skal tilpasses den specifikke virksomhed, for at give størst effekt.

Her er nogle af de områder, hvor vi især udnytter styrken ved AI:

• Præcis, omkostningseffektiv, rettidig og proaktiv estimering af risikoen for at miste de enkelte kunder (også kaldet churn prediction)
• Dashboard med realtidsestimering af NPS for alle kunderne (ikke kun dem der har deltaget i et NPS survey)
• Prædiktion af de enkelte kunders fremtidige adfærd og resultater (CLTV) til bedre prioritering af kunderne
• Hvad-nu-hvis scenarier og loyalitets-/profitsimuleringer
• Udregning af ROI på CRM og customer experience-initiativer
• Identificering af de vigtigste interne KPI’er, der er de stærkeste lead-indikatorer for udviklingen i kundeloyalitet samt en beskrivelse af deres vigtigste egenskaber som f.eks:
  • Hvordan de måles og linkes til NPS
  • Hvordan de påvirker virksomhedens samlede økonomi
  • Hvordan de kan påvirkes (på den mest rentable måde)

Sådan starter du

Mit bedste råd til, hvordan man kommer godt i gang med at anvende kunstig intelligens kommercielt er at anvende en Think Big, Start Small & Scale Fast-tilgang. Hvordan man kan gøre det helt konkret må blive temaet for en kommende artikel.

I mellemtiden ønskes du held og lykke med at udnytte kunstig intelligens på en intelligent måde.