客户需求¶

客户忠诚度是关键

SAP Emarsys 在 2024 年开展的一项研究表明，客户忠诚度是可以赢得的：69% 的受访者表示自己忠于某些品牌。² 按世代来看，73% 的千禧一代受访者表示具有品牌忠诚度，高于 X 世代和婴儿潮一代，后两者的比例均为 68%（表 2.1）。Z 世代的品牌忠诚度略低，为 66%。在所有受访客户中，34% 表示自己具有真正的忠诚，即基于情感联结，而非仅仅受激励措施驱动；30% 表示自己具有价值观层面的忠诚，也就是说，因为与品牌拥有共同的伦理价值观而忠于品牌。³

2 https://emarsys.com/learn/white-papers/customer-loyalty-index-2024-global/

3 https://emarsys.com/learn/blog/customer-loyalty-statistics/

如何赢得和失去品牌忠诚度？该研究分享了几项有助益的洞见，详见表 2.2。

营销人员一直都知道客户忠诚度的价值。早在 2014 年，净推荐值（Net Promoter Score，简称 NPS）的发明者 Bain & Company 就在一项研究中发现，客户留存率只需提高 5%，利润就能增长 25% 至 95%。⁴ 举个例子，对于一个年利润为 5 亿美元的品牌，客户留存率提高 5%，就可能每年额外带来 1.25 亿至 4.75 亿美元的利润。

4 https://hbr.org/2014/10/the-value-of-keeping-the-right-customers

这些信息表明，在面向客户应用 AI 时，既存在巨大的机遇，也存在重大的风险。关键在于培养客户忠诚度，同时确保成本保持竞争力、客户服务令人愉悦，并让客户相信你在负责任地使用他们的数据。

个性化，还是侵犯隐私

例如，在建材企业中，将客户的家庭住址与住宅面积关联起来，是一种常见做法。在 LL Flooring，销售人员还没与客户交谈，就已经知道对方的住宅是 1,800 平方英尺还是 6,000 平方英尺。这有助于销售人员判断客户可能的预算，进而推测他们可能想要什么档次的地板及配件。但如果销售人员在电话一开始就说：“我看到您住在一套 6,000 平方英尺、计税价值为 190 万美元的住宅里，所以让我向您推荐最贵的产品系列”，恐怕就很难成交。即使这些数据是公开的，客户也可能觉得自己的隐私受到了侵犯。

因此，关键在于确定该向客户透露多少你所收集的数据。列出最近浏览过的产品没有问题，甚至提供一份“其他客户购买过”的产品清单也可以。但如果你说：“其他年龄在 35 至 60 岁之间、今年在狗身上花费了 900 美元或以上的男性购买了……”，那么，即使后台确实使用了这些信息来生成产品清单，客户也会感到不自在。

需要考虑的不只是避免让人觉得做法不当。随着 AI 工具的应用规模扩大，收集的数据越来越多，并在这些数据与具体客户之间建立更多关联，企业需要向客户明确说明如何使用所收集的数据。

仅处理电子商务和财务信息时，数据的收集与使用就已经颇具挑战。如果你的公司还会收集或使用图像、视频或语音录音，那么确保客户了解其数据的使用方式就更加重要。许多客户每天都会使用的工具（如 TikTok 和 Facebook）都在收集有关他们的数据，并利用这些数据训练 AI 工具。

全天候客户支持

在数字媒体时代，客户希望你的公司始终在线。如果你没有提供全天候客户服务的条件，这可能会成为一项挑战。这里正是开始引入 AI 的好起点。

当无法联系到人工客服时，你可以通过几种方式为客户提供支持。大多数公司已经建立了知识库，至少也有常见问题解答。如果你拥有人工客服人员，那么手头可能已经有现成的话术脚本。

使用根据支持材料训练的 AI 聊天机器人，可以作为首次尝试引入 AI 的绝佳方式。开始时，可以只在营业时间结束后运行它。可以考虑采用类似图 2.1 中流程图所示的方案。

只需像这样开始进行基础部署，你就能获得大量有关客户需求的信息，促使你在 FAQ 或知识库网页中添加更多问题和答案（这对 SEO 也有好处），并增强你对总体使用 AI 工具的信心。聊天机器人会出错，会犯错误，有时还无法作出回应。但只要始终让客户可以跳过这一环节，直接联系你，你就能把过错归于工具，而不是公司。至少目前，客户明白 AI 工具并非万无一失。他们很欣赏能够快速得到答案，同时也知道人类仍然胜过机器。

关键是要避免让 AI 给出错误答案。正如下面的侧栏所述，麻省理工学院（MIT）最近可能在这方面取得了突破。

应指示你的 AI 工具始终愿意说：“我不知道，还是让人来问答吧。”否则，你可能会遇到第 1 章“AI 对营销人员的影响”中所讨论的那种幻觉。AI 聊天机器人能够比非 AI 聊天机器人提供更智能、更个性化的客户支持，还可以接受训练来处理复杂任务；不过，它们也可能传播错误信息，并带来更大的隐私风险。

图 2.2 展示了 Claude（一款热门的生成式 AI（GenAI）工具）产生幻觉的示例。

这似乎是一段很棒的引语，只需找到一个主要来源并注明出处即可。遗憾的是，当我们提出这一要求时，Claude 给出了如图 2.3 所示的回应。

这正是生成式 AI 真正危险的地方。Claude 知道自己无法提供具体引语，甚至愿意列出无法提供的理由，但为了给出相关回应，它最终选择了编造，而不是真相。

事实上，当我们要求它解释为什么无法提供经过核实的引语时，它列出了一长串理由，从训练数据过时到测量方面的挑战，最后还给出了下面这段颇为有趣的引语：

不要让自己的 AI 聊天机器人犯下这种错误。务必指示它们在不确定时如实回应，不要为了给出答案而编造内容。

这也是必须由人工编辑、事实核查人员和审阅者评估 AI 回应并持续训练 AI 的原因。

作为训练 AI 助手的一部分，客户服务专员可以在与客户交谈时向它提问。将知识库数据随时掌握在手边，除了能培训团队，还能让他们为客户提供比平时更详细的答案。将 AI 的速度与人际互动结合起来，品牌也能从中受益。

电信公司 Telstra（澳大利亚）最初就是这样开始使用 AI 的。⁷ 他们与 Microsoft Azure OpenAI 合作，帮助客服代理更快地为客户找到答案。这项名为 Ask Telstra 的技术能够迅速总结客户与公司的往来历史，列出以往的服务请求，并确定可能有助于客户的技术解决方案、产品或服务。使用 Ask Telstra 后，84% 的客服代理表示与客户的互动更加积极。

7 https://www.microsoft.com/en/customers/story/1740058425924206437-telstra-telecommunications-azure-openai-service

在客户服务中成功实施 AI，需要将机器生成的互动与人工主导的互动优势结合起来。

根据 Balto.ai 的《2025 年消费者期望报告》，近一半受访者更愿意与人互动，而不是与 AI 互动。受访者确实将 AI 与基本咨询联系在一起，但表示他们“认为人类对于解决更复杂或带有强烈情绪的问题至关重要”。⁹ 让 AI 处理重复请求和简单案例，可以解放人工代理，让他们带着同理心处理更复杂、更微妙的案例。AI 可以对 AI 与人工代理的对话进行情绪分析及其他战略分析，从而更好地决定如何处理问题、平衡自动化与同理心，并帮助客户感受到关怀。不过，企业领导者不应急于用 AI 取代人类。

9 https://www.balto.ai/research/2025-consumer-expectations-report-ai-omnichannel-and-the-new-landscape-of-consumer-expectations/

Klarna 为此付出了惨痛代价。第 1 章提到，这家瑞典金融服务公司的 CEO 曾计划最终用 AI 取代一半员工。在解雇 700 名员工并打算用 AI 取代他们后，Klarna 承认这一做法是错误的。CEO Sebastian Siemiatkowski 揭示了 AI 对质量造成的负面影响，尤其是在客户服务方面。¹⁰ 在本书撰写之际，公司正在重新招聘人类员工。我们预测，在 AI 取代人类过于迅速的企业中，这一趋势还会持续，除非企业领导者先建立有效的人机协作模式。为了帮助你完成这一过程，下面让我们剖析内容在客户体验中的作用，以及 AI 最适合在哪些方面提供帮助。

10 https://economictimes.indiatimes.com/magazines/panache/after-firing-700-employees-for-ai-swedish-company-admits-their-mistake-and-plans-to-rehire-humans-what-happened/articleshow/121252776.cms

内容在客户旅程中的作用

从营销产品和服务，到用户手册和常见问题解答（FAQ），内容一直是客户体验中的重要因素。如果你曾在任何时候上过营销课，可能都听说过“购买周期”，也见过从简单到复杂的各种版本。但你的内容策略是否与购买周期保持一致？

本章后面，我们将使用购买周期流程（图 2.4）带你了解简化客户旅程的各个阶段。

在许多公司中，营销、销售和支持团队各自孤立地创建内容。营销团队通常专注于能够提升品牌知名度和转化率的内容。支持内容常常被忽视，或者由完全不同的团队或代理机构撰写。这种缺乏协同的情况会在客户旅程中造成缺口，增加客户在途中流失的可能性。这个缺口无法靠 AI 修复；它属于战略问题，应通过统一的内容策略加以解决。

本节将以购买指南为内容示例，说明如何弥合这一缺口。购买指南通常是配有可下载辅助文档的网页，我们曾在 LL Flooring 使用过这类指南。它们在线提供，供客户在客户旅程的各个阶段使用。购买指南收集了多种类型的信息，从设计建议到具体产品，从灵感启发到购买后支持，帮助客户享受更加顺畅的购买流程，而这个行业充斥着令人困惑的术语和各种决策。我们认为，这是一种很有价值的内容类型，许多品牌都可以将其纳入内容策略。经过有效研究和撰写后，购买指南能够在客户旅程的每个阶段为客户提供支持。

我们还提供了一张速查表，并说明 AI 如何在购买周期的每个阶段为购买指南提供支持。请记住，购买周期并不是线性的。客户会在购买过程中的不同节点接触到内容。虽然并非所有内容都能贯穿整个购买周期使用，但我们认为购买指南是能够做到这一点的优秀内容示例。遗憾的是，没有任何单一 AI 工具能够完成所有这些活动。由于团队和代理机构可能使用不同的工具，我们建议先盘点这些工具，并分析它们如何协同工作。

给高管：在盘点和分析工具的过程中，你很可能会发现一些功能重叠。如果团队使用的不同工具执行着相同的功能，这将是一个很好的削减成本机会。

购买

大多数公司会在购买阶段投入大量资金和精力。毕竟，收入就是在这一阶段产生的。然而，内容营销在购买周期的前两个阶段发挥着非常重要的作用。如果没有品牌认知或考虑，许多消费者甚至不会和你的公司走到购买阶段。

在 LL Flooring 的购买阶段，消费者准备购买后，会提出更多关于产品的具体问题。他们希望确认自己购买的产品适合自身需求。有时，地板客户知道自己想要的风格或颜色，却不确定该选择哪种地板。例如，在实木地板和强化实木地板之间做选择时，客户通常希望了解两者在成本、安装和长期维护方面的差异。LL Flooring 的购买指南帮助回答了这些问题。表 2.5 列出了一些我们本可以利用 AI 改进这一流程的想法。

活动	AI 支持
促进行动（购买）	访问库存数据（库存不足、促销、“其他人也购买”）。
增加加购	提醒客户购买他们可能需要的配件，例如安装材料。
消除疑虑	结合具体情境回应顾虑。

尽管不同阶段的营销活动可能相同，你仍应参照内容营销漏斗，确保为客户购买旅程的每个阶段开发合适的内容，并让客户能够获取这些内容。再次强调，客户旅程通常不是线性的，因为大多数客户会在不同阶段之间跳转，或在旅程的不同节点访问你的品牌网站。AI 在这里发挥着关键作用，因为通过训练，它可以根据每位客户在购买周期中所处的阶段，预判客户需求，并及时提供相关回应。Amazon 新推出的测试版 AI 购物助手 Rufus，让我们初步看到了这种能力。

Amazon 将平淡无奇的购物过程变成了令人愉悦的体验。例如，当有人在 Amazon.com 上购买便携式风扇时，Rufus 会提示他们提问，既可以选择预设问题，也可以自行输入。图 2.5 展示了一个例子，客户输入了“它可以通过 USB 充电吗？”尽管客户可以查看产品详情或搜索客户评价来寻找答案，Amazon 还是利用 AI 让客户不必自行猜测，并提前解答他们可能提出的问题。

随后，客户可以选择另一个提示问题。请注意，图 2.6 中除了答案，还提供了几个后续问题供客户选择。这是利用 AI 预判客户需求的一种好方法。

这个例子展示了如何在漏斗的购买阶段利用 AI，预判客户后续可能需要的支持，并通过解答问题帮助客户放心购买。这是让购买体验变得“愉悦”的绝佳范例，也有助于赢得客户忠诚，让他们日后再次购买。

对于技术 SEO 人员：Rufus 的实施示例错失了 Amazon 的一个关键 SEO 机会，这可能是因为它仍处于测试阶段。如果将这些问题和答案以 FAQ 结构化数据的形式标记在代码中，该产品就有机会出现在 Google 更多使用结构化数据的版块中，例如富摘要和“人们还会问”（PAA）。第 3 章《搜索、个性化与 SEO》将讨论如何利用结构化数据中的 AI 为你所用。