京公网安备 11010802034615号
经营许可证编号:京B2-20210330
作者 | Sara Yin
译者 | AI 前线(ID:ai-front)
导读:聊天机器人,会是未来商业新形态吗?最早的聊天机器人可以追溯到 1966 年的麻省理工学院开发的 ELIZA,聊天机器人已经问世 53 年了。但几经沉浮,聊天机器人并没有像开发者们最初的设想那样:取代人类,赋予人格。但随着人工智能领域的进展,有了人工智能的加持,在 2020 年,聊天机器人将会走向何方呢?
聊天机器人即将实现它们曾经在炒作中许下的承诺,Intercom 委托进行的一项新研究表明,聊天机器人可以在哪些方面产生最大的影响。
我们 从根本上坚信,聊天机器人有潜力通过两种方式来改变企业:提高效率、帮助企业满足日益增长的消费者需求。
在我们发布的第一份《聊天机器人趋势报告》(Chatbot Trends Report)中,我们目睹了聊天机器人在涉及效率的方面开始发挥作用。我们与一家独立的市场研究公司合作,随机抽样调查了 500 名消费者和 500 名商业领袖。
2019 年,商业领袖得益于他们的聊天机器人,平均节省了 30 万美元,其中影响最大的是支持和销售团队。但对于消费者而言,仍然还有一些改进的空间:虽然 74% 的消费者希望在网站上能够遇到聊天机器人,但 87% 的消费者仍然更喜欢与人类而不是聊天机器人进行快速交流。也就是说,有 25% 的消费者并不在意他们是在和人类还是聊天机器人交流,只要能达到预期效果即可。
聊天机器人正迅速扩张到客户支持领域之外,以推动客户生命周期所有阶段的增长。事实上,销售现在是最常见的用例(41%),紧随其后的是支持(37%)和营销(17%)。
我们还发现,聊天机器人可用于各种各样的自动化任务,从将访客的问题发送到合适的团队,到预定产品演示、创造销售机会和吸引网站访客。
对聊天机器人的满意度因行业各异。B2C 公司对投资聊天机器人的满意度是 B2B 公司的两倍,这可能是因为 B2C 查询通常要比 B2B 查询更重复、更简单。满意度由高到低的行业依次是科技(73%)、零售(67%)、制造业(57%)和医疗保健(56%)。
是什么让公司对聊天机器人的投资如此兴奋?让我们来分析一下。
在过去的 30 年来,我们的买卖方式发生了翻天覆地的变化。推销电话、电话营销的日子一去不复返了,在某种程度上,大众广告宣传也一去不复返了。现代消费者希望通过实时聊天得到快速、个性化的回应,而这种规模化的回应正是聊天机器人所擅长的。今年,聊天机器人为销售采用者带来了可观的回报,因为它们在加收销售工作方面有了巨大的改进:
聊天机器人也是我们 Intercom 销售活动的重要组成部分。我们在网站所有关键页面(包括定价页面、演示页面和主页)上使用了自己的 定制机器人。例如,如果你访问我们的定价页面,我们的机器人将会在几秒后被触发,向你询问需要什么帮助。在回答几个问题之后,网站将会为你提供最适合你的计划和建议,或者给你提供与我们的销售团队交流的机会。
可以公平地说,技术支持团队是商业聊天机器人的最早采用者:阿拉斯加航空(Alaska Airlines)向世界介绍它的虚拟助手 Ask Jenn,已经是十多年前的事了:
幸运的是,自 Ask Jenn 时代以来,支持聊天机器人已经取得了长足的进步。现代聊天机器人可以帮助团队筛选问题、分流问题并提供即时解决方案,最终带来更高效的支持团队和更好的客户体验。具体地说,今天聊天机器人带来的一些好处包括如下:
说来有趣,我们的 内部支持团队发现,使用 Intercom 的定制机器人可以将解决问题的时间缩短 50%。聊天机器人能够轻松地对大量聊天记录进行分类,从而解放我们的团队能够腾出时间来处理那些需要人工解决的更复杂的问题。
虽然企业可以欣然接受聊天机器人带来的新机遇,但我们的研究表明,聊天机器人并没有完全满足消费者的期望。
近四分之三的消费者希望在网站上遇到聊天机器人,但只有 15% 的消费者在与公司进行快速交流时更喜欢聊天机器人,而不是人类。事实上,如果有选择的话,87% 的消费者仍然更喜欢与人类交流,而不是聊天机器人。
当被问及原因时,受访者在三个关键领域对人类的评价比聊天机器人更高:
现在,我们来看看最喜欢的统计数据:25% 的消费者愿意与人类或聊天机器人交流,只要能给他们带来想要的结果即可。
此外,消费者承认聊天机器人具备独特优势。消费者认为聊天机器人胜过人类的三大原因是:
简而言之,大多数消费者对聊天机器人还是有所期待的。他们通常仍然更喜欢与人类交流,但在少数情况下,他们并不在乎人类与聊天机器人的区别。这对企业和聊天机器人开发者而言,这意味着聊天机器人体验的门槛比以往任何时候都要高。那么下一步我们该怎么走呢?
聊天机器人在网络商业的未来扮演着不可或缺的角色,这一点在聊天机器人的 炒作巅峰期 之后的短短几年之后就变得非常清楚了。只是,与许多聊天机器人开发者最初设想的并不一样,比如取代人类、赋予聊天机器人人格等等。
相反,消费者希望聊天机器人能够尊重他们的时间,并引导他们尽快得到想要的结果。这听起来可能有些高深,但在过去我们已经看到了这副蓝图,并发挥了作用。例如,自动取款机。20 世纪 60 年代末,当自动取款机问世时,当时,企业并不确定消费者会不会接纳自动取款机而不是银行柜员,而且每个人都担心它们会让柜员失业。但 30 年过去了,这两个担心都没有发生。实际上,我们大多数人更愿意使用自动提款机进行快速交易,比如提取现金,然后愉快地排队等候与银行柜员讨论更复杂的问题,比如申请抵押贷款。
到最后,没有一个聊天机器人能够在人类最擅长的工作(同理心和理解力)上击败人类,因此,聊天机器人的开发者的机会在于,深刻而清晰地认识到机器人和人类的最佳选择是什么,并以此为基础进行开发。
聊天机器人绝对是扩展业务增长的未来。聊天机器人是否能够带来商业价值已不再是问题。它只是时间和方式的问题。
现在,有 73% 的消费者希望在你的网站上能够与聊天机器人互动,聊天机器人体验的门槛比以往任何时候都要高。但是现在有 2000 多家供应商 可供选择,你应该选择哪个呢?在我们看来,以下这些都是入场筹码:
今天,企业有一个难得的机会,可以使用聊天机器人来影响他们的底线和客户体验,没有什么比这更好的了。
关于随机抽样调查的方法:
关于随机抽样调查的方法的简要说明:我们与一家独立的市场研究公司合作,随机抽样调查了 500 名消费者和 500 名商业领袖。这项研究中,消费者研究的 95% 置信区间和商业领袖研究的 95% 置信区间的误差幅度分别为 4.1% 和 4.3%。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析实战中,我们经常会遇到“多指标冗余”的问题——比如分析企业经营状况时,需同时关注营收、利润、负债率、周转率等十 ...
2026-02-04在数据分析场景中,基准比是衡量指标表现、评估业务成效、对比个体/群体差异的核心工具,广泛应用于绩效评估、业务监控、竞品对 ...
2026-02-04业务数据分析是企业日常运营的核心支撑,其核心价值在于将零散的业务数据转化为可落地的业务洞察,破解运营痛点、优化业务流程、 ...
2026-02-04在信贷业务中,违约率是衡量信贷资产质量、把控信用风险、制定风控策略的核心指标,其统计分布特征直接决定了风险定价的合理性、 ...
2026-02-03在数字化业务迭代中,AB测试已成为验证产品优化、策略调整、运营活动效果的核心工具。但多数业务场景中,单纯的“AB组差异对比” ...
2026-02-03企业战略决策的科学性,决定了其长远发展的格局与竞争力。战略分析方法作为一套系统化、专业化的思维工具,为企业研判行业趋势、 ...
2026-02-03在统计调查与数据分析中,抽样方法分为简单随机抽样与复杂抽样两大类。简单随机抽样因样本均匀、计算简便,是基础的抽样方式,但 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27