Don Peppers：簡單地說，一對一營銷就是企業需要個別地對待個別客戶。而CRM就更廣泛些，這地方的想法是，我們跟蹤對客戶的所有了解，利用每次互動獲得的知識不斷改善客戶體驗。
所有這些都是我們曾預測過的科技將實現的東西，而且科技的功能在不斷提高，有時以遞增的方式，有時甚至是戲劇性的，我們在隨後的着作、演講和相關工作中也一直在跟進這方面的進展。我相信，我們現在所處的時期是各種科技(包括與其他技術一起的人工智能)都將取得令人難以置信進步的時期。
問：您能分享一個例子嗎?
如果您現在是從事營銷工作，那就會擁有所有各種數據。事實上，您手裏的數據可能多到您不知道從哪裏下手。
我所知道的大致如下。我知道我的網站上客戶看過的和買過的所有東西。又或者，如果我真的很厲害，我還能根據客戶在我店裏做過的事情做進一步的關聯。 我甚至還可以訪問客戶的一些第三方數據。但總的來說，當我向客戶提供報價時，我就想以一種考慮到我們之前所有交易背景的方式報價。我會想知道客戶過去喜歡什麼及要的是什麼?
那我該如何配置我的系統才能讓客戶得到他想要的呢?我這裏主要講電子商務，我有些過濾和增強等等的工具。利用過濾工具，我就知道客戶的年齡，我知道客戶是個男人，所以我就不會提女人或孩子的衣服。然後就是利用增強工具，我看到客戶喜歡Tommy Hilfiger，我還看到該客戶過去買的幾乎所有東西都是藍色或綠色。
這就是個別客戶的基礎。但是這裏還有機會是一個新客戶正在訪問我的網站。另外，我可以與新客戶和現有客戶互動，從每次新的互動中學習到可能比我過去所做的更有效的東西。所以我在網站渲染、電郵活動和促銷活動、在與新老客戶進行互動時方面都可以有一系列的選擇。
問：那人工智在這裏能幹嘛?
我想要效率，但我如何選擇呢?這就是我們用上人工智能(AI)和機器學習(ML)的地方。
我有一百萬不同的客戶。除了特定的互動，我還可以收集他們的收入水平、他們居住的地方、他們的年齡等信息。人工智能現在可以篩選多種選擇，可以將各種東西配置到有限的、可能是富有成效想法的籃子裏。
這樣我就可以將數千種可能的選項合成到一頁的最佳選項裏。現在的知識工作者可以運用經驗和人類直覺來設置選擇盤，爲網站設置護欄，可以從各種想法的列表中選擇。然後他們再在ML的協助下觀察及進一步微調性能。
這正是現實世界中在發生的事情。例如，有一家名爲Evergage的公司，客戶包括Academy Sports、Carrier和Autodesk。人工智能基本上正在幫助這些公司利用他們所瞭解的個人和人羣越來越接近一對一營銷。 大連婦科醫院 http://mobile.84211111.cn/
要注意一點，人工智能並不會不告訴任何人該做什麼，而是提供引導和協助。人類的介入仍然很重要。但人工智能可以使知識工作者更有效地工作。
問：還有其他例子嗎?
今時今日，怕是很難找到有人不想通過淨推薦值(NPS)或客戶滿意度調查達到改善客戶體驗質量的目的。也有許多人在用觀察數據，觀察數據可以是簡單的跟蹤每月有多少宗投訴，複雜一點的可以是用文本分析，再結合社交媒體中提到自己品牌的字面評論。我再說一次，所有這些數據已經在我們手裏了。
但要注意過去發生的事。過去有一個客戶的經歷頗爲糟糕：你要怎麼辦呢?最大的問題：你如何完成這個反饋循環?你怎麼激活這個反饋循環?
那好，你無法實時回覆每一個反饋或投訴。太多的互動需要跟蹤，要發的信號太多。知識工作者在不知不覺中就會開始忽略一切。
那麼你需要的就是AI和ML，AI和ML可以學習將有些行動提高優先級別，會在適當的時間將警報信號發給合適的人。舉個例子，有人現在在商店發的調查問卷裏給了差評，值班經理就會收到警報信號，本身是知識工作者的值班經理就可以做出適當的迴應。當然，可能有10個15個或20個客戶也交了調查問卷，而人工智能的作用是幫助知識工作者確定行動的優先順序。管理人員和其他人可以將精力集中在重要的投訴上，而ML則專注於不斷改進這些選擇和響應。
事實上，也可以看到這個模型在相關領域也是有用到。飛行員和外科醫生被淹沒在警報信號裏，其中的大多數警報信號並不是真的重要，這些警報信號只是某些人不想事後負法律責任的垃圾警報。同樣，AI和ML可以幫助過濾此類警報，讓飛行員和外科醫生可以更專注於更重要的事情。
問：訪談結束前還有什麼要說的嗎?
我剛纔說了，這一切都不容易。很複雜。太多數據，很多機會。嘗試和摸索仍然是其中的一部分。大家要提出自己的想法，嘗試摸索，再嘗試再摸索。
不過，我們肯定還是處在一個計算機無法完成所有工作的階段。仍然需要大量的人類判斷。雖然按機器現在的發展什麼都是有可能的，但我認爲人工智能和人類在未來相當一段時間內還是要進行相互合作。