Risolvere il problema dell'8%: come far sì che i progetti di intelligenza artificiale abbiano successo nel settore automobilistico

Nel nostro recente podcast Keyloop Drivetime la nostra conduttrice Jacqui Barker ha parlato con Andy Gray, CEO e co-fondatore di Kortical. Questo episodio serve a tagliare i ponti con il rumore dell’IA e a fare un po’ di pratica su cosa effettivamente funziona nella vendita al dettaglio di automobili.

Tuttavia, (e questo è un dato importante), solo l’8% dei progetti di intelligenza artificiale ha successo e il tempo medio di produzione è di 36 mesi. Si tratta di una prospettiva scoraggiante per i rivenditori e gli OEM. Fortunatamente, Andy ha condiviso come rompere questo schema iniziando in piccolo, concentrandosi su risultati rapidi e basandosi su approcci collaudati invece di tentare trasformazioni in grande stile. Infatti, Andy commenta, “Abbiamo iniziato a lavorare sull’intelligenza artificiale quando nessuno sapeva cosa fosse, ma all’improvviso i clienti ce l’hanno chiesta”.

Abbiamo raccolto alcuni spunti chiave di questo episodio. È ricco di spunti di riflessione sulla vendita al dettaglio nel settore automobilistico per tutti coloro che cercano di colmare il divario tra la tecnologia all’avanguardia e l’applicazione nel mondo reale. Ecco cosa Jacqui e Andy ne hanno discusso:

• AI vs apprendimento automatico: La differenza spiegata in modo semplice.

• Perché la maggior parte dei progetti di intelligenza artificiale fallisce: E come ridurre il successo con strumenti collaudati.

• La miniera d’oro dei dati automobilistici: Dai registri di assistenza ai contratti finanziari, i tuoi dati hanno più valore di quanto pensi.

• La personalizzazione è la nuova aspettativa: I clienti si aspettano un’esperienza in stile Amazon: l’auto giusta al momento giusto.

• Partnership tra uomo e intelligenza artificiale: L’intelligenza artificiale come assistente che permette ai venditori di concentrarsi sulle relazioni, non sull’amministrazione.

AI vs apprendimento automatico

Andy ha spiegato lo spostamento dei paletti dell’IA.

Aa volta che qualcosa è ben compreso, si smette di chiamarlo AI e gli si dà un nuovo nome, come riconoscimento ottico dei caratteri.

Ha fatto risalire le origini a John McCarthy negli anni ’50, inquadrando l’IA come“qualsiasi cosa ispirata dal cervello”.

L’apprendimento automatico, invece, è unmetodo specificoInvece di codificare migliaia di regole a mano (ad esempio per il riconoscimento facciale), si lascia che gli algoritmiimparino modelli dai dati. Questo cambiamento è ciò che ha reso possibili le scoperte moderne, dall’OCR agli attuali modelli linguistici di grandi dimensioni.

Perché molti progetti di intelligenza artificiale falliscono e come evitarlo

Un tasso di successo dell’8%, con una media di 36 mesi per raggiungere la produzione.

Moltiplicando queste cifre per il settore, si ottieneun progetto di successo ogni 20 annise l’approccio è sbagliato.

Spesso i guasti si verificano a livello di livello di traduzione. Le aziende non sanno come trasformare i loro dati disordinati in input leggibili dalle macchine e in valore aziendale. (Questo è esattamente il motivo per cui il miglioramento della qualità dei dati nelle concessionarie è così importante. Scopri come Keyloop e AI Assistant stanno affrontando questo problema qui).

Il suo consiglio? Non puntare su programmi “big-bang”. Piuttosto:

• Inizia in piccolo con un processo ripetitivo e strutturato (ingresso digitale, uscita digitale).

• Usa soluzioni collaudate già funzionanti in contesti simili.

• Vittorie incrementali costruiscono fiducia e ROI e ti forniscono la tabella di marcia per scalare l’IA in modo efficace.

La miniera d’oro dei dati automobilistici

Andy ha sfatato il mito secondo cui è necessario centralizzare tutti i dati prima di utilizzare l’intelligenza artificiale. Ha invece esortato i rivenditori a partire da silos di dati già disponibili. Ad esempio:

• Rinnovi AI è in grado di prevedere quando un cliente è propenso a comprare di nuovo basandosi solo sulle informazioni relative al contratto.

• Con un solo sottoinsieme di dati, Kortical ha ottenuto unincrementomediodel 7,8% nell’outreach personalizzato.

Ha sottolineato che il settore automobilistico hauna tonnellata di dati che abbraccia i settori dell’assistenza, della finanza e del marketing. La vera sfida consiste nel far emergere e attivare i dati, non nell’accumularli in un unico grande progetto. Per una visione più ampia del perché i dati puliti e connessi sono alla base del successo dell’intelligenza artificiale nel settore della vendita al dettaglio, leggi il nostro articolo su L’intelligenza artificiale nel settore automobilistico e non solo.

La personalizzazione è la nuova aspettativa

Andy ha spiegato che le persone non passano più ore a scorrere infinite opzioni o a visitare diversi siti di recensioni. Al contrario, si fidano sempre di più dei marchi servirgli la scelta giusta, al momento giusto.

Per il settore automobilistico, ciò significa che i rivenditori non possono più affidarsi a un marketing generico o a offerte uniche. L’intelligenza artificiale è in grado di analizzare segnali come i contratti di finanziamento, la storia dell’assistenza o persino i cambiamenti nello stile di vita e di consigliare il passo successivo più pertinente. Che si tratti di un rinnovo, di una prenotazione di servizi o di un’offerta su misura.

Se fatta bene, la personalizzazione mantiene i clienti nel tuo ecosistema, crea fiducia e riduce la possibilità che si allontanino per esplorare i concorrenti. Come ha detto Andy:

Se le persone credono che il tuo marchio comprenda costantemente le loro esigenze, smetteranno di cercare altrove.

Partnership tra uomo e intelligenza artificiale

Andy ha sottolineato che l’intelligenza artificiale dovrebbe amplificare le persone, non sostituirle. Alcuni esempi tratti dall’episodio sono:

• Un chatbot AIaddestrato alla voce del marchio di un rivenditore può rispondere alle domande in modo naturale e curato; una cosa ben diversa dai vecchi bot “scegli l’opzione A, B, C”.

• I bot collegati alDMSpossono qualificare i contatti, controllare le scorte in tempo reale e persino prenotare test drive prima che un addetto alle vendite sia libero.

• I venditori ottengono un proprio “assistente” che si occupa dell’amministrazione e delle richieste, in modo da avere più tempo per i contatti umani e la creazione di valore.

Il consumatore di oggi è condizionato dala personalizzazione che vediamo ormai ovunque. I Se l’automotive riesce a replicare questo viaggio personalizzato e senza soluzione di continuità, la fedeltà e i rinnovi seguiranno.

Aspetti conclusivi

L’IA è andata ben oltre le parole d’ordine. Come ha sottolineato Andy in questo episodio di Drivetime, il successo non consiste nell’inseguire i progetti più grandi e appariscenti, ma nel rendere l’IA pratica. L’industria automobilistica dispone di un’abbondanza di dati non sfruttati e l’opportunità sta nel partire in piccolo, utilizzando ciò che è già disponibile e costruendo uno slancio attraverso vittorie misurabili.

I rivenditori che adottano questo approccio si troveranno nella posizione migliore per offrire ciò che i clienti si aspettano ora viaggi personalizzati e senza soluzione di continuità che combinano l’esperienza umana con l’efficienza dell’IA. E visto che oggi solo l’8% dei progetti di IA ha successo, i rivenditori che riusciranno a farlo bene si distingueranno dove conta di più: agli occhi dei loro clienti.

Iscriviti al nostro prossimo webinar per scoprire come puoi costruire una strategia di AI pragmatica che colleghi le operazioni di oggi con le opportunità di domani.