Цифровой двойник потребителя: преобразование клиентского опыта с помощью искусственного интеллекта

Технологии развиваются настолько стремительно, что зачастую теоретическую и научную базу удается наработать уже после внедрения и апробации. Продолжая, таким образом, исследования новых цифровых инструментов, возможностей и технологий [1], [7], которые могли бы модернизировать процесс управления [6], потребностей индивида на пути принятия решения о вступлении в сообщество [5] или покупки в рамках нового «фиджитал» (phygital) (комбинации «физического» physical и «цифрового» digital) понимания человека, живущего в новом цифровом мире, представляется перспективным познакомиться c основными принципами явления «цифрового двойника потребителя».

Термин «цифровой двойник» был формализован в 2002 году профессором Института цифрового двойника Майклом Гривзом для описания физического продукта или системы в виде цифровой копии, которую можно использовать для исследования параметров и поведения моделируемого объекта внутри симуляции, работающей параллельно жизненному циклу реального объекта». В исходном исследовании автор обобщенно выделяет три группы компонентов цифрового двойника: физический продукт в реальной среде, виртуальный продукт в виртуальной среде и набор соединения для обмена данными и информацией между физической и виртуальной версиями продукта [15, 16]. Профессор К. Семераро утверждает, что цифровой двойник (DT) отражает операции физической системы в реальном времени [21].

Эволюция и анализ существующих определений «цифрового двойника», его структурных компонентов подробно исследована в работе Лычкиной Н.Н. и Павлова В.В. [3]. Ученые Морозова О.А. [4] и Лыткин А.Н. [19] исследуют возможности применения цифрового двойника клиента как перспективный технологический тренд в банкинге, Акишин В. и Кисляков С. – в сфере коммуникаций. Другие исследователи посветили свои научные работы открывающимся возможностям для маркетинга, а именно: оптимизации «карты пути клиента» [9], совершенствования клиентcкого опыта [20,22]. Некоторые ученые фокусируются на технологической стороне реализации данной технологии [11, 18]. Оптимизация управления цепью поставок с возможностью интеграции в нее цифрового двойника клиента – еще одно актуальное направление, которое волнует авторов [12, 17].

Продолжая изучать данную технологию, мы, в свою очередь, хотели бы остановиться на новом направлении, в центре которого – человек, «потребитель» (DToC). Хотелось бы отдельно оговориться, что в научной литературе можно встретить синонимы явления «DToC», такие как: CDT (customer digital twin), human digital twin (HDT). Данный термин был введен в 2022 году консалтинговой компанией Гартнер [13], которая ежегодно проводит крупномасштабное исследование новейших технологических трендов и определяет десять ключевых «подрывных» технологий. «Цифровой дневник потребителя» на 2024 год находится на первой фазе («инновационный триггер») кривой цикла зрелости технологий.

Компания Гартнер дает следующее определение: «Вместо простого сбора данных (цифровой двойник клиента) предоставляет контекст и прогнозы будущего поведения. В нем используются как онлайн, так и физические взаимодействия, и он динамичен, обновляется по мере поступления новой информации и учитывает, что один человек может олицетворять несколько личностей...». Это связано с тем, что люди и, в свою очередь, «образы» цифрового двойника потреьителя могут меняться с течением времени [13].

DToCs основаны на работе, проводимой в настоящее время такими известными брендами, как Google, Amazon и Netflix [10]: они используют алгоритмы искусственного интеллекта и машинного обучения для интерпретации поведенческих данных и настройки качества продукта. Маркетинговые команды могут выявлять узкие места на пути к клиенту, сохранять доверие клиентов и улучшать бизнес-результаты.

Исследователи МакКинси дают следующее интегральное определение [9]: «цифровые двойники — многократно используемые виртуальные представления активов, людей или процессов и их окружения, которые моделируют стратегии и оптимизируют поведение, — являются мощным инструментом, который может помочь организациям улучшить процесс принятия решений на основе данных». Конкретные варианты использования цифровых двойников клиентов на базе искусственного интеллекта включают в себя моделирование и прогнозирование того, какой продукт клиент купит следующим, анализ поведения клиентов для прогнозирования моделей будущих покупок и улучшение качества обслуживания клиентов на протяжении всего процесса их приобретения.

Улучшение качества обслуживания клиентов на протяжении всего жизненного цикла - важнейший вариант использования технологии цифрового двойника на базе генеративного искусственного интеллекта, по мнению исследователей МакКинси [9, 10]. Многие организации в разных отраслях отдельно внедряют цифровые двойники и генеративный искусственный интеллект — две технологии с различными ценностными предложениями и огромными перспективами — для поддержки широкого спектра вариантов использования. Генеративный искусственный интеллект может структурировать входные данные и синтезировать выходные данные цифровых двойников, а цифровые двойники могут обеспечить надежную среду тестирования и обучения для ИИ [22]. Объединяя эти технологии, организации могут добиться синергии, которая сократит затраты, ускорит внедрение и обеспечит значительно большую ценность, чем любая из них могла бы обеспечить по отдельности. Вместе эти технологии используют данные в режиме реального времени для выявления различных сценариев и принятия мер в соответствии с ними, помогая организациям эффективно анализировать огромные объемы данных.

Интеграция возможностей искусственного интеллекта, данных, получаемых от Интернета вещей и иных устройств, социальных сетей и профилей в модель «цифрового двойника потребителя», безусловно, представляет исследовательский интерес, но при этом вызывает определенные опасения с этической стороны, вопросами безопасности и конфиденциальности данных. На текущий момент только зарождается теоретическая и эмпирическая база научных исследований, посвященных применению технологии DToC. Отсутствие большого объема эмпирических обоснований может препятствовать детальному пониманию реальной динамики, проблем и эффективности внедрения цифрового двойника человека. Однако, безусловно, данная технология и ее перспективы вызывают значительный интерес, как у научного сообщества, так и у бизнеса.

Поддержание прозрачности с клиентами относительно того, как используются их данные, критически важно для построения доверия. Более того, хотелось бы отметить, что в нашем понимании «цифровой двойник клиента» может основываться исключительно при условии обеспечения безопасного использования данных клиента с его разрешения, обеспечения конфиденциальности, защиты от рисков и иных проблем, это еще один пример инструмента «экономики доверия».

В то же самое время параллельно и не менее активно развиваются инструменты, позволяющие создать «ложный цифровой след», отзывы, повлиять на репутацию в зависимости от поставленных заказчиком целей («астротурфинг» [2]). Безусловно, исследователям и практикам приходится постоянно балансировать между уникальными возможностями, что открывают технологии будущего [1] и при этом каждый раз «остановиться» прежде, чем не будет обеспечена безопасность и этичность использования.

На текущий момент выделяются следующие источники данных, которые лежат в основе «цифрового двойника клиента»: 1) данные о транзакциях: информация об истории покупок, частоте заказов и предпочтениях; 2) поведение в сети: данные о посещениях веб-сайтов, кликах и привычках совершать покупки в Интернете; 3) активность в социальных сетях: показатели вовлеченности с социальных платформ, включая лайки и публикации. 4) взаимодействие с клиентскими службами: записи о звонках в службу поддержки и обратной связи; 5) Демографическая информация: личные данные, такие как возраст, пол, местонахождение и доход. 6) Психографические данные: эти данные касаются интересов, ценностей и образа жизни клиентов, что помогает глубже понять мотивацию клиентов и адаптировать предложения под их потребности.

Теперь остановимся на некоторых технологиях, на основании которых предполагается создание и использование «цифровых двойников потребителя» (таблица 1 ниже).

Таблица 1

Перечень технологий, используемых для создания «цифрового двойника потребителя»

Источник : систематизировано автором на основании анализа исследований авторов [1-21]

Эти технологии в комбинации позволяют компаниям создавать динамические виртуальные модели клиентов, которые не только отражают их прошлое поведение, но и предсказывают будущие действия, тем самым улучшая взаимодействие с клиентами и повышая уровень персонализации услуг.

Gartner определяет DToC как динамическое виртуальное зеркальное отображение клиента, которое имитирует и учится имитировать и предвосхищать поведение. DToC может и должен дополнять более широкую систему цифрового двойника цепочки поставки (digital twin supply chain или DSCT). По мнению Б. Коппингер [12], директора-аналитика отдела цепочек поставок Gartner, «цифровой двойник цепочки поставок, включающий в себя цифрового двойника клиента, может учитывать изменение поведения клиентов в различных условиях и поддерживать планы роста организации».

Предполагается, что одним из потенциально преобразующих преимуществ DToC является возможность полностью изменить точность прогнозирования потребительского спроса, что расширит и потенциально заменит существующие инструменты определения спроса. Будущий DToC сможет учитывать множество различных данных из самых разных источников и обновлять поведение клиентов и их реакции в режиме реального времени.

Цифровой двойник клиента представляет собой преобразующий подход к пониманию поведения клиентов через призму виртуальной реальности. Цифровой двойник клиента принципиально отличается от традиционных профилей клиентов. В то время как обычные профили агрегируют статические данные из различных точек взаимодействия, DToC используют данные в реальном времени для создания гибкого представления поведения клиента. Это включает в себя интеграцию данных из онлайн-взаимодействий, истории транзакций, активности в социальных сетях и прямой обратной связи для формирования комплексного представления о клиенте.

Предсказывая будущие покупательские поведения, компании, смогут адаптировать свои маркетинговые усилия к индивидуальным предпочтениям, что должно привести к более высоким показателям вовлеченности. Также предполагается оптимизация клиентского пути: DToC помогают выявить узкие места на пути клиента, позволяя компаниям улучшать процессы, которые повышают пользовательский опыт. В отличие от традиционных реактивных подходов, DToC позволяют брендам предвосхищать потребности и предпочтения клиентов, способствуя более проактивной модели взаимодействия. Постоянно адаптируясь к потребностям клиентов, компании могут строить более крепкие отношения со своими клиентами, повысить лояльность.

В заключении отметим, что, безусловно, существуют серьезные опасения, связанные с безопасностью и конфиденциальностью данных, этичностью их использования, их сбором и обработкой, что, в целом, является одним из основных проблем и «барьеров» для внедрения многих цифровых технологий, в том числе и «цифрового двойника потребителя». Однако хотелось бы надеяться, что ученым и разработчикам удастся совместными усилиями обеспечить надежность и доверие к данной технологии, которая на сегодняшний момент еще только зарождается.