适应性体验

自适应体验会根据每位客户的情境、行为、意图和之前的互动做出反应。他们利用数据、分析、人工智能、决策和旅程编排来确定并提供最相关的体验或次优行动，然后从结果中学习。

个性化利用对客户、受众或情境的了解，定制互动中的某个元素。自适应体验将个性化与分析、决策、推荐和旅程编排相结合，使更广泛的 体验能够随着客户需求、行为和意图的变化做出响应。个性化是能力的一部分;适应是整个体验感知、决定、反应和学习的方式。

有用的数据可以包括客户档案、交易历史、行为、行程事件、服务互动、偏好和同意。你不需要连接所有来源才能创造价值。正确的起点取决于你想改进的决策或互动方式。我们确定所需的最低数据，评估其质量和可用性，并确保其使用得当。更好的相关性取决于上下文和时间，而不仅仅是数据量。

旅程编排根据客户情境、行为和意图协调跨渠道的互动。它有助于决定下一步该如何进行，通过哪个渠道，以及互动是否应自动化、AI辅助还是由人工处理。有效的编排需要连接数据、清晰的决策逻辑、可用内容、集成的工作流程和治理。即使背后涉及多个系统和团队，也应让客户觉得整个旅程连贯。

推荐引擎利用客户和上下文信号来选择相关产品、内容、优惠、行动或指导。当推荐解决真实需求时，他们可以提升发现率、转化率、采纳率和客户价值。它们的性能依赖于良好的数据、明确的目标、合适的模型和持续的测试。我们还会考虑推荐在旅程中出现的位置，以及它们如何与业务规则、客户同意和人类决策互动。

从明确的基线和每次互动或旅程的明确结果开始。衡量指标可以包括任务完成率、参与度、转化率、平均订单价值、留存率、客户努力度、满意度以及持续的客户需求。检测和对照组有助于隔离 影响。我们将体验与业务衡量相结合，使团队能够学习哪些应对方式适合不同客户，并不断改进塑造未来互动的决策。