روشی فوق‌العاده برای تغییر مدیریت سنتی به نوین
شاید مهم‌ترین تمایز بین بنگاه‌های «دیجیتال‌زاد» و شرکت‌های موروثی افراد، مجموعه داده یا منابع محاسباتی آنها نیست بلکه تعهد در ارائه توصیه‌های دقیق و قابل پیگیری به مشتری وجه متمایز آنها محسوب می‌شود.
موتورهای توصیه‌گر (Recommendation engines) با تحلیل رفتار کاربر خود، اقدام به پیشنهاد مناسب‌ترین اقلام (داده، اطلاعات، کالا و...) می‌کنند. این سیستم رویکردی است که برای مواجهه با مشکلات ناشی از حجم فراوان و رو به رشد اطلاعات ارائه شده و به کاربر خود کمک می‌کند تا در میان حجم عظیم اطلاعات سریع‌تر به هدف خود نزدیک شوند. در عصر جدید حجم فراوان و رو به رشد اطلاعات روی وب و اینترنت، فرآیند تصمیم‌گیری و انتخاب اطلاعات، داده یا کالاهای مورد نیاز را برای بسیاری از کاربران دشوار کرده است. به گزارش دنیای اقتصاد، از این موضوع، انگیزه‌ای شده است تا محققان را وادار به پیدا کردن راه‌حلی برای رویارویی با این مشکل اساسی کند. سیستم توصیه‌گر قادر به تشخیص و تفکیک اقلام باکیفیت و بی‌کیفیت، در ارائه پیشنهاد برای یک موضوع یا کالا است.
موتورهای توصیه‌گر سازمان‌ها را وادار می‌کنند تا درحالی‌که ارزش بزرگ‌تری برای مشتریان‌شان خلق می‌کنند، به‌طور اساسی در مورد نحوه کسب ارزش بزرگ‌تر از داده‌هایشان دوباره بازبینی کنند. به عبارت دیگر، آنها یک واسطه و مکانیزم فوق‌العاده برای تغییر مدیریت سنتی به نوین هستند.پیشنهاد من به شرکت‌هایی که آرزو دارند یا تلاش می‌کنند خلاقانه شکاف دیجیتال را از بین ببرند، «ایجاد سریع موتورهای سفارش» است. (digital divide یا شکاف دیجیتالی نابرابری‌های موجود میان کشورهای مختلف جهان است که از چگونگی بهره‌گیری آنان از تکنولوژی اطلاعات و ارتباطات در جهت توسعه اقتصادی و اجتماعی ناشی می‌شود.)از توصیه‌گرها استفاده کنید تا بینش بهتری نسبت به مشتریانتان به‌دست آورید و آنها نیز اطلاعات بهتری نسبت به شما به‌دست آورند.نبوغ واقعی توصیه‌گرها از فرصت‌شان برای ایجاد چرخه‌های مطلوب کسب‌و‌کار(virtuous cycles) ناشی می‌شود: هر چه افراد بیشتری از آنها استفاده کنند، بیشتر ارزشمند می‌شوند و هر چه ارزشمندتر شوند، افراد بیشتری از آنها استفاده می‌کنند.
توصیه‌گرها دائما از تجربه کاربران می‌آموزند و بهبود می‌یابند. به این معنا که سازمان‌ها نیز می‌توانند مدام از توصیه‌گرها بیاموزند و بهبود یابند. توصیه‌گرها پلت‌فرم‌های دیجیتال برای چرخه‌های مطلوب هستند.طبق تجربه من، مدیریت موروثی نقش توصیه‌گرها را در ایجاد نوآوری و تغییرات فرهنگی نادیده می‌گیرد. آنها با موتورهای توصیه‌گر بیشتر به‌عنوان ابزاری برای فروش‌های تجارت الکترونیک و تدابیر بازاریابی نگاه می‌کنند تا به‌عنوان سرمایه‌گذاری‌های مهم در پلت‌فرم‌های چرخه مطلوب.توصیه‌ها به‌جای اینکه به‌عنوان یک منبع تجدیدپذیر برای بهبود دیدگاه مشتری و دیدگاه خودشان دیده شوند، به‌عنوان تکنیکی برای فروش بیشتر آنلاین دیده می‌شوند. این سازمان‌ها با چرخه‌های مطلوب در ذهنشان طراحی نمی‌شوند.
شرکت‌های پلت‌فرم2 برای حل مشکلات در چرخه‌های مطلوب سرمایه‌گذاری می‌کنند؛ شرکت‌های سنتی‌تر برای حل مشکلات در بهبود فرآیند سرمایه‌گذاری می‌کنند. (process improvement یا بهبود فرآیند، به معنای شناسایی، تحلیل و بهبود فرآیندهای کسب‌و‌کار موجود در خلال یک سازمان برای بهینه‌سازی و تطابق با استانداردهای جدید کیفی است.)به‌عنوان مثال در یک شرکت تجهیزات صنعتی چند میلیارد یورویی، مدیران فروش، بازاریابی و نگهداری به سادگی نمی‌توانستند تصور کنند که یک کاتالوگ هوشمند آنلاین همه آن چیزی بود که آنها و مشتریان‌شان نیاز داشتند. آنها با خود گفتند «بیایید سریع‌تر و ساده‌تر جست‌وجو کنیم.» «بیایید یافتن آنچه مشتریان به دنبالش هستند را برای آنها آسان‌تر کنیم.» بنابراین آنها چنین کاری کردند. استنباط و فرض آنها این بود که مشتریان می‌دانستند چه می‌خواهند. شناسایی الگوها و همبستگی‌های خرید که می‌تواند به صورت الگوریتمی پیشنهادها یا جست‌وجوهای بیشتر را القا کند «چاره‌اندیشی دیرهنگام» بود.
ذهن‌ها تنها زمانی تغییر کرد که یکی از رقبا و دو شرکت از بزرگ‌ترین «فروشندگان تکمیلی دست دوم»، توصیه‌گرهای خود را آغاز کردند. (فروشندگان تکمیلی دست دوم یاvalue-added reseller شرکتی است که ویژگی‌ها یا خدمات را به محصول موجود اضافه می‌کند و سپس آن را به‌عنوان یک محصول یکپارچه می‌فروشد.)شرکت مذکور خیلی زود دریافت که در حقیقت بسیاری از مشتریان‌شان نمی‌دانستند چه می‌خواهند. توصیه‌های آنلاین، از ارائه‌های فروش متمایز بود و مسیری فوق‌العاده پیش روی مشتریان صنعت گشود. «جست‌وجو» پیشنهادها را بهبود می‌بخشد؛ «پیشنهادها» موجب بهبودی جست‌وجو می‌شود.
یک نمایندگی فروش این شرکت یک توصیه‌گر نگهداری و اصلاح محتوا، شامل ویدئو را روی سایت خود فرستاد که به مشاوره محصول و خدمات بپردازد. این خرده‌فروش سایت خود را برای نظرات منتخب مشتریان باز کرد. گرچه این خرده‌فروش از عرضه‌کننده بزرگ‌تر خود بسیار کوچک‌تر بود، اما سایت توصیه‌محور آن 50 برابر بیشتر ترافیک وب داشت. از همه مهم‌تر، عرضه‌کننده نیز اذعان کرد که این خرده‌فروش معمولا در مورد وضعیت تجهیزات و خریدهای برنامه‌ریزی‌شده اطلاعات بیشتری دارد.یکی از توسعه‌دهندگان وب شرکت می‌گوید «در آن زمان تصور نمی‌کردیم که یک موتور توصیه‌گر ضروری باشد.» در واقع، بازدید اخیر سایت تایید می‌کند که توصیه‌های شرکت اندکی بیشتر از توصیف‌های کاتالوگ است که از طریق لینک منتشر می‌شود. این شرکت اکنون برای رسیدن به برتری در صنعت تلاش می‌کند.
در مقابل، یک شرکت خدمات مالی با مشاوران-روبات (robo-advisers)، سریعا دریافت که مشتریانش چیزی بیشتر از صرفا مشاوره‌های خوب می‌خواهند؛ آنها انتظار توصیه‌های مالی دارند که به آنها توانایی و قدرت بدهد. این کار مکالمات داخلی ایجاد کرد؛ مکالماتی که این شرکت هرگز قبلا نداشته است. تیم مشاور-روبات از خودش پرسید «شرکت آمازون چه کار می‌کند؟»
به‌عنوان مثال، آیا باید این مشاور-روبات پیشنهادهایی مانند آمازون بدهد؟
این تیم طراحی از طریق صدها مدل آزمایشی بررسی کرد که چگونه بهترین توصیه‌ها را ارائه دهد.این شرکت خدمات مالی به سرعت دریافت که مشاور-روبات آن باید یک «پلت‌فرم پیشنهاد» باشد؛ هر چه افراد بیشتری از آن استفاده کنند، توصیه‌ها بهتر خواهند شد. تمرکز مشتری بسیار مهم و کلیدی بود. مشاور-روبات باید جست‌وجوی این پیشنهادها را ساده و آسان کند. چرخه مطلوب باید در آن شکل بگیرد.تیم مشاور-روبات دریافت که موفقیت به داده‌های بیشتر و دسترسی نیاز دارد. به‌عنوان یک شرکت موروثی بزرگ با صدها محصول منظم، با داده‌هایی که در سراسر بنگاه پراکنده هستند، این شرکت به لحاظ عملیاتی منزوی بود.توصیه‌گر مشاور-روبات تبدیل به فرصتی برای تسهیل همکاری متقابل بین گروه‌های محصول و مدیران فناوری اطلاعات شده است؛ مدیرانی که قبلا هرگز ارتباطی نداشتند.گروه‌های متعددی در برابر درخواست‌های اطلاعات و همکاری تیم مشاور-روبات مقاومت کرده و عقب‌نشینی کردند. اما رهبری سازمان بر همکاری همه افراد پافشاری کرد.
چرا؟ او به‌عنوان مدیر ارشد مالی به من گفت «ما اکنون می‌دانیم که این چیزی است که آینده ما شبیه آن خواهد بود. ما می‌خواهیم داده‌ها را در سراسر سیلوها به اشتراک بگذاریم. ما باید فرآیندهای دیجیتال داشته باشیم که از سوی مشتریان و نه فقط افراد خودمان داده‌محور هستند.» توصیه‌گر مشاور-روبات تبدیل به الگو و آزمونی برای دگرگونی دیجیتال این شرکت شد. این امر یک پیشرفت سازمانی، عملیاتی و فرهنگی و نه فقط یک پیشرفت دیجیتالی را پیش روی ما می‌گذارد. بدون تعارف، توصیه‌گرها بهترین وسیله برای دگرگونی دیجیتال هستند. آنها همه سوالات و چالش‌های درستی را که هر نوآور جدی باید در مورد رفع شکاف دیجیتال داشته باشد، می‌پرسند.آنها سازمان‌ها را وادار می‌کنند تا در مورد «هماهنگی فرآیند» کمتر فکر کنند و بیشتر در مورد «چرخه‌های مطلوب» به تفکر بپردازند. دیجیتالی شدن به این معنا نیست که تنها فناوری اطلاعات را بهبود داده و ترفیع دهید، بلکه نیاز به بازبینی اصول کسب‌و‌کار دارد. در اینجا پنج توصیه برای سازمان‌هایی که برای رفع شکاف دیجیتال تلاش می‌کنند آورده شده است:
می‌خواهیم پیشنهادهای ما شبیه چه باشد؟
توصیه‌گر را بازتولید نکنید. مشتریان شما تجربه پیشنهاد شبیه آمازون را ترجیح می‌دهند یا شبیه نت‌فلیکس را؟ شاید توصیه‌های محتوای کورا (Quora یک وبگاه پرسش و پاسخ است که کاربران می‌توانند سوال بپرسند و پاسخ دهند و ویراستاری کنند) یا Stack Overflow به سریع‌ترین شکل ارزش را اضافه کنند. Stitch Fix و Pinterest انواع متفاوت تجربیات پیشنهاد بصری و منتخب ارائه می‌دهند.شما باید نگرش‌های پیشنهادی را جست‌وجو و تجربه کنید که به بهترین شکل ارزش‌های برند سازمان شما و تجربیات کاربر را بازتاب دهد.هیچ کمبودی از توصیه‌گرها در دنیای واقعی برای رقابت با آنها و نوآوری وجود ندارد. به‌طور مشابه، هیچ کمبود نرم‌افزاری (به‌خصوص نرم‌افزار متن باز) نیز وجود ندارد. (open source به نرم‌افزارهایی می‌گویند که افراد می‌توانند در کد منبع آنها تغییر ایجاد کرده یا اشکالات احتمالی آنها را رفع کنند.) اینکه سازمان شما چگونه باید تجربه توصیه و تجربه کاربر را ادغام و تنظیم کند یک چالش محسوب می‌شود.
می‌خواهید از تجربه پیشنهاد چه چیزی یاد بگیرید؟
شرکت‌هایی مانند آمازون، نت‌فلیکس و کورا، از ردیابی نحوه مشاهده، پیروی و بی‌اعتنایی کاربران به پیشنهادها، اطلاعات کیفی و دیدگاه‌های چشمگیری به‌دست می‌آورند. چگونه می‌خواهید طبق آنچه از تجربه مشتری آموخته‌اید عمل کنید؟ آیا می‌خواهید به‌طور متفاوت قیمت‌گذاری کنید؟ محصولات و خدمات را بهتر دسته‌بندی کنید؟ ویژگی‌ها و قابلیت‌های خاصی را اضافه یا حذف می‌کنید؟ بخش‌های نوظهور مشتری را شناسایی می‌کنید؟ ارائه‌ها را شخصی‌سازی می‌کنید؟ ایده‌های نوآورانه را آزمون می‌کنید؟ چه معیارهایی بیشتر مهم هستند: تعهد یا جست‌وجو؟توصیه‌های کاملا ساختاریافته، اطلاعاتی که آنها می‌خواهند را فراهم می‌کنند. تعیین کنید که می‌خواهید پیشنهادهای شما چه نوع یادگیری برای شما فراهم کند.
چگونه می‌توانیم چرخه پیشنهادهایمان را مطلوبتر کنیم؟
پاسخ به دو سوال اول مشخص می‌کند که چه نوع داده‌هایی را برای شروع توصیه‌گر نمونه اولیه نیاز خواهید داشت. اما آیا سایر مجموعه داده‌ها، الگوریتم‌ها و تعاملات وجود دارند که بتوانند چرخه مطلوب را بهبود ببخشند؟ آیا توصیه‌گر شما باید یک گزینه «کلیک برای چت» را برای تسهیل یک ارتباط بین‌فردی ارائه دهد؟ آیا ممکن است نظرات و بازبینی‌های منتخب ارزش قابل‌اندازه‌گیری را به تجربه مشتری اضافه کنند؟ آیا می‌توانید از مشتریان بپرسید که آیا پیگیری‌های ایمیلی یا کاغذهای سفید روی محصولات یا خدماتی می‌خواهند تا بتوانند علایق خود را بیان کنند؟ آیا یک پیوند لینکدین منطقی به نظر می‌رسد؟موتورهای توصیه‌گر تنها در مورد پیشنهادها نیستند؛ آنها پلت‌فرم‌هایی هستند که توانایی تعامل اطلاعات دیجیتالی را دارند. با طراحی متناسب، این تعاملات ارزشی برای مشتریان شما و برای خودتان ایجاد می‌کنند. چرخه‌های مطلوب می‌توانند مطلوبتر و ارزشمندتر باشند.
در یک‌سال چه چیزی را باید بیشتر توصیه کرد؟
همان‌طور که توصیه‌گران مطلوبتر و ارزشمندتر می‌شوند، فرصت‌ها برای پیشنهادهای نوآورانه‌تر، بیشتر می‌شود. شرکت‌های تولیدی می‌توانند هم خدمات خود و هم خدمات شخص ثالث را ارائه دهند؛ شرکت‌های خدماتی می‌توانند محصولات را پیشنهاد دهند.نگاه کنید که چگونه آمازون طیف وسیعی از محصولات و خدمات خود را به «فرمت‌های چندگانه پیشنهاد» دسته‌بندی می‌کند. اطلاعات و داده‌های بیشتر به ناچار نه تنها به پیشنهادهای بهتر بلکه طیف‌های وسیع‌تری از توصیه‌ها منجر می‌شود. این امر البته به این بستگی دارد که شما می‌خواهید چه چیزی یاد بگیرید و چگونه می‌خواهید چرخه‌های مطلوب خود را رشد دهید.
توصیه‌گران در همه جا حضور دارند
محدود کردن توصیه‌گران به حوزه تجارت الکترونیک اشتباه است. همان‌طور که سرویس‌هایی مانند کورا، Stack Overflow و لینکدین تصدیق می‌کنند، توصیه‌گران می‌توانند چیزی بیش از پیشنهاد محصولات و خدمات برای مشتریان انجام دهند؛ آنها می‌توانند محتوا، مشاوره و اطلاعات برای تصمیمات ارائه دهند. چرا توصیه‌گرانی ایجاد نکنیم که به مردم تیم‌های جدید محصول پیشنهاد کنند؟ در مورد توصیه‌گران برای شرکا و کانال‌های کسب‌و‌کار چطور؟ پیشنهاددهندگان می‌توانند هر جایی که افراد نیاز به پیشنهاد و مشاوره دارند، مفید و کاربردی باشند. چرخه‌های مطلوب نباید تنها به مشتریان تعلق داشته باشند. هر جا که دیجیتالی شدن و داده‌ها به وفور وجود دارند، باید قدرت و پتانسیل برای توصیه‌گران وجود داشته باشد. بهترین پیشنهاد برای قادر ساختن دگرگونی دیجیتال، توانا ساختن دگرگونی دیجیتال پیشنهادها است.
