生成式AI：重塑客户增长

概述

• 生成式AI大规模运用开创了新的格局：它既是推动内部效率和生产力的引擎，也是促进外部市场扩张和深化客户互动的战略工具。
  

• 五年后，将生成式AI应用于客户相关活动的企业与只注重提升生产力的企业相比，营收有望高出25%。
  

• 通过实施生成式AI，品牌不仅能在内容创造上实现量与质的飞跃，还能建立起更加敏捷和精准响应市场需求的能力，形成所谓的“组合效应”。
  
  

越来越多的企业意识到，其产品或服务难以满足客户日益增长的期望。与此同时，社会发展和经济波动加大了企业所承受的外部压力。企业不仅要致力于满足客户需求，还必须在有限的资源下实现更高的效益。在此背景下，身处营销、销售和服务前线的从业者深刻地感受到转型升级的迫切性。

挑战还不止这些。生成式AI正在全速驶入这场变革中。

尽管围绕生成式AI的炒作声量很大，但我们与数百家公司的合作经验表明，它确实不同于近年来的任何技术。生成式AI正在深刻改变每一个行业、组织，甚至是每一个人，对人才技能及工作流程产生广泛影响。企业需要采用新的工作方式，并承担起诸如伦理考量和社会责任等新原则。生成式AI与其他技术不同，它远不只是技术堆栈中的一层。

生成式AI大规模运用开创了新的格局。产品创新部门可以实时了解客户服务反馈，及时调整研发工作重心。营销部门得以清楚了解产品的目标客群，为他们打造个性化信息，让市场活动创意无穷。通过AI的支持，销售和服务对话能够达到一个全新的层面，让客户感受到自己被重视和理解。生成式AI还能将客户价值链各环节产生的洞察相互关联起来，形成联动效应，进而帮助企业在业务和人之间建立大量有意义的联系，最终推动业务增长。

但要想充分释放生成式AI的潜力和价值，企业必须将其视为推动全面创新和转型的引擎，而不是简单的一项技术任务。尽管生成式AI应用伴随风险，但对于企业来说，最大的风险莫过于错失良机。踌躇不前不仅会直接影响当前的运营效率，还会影响未来的增长轨迹，在未来的市场竞争中失去先机。

生成式AI：提升生产力，重塑客户增长

他山之石，可以攻玉。埃森哲已在各个行业和业务职能积累了700多个生成式AI项目的经验，结合一项针对全球1000名企业高管的调研，揭示了领先企业如何通过应用生成式AI来提升生产力，获得切实的增长。

行动中的企业正积极进行战略布局，确定生成式AI的适用环节。从产品设计开发到营销、销售和服务，企业力求在客户旅程的每一个阶段都融入生成式AI来提升客户关联度，贴近市场需求。企业正在用生成式AI提升工作效能，增强创新能力，不断在成功实践中累积信心。通过这些举措，也为自己开拓了更多未来的增长机会。

我们的调研显示，90%已经部署生成式AI的企业侧重于通过自动化提升生产力。这是至关重要的基础，也是增长路径之一。¹然而，企业能否实现更强劲增长，关键在于能否在把握当前自动化带来的生产力提升机会的同时，利用这些优势推动客户组织层面的革新与重塑。

企业如何利用生成式AI创造客户价值

我们看到面临结构性阻力的零售业正在迅速做出改变。一些利润微薄的零售商已开始使用生成式AI来释放资源，将由此得来的收益再投资于改善运营。相较于渐进式的调整，他们必须进行彻底重塑。生成式AI并非单纯的概念验证，而是成为了他们核心战略的一部分，并且在实际生产环境中应用，目标不仅仅是为了提升效率，更要借助AI开展营销、销售和服务方面的创新，推动新的增长方式。

从战略和产品到创意和叙事，领先企业正在重塑整个客户价值链。我们的调查结果分析表明，领先企业使用生成式AI来识别新的、且未被满足的客户需求方面，可能性相比其他企业要高出 3.7 倍。他们整合海量的客户和市场数据，兼顾负责任的AI框架和实践，获得的独特洞察可用于测试和开发产品概念。迄今为止，与我们合作的客户在数据处理时间上最高节省了80%，新产品和服务的上市速度提高了40%。³

我们的分析发现，相比其他企业，领先企业认为生成式AI能为营销带来根本性创新的可能性要高出 5.6 倍。他们正在以经济高效的方式将创意转化为符合客户个性化需求的全球营销活动，同时解决制作和规模方面的挑战。具体来说，他们节省了94%的制作时间，内容版本数量增加了三到四倍。³

当然，这不仅仅关乎速度和生产力。在坚守质量标准的基础上，再与人类创造力相结合，生成式AI可以成为激发创新的催化剂，这是帮助品牌实现差异化和建立真实人际联系的关键要素。

即刻重塑，紧跟客户节奏

迄今为止，我们在生成式AI领域已投资了30亿美元，再加上现有的生成式AI项目经验，我们发现营销、销售和服务领域有着重大机遇和强劲需求。将生成式AI应用于能够增加客户价值的领域，有效提升效率，获得洞察，并催生创新。

在生成式AI时代，企业要想成功转型与重塑，需要聚焦客户组织的五大要务。

1.以价值为先导

客户必须是业务的核心，这就要求企业不只关注单独用例，而应优先考虑那些贯穿客户价值链的功能。企业可以在整个组织内进行取证评估，确定哪些领域可为客户创造更多价值和关联度，进而确定优先事项。

例如，西班牙对外银行（BBVA）在云、数据和AI方面投入了大量资金，旨在打造更加无缝的客户体验。随着项目逐步深入，该银行的新客户和收入实现了创纪录的增长，效率和盈利能力也得以提升。该银行正进一步重塑其业务模式，开发了一个基于生成式AI的金融理财教练，重新定义银行与客户的互动方式。

2.理解并开发一个AI赋能且安全的数字核心

数字核心是打造客户关联度的引擎。它汇集了企业所知的全部客户信息，包括第一方、第二方和第三方数据。数字核心借力生成式AI聚势，帮助企业探索如何为客户提供更有意义的体验。

企业首先要有一个清晰的愿景，识别哪些领域可以创造客户价值。这样，企业能更好地理解数字核心对于业务的意义。这有助于确保了技术实施的每一步都紧密贴合提升客户关联度的目标，将架构设计、技术选型、安全措施以及生成式AI作为核心支撑技术，有机融合到一起，形成一个紧密协同的数字核心系统。

3.重塑人才和工作方式

在过去的一年里，生成式AI的火爆引发了对人才影响的广泛讨论，尤其是在营销、销售和服务领域。需要注意的是，生成式AI对工作会产生多大影响取决于使用者和使用方式。自动化不仅解放了人力，还是促进组织和个人发展、实现更长远目标的战略机会。

我们的研究表明，如果员工能参与到如何用生成式AI重构工作方式的讨论，可以将重塑的速度和规模分别提高 1.7 倍和 1.6 倍。⁴很多创意团队已经在尝试将生成式AI工作流融入到创作过程中。他们正在开发提示工程（prompt engineering）和负责任的AI原则和实践。随着这些团队不断学习和适应，他们开始重塑创作过程、内容制作和协作方式。

4.注重负责任AI

生成式AI的独特之处在于它可以与人互动，并向人学习，因此必须将责任和治理放在中心，作为行动的基石。责任体现了知识产权、道德和偏见对客户关系的重要性。采用负责任的AI原则、实施明确的问责制度和治理战略不是繁重的表面文章或数据合规问题，而是在切实创造价值，与客户建立更深的信任和共鸣。

只有2%的受访企业称他们已经践行了负责任的AI策略。⁵所以，企业可以将客户信任作为切入口，抓住机会，部署更广泛深刻的差异化战略。具体而言，就是将人们关心的价值观和道德问题（例如公平、信任、平等和隐私权等）融入到企业的发展战略中。

5.推动持续重塑

生成式AI的实施不能只着眼于企业的其中一部分。如果有机会在营销、销售和服务领域部署，应由最高管理层亲自领导，并确保董事会就利用生成式AI为客户及企业创造价值的愿景保持一致认同。

如果专注重塑并投入充足的资金，生成式AI将带来组合效应，推动企业发展。生成式AI应用的互联能够提升并整合来自整个客户组织的洞察和能力，激发创新活力，实时响应客户需求，推动业务增长。

绝知此事要躬行

与许多企业类似，埃森哲自身的市场营销部门也在拥抱AI转型。我们正在整合各种数据，并使其现代化，打造一个支持实时决策的平台。为了确定生成式AI具体可在哪里带来最多价值，我们使用了埃森哲专利评估工具AI Navigator进行转型规划。这一工具在其他职能和行业同样适用。

目前，我们正在多个领域测试和评估生成式AI，加速重塑客户价值链。我们先基于现有数据，了解当前哪些领域正为客户带来价值；据此进一步挖掘能够创造未来价值、有效提供高度个性化体验的机会。

我们对Writer平台的投资在推动我们自身的内容供应链方面发挥了关键作用。Writer可以对内容进行精炼与重塑，提供个性化文本，让用户感到易于上手，提升创作和运营效率。在最初的700人试点中，我们发现它帮助节省了大量时间，具体程度取决于用例。我们通过生成式AI有效赋能自身，推动营销创新，转型为策略导向型团队，而不仅仅是执行生产的团队。

埃森哲作为一家服务型企业，员工是我们最大的财富。我们为员工配备了多种生成式AI工具，让他们能够腾出时间专注于最重要的工作。比如，生成式AI提案开发工具可以让业务团队专注于客户切实所需，开发定制化的提案和解决方案。

所有这些举措旨在拓宽员工的职业发展路径，同时也促使企业调整招聘的职位和技能需求。

对于营销、销售和服务领域从业者来说，采用生成式AI不是一个在传统技术和新技术间做出的排他性选项，犹豫不决或无动于衷或将构成更大风险。与我们合作的客户已经通过生成式AI提高了生产力，更重要的是，他们找到了倾听和响应客户需求的新方式。企业能更精准地满足客户需求，构建长期的客户品牌忠诚度，从而驱动可持续的增长。

关于本研究

_{我们对全球1000名企业最高管理层展开调研，深入研究了企业对于生成式AI及相关技术的投资，并对不同投资策略与预期增长轨迹之间的关系进行了建模。该调查于2023年8月和9月进行。我们还对多位意见领袖、技术专家、政策专家和创意专业人员进行了30次专家访谈，作为对研究结果的补充。}

内容贡献者

_{Jen Langusch, Global Generative AI Solution Strategy Lead, Accenture Song}

_{James Temple, Global Generative AI Creative and Design Lead, Accenture Song}

_{Accenture Research: Joshua Bellin, Lead. Contributors: Gaurav Khetan, Konrad Suchecki, Sanjiv Kumar Sharma, James Velasquez}

_{Accenture Song M+C: Guy Norwell, Lead. Contributors: Helen Miller, Nadia Malik, Rachel Jerome}

参考资料

_{¹ 除另作说明，所有数据均来自埃森哲于2023年9月开展的题为“生成式AI：推动客户增长的重要引擎”的调研。}

_{² 基于埃森哲“生成式AI：推动客户增长的重要引擎”调研结果创建模型。增长轨迹的差异是通过对两组对象的增长轨迹进行建模来计算得出。其中一组企业注重将生成式AI投资于客户相关的变革性用例，从中抽选20%；另一组则注重投资于生产力提升用例，也从中抽选20%。}

_{³ 根据埃森哲 Song生成式AI项目计算得出的平均值和范围，数据截至2024年2月1日}

_{⁴ 埃森哲“企业全面重塑”调研（2023年10-11月）：样本量=1500位企业C级别高管}

_{⁵ 埃森哲“AI首席执行官”调研，2023年8-9月}