Для создания персонализированных предложений, которые будут восприниматься клиентом как полезные, а не навязчивые, рекомендуется придерживаться следующих принципов:
• целенаправленность сбора данных: собирайте только ту информацию, которая напрямую связана с потребностями клиента и необходима для формирования релевантного предложения. Перед каждым запросом данных задавайте себе вопрос: «Как эта информация поможет создать более ценное предложение для клиента?»;
Пример целенаправленного сбора данных. При подготовке предложения по автоматизации производственных процессов менеджер фокусируется на сборе информации о существующих производственных линиях, основных операциях и ключевых показателях эффективности, которые клиент хочет улучшить. Он не запрашивает данные о финансовых показателях компании или организационной структуре, которые не имеют прямого отношения к техническому решению.
• прозрачность и объяснение цели: всегда четко объясняйте, зачем нужна определенная информация и как она будет использована. Например: «Чтобы предложить оптимальное решение для интеграции с существующими системами, нам было бы полезно понять архитектуру вашей ИТ-инфраструктуры»;
• поэтапность сбора информации: не пытайтесь получить все сведения сразу, углубляйте уровень детализации по мере развития отношений и роста доверия;
Пример поэтапного подхода. На первой встрече консультант по финансовым услугам ограничивается обсуждением общих бизнес-целей и масштаба деятельности компании. На второй встрече, после установления начального уровня доверия, он переходит к более детальному обсуждению текущих финансовых процессов и основных болевых точек. И только на третьей встрече, когда отношения укрепились, консультант запрашивает конкретные данные о структуре расходов и финансовых показателях для формирования детального предложения.
• обеспечение контроля со стороны клиента: давайте клиенту возможность самостоятельно определять, какой информацией он готов поделиться, а какую предпочитает не раскрывать на данном этапе;
• соблюдение баланса источников данных: при использовании информации из открытых источников приоритет следует отдавать профессиональным платформам и официальным публикациям, избегая данных из личных социальных сетей или непроверенных источников.
При использовании искусственного интеллекта для анализа данных и формирования персонализированных предложений следует придерживаться нескольких ключевых правил:
• обезличивание и агрегирование данных: прежде чем использовать информацию о клиенте в запросах к системам искусственного интеллекта, обезличьте ее, заменив конкретные названия компаний, имена и другие идентификаторы на обобщенные категории;
Пример правильного обезличивания. Вместо запроса «Помоги составить предложение для компании АБВ, которая занимается производством автокомпонентов в Калуге и имеет годовой оборот 1,2 млрд рублей. Ее технический директор Иванов И. И. интересуется внедрением системы прогнозирования спроса» используйте: «Помоги составить предложение для средней производственной компании из автомобильной отрасли, расположенной в Центральном регионе России. Компания интересуется внедрением системы прогнозирования спроса, решение будет использоваться техническим руководством».
• разграничение типов данных: четко определите, какие категории данных могут быть использованы для анализа (например, отраслевая принадлежность, размер компании, технологические предпочтения), а какие должны оставаться строго конфиденциальными (финансовые показатели, внутренние бизнес-процессы, персональная информация о сотрудниках);
• человеческая проверка результатов: автоматически сгенерированные персонализированные рекомендации должны проходить обязательную проверку специалистом, который оценивает их уместность и корректность с точки зрения этических норм;
• формулировка нейтральных запросов: при составлении запросов к системам искусственного интеллекта избегайте подробных описаний клиента, предпочитая обобщенные формулировки, например «Составь рекомендации для компании среднего размера из производственного сектора с потребностью в оптимизации логистических процессов»;
• фокус на решении, а не на клиенте: ставьте в центр анализа характеристики решения и его потенциальную ценность, а не на подробное изучение особенностей клиента.