随着逐渐饱和的移动市场，行业内逐渐激烈的竞争态势，愈打愈响的恶性价格战，越来越低的平均用户收益，在人工智能这个风口，未来几年，电信企业该如何强势破局？

移动市场逐渐饱和，运营商竞争激烈，业务模式变革迫在眉睫

面对对数据的需求的不断增长，移动市场的日益饱和，一些掌握技术的后来者、初创公司和全球电信都纷纷陷入了争夺市场份额的斗争。

这些市场压力，导致了运营商在移动服务上展开了持续的恶性价格战，结果让企业在每位用户中得到的平均收入（ARPU）有所下降。

更糟糕的是，近些年，基础设施和技术的改进，使得不同电信公司在覆盖范围，连接速度和服务定价方面相差不大，这些电信公司如果希望保持竞争力，就必须转变其业务。

对于许多全球电信公司而言，在当今的压力下，如果要做到保持市场份额，同时还要确保未来的运营可持续，就意味着必须要投资于AI。

Tractica预计，到2025年，电信行业每年将在人工智能软件，硬件和服务上投资367亿美元。

降成本减流程重体验，电信行业的AI用处多多

通过分析上下文关系来解析大型数据集，提供所需信息，或者对结果进行分析，并对未来决策作出启发，人工智能可以帮助电信公司降低成本，并通过数字化运营来简化这一流程。

实际上，这意味着，电信公司要利用的客户在无线网络上生成的数据越来越多——例如，自2007年以来，通过AT＆T无线网络传输的数据量增加了470,000％。

对于电信公司而言，如果要充分利用人工智能，并在未来的竞争中保持优势，他们可以在两个关键领域进行改进：

客户体验：电信公司长期以来一直在努力提升其客户体验形象。2018年，电信行业的平均净促销员得分（NPS）最低，该指标衡量的是任何行业的客户对公司的评价。

电信企业有机会通过利用对大量消费者数据的访问来改善这种不良形象，包括配置文件信息，地理位置，服务使用情况，设备，呼叫详细记录和计费等信息，以获取实时的行为洞察并调整其做法相应地。

网络运营监控和管理：AI和机器学习（ML）技术可以使网络运营商在网络运营中利用高级自动化功能，从而可以优化网络架构并改善控制和管理。

在本文中，我们将重点关注可直接影响收入的客户体验。根据NewVoiceMedia的数据，每年美国客户损失的服务质量估计约为620亿美元。

通过基于AI的工具为消费者提供增强的，数据驱动的体验，最终可以帮助电信公司弥补损失的收入并降低成本。

麦肯锡表示，如果电信公司使用基于AI的高级分析手段来改善客户体验，那么他们将可以在两到三年内，收入增长5％-10％，同时，成本可以降低15％-25％。

在本篇文章中，我们将：

1）讨论推动电信公司在未来业务中利用AI的力量

2）分析当前电信公司使用AI的良好案例

3）指出该领域处于领先地位的的国外电信公司。

市场+数据+技术，是推动电信行业AI兴起的三大关键力量

自1950年代以来，研究者就一直积极研究和开发AI，并在1993年，AI已经首次被确定为电信的关键，但是直到最近，AI才成为电信发展战略的核心要素。

原因是什么呢？深层次分析来看，市场压力，数据可用性飞速增长和技术进步这三个关键因素的结合，成功推动了这场电信行业的AI风暴。

市场走向

移动饱和：全球移动市场变得越来越饱和，几乎没有收入增长的机会。

其中，饱和在欧洲和北美等发达市场尤为明显，到2025年，智能手机的普及率将分别达到82％和90％。其中，欧洲预计将达到88％，北美则预计将达到85％。

随着潜在用户群的减少，电信行业的移动收入预计几乎不会增长。

高流失率：消费者对电信提供商的不满在整个行业中普遍存在。客户很容易在不同的电信行业中，不断改变自己的使用选择，以寻求更好的客户体验，尤其是在成熟市场中，电信的技术质量越来越接近。这种流失对于电信业来说可能是灾难性的。

ARPU下降：为了吸引一小部分未联网的用户，并从竞争对手手中抢走客户源，电信公司不得不在降低费率的同时改善其数据产品。这导致全球平均用户收益（ARPU）下降：根据Strategy＆的数据，2006年至2016年间，电信提供商的ARPU下降了34％。

数据需求

连接倍增：根据GSMA Intelligence的数据，消费者对移动连接的需求比以往任何时候都强，并且没有丝毫放缓的迹象。随着我们进入下一个十年，全球将增加数十亿个连接。

不断增长的数据流量：据Cisco称，2017年至2022年，全球移动数据流量将以46％的复合年增长率增长，到2022年将达到每月77.5EB(1 EB = 1024PB)。

人工智能和相关技术的进步

深度学习：深度学习和图形处理单元（GPU）的发展，已经成为我们今天看到的一些最强大的AI的重要组成部分，包括IBM的Watson和Google的搜索引擎。

GPU：十多年前，研究人员发现，用于支持视觉丰富游戏体验的GPU比用于深度学习计算的传统中央处理器（CPU）效率更高。

ImageNet：斯坦福大学李飞飞教授启动的ImageNet，开启了深度学习使用具有大量标签数据集的先河，极大地促进了深度学习的发展。

深入优化用户体验，借鉴典型成功案例，AI落地关键有哪些？

电信公司可以使用AI应用程序，从丰富的消费者数据中获取有用信息，从而更好地个性化客户体验。具体来说，电信公司可以采用以下几种方式来利用AI，达到增强客户体验的效果。

营销

分析数据以创建更多个性化的广告。公司可以通过快速过滤他们可以访问的大量消费者数据，并根据特定特征和特征（例如年龄，地理位置或购买历史记录）对客户进行分组，从而更好地细分客户。然后，他们可以创建超个性化的营销活动，从而更有可能满足特定客户的需求和偏好。

扫描同行业竞争情况，来专门针对与竞争对手有联系的潜在客户。通过使用支持AI的监测工具，电信公司可以搜索互联网和社交媒体应用程序，以检测文本，图像，视频和记录。这些文本，图像，视频和记录不仅提及竞争品牌的产品，而且还提及这些产品的消费者情绪。先进的工具可以洞悉特定广告系列定位的受众类型。这些信息可以为电信公司提供最佳营销方法，以吸引竞争对手客户的兴趣。

典型案例

美国无线运营商Sprint:通过数据驱动+机器学习技术来提高转换率，比如产品推荐功能。目前，公司的转化率已经提高了14％。

市场和竞争情报提供商Crayon：利用AI来解析数百万个网页中的数据，从而为企业提供在竞品市场中脱颖而出的行动建议。

销售和销售支持

电信拥有所有行业中最高的客户获取成本，平均每位客户300美元。加拿大电信BCE和Telus在2017年表示，收购新的移动客户所花费的成本几乎是保持现有客户的50倍。

使用AI来转换新客户，并对于现有客户进行追加销售，可以帮助电信公司降低收购成本。

以下是AI技术可以提供的一些功能：

通过确定销售团队最有前途的业务线索来提高转化率。AI可以使用来自历史结果和潜在客户档案的细分数据，来确定哪些业务最有可能提供最高的成功率。

为销售团队提供分析见解，以在与客户的讨论中使用，以优化追加销售和交叉销售。例如，可以利用机器学习的工具来提供历史营销数据，为销售人员提供针对单个客户的次优报价，以提高转化率。

确定具有最高生命周期价值的客户，以在处理大量查询时为销售人员提供支持。许多电信拥有数百万使用其服务和解决方案的客户。电信公司应利用实时数据来连续计算客户生命周期价值。销售人员可以使用此信息来确定具有最高获利潜力的客户的需求的优先级，尤其是那些可能会选择其他提供商的客户。

根据消费者的兴趣和需求开发产品。通过考虑消费者的偏好，内部反馈和市场情报，人工智能可以帮助更好地向利益相关者告知客户可能最喜欢的产品和功能。这可能会导致产品开发过程产生更高的投资回报率。

典型案例

美国互联网服务提供商CenturyLink的自动销售助手“ Angie”：结果证明，这对于CenturyLink而言是一项巨大的成功，并获得了13：1的ROI。

欧洲最大的电信运营商之一Telia Company：它利用基于AI和ML的技术，根据可用的消费者和公共数据，来确定最有价值的销售前景。

瑞士电信Swisscom：它使用AI和ML框架Adobe Sensei开发了一个平台，可为客户提供高度定制的数字体验，并帮助其员工更好地了解客户行为。AI系统还向客户提供个性化推荐，从而创造交叉销售和向上销售的机会。Swisscom报告说，这种针对性方法的效果很好，与手动方法相比，提升幅度高达500％。

预测性护理

传统上，电信使用反应模型来处理诸如服务中断和欺诈等问题，并在问题发生后进行诊断和解决。

而基于ML的方法，可以通过使用可预测何时可能发生故障的ML模型，来预防服务中断问题。这提高了网络基础架构的可靠性和质量，从而转化为更好的面向客户的网络可靠性以及更高的满意度。

预测性维护。AI算法可以利用人类技术人员的经验，视频分析的信息，实时网络的数据和历史模式来预测设备故障。他们还可以扫描系统中的漏洞，学会检测可疑行为，识别安全威胁的模式并实时阻止可疑流量。

欺诈识别。电信网络面临来自DDoS攻击，入侵，勒索软件和恶意软件等安全事件带来的风险。使用AI的主动网络安全方法，可以有效，智能地防御关键基础架构受到安全威胁。

典型案例

美国AT＆T ：他们正在探索将AI不仅用于基础设施维护，而且还用于收集消费者信息，以减少负面体验。

中国移动：中国移动拥有全球最多的用户数量。它正在利用AI和大数据技术开发名为天盾的反欺诈检测系统。

客户服务

由于消费者之间会积极地分享他们的用户体验，客户服务以及用户之间的互动可能是电信发展的关键。根据《赫芬顿邮报》引述thinkJar首席执行官Esteban Kolsky的数据来看，拥有积极的客户服务的大多数消费者（72％）将与至少六个人分享他们的经验，这最终可能会增强电信公司的品牌认知度。

以下是电信公司可以利用AI，来改善其客户服务能力的一些特定方法：

人工智能虚拟助手可在客户服务部门中使用，使电信业节省大量资金，同时改善客户互动。虚拟助手可用于优化处理电信收到的大量支持请求，以进行故障排除，账单查询，维护，设备设置等。人工智能驱动的助手可以处理各种服务问题，并高效高速地处理交易。

人工智能技术还可用于充当客户服务代理。AI技术（尤其是基于AI的情感分析）可以帮助代理确定他们是否应该提高问题的优先级，以及哪方最有能力解决问题，这可以帮助消费者及时获得所需的帮助。

典型案例

总部位于美国的频谱公司Spectrum：这家公司已经部署了一个由AI驱动的Ask Spectrum虚拟助手，该助手可通过多种方式为客户提供帮助，包括提供故障排除说明，帐户信息以及回答有关公司服务的常见问题。

美国T-Mobile：正在使用AI向客户服务代理提供实时上下文信息，以帮助确保每个客户都能尽快，准确地解决他们的查询。为此，T-Mobile开发了“自然语言理解” ML模型，该模型从大量数据中获取含义。

实际AI策略如何制定？两种方法助力电信行业变革

电信公司可以采用两种主要方法，来制定有效的AI策略，并充分利用该技术提供的好处：

采取混合方法。混合方法避免了大规模或孤立的AI计划的弊端，而是将AI提升为整个组织的战略重点，同时确保了资源的分配，以支持业务部门内的单个AI计划。这意味着资源，平台和实现可以由最能从中受益的业务领域共享。为了使混合策略生效，公司必须建立明确定义的沟通计划。

修改伙伴合作关系策略。行业中的传统合作包括采购，设计和实施过程，因此电信行业需要从大型供应商那里购买现成的解决方案。但是，由于AI需要更紧密地适应各个组织的需求，因此它必须采取一种新的，更积极的伙伴关系方法，与新公司合作，而不是与其他公司就现成的解决方案进行合作。

这将使他们能够根据自己的需求，来量身定制解决方案，并针对其特定的消费者基础进行方案设计。这意味着更多的初创企业会和大型科技公司合作：例如，Swisscom正在与Adobe合作为其AI解决方案，而T-Mobile则依靠亚马逊的AWS。