近日,国内领先的APM领导厂商博睿数据正式成为电信管理论坛(TM Forum)“利用AI/ML主动驱动客户体验(CX)商业成果”催化剂项目团队成员,该催化剂项目由博睿数据、华为和多家海内外电信运营商共同主导。
5G驱动数字经济崛起,客户体验驱动数字化转型成为趋势
COVID-19大流行带来的“新常态”加速了未来5G数字经济的到来,它为企业提供了大量业务增长机会。催化剂项目组成员表示,“由人工智能驱动的客户体验管理及提升是通向未来的道路,提供卓越的客户体验将是成功抓住新机遇的关键。”
而现实是,随着各种新兴数字业务发展和客户期望的提升,使用传统方法将无法满足未来5G世界日益苛刻的客户体验需求,企业很难从客户的角度深入了解客户对产品与服务及体验的需求,并捕捉最终用户的情感,也很难确定投资客户体验的哪些领域能够带来最佳的体验回报。
虽然每个客户都希望更快速度、更低延迟,更多的应用程序需要根据他们的需求定制,比如零接触的服务支持和零中断的期望管理,但这是一项很难完成的任务,我们需要跳出框框思考。为了克服这些挑战,通常需要一个由CXO领导的团队,自上而下证明体验驱动的数字化转型合理性,实现以客户为中心的运营,最终在体验经济中致胜。
客户体验需求变化直接关联商业成果
所以,该催化剂项目正在开发一种解决方案,利用高级数据分析、人工智能和机器学习模型,将客户所有接触点的体验衡量指标与关键财务因素相关联,例如 NPS、ARPU、客户流失率、客户生命周期价值 (CLTV),以识别影响业务绩效的因素并推动改善。
该催化剂项目的主要目标是将客户体验与商业成果关联,以指导电信运营商如何投资客户体验管理和优化方案,并衡量和跟踪RoX(体验投资回报)。有了这个支持人工智能的解决方案,电信运营商将更好地了解客户与其品牌如何互动,客户体验需求的变化如何对客户终身价值和企业财务状况产生影响,并获得更多全面了解数字投资的影响和效果。最终,这些见解将帮助电信运营商能够为客户提供更多价值,并提升业务盈利能力。
博睿数据:“服务可达的数据链DNA”
TM Forum催化剂项目与博睿数据所倡导的“服务可达的数据链DNA”理念不谋而合。博睿数据认为,服务可达的数据链DNA可以打通从代码到用户(Code to Customer)访问的全过程,全数据链探知路径、性能和服务品质,形成一种创新的业务体验管理模型。可以帮助企业客户应对5G时代对应用可用性, 应用体验的高要求,在稳定可靠和灵捷快速之间取得相对平衡, 从而加快数字化转型。
博睿数据客户成功部总经理杨雪松表示,“博睿数据从上市开始就把全球化当做公司的战略目标之一,虽然有全球疫情的影响,暂缓了我们全球化的步伐,但是以TM Forum平台为支点,以博睿数据在用户体验和AI领域的优势技术为抓手,与华为、电信运营商等优秀企业互相合作,互相学习,走出国门为全球电信领域的标准做出贡献,为公司走向国际化奠定了基础,积累了经验,也期待我们的催化剂项目最终的成果能够服务更多国际客户。”
目前,博睿数据在电信运营商领域的解决方案覆盖了全国三大运营商中国电信,中国移动,中国联通的主要电信线路及节点,提供覆盖传统电信线路及4G/5G网络的标准化用户体验监测。从而为5G部署提供了标准的性能评估和用户体验感知洞察,助力电信运营商的5G商用化进程,以及提高用户体验。
好文章,需要你的鼓励
国际能源署发布的2025年世界能源展望报告显示,全球AI竞赛推动创纪录的石油、天然气、煤炭和核能消耗,加剧地缘政治紧张局势和气候危机。数据中心用电量预计到2035年将增长三倍,全球数据中心投资预计2025年达5800亿美元,超过全球石油供应投资的5400亿美元。报告呼吁采取新方法实现2050年净零排放目标。
维吉尼亚理工学院研究团队对58个大语言模型在单细胞生物学领域的应用进行了全面调查,将模型分为基础、文本桥接、空间多模态、表观遗传和智能代理五大类,涵盖细胞注释、轨迹预测、药物反应等八项核心任务。研究基于40多个公开数据集,建立了包含生物学理解、可解释性等十个维度的评估体系,为这个快速发展的交叉领域提供了首个系统性分析框架。
AMD首席执行官苏姿丰在纽约金融分析师日活动中表示,公司已准备好迎接AI浪潮并获得传统企业计算市场更多份额。AMD预计未来3-5年数据中心AI收入复合年增长率将超过80%,服务器CPU收入份额超过50%。公司2025年预期收入约340亿美元,其中数据中心业务160亿美元。MI400系列GPU采用2纳米工艺,Helios机架系统将提供强劲算力支持。
西湖大学王欢教授团队联合国际研究机构,针对AI推理模型内存消耗过大的问题,开发了RLKV技术框架。该技术通过强化学习识别推理模型中的关键"推理头",实现20-50%的内存缩减同时保持推理性能。研究发现推理头与检索头功能不同,前者负责维持逻辑连贯性。实验验证了技术在多个数学推理和编程任务中的有效性,为推理模型的大规模应用提供了现实可行的解决方案。