有一家大型電信公司的行銷主管設法要減少顧客流失，於是決定運用AI來判斷哪些顧客最可能離開。他們取得AI的預測後，一再提供大量優惠促銷方案給高風險顧客，希望吸引他們留下來。雖然實施這項留住顧客的活動，但很多顧客還是離開了。為什麼？這些主管犯了一個基本錯誤：向演算法問錯了問題。雖然AI預測的內容很好，但沒有解決這些主管真正想解決的問題。
這種情境太常出現在使用AI來做商業判斷的企業裡。《史隆管理評論》（Sloan Management Review）與波士頓顧問公司（Boston Consulting Group）在2019年針對2,500位高階主管所做的調查顯示，有90％的受訪者表示，他們公司有進行AI相關的投資，但其中不到40％的受訪者看到這些投資在一開始三年內帶來商業利益。
我們三名作者分別擔任學術、顧問與非常務董事的職位，曾研究和提供建議給超過五十家企業，檢視這些企業在行銷上運用AI時面臨的主要挑戰。我們從中找出行銷人員運用AI時最常犯的錯誤，加以分類，並發展出一項能避免這些錯誤的架構。讓我們先檢視一下這些錯誤。
重點未校準：沒能問對問題
我們研究的這家大型電信公司，主管真正該做的事情不是找出哪些顧客可能流失，而是應該弄清楚該如何運用行銷經費，來減少顧客流失。他們不應問AI哪些顧客最可能會離開，而應該問哪些顧客最可能被說服留下；換句話說，應該問哪些考慮離開的顧客，最可能會對促銷方案有回應？這就像政治人物會把力氣花在心意搖擺的選民上，主管也該把行動的目標，對準心意搖擺的顧客。前述這家電信公司的行銷人員，給予AI錯誤的目標，於是，把錢浪費在許多無論如何都會離開的顧客身上，但對於加倍花心力就能留住的顧客，卻投資不足。
另一個類似的例子，是一家電玩遊戲公司的行銷主管，希望鼓勵使用者在玩遊戲的同時多花點錢。於是，他也請數據科學團隊找出哪些新功能，最能讓玩家更投入。團隊運用演算法，找出可能的功能與顧客玩遊戲時間之間的關係，最後預測，如果提供獎品，並讓玩家排名的能見度更高，就能讓玩家花更多時間在遊戲上。公司根據這項結果做調整，但營收並未隨之提升。為什麼？因為這些主管同樣對AI問錯問題：不該問「如何讓玩家更投入」，而應該問「如何增加玩家在遊戲時花費的金額」。大多數玩家並未在遊戲裡花錢，因此這項策略未能奏效。
