Վիբրացիա

Golden Whale Productions. դրական ամրապնդման ուժը

Golden Whale Productions-ի համահիմնադիր և գլխավոր տնօրեն Կլաուդիա Հեյլինգը քննարկում է, թե ինչպես ամրապնդման վրա հիմնված համակարգերը մեքենայական ուսուցման տեխնոլոգիայի հետ համատեղելը հնարավորություն է տալիս CRM թիմերին պատկերացում կազմել իրենց հաճախորդների մասին այն ժամանակի մի մասում, որն անհրաժեշտ է ձեռքով A/B թեստավորում կատարելու համար:

Ի՞նչ ազդեցություն կարող են ունենալ ամրապնդման վրա հիմնված համակարգերը CRM գործունեության վրա: Ինչպե՞ս են այս մոդելներն օգտագործում օգտվողի տվյալները՝ ժամանակի ընթացքում վարկածները ստուգելու և ենթադրությունները ճշգրտելու համար:

Այս հարցին ընդհանուր ձևով պատասխանելու համար կարող ենք ասել, որ մեքենայական ուսուցման մոդելները միշտ օգտակար կիրառություններ են գտնում, երբ խնդիրները բազմաչափ են, քանի որ դրանք ամենից հաճախ այն ոլորտներն են, որտեղ մարդիկ դժվարանում են հասկանալ փոխհարաբերությունները:

Հոգնեցնող A/B թեստավորումը կարող է փոխարինվել մեր LOOPS համակարգերի փորձարարական գործարկումներով՝ օպտիմիզացված արդյունքներով ձեռք բերելով շատ ավելի արագ և կազմակերպությունում ավելի քիչ շփում:

CRM-ում աշխատելու համար սա նշանակում է, որ մեր մեթոդներն օգտագործող կազմակերպությունները կարող են ավելի շատ արշավներ իրականացնել, ավելացնել ավելի շատ նոր հնարավորություններ և կատարել ավելի շատ փորձեր ամեն անգամ՝ միևնույն ժամանակ ստեղծելով ավելի լավ արդյունքներ՝ եզակի իրադարձության շատ բարելավված ժամանակի շնորհիվ:

Այս համակարգերը ինքնուրույն չեն հորինում գործողություններ, այլ ավելի շուտ ապահովում են օգտագործողների ներկայիս վարքագծի ճշգրիտ ակնարկ, որին CRM թիմերը կարող են արձագանքել սեփական գաղափարներով: Կարո՞ղ եք կոնկրետ սցենարի օրինակ բերել, որը CRM մենեջերը կարող է ցանկանալ փորձարկել՝ հիմնվելով իրենց ամրապնդման համակարգի արդյունքների վրա:

Մենք արդեն ստեղծել ենք շատ ուղղակի օրինակ, որն անմիջական ազդեցություն ունի բիզնեսի ներքևի վրա մեր բոնուսային վերլուծության միջոցով, որն այն հարցն է, թե երբ ում տալ բոնուսը/հատկանիշը հարթակի մակարդակում և կարգավորման սահմաններում:

Սա աներևակայելի բարդ օպտիմիզացիայի խնդիր է, որը կարող է ինքնուրույն լուծել մարդկային օպերատորը, բայց այն գործարկելով LOOPS-ի միջոցով, մեզ հաջողվել է ստեղծել դրամայնացման բարձրացում մինչև 30 տոկոսով, որը CRM թիմերը կարողացել են անմիջապես օգտագործել:

Ավելին, LOOPS-ի միջոցով օգտատերերի վարքագծի նույնիսկ ամենաբարդ օրինաչափություններն ու միտումները բացահայտելու հնարավորությունը թույլ է տվել որոշ օպերատորների կրճատել մինչև 20 տոկոս բոնուսային ծախսերը՝ պարզապես թույլ տալով նրանց տարբերակել բոնուսների անարդյունավետ թիրախները: հավանական է, որ ավելի երկարաժամկետ եկամտաբերություն բերի:

Իհարկե, այս հարցերը LOOPS-ի միջոցով տեղադրելու օպտիմիզացված արագությունը նաև յուրաքանչյուր դեպքում արագացրել է ուսուցման ցիկլերը շաբաթներով, ինչը իր հերթին թույլ է տվել CRM թիմերին կիրառել առաջարկվող ռազմավարությունները և քաղել դրանց օգուտները ավելի արագ, քան երբևէ:

Ինչպե՞ս եք փոխվում CRM մենեջերի դերը, քանի որ այս տեխնոլոգիան դառնում է ավելի սովորական: Արդյո՞ք այժմ ավելի մեծ բեռ է լինելու CRM թիմերի վրա՝ տվյալների վերլուծության ուժեղ հմտություններ և ստեղծագործական խնդիրներ լուծելու կարողություն ունենալու համար:

Սա ինձ համար ամենահետաքրքիր փոփոխությունն է։ Որքան ես տեսնում եմ, այս տեխնոլոգիայի հետ կապված սցենարը տեսնում է, որ CRM թիմը կորցնում է երկար փորձարկման ցիկլեր վարելու բեռի մի մասը, որն իր հերթին թույլ է տալիս նրան ավելի շատ կենտրոնանալ գաղափարի վրա, թե որոնք պետք է լինեն գործող տարրերը, որոնք պետք է լինեն: համակարգը առաջարկում է օգտվողին: Այնուհետև ամրապնդման համակարգը կատարում է թեստավորում և գտնում է իր ստեղծած սցենարի քաղցր տեղը:

Այնտեղից, CRM թիմին մնում է շարունակել նորարարություններ կատարել և հետաքրքրել խաղացողներին՝ գտնելով ներգրավվածության ավելի ստեղծագործ մոտեցումներ: Ես սա տեսնում եմ որպես գործընթացի նկատմամբ շատ ավելի գոհացուցիչ մոտեցում և շատ ավելի հետաքրքիր ուսուցման կորի բոլոր ներգրավվածների համար:

Ամրապնդման վրա հիմնված համակարգերի մեկ այլ առավելությունն այն է, որ դրանք կարող են զուգակցվել մեքենայական ուսուցման տեխնոլոգիայի հետ՝ ստեղծելու կրկնվող հանգույց, որտեղ տվյալների մեջ ինքնաբերաբար փոփոխություններ են կատարվում ինքնաբերաբար: Կարո՞ղ եք ավելի մանրամասն բացատրել, թե ինչպես է այս գործընթացը աշխատում:

Golden Whale-ում մենք այս գործընթացը շատ պարզ ենք դարձրել: Այն պահին, երբ դուք թողարկում եք նոր մոդել մեր LOOPS համակարգում, դրա գործողությունների արդյունքները սկսում են փոխել օգտատերերի փորձը և վարքագիծը ձեր հարթակում: Սա, հետևաբար, ստեղծում է փոփոխված տվյալների հոսք, որը հետ է հոսում մեր համակարգի մոդելային նվագախմբային մաս:

Այստեղ փոփոխությունները վերլուծվում են, և մոդելը կարող է հարմարեցվել, վերաորակավորվել կամ վերապատրաստվել՝ ըստ նախկինում կատարված ազդեցության, որն իր հերթին փոփոխություններ է առաջացնում ստացված տվյալների մեջ հաջորդ փուլի ընթացքում և այլն, և այլն: Սա շատ հետաքրքիր գործընթաց է, և մենք դեռ բարելավում ենք, թե ինչպես ենք ավտոմատացնում և արագացնում այս տրամաբանական կրկնությունների միջոցով ձեռք բերված առաջընթացը:

Թիմերն այժմ կկարողանան շատ ավելի նախաձեռնող լինել հաճախորդների հետ շփվելու և նոր բաներ փորձելու իրենց ջանքերում, այլ ոչ թե պարզապես արձագանքելու նրանց, երբ դրանք տեղի են ունեցել: Ինչպե՞ս եք տեսնում, որ սա օգուտ է բերում հաճախորդների փորձը ապագայում:

Սա միանշանակ շատ կարևոր կետ է։ Մեր համակարգի կանխատեսող մասով մենք ստանում ենք կրթված ենթադրություն միայնակ օգտատերերի մակարդակով ապագա վարքագծի վերաբերյալ: Սա նշանակում է, որ երկարաժամկետ հեռանկարում մենք կարող ենք նույնիսկ հայտնվել այնպիսի դիրքում, երբ կարող ենք աշխատել հաճախորդի կարիքների հետ, նախքան նա ինչ-որ բանի մասին գիտակցաբար որոշում կայացնելը:

Կորից շատ առաջ լինելը կստեղծի նոր սերնդի ապրանքներ, որոնք կբավարարեն հաճախորդների պահանջարկը այնպես, որ նախկինում երբեք չտեսնված, ի վերջո կհանգեցնի անհավատալի անհատականացված օգտատիրոջ փորձի, որը պոտենցիալ կարող է լիովին տարբերվել հաճախորդից հաճախորդ:

Սա, իհարկե, կարող է մեծ օգուտ բերել միայն ներգրավվածության տեսանկյունից և պետք է բացի բազմաթիվ նոր և հետաքրքիր ուղիներ CRM թիմերի համար: