Pulse

Golden Whale Productions: moč pozitivne okrepitve

Claudia Heiling, soustanoviteljica in izvršna direktorica Golden Whale Productions, razpravlja o tem, kako združevanje sistemov, ki temeljijo na okrepitvah, s tehnologijo strojnega učenja omogoča ekipam CRM, da pridobijo vpoglede o svojih strankah v delčku časa, ki je potreben za ročno A/B testiranje.

Kakšen vpliv imajo lahko sistemi, ki temeljijo na okrepitvi, na dejavnost CRM? Kako ti modeli uporabljajo uporabniške podatke za preverjanje hipotez in izboljšanje predpostavk skozi čas?

Da bi odgovorili na to vprašanje na splošen način, lahko rečemo, da modeli strojnega učenja vedno najdejo uporabne aplikacije, kadar so težave večdimenzionalne, saj so to najpogosteje področja, kjer ljudje težko razumejo korelacije.

Utrujajoče A/B testiranje je mogoče nadomestiti z eksperimentalnimi zagoni naših sistemov LOOPS, pri čemer so optimizirani rezultati doseženi veliko hitreje in z manj trenja v organizaciji.

Za delo v CRM to pomeni, da lahko organizacije, ki uporabljajo naše metode, izvedejo več kampanj, dodajo več novih funkcij in vsakič izvedejo več poskusov, medtem ko še vedno ustvarjajo boljše rezultate zaradi precej izboljšanega časa preobrata za posamezen dogodek.

Ti sistemi ne izumljajo dejanj sami, temveč nudijo natančen pregled trenutnega vedenja uporabnikov, na katerega se lahko ekipe za CRM odzovejo z lastnimi zamislimi. Ali lahko navedete primer specifičnega scenarija, ki bi ga vodja CRM morda želel preizkusiti na podlagi ugotovitev njihovega sistema krepitve?

Ugotovili smo že zelo neposreden primer, ki ima takojšen vpliv na rezultat podjetja z našo analitiko bonusov, to je vprašanje, kdaj komu dati kateri bonus/funkcijo na ravni platforme in znotraj meja predpisov.

To je neverjetno zapleten optimizacijski problem, ki ga mora človeški operater rešiti sam, toda s tem, ko smo ga izvajali prek LOOPS, smo uspeli ustvariti dvige monetizacije do 30 odstotkov, ki so jih ekipe CRM lahko takoj izkoristile.

Poleg tega je zmožnost prepoznavanja celo najbolj zapletenih vzorcev in trendov v vedenju uporabnikov prek LOOPS nekaterim operaterjem omogočila znižanje do 20 odstotkov stroškov bonusov preprosto tako, da so lahko ločili neproduktivne cilje bonusov od tistih, ki so verjetno prinesla dolgoročnejši donos.

Seveda je optimizirana hitrost izvajanja postavljanja teh vprašanj prek LOOPS tudi pospešila učne cikle za tedne v vsakem primeru, kar je posledično omogočilo skupinam CRM, da uvedejo predlagane strategije in izkoristijo njihove prednosti hitreje kot kdaj koli prej.

Kako vidite spreminjanje vloge upravitelja CRM, ko ta tehnologija postaja vse bolj običajna? Ali bo zdaj na ekipah CRM še večja odgovornost, da imajo močne veščine analize podatkov in sposobnost kreativnega reševanja problemov?

To je zame najbolj zanimiva sprememba. Kolikor vidim, scenarij s to tehnologijo predvideva, da skupina CRM izgubi nekaj bremena izvajanja dolgih testnih ciklov, kar ji nato omogoča, da se bolj osredotoči na zamisli o tem, kaj bi morali biti predmeti, ki jih je mogoče ukrepati. sistem ponuja uporabniku. Ojačitveni sistem nato opravi testiranje in najde najboljšo točko prav za scenarij, ki so ga ustvarili.

Od tam dalje je na ekipi CRM, da nadaljuje z inovacijami in ohranja zanimanje igralcev z iskanjem bolj kreativnih pristopov k sodelovanju. To vidim kot veliko bolj zadovoljiv pristop k procesu in veliko bolj zanimivo krivuljo učenja za vse vpletene!

Druga prednost sistemov, ki temeljijo na okrepitvi, je, da jih je mogoče kombinirati s tehnologijo strojnega učenja za ustvarjanje iterativne zanke, kjer se samodejno spremenijo podatki, ki jih povzročijo sami. Ali lahko podrobneje razložite, kako ta postopek poteka?

Pri Golden Whale smo ta postopek zelo poenostavili. V trenutku, ko sprostite nov model v naš sistem LOOPS, začnejo rezultati njegovih dejanj spreminjati izkušnjo in vedenje uporabnikov na vaši platformi. To posledično ustvari spremenjen tok podatkov, ki teče nazaj v del našega sistema za orkestracijo modela.

Tukaj se analizirajo spremembe in model se lahko prilagodi, ponovno umeri ali ponovno usposobi glede na vpliv, ki je bil narejen pred tem, kar posledično ustvari spremembe v nastalih podatkih v naslednjem krogu in tako naprej in tako naprej. To je zelo zanimiv proces in še vedno izboljšujemo način avtomatizacije in pospeševanja napredka, doseženega s temi logičnimi ponovitvami.

Ekipe bodo zdaj lahko veliko bolj proaktivne v svojih prizadevanjih za sodelovanje s strankami in preizkušanje novih stvari, namesto da bi se zgolj odzvale nanje, potem ko so se zgodile. Kako vidite, da bo to koristilo uporabniški izkušnji v prihodnje?

To je vsekakor zelo pomembna točka. S prediktivnim delom našega sistema dobimo poučeno ugibanje o prihodnjem vedenju na ravni posameznega uporabnika. To pomeni, da se na dolgi rok lahko celo znajdemo v položaju, ko lahko delamo s potrebami stranke, preden se ta o nečem zavestno odloči!

Če smo toliko pred krivuljo, bomo proizvedli novo generacijo izdelkov, ki bodo zadovoljili povpraševanje strank na način, kot ga še niste videli, kar bo na koncu povzročilo neverjetno prilagojeno uporabniško izkušnjo, ki se lahko popolnoma razlikuje od stranke do stranke.

To je seveda lahko samo velika korist z vidika sodelovanja in bi moralo odpreti veliko novih in zanimivih poti za ekipe CRM.