منذ بعض الوقت ، نشرت سلسلة من التغريدات حول استخدام الأدوات التقليدية بدلاً من التقنيات الحديثة والمعقدة.
سار تغريدات بشكل جيد وضرب HackerNews. كانت نتيجة هذه الشعبية الصغيرة مناقشة مثيرة للاهتمام. اتفق معي البعض ، بينما وصفه آخرون بأنه غباء وهراء. حسنًا ، تحدث عمليات إطلاق النار على الإنترنت أيضًا.
أنا لا أحاول إقناعك باستخدام نهج بلدي. بدلاً من ذلك ، أريد أن أشرح بمزيد من التفصيل ما المقصود بالضبط في العرض التقديمي الأولي على Twitter.
تمر السنوات ، وترى ظهور بعض التقنيات والمفاهيم المثيرة للاهتمام: التعلم الآلي ، و blockchain ، والذكاء الاصطناعي ، والواقع الافتراضي ، والواقع المعزز ، وما إلى ذلك - بينما تتلاشى بعض التقنيات السابقة في الخلفية. اليوم من السهل سماع تطور بعض المنتجات الرائعة على سلسلة الكتل. لقد رأيت خدمات blockchain للتجارة الإلكترونية والشبكات الاجتماعية والعقارات. القائمة مستمرة. أسمع الكلمات: من أجل إغلاق جولة التمويل بشكل أسرع وفي وقت سابق ، تحتاج إلى استخدام كلمة "blockchain" ، حتى لو لم تكن ذات صلة بالمشروع.
منذ بعض الوقت ، كان التعلم الآلي والذكاء الاصطناعي يتجهان. انخرطت كل شركة ناشئة جديدة في ML / AI. لا سمح الله أن يبدأ المشروع دون ذكر الذكاء الاصطناعي. بجدية ، هل أنت حقا في العمل؟ ولكن بشكل عام ، لا ينبغي أن يكون هذا. واحدة من التقنيات التي ما زلت أقدرها للغاية هي SQL (لغة الاستعلام الهيكلية). هذه التقنية التي يبلغ عمرها أكثر من 40 عامًا هي ذات صلة اليوم كما كانت في عام 1974. على الرغم من أنها تغيرت إلى حد ما على مر السنين ، ولكنها نفس القوة كما كانت من قبل.
لقد عملت في مجال تكنولوجيا المعلومات طوال حياتي ، وقضيت معظم حياتي المهنية في التجارة الإلكترونية - ورأيت بأم عيني كيف ساعدت هذه التكنولوجيا في نمو وحجم الأعمال. استخدمناها لتحديد المعلومات المثيرة للاهتمام في البيانات التي تم جمعها. تتضمن البيانات سلوك المستهلك وأنماط التسوق والعادات. جعلت هذه التكنولوجيا من الممكن التنبؤ بالسلع التي يجب الاحتفاظ بها في المخزون وأيها لا. سمحت بتقديم أفضل خدمة الجودة وإرجاع العملاء. دعني أخبرك كيف قمنا بذلك - يمكنك استخدام تجربتنا.
من الممتع دائمًا أن نسمع من المؤسسين والمؤسسين المحتملين للشركات الناشئة أنهم يريدون استخدام AI / ML للاحتفاظ بالعملاء بشكل أفضل وزيادة قيمتهم مدى الحياة [إجمالي الربح أو الخسارة من مستهلك معين لفترة التعاون معه - تقريبًا. العابرة.]. في الواقع ، لا يحتاجون إلى التعلم الآلي على الإطلاق أو بعض التقنيات الغريبة الأخرى. كل ما يحتاجونه هو SQL المكتوبة بشكل صحيح. في حياتي السابقة ، كتبت استعلامات SQL لاستخراج معلومات وأفكار قيمة من البيانات التي تم إنشاؤها. بمجرد أن أردنا العثور على "عملاء الأسبوع" لتهنئتهم ومكافأتهم. مثل هذه البادرة البسيطة وغير المتوقعة تجاه العملاء تسعد الناس دائمًا وتحولهم إلى مبشرين. يمكنك غالبًا أن ترى منشورات وسائل التواصل الاجتماعي مثل "واو ، كونجا منحتني قسيمة بقيمة 2000 ين كعميل الأسبوع. لم أتوقع هذا. شكرا لكم يا رفاق ، أنتم الأفضل ".
تبين أن هذا أكثر فعالية من إنفاق الأموال على الإعلان. لا تفهموني خطأ ، يحدث الإعلان التقليدي ، ولكن لا شيء يضاهي توصية من صديق موثوق به. والمثير للدهشة أن الحصول على هذه المعلومات كان بسيطًا للغاية. ليست هناك حاجة إلى تقنية فاخرة باستثناء SQL القديمة الجيدة. لتحديد عميل الأسبوع ، كتبنا استعلام SQL للعثور على إدخال في جدول الطلبات مع أكبر سلة من الطلبات للأسبوع. بعد تلقي هذه المعلومات ، نرسل خطاب شكر إلى العميل ونرفق به قسيمة / قسيمة صغيرة. خمن ماذا سيحدث بعد ذلك؟ 99٪ من هؤلاء الأشخاص يصبحون عملاء منتظمين. لم نكن بحاجة أبدًا إلى ML. لقد كتبوا ببساطة استعلام SQL أولي وتلقوا هذه المعلومات.
بمجرد أن كان من الضروري استعادة التواصل مع العملاء الذين توقفوا عن التسوق. منذ أن قمت بذلك ، كتبت استعلام SQL الذي حدد جميع العملاء الذين لديهم تاريخ شراء آخر 3 أشهر أو أكثر. مرة أخرى ، الطلب بسيط بشكل مدهش. بعد تلقي هذه المعلومات ، نرسل رسالة جذابة عبر البريد الإلكتروني: "نفتقدك ، عد ، إليك قسيمة X Naira الخاصة بك" [الوحدة النقدية في نيجيريا - تقريبًا. العابرة.]. لطالما كانت كفاءة الاستجابة أكثر من 50٪. ودائما سلسلة من الرسائل على الشبكات الاجتماعية. في رأيي ، كانت هاتان الإستراتيجيتان ولا تزال أكثر فعالية من الإنفاق على الإعلان على Google و Facebook.
لقد طبقنا نفس النهج على الرسائل الإخبارية. لماذا ترسل رسالة إخبارية عامة إذا كان يمكنك محاولة تخصيصها؟ الحل؟ لقد كتبت استعلامات SQL للتحقق من محتويات سلة المحذوفات واسترداد العناصر الفردية. من هذه العناصر ، تمكنا من إنشاء رسالة إخبارية واستهداف المحتوى ذي الصلة. لنفترض أن شخصًا اشترى زوجًا من الأحذية والنظارات الشمسية وكتابًا. في النشرة الإخبارية سنعرض الأحذية والنظارات الشمسية والكتب. هذا أكثر ملاءمة من إرسال أشياء عشوائية. لماذا ترسل رسالة مع مضخة الثدي إلى رجل اشترى للتو حذاء رياضي؟ حتى أنه لا معنى له. يتراوح معدل الفتح النموذجي لمعظم رسائل البريد الإلكتروني التسويقية بين 7 و 10٪. ولكن عندما قمنا بعمل جيد ، رأينا مؤشرًا في منطقة 25-30٪.
هذا هو ثلاثة أضعاف معيار الصناعة. ميزة أخرى لطيفة لهذه الرسائل هي أننا لجأنا إلى الناس بالاسم. لا "عزيزي العميل". فقط "عزيزي سلستين" ، "عزيزي أمين" وهلم جرا. يعطي كل شيء لمسة من الإنسانية. يظهر مشاركتنا. كل ذلك بفضل لغة SQL القديمة الجيدة ، وليس نوعًا من التعلم الآلي الرائع.
لقد ساعدنا العملاء الذين لم يكملوا الطلبات لسبب ما. إذا قاموا بإضافة المنتج إلى السلة ، فإنهم ينوون شرائه. لمساعدتهم على إكمال طلبهم ، كتبت نصًا برمجيًا لـ SQL ، وربطته بوظيفة CRON ، وأرسلت هذه المجموعة رسائل بريد إلكتروني إلى العملاء الذين تم تحديث سلالهم آخر مرة في غضون 48 ساعة أو أكثر. خمن ماذا حدث؟ عملت. لقد تتبعنا رسائل البريد الإلكتروني وخلصنا إلى أن الأشخاص عادوا من الروابط الواردة منهم. مرة أخرى ، تبين أن استعلام SQL بسيط للغاية. اختار سلال غير فارغة بوقت تحديث أخير 48 ساعة أو أكثر. أطلقنا CRON اليومية في الساعة 2 صباحًا - وهو وقت نشاط وحركة مرور أقل. يستيقظ العملاء ويرون في البريد تذكيرًا بسلالتهم المنسية. يتعلق الأمر بإعادة جذب العملاء. لا شيء خاص ، فقط SQL و Bash و CRON.
نظرًا لأن نظام الدفع أثناء التنقل لا يزال شائعًا ، فقد أصبحت SQL سهلة الاستخدام مرة أخرى. إذا ألغى العميل الطلبات ثلاث مرات متتالية ، يتم وضعه في قائمة "تنبيه خاص" منفصلة. في الطلب التالي ، يتصلون به ويسألون عما إذا كان الأمر مطلوبًا حقًا. وهكذا نوفر الوقت والأعصاب. بالنسبة لهؤلاء العملاء ، يمكن في الواقع إيقاف الدفع بشكل عام ، مع ترك الدفع عن طريق البطاقة فقط. في التجارة الإلكترونية ، تكون الخدمات اللوجستية باهظة الثمن ، لذلك من المنطقي التركيز على العملاء الجادين. نحن لا نحتاج إلى ML أو بعض الذكاء الاصطناعي الفاخر لهذه المشكلة. مرة أخرى ، SQL مكتوبة بشكل جيد إلى حد ما.
بالنسبة للطلبات التي لم يتم تسليمها في الوقت المحدد وفقًا لاتفاقية مستوى الخدمة ، استخدمنا أيضًا استعلامات SQL. تم تحديد الطلبات ذات الحالة "لم يتم التسليم" وتاريخ الطلب الذي يساوي أو يزيد عن 7 أيام ، لأن هذا هو وقت التسليم القياسي. أرسلت وظيفة CRON رسائل ورسائل نصية قصيرة إلى هؤلاء العملاء. من الواضح أن العملاء لم يصفقوا أثناء وقوفهم. لكننا على الأقل أكدنا أننا لا نبالي بل نعمل على حل المشكلة. لا يوجد شيء أكثر إزعاجًا من تأخير الطلب.
كان لهذا القرار الخاص أيضًا تأثير كبير على NPS [مؤشر ولاء المستهلك - تقريبًا. العابرة.]. مرة أخرى ، SQL القديم الجيد وباش.
المكافأة: يمنع Sift Science بشكل مفاجئ الاحتيال. ولكن يمكن أيضًا استخدام SQL. إذا حاول شخص الدفع بثلاث بطاقات مختلفة وتم رفض هذه البطاقات واحدة تلو الأخرى ، فهناك خطأ ما. أول شيء واضح للقيام به هو حظر حسابه مؤقتًا. ستوفر من صداع كبير لحاملي البطاقات المحتملين. لا حاجة لتخزين بيانات البطاقة ، فقط قم بالتسجيل في قاعدة البيانات لمحاولة التحقق من البطاقة لرقم طلب محدد. لا يتطلب تحديد مثل هذه الأشياء الواضحة ML ، ولكن فقط SQL مكتوبة بشكل جيد.
يعد التعلم الآلي والذكاء الاصطناعي تقنيات جيدة. على أي حال ، أثبتت أمازون فعالية أعمالها. ولكن إذا كان لديك متجر صغير عبر الإنترنت مع 1000−10000 عميل ، فيمكنك الحصول عليه باستخدام SQL. بالإضافة إلى ذلك ، فإن متخصصي ML / AI ليسوا رخيصين.
سأكون سعيدا لسماع رأيك.