Vor einiger Zeit veröffentlichte ich eine Reihe von Tweets über die Verwendung traditioneller Tools anstelle neuer und ausgefeilter Technologien.
Tweets liefen gut und trafen HackerNews. Die Folge dieser Mini-Popularität war eine interessante Diskussion. Einige stimmten mir zu, während andere es Dummheit und Unsinn nannten. Nun, Schießereien finden auch im Internet statt.
Ich versuche nicht, Sie davon zu überzeugen, meinen Ansatz zu verwenden. Vielmehr möchte ich näher erläutern, was genau in der ersten Präsentation auf Twitter gemeint war.
Jahre vergehen, und Sie sehen die Entstehung einiger interessanter Technologien und Konzepte: maschinelles Lernen, Blockchain, künstliche Intelligenz, virtuelle Realität, erweiterte Realität usw. - während einige frühere Technologien in den Hintergrund treten. Heute ist es leicht zu hören, wie einige fantastische Produkte in der Blockchain entwickelt wurden. Ich habe Blockchain-Dienste für E-Commerce, soziale Netzwerke und Immobilien gesehen. Die Liste geht weiter. Ich höre die Worte: Damit Sie die Finanzierungsrunde schneller und früher abschließen können, müssen Sie das Wort „Blockchain“ verwenden, auch wenn es nicht mit dem Projekt zusammenhängt.
Vor einiger Zeit waren maschinelles Lernen und künstliche Intelligenz im Trend. Jedes neue Startup war mit ML / AI beschäftigt. Gott bewahre, das Projekt zu starten, ohne AI zu erwähnen. Im Ernst, sind Sie wirklich im Geschäft? Aber im Allgemeinen sollte dies nicht sein. Eine der Technologien, die ich immer noch sehr schätze, ist SQL (Structured Query Language). Diese mehr als 40 Jahre alte Technologie ist heute genauso aktuell wie 1974. Im Laufe der Jahre hat es sich zwar etwas verändert, aber es ist die gleiche Kraft wie zuvor.
Ich habe mein ganzes Leben in der IT gearbeitet und den größten Teil meiner Karriere im E-Commerce verbracht - und ich habe mit eigenen Augen gesehen, wie diese Technologie das Wachstum und die Größe des Geschäfts unterstützt. Wir haben es verwendet, um interessante Informationen in den gesammelten Daten zu identifizieren. Die Daten umfassen Verbraucherverhalten, Einkaufsmuster und Gewohnheiten. Diese Technologie ermöglichte es, vorherzusagen, welche Waren auf Lager gehalten werden sollen und welche nicht. Sie erlaubte, den besten Service zu bieten und Kunden zurückzugeben. Lassen Sie mich Ihnen sagen, wie wir es gemacht haben - Sie können unsere Erfahrung nutzen.
Es macht immer Spaß, von den Gründern und potenziellen Gründern von Startups zu hören, dass sie AI / ML nutzen möchten, um Kunden besser zu binden und ihren lebenslangen Wert zu steigern [Gesamtgewinn oder -verlust eines bestimmten Verbrauchers für die Zeit der Zusammenarbeit mit ihm - ca. trans.]. Tatsächlich benötigen sie überhaupt kein maschinelles Lernen oder eine andere dieser bizarren Technologien. Richtig geschriebenes SQL ist alles, was sie brauchen. In meinem früheren Leben habe ich SQL-Abfragen geschrieben, um wertvolle Informationen und Ideen aus generierten Daten zu extrahieren. Einmal wollten wir „Kunden der Woche“ finden, um ihnen zu gratulieren und sie zu belohnen. Eine so einfache und unerwartete Geste gegenüber Kunden erfreut die Menschen immer und macht sie zu Evangelisten. Sie können oft Social-Media-Beiträge wie „Wow, Konga hat mir gerade einen Gutschein in Höhe von 2000 GBP als Kunde der Woche verliehen. Das habe ich nicht erwartet. Danke Jungs, ihr seid die Besten. “
Dies erwies sich als effektiver als Geld für Werbung auszugeben. Versteh mich nicht falsch, traditionelle Werbung findet statt, aber nichts ist vergleichbar mit einer Empfehlung eines vertrauenswürdigen Freundes. Überraschenderweise war es recht einfach, solche Informationen zu erhalten. Es wird keine ausgefallene Technologie benötigt, außer gutem altem SQL. Um den Kunden der Woche zu identifizieren, haben wir eine SQL-Abfrage geschrieben, die einen Eintrag in der Auftragstabelle mit dem größten Auftragskorb der Woche findet. Nachdem wir diese Informationen erhalten haben, senden wir dem Kunden ein Dankesschreiben und fügen einen kleinen Gutschein / Gutschein bei. Ratet mal, was als nächstes passiert? 99% dieser Menschen werden Stammkunden. Wir haben ML nie gebraucht. Sie haben einfach eine elementare SQL-Abfrage geschrieben und diese Informationen erhalten.
Einmal war es notwendig, die Kommunikation mit Kunden wiederherzustellen, die den Einkauf eingestellt hatten. Seitdem habe ich eine SQL-Abfrage geschrieben, in der alle Kunden mit einem letzten Kaufdatum von 3 Monaten oder mehr ausgewählt wurden. Auch hier ist die Anfrage überraschend einfach. Nachdem wir diese Informationen erhalten haben, senden wir einen attraktiven Brief per E-Mail: „Wir vermissen Sie, kommen zurück und hier ist Ihr X Naira-Gutschein.“ [Nigerias Währungseinheit - ca. trans.]. Die Reaktionseffizienz lag immer bei über 50%. Und immer eine Flut von Nachrichten in sozialen Netzwerken. Meiner Meinung nach waren und sind diese beiden Strategien viel effektiver als die Ausgaben für Werbung bei Google und Facebook.
Wir haben den gleichen Ansatz auf Newsletter angewendet. Warum einen allgemeinen Newsletter verschicken, wenn Sie versuchen können, ihn zu personalisieren? Lösung? Ich habe SQL-Abfragen geschrieben, um den Inhalt eines Papierkorbs zu überprüfen und einzelne Elemente abzurufen. Aus diesen Elementen konnten wir einen Newsletter erstellen und relevante Inhalte ansprechen. Angenommen, eine Person hat ein Paar Schuhe, eine Sonnenbrille und ein Buch gekauft. Im Newsletter für ihn zeigen wir Schuhe, Sonnenbrillen und Bücher. Dies ist viel angemessener als das Senden von zufälligen Dingen. Warum einen Brief mit einer Milchpumpe an einen Mann schicken, der gerade ein Paar Turnschuhe gekauft hat? Es macht nicht einmal Sinn. Die typische Öffnungsrate für die meisten Marketing-E-Mails liegt zwischen 7 und 10%. Aber als wir gute Arbeit geleistet haben, haben wir einen Indikator in der Größenordnung von 25-30% gesehen.
Dies ist das Dreifache des Industriestandards. Ein weiteres schönes Merkmal dieser Briefe ist, dass wir uns namentlich an Menschen gewandt haben. Nein "Sehr geehrter Kunde". Nur "lieber Celestine", "lieber Omin" und so weiter. Es gibt alles einen Hauch von Menschlichkeit. Zeigt unsere Teilnahme. Alles dank des guten alten SQL und nicht irgendeiner Art von ausgefallenem maschinellem Lernen.
Wir haben Kunden geholfen, die aus irgendeinem Grund keine Bestellungen abgeschlossen haben. Wenn sie das Produkt in den Warenkorb legten, hatten sie die Absicht, es zu kaufen. Um ihnen bei der Ausführung ihrer Bestellung zu helfen, habe ich ein SQL-Skript geschrieben, es mit einem CRON-Job verknüpft und mit dieser Kombination E-Mails an Kunden gesendet, deren Körbe zuletzt innerhalb von 48 Stunden oder länger aktualisiert wurden. Ratet mal, was passiert ist? Es hat funktioniert. Wir haben E-Mails verfolgt und sind zu dem Schluss gekommen, dass Personen von Links von ihnen zurückgekehrt sind. Auch hier stellte sich heraus, dass die SQL-Abfrage sehr einfach war. Er wählte nicht leere Körbe mit einer letzten Aktualisierungszeit von 48 Stunden oder mehr. Wir haben den täglichen CRON um 2 Uhr morgens gestartet - eine Zeit mit weniger Aktivität und weniger Verkehr. Kunden wachen auf und sehen in der Mail eine Erinnerung an ihren vergessenen Warenkorb. Es geht darum, Kunden wieder zu gewinnen. Nichts Besonderes, nur SQL, Bash und CRON.
Da Pay-as-you-go immer noch beliebt ist, hat sich SQL erneut als nützlich erwiesen. Wenn ein Kunde Bestellungen dreimal hintereinander storniert, wird er in eine separate Liste mit speziellen Warnmeldungen aufgenommen. Bei der nächsten Bestellung rufen sie ihn an und fragen, ob die Bestellung wirklich benötigt wird. So sparen wir Zeit und Nerven. Für solche Kunden kann die Zahlung im Allgemeinen deaktiviert werden, so dass nur die Zahlung per Karte erfolgt. Im E-Commerce ist Logistik teuer, daher ist es sinnvoll, sich auf ernsthafte Kunden zu konzentrieren. Wir brauchen keine ML oder eine ausgefallene KI für dieses Problem. Wieder ziemlich gut geschriebenes SQL.
Für Bestellungen, die nicht zum versprochenen Zeitpunkt gemäß SLA geliefert wurden, haben wir auch SQL-Abfragen verwendet. Bestellungen mit dem Status "Nicht geliefert" und einem Bestelldatum von mindestens 7 Tagen wurden ausgewählt, da dies eine Standardlieferzeit ist. Der CRON-Job hat Briefe und SMS an solche Clients gesendet. Es ist klar, dass die Kunden im Stehen nicht applaudierten. Aber wir haben zumindest versichert, dass es uns egal ist und wir arbeiten an einer Lösung für das Problem. Nichts ist ärgerlicher als eine Verzögerung der Bestellung.
Diese besondere Entscheidung hatte auch erhebliche Auswirkungen auf den NPS [Consumer Loyalty Index - Ca. trans.]. Wieder das gute alte SQL und Bash.
Bonus: Sift Science verhindert überraschenderweise Betrug. Es kann aber auch SQL verwendet werden. Wenn eine Person versucht, mit drei verschiedenen Karten zu bezahlen, und diese Karten nacheinander abgelehnt werden, stimmt etwas nicht. Das erste und naheliegende ist, sein Konto vorübergehend zu sperren. Sie ersparen potenziellen Karteninhabern große Kopfschmerzen. Sie müssen keine Kartendaten speichern. Registrieren Sie einfach in der Datenbank einen Versuch, die Karte auf eine bestimmte Bestellnummer zu überprüfen. Um solche offensichtlichen Dinge zu identifizieren, ist kein ML erforderlich, sondern nur gut geschriebenes SQL.
Maschinelles Lernen und künstliche Intelligenz sind gute Technologien. In jedem Fall hat Amazon die Effektivität seines Geschäfts bewiesen. Wenn Sie jedoch einen kleinen Online-Shop mit 1000 bis 10000 Kunden haben, können Sie mit SQL auskommen. Darüber hinaus sind ML / AI-Spezialisten nicht billig.
Ich werde mich freuen zu hören, was Sie denken.