Hace algún tiempo, publiqué una serie de tweets sobre el uso de herramientas tradicionales en lugar de tecnologías novedosas y sofisticadas.
Los tweets salieron bien y golpearon a HackerNews. La consecuencia de esta mini-popularidad fue una discusión interesante. Algunos estuvieron de acuerdo conmigo, mientras que otros lo llamaron estupidez y tonterías. Bueno, los tiroteos también ocurren en Internet.
No estoy tratando de convencerte de que uses mi enfoque. Más bien, quiero explicar con más detalle lo que se quiso decir exactamente en la presentación inicial en Twitter.
Pasan los años y ves la aparición de algunas tecnologías y conceptos interesantes: aprendizaje automático, blockchain, inteligencia artificial, realidad virtual, realidad aumentada, etc., mientras que algunas tecnologías anteriores se están desvaneciendo. Hoy es fácil escuchar sobre el desarrollo de algunos productos fantásticos en blockchain. He visto servicios de blockchain para comercio electrónico, redes sociales y bienes raíces. La lista continúa. Escucho las palabras: para que pueda cerrar la ronda de financiamiento más rápido y antes, debe usar la palabra "blockchain", incluso si no está relacionada con el proyecto.
Hace algún tiempo, el aprendizaje automático y la inteligencia artificial eran tendencias. Cada nueva startup se dedicaba a ML / AI. Dios no quiera comenzar el proyecto sin mencionar la IA. En serio, ¿estás realmente en el negocio? Pero en general, esto no debería ser. Una de las tecnologías que todavía valoro mucho es SQL (lenguaje de consulta estructurado). Esta tecnología de más de 40 años es tan relevante hoy como lo fue en 1974. Aunque a lo largo de los años ha cambiado un poco, pero es el mismo poder que antes.
He trabajado en TI toda mi vida y pasé la mayor parte de mi carrera en el comercio electrónico, y vi con mis propios ojos cómo esta tecnología ayudó al crecimiento y la escala del negocio. Lo usamos para identificar información interesante en los datos recopilados. Los datos incluyen el comportamiento del consumidor, los patrones de compra y los hábitos. Esta tecnología hizo posible predecir qué bienes mantener en stock y cuáles no. Ella permitió brindar el mejor servicio de calidad y devolver a los clientes. Déjame decirte cómo lo hicimos: puedes usar nuestra experiencia.
Siempre es divertido saber de los fundadores y fundadores potenciales de las nuevas empresas que quieren usar AI / ML para retener mejor a los clientes y aumentar su valor de por vida [ganancia o pérdida total de un consumidor en particular durante el período de cooperación con él - aprox. trans.]. De hecho, no necesitan aprendizaje automático en absoluto o alguna otra de estas tecnologías extrañas. SQL correctamente escrito es todo lo que necesitan. En mi vida anterior, escribí consultas SQL para extraer información e ideas valiosas de los datos generados. Una vez que queríamos encontrar "clientes de la semana" para felicitarlos y recompensarlos. Un gesto tan simple e inesperado hacia los clientes siempre deleita a las personas y las convierte en evangelistas. A menudo puedes ver publicaciones en redes sociales como “Wow, Konga me acaba de otorgar un cupón de ₦ 2000 como cliente de la semana. No esperaba esto. Gracias chicos, ustedes son los mejores ".
Esto resultó ser más efectivo que gastar dinero en publicidad. No me malinterpreten, la publicidad tradicional tiene lugar, pero nada se compara con una recomendación de un amigo de confianza. Sorprendentemente, obtener dicha información fue bastante simple. No se necesita tecnología sofisticada, excepto un buen SQL antiguo. Para identificar al cliente de la semana, escribimos una consulta SQL que encuentra una entrada en la tabla de pedidos con la mayor cesta de pedidos de la semana. Una vez recibida esta información, enviamos una carta de agradecimiento al cliente y adjuntamos un pequeño cupón / cupón. ¿Adivina qué pasa después? El 99% de estas personas se convierten en clientes habituales. Nunca necesitamos ML. Simplemente escribieron una consulta primaria de SQL y recibieron esta información.
Una vez fue necesario restablecer la comunicación con los clientes que dejaron de comprar. Como estaba haciendo esto, escribí una consulta SQL que seleccionó a todos los clientes con una última fecha de compra de 3 meses o más. Nuevamente, la solicitud es sorprendentemente simple. Una vez recibida esta información, enviamos un correo electrónico a una bonita carta: "Te extrañamos, vuelve, y aquí tienes tu cupón X Naira" [moneda de Nigeria - aprox. trans.]. La eficacia de la respuesta siempre ha sido superior al 50%. Y siempre una ráfaga de mensajes en las redes sociales. En mi opinión, estas dos estrategias han sido y siguen siendo mucho más efectivas que gastar en publicidad en Google y Facebook.
Hemos aplicado el mismo enfoque a los boletines. ¿Por qué enviar un boletín general si puede intentar personalizarlo? Solución? Escribí consultas SQL para verificar el contenido de una papelera de reciclaje y recuperar elementos individuales. A partir de estos elementos, pudimos generar un boletín informativo y dirigirnos a contenido relevante. Digamos que una persona compró un par de zapatos, gafas de sol y un libro. En el boletín para él mostraremos zapatos, gafas de sol y libros. Esto es mucho más apropiado que enviar cosas al azar. ¿Por qué enviar una carta con un extractor de leche a un hombre que acaba de comprar un par de zapatillas? Ni siquiera tiene sentido. La tasa de apertura típica para la mayoría de los correos electrónicos de marketing es entre 7 y 10%. Pero cuando hicimos un buen trabajo, vimos un indicador en la región del 25-30%.
Esto es tres veces el estándar de la industria. Otra buena característica de estas letras es que recurrimos a las personas por su nombre. No "Estimado cliente". Solo "querida Celestina", "querida Omin", etc. Le da a todo un toque de humanidad. Muestra nuestra participación. Todo gracias al buen viejo SQL, y no a algún tipo de aprendizaje automático sofisticado.
Hemos ayudado a clientes que, por alguna razón, no han completado los pedidos. Si agregaron el producto a la cesta, tenían la intención de comprarlo. Para ayudarlos a completar su pedido, escribí un script SQL, lo vinculé a un trabajo CRON, y esta combinación envió correos electrónicos a clientes cuyas cestas se actualizaron por última vez en 48 horas o más. ¿Adivina qué pasó? Funcionó. Rastreamos correos electrónicos y llegamos a la conclusión de que la gente regresaba de los enlaces de ellos. Nuevamente, la consulta SQL resultó ser muy simple. Eligió cestas no vacías con un último tiempo de actualización de 48 horas o más. Lanzamos el CRON diario a las 2 a.m., un momento de menor actividad y tráfico. Los clientes se despiertan y ven en el correo un recordatorio de su cesta olvidada. Se trata de volver a involucrar a los clientes. Nada especial, solo SQL, Bash y CRON.
Como el pago por uso sigue siendo popular, SQL fue útil nuevamente. Si un cliente cancela pedidos tres veces seguidas, se lo coloca en una lista separada de "alerta especial". En la siguiente orden, lo llaman y le preguntan si la orden es realmente necesaria. Así ahorramos tiempo y nervios. Para tales clientes, el pago, de hecho, generalmente se puede desactivar, dejando solo el pago con tarjeta. En el comercio electrónico, la logística es costosa, por lo que tiene sentido centrarse en clientes serios. No necesitamos ML o alguna IA sofisticada para este problema. De nuevo, SQL bastante bien escrito.
Para los pedidos no entregados en el tiempo prometido de acuerdo con el SLA, también utilizamos consultas SQL. Se seleccionaron pedidos con un estado de "No entregado" y una fecha de pedido igual o superior a 7 días, ya que este es un tiempo de entrega estándar. El trabajo de CRON envió cartas y SMS a dichos clientes. Está claro que los clientes no aplaudieron mientras estaban de pie. Pero al menos aseguramos que no nos importa un bledo y estamos trabajando en una solución al problema. Nada es más molesto que un retraso en el pedido.
Esta decisión particular también tuvo un impacto significativo en NPS [Índice de lealtad del consumidor - aprox. trans.]. De nuevo, el buen viejo SQL y Bash.
Bonificación: Sift Science sorprendentemente previene el fraude. Pero también se puede usar SQL. Si una persona intenta pagar con tres cartas diferentes y estas cartas son rechazadas una tras otra, algo está mal. Lo primero y obvio que debe hacer es bloquear temporalmente su cuenta. Ahorrará de un gran dolor de cabeza para los posibles titulares de tarjetas. No es necesario almacenar datos de la tarjeta, solo regístrese en la base de datos e intente verificar en la tarjeta un número de pedido específico. Identificar cosas tan obvias no requiere ML, sino solo SQL bien escrito.
El aprendizaje automático y la inteligencia artificial son buenas tecnologías. En cualquier caso, Amazon ha demostrado la efectividad de su negocio. Pero si tiene una pequeña tienda en línea con 1000–10000 clientes, entonces puede sobrevivir con SQL. Además, los especialistas en ML / AI no son baratos.
Estaré encantado de escuchar lo que piensas.