Il y a quelque temps, j'ai publié une série de tweets sur l'utilisation d'outils traditionnels au lieu de technologies nouvelles et sophistiquées.
Les tweets se sont bien passés et ont frappé HackerNews. La conséquence de cette mini-popularité a été une discussion intéressante. Certains étaient d'accord avec moi, tandis que d'autres appelaient cela de la stupidité et du non-sens. Eh bien, les fusillades se produisent également sur Internet.
Je n'essaie pas de vous convaincre d'utiliser mon approche. Je veux plutôt expliquer plus en détail ce que signifiait exactement la présentation initiale sur Twitter.
Les années passent et vous voyez l'émergence de technologies et de concepts intéressants: l'apprentissage automatique, la blockchain, l'intelligence artificielle, la réalité virtuelle, la réalité augmentée, etc. - tandis que certaines technologies précédentes s'effacent à l'arrière-plan. Aujourd'hui, il est facile d'entendre parler du développement de certains produits fantastiques sur la blockchain. J'ai vu des services de blockchain pour le commerce électronique, les réseaux sociaux et l'immobilier. La liste continue. J'entends les mots: pour que vous puissiez clôturer le cycle de financement plus rapidement et plus tôt, vous devez utiliser le mot «blockchain», même s'il n'est pas lié au projet.
Il y a quelque temps, l'apprentissage automatique et l'intelligence artificielle étaient en vogue. Chaque nouvelle startup était engagée dans le ML / AI. Dieu ne plaise pas pour démarrer le projet sans mentionner l'IA. Sérieusement, êtes-vous vraiment en affaires? Mais en général, cela ne devrait pas l'être. SQL (Structured Query Language) est l'une des technologies que j'apprécie toujours beaucoup. Cette technologie vieille de plus de 40 ans est aussi pertinente aujourd'hui qu'elle l'était en 1974. Bien qu'au fil des ans, il ait quelque peu changé, mais c'est le même pouvoir qu'auparavant.
J'ai travaillé dans l'informatique toute ma vie et j'ai passé la majeure partie de ma carrière dans le commerce électronique - et j'ai vu de mes propres yeux comment cette technologie a contribué à la croissance et à la taille de l'entreprise. Nous l'avons utilisé pour identifier des informations intéressantes dans les données collectées. Les données comprennent le comportement des consommateurs, les habitudes d'achat et les habitudes. Cette technologie a permis de prédire quelles marchandises garder en stock et lesquelles ne le seraient pas. Elle a permis de fournir le meilleur service de qualité et de retourner les clients. Permettez-moi de vous dire comment nous l'avons fait - vous pouvez utiliser notre expérience.
Il est toujours amusant d'entendre des fondateurs et fondateurs potentiels de startups qu'ils souhaitent utiliser l'IA / ML pour mieux fidéliser les clients et augmenter leur valeur à vie [profit ou perte totale d'un consommateur particulier pour la période de coopération avec lui - env. trans.]. En fait, ils n'ont pas du tout besoin du machine learning ou d'une autre de ces technologies bizarres. Un SQL correctement écrit est tout ce dont ils ont besoin. Dans ma vie antérieure, j'ai écrit des requêtes SQL pour extraire des informations et des idées précieuses à partir des données générées. Une fois, nous voulions trouver les «clients de la semaine» pour les féliciter et les récompenser. Un geste aussi simple et inattendu envers les clients ravit toujours les gens et les transforme en évangélistes. Vous pouvez souvent voir des publications sur les réseaux sociaux comme «Wow, Konga vient de m'attribuer un coupon de 2000 as en tant que client de la semaine. Je ne m'y attendais pas. Merci les gars, vous êtes les meilleurs. »
Cela s'est avéré plus efficace que de dépenser de l'argent en publicité. Ne vous méprenez pas, la publicité traditionnelle a lieu, mais rien ne se compare à une recommandation d'un ami de confiance. Étonnamment, l'obtention de ces informations était assez simple. Aucune technologie sophistiquée n'est nécessaire, sauf le bon vieux SQL. Pour identifier le client de la semaine, nous avons écrit une requête SQL qui trouve une entrée dans la table de commande avec le plus grand panier de commandes de la semaine. Après avoir reçu ces informations, nous envoyons une lettre de gratitude au client et joignons un petit coupon / bon. Devinez ce qui se passe ensuite? 99% de ces personnes deviennent des clients réguliers. Nous n'avons jamais eu besoin de ML. Ils ont simplement écrit une requête SQL élémentaire et ont reçu ces informations.
Une fois, il était nécessaire de rétablir la communication avec les clients qui ont cessé leurs achats. Depuis que je faisais cela, j'ai écrit une requête SQL qui a sélectionné tous les clients avec une dernière date d'achat de 3 mois ou plus. Encore une fois, la demande est étonnamment simple. Ayant reçu ces informations, nous envoyons un e-mail à une jolie lettre: «Tu nous manques, reviens, et voici ton coupon X Naira» [Monnaie du Nigeria - env. trans.]. L'efficacité de la réponse a toujours été supérieure à 50%. Et toujours une rafale de messages sur les réseaux sociaux. À mon avis, ces deux stratégies ont été et restent beaucoup plus efficaces que les dépenses de publicité sur Google et Facebook.
Nous avons appliqué la même approche aux newsletters. Pourquoi envoyer une newsletter générale si vous pouvez essayer de la personnaliser? Solution? J'ai écrit des requêtes SQL pour vérifier le contenu d'une corbeille et récupérer des éléments individuels. À partir de ces éléments, nous avons pu générer une newsletter et cibler un contenu pertinent. Disons qu'une personne a acheté une paire de chaussures, des lunettes de soleil et un livre. Dans la newsletter pour lui, nous montrerons des chaussures, des lunettes de soleil et des livres. C'est beaucoup plus approprié que d'envoyer des choses au hasard. Pourquoi envoyer une lettre avec un tire-lait à un homme qui vient d'acheter une paire de baskets? Cela n'a même aucun sens. Le taux d'ouverture typique pour la plupart des e-mails marketing est compris entre 7 et 10%. Mais quand nous avons fait du bon travail, nous avons vu un indicateur de l'ordre de 25-30%.
C'est trois fois la norme de l'industrie. Une autre caractéristique intéressante de ces lettres est que nous nous sommes tournés vers les gens par leur nom. Pas de "cher client". Seulement «chère Célestine», «chère Omin» et ainsi de suite. Il donne à tout une touche d'humanité. Montre notre participation. Tout cela grâce au bon vieux SQL et pas à une sorte de machine learning sophistiqué.
Nous avons aidé des clients qui, pour une raison quelconque, n'ont pas exécuté de commandes. S'ils ajoutaient le produit au panier, ils avaient l'intention de l'acheter. Pour les aider à terminer leur commande, j'ai écrit un script SQL, lié à un travail CRON, et cette combinaison a envoyé des e-mails aux clients dont les paniers ont été mis à jour pour la dernière fois dans les 48 heures ou plus. Devinez ce qui s'est passé? Ça a marché. Nous avons suivi les e-mails et conclu que les gens sont revenus de leurs liens. Encore une fois, la requête SQL s'est avérée très simple. Il a choisi des paniers non vides avec une dernière mise à jour de 48 heures ou plus. Nous avons lancé le CRON quotidien à 2 heures du matin - une période de moins d'activité et de trafic. Les clients se réveillent et voient dans le courrier un rappel de leur panier oublié. Il s'agit de réengager les clients. Rien de spécial, juste SQL, Bash et CRON.
Étant donné que le paiement à l'utilisation est toujours populaire, SQL est à nouveau utile. Si un client annule ses commandes trois fois de suite, il est placé sur une liste distincte «d'alerte spéciale». Lors de la prochaine commande, ils l'appellent et lui demandent si la commande est vraiment nécessaire. Nous économisons ainsi du temps et des nerfs. Pour ces clients, le paiement peut en fait généralement être désactivé, ne laissant que le paiement par carte. Dans le commerce électronique, la logistique coûte cher, il est donc logique de se concentrer sur les clients sérieux. Nous n'avons pas besoin de ML ou d'une IA sophistiquée pour ce problème. Encore une fois, SQL assez bien écrit.
Pour les commandes non livrées à l'heure promise selon le SLA, nous avons également utilisé des requêtes SQL. Les commandes avec un statut «Non livré» et une date de commande égale ou supérieure à 7 jours ont été sélectionnées, car il s'agit d'un délai de livraison standard. Le travail CRON a envoyé des lettres et des SMS à ces clients. Il est clair que les clients n'ont pas applaudi en se levant. Mais nous avons au moins assuré que nous ne nous en soucions pas et nous travaillons sur une solution au problème. Rien de plus ennuyeux qu'un retard de commande.
Cette décision particulière a également eu un impact significatif sur le NPS [Consumer Loyalty Index - approx. trans.]. Encore une fois, le bon vieux SQL et Bash.
Bonus: Sift Science empêche étonnamment la fraude. Mais SQL peut également être utilisé. Si une personne essaie de payer avec trois cartes différentes et que ces cartes sont rejetées l'une après l'autre, quelque chose ne va pas. La première et évidente chose à faire est de bloquer temporairement son compte. Vous économiserez d'un gros mal de tête pour les titulaires de carte potentiels. Pas besoin de stocker les données de la carte, enregistrez-vous simplement dans la base de données pour essayer de vérifier la carte pour un numéro de commande spécifique. L'identification de telles choses évidentes ne nécessite pas de ML, mais seulement du SQL bien écrit.
L'apprentissage automatique et l'intelligence artificielle sont de bonnes technologies. Dans tous les cas, Amazon a prouvé l'efficacité de son activité. Mais si vous avez une petite boutique en ligne avec 1000 à 10000 clients, vous pouvez vous en tirer avec SQL. De plus, les spécialistes ML / AI ne sont pas bon marché.
Je serai heureux d'entendre ce que vous en pensez.