नहीं, आपको मशीन लर्निंग की जरूरत नहीं है। आपको SQL चाहिए

कुछ समय पहले, मैंने नए नए और परिष्कृत तकनीकों के बजाय पारंपरिक उपकरणों का उपयोग करने के बारे में ट्वीट्स की एक श्रृंखला प्रकाशित की।

ट्वीट्स अच्छी तरह से चले गए और हैकरन्यूज मारा। इस मिनी-लोकप्रियता का परिणाम एक दिलचस्प चर्चा थी। कुछ लोग मुझसे सहमत थे, जबकि अन्य ने इसे मूर्खता और बकवास कहा। वैसे इंटरनेट पर भी शूटआउट होते रहते हैं।

मैं आपको अपने दृष्टिकोण का उपयोग करने के लिए मनाने की कोशिश नहीं कर रहा हूं। बल्कि, मैं और अधिक विस्तार से बताना चाहता हूं कि ट्विटर पर शुरुआती प्रस्तुति में वास्तव में क्या था।

साल बीतते हैं, और आप कुछ दिलचस्प तकनीकों और अवधारणाओं के उद्भव को देखते हैं: मशीन लर्निंग, ब्लॉकचेन, कृत्रिम बुद्धिमत्ता, आभासी वास्तविकता, संवर्धित वास्तविकता, आदि - जबकि कुछ पिछली प्रौद्योगिकियां पृष्ठभूमि में लुप्त होती हैं। आज ब्लॉकचेन पर कुछ शानदार उत्पादों के विकास के बारे में सुनना आसान है। मैंने ई-कॉमर्स, सोशल नेटवर्क और रियल एस्टेट के लिए ब्लॉकचेन सेवाओं को देखा है। सूची जारी होती है। मैं शब्दों को सुनता हूं: आपके लिए वित्तपोषण का दौर तेजी से और पहले बंद करने के लिए, आपको "ब्लॉकचैन" शब्द का उपयोग करने की आवश्यकता है, भले ही वह परियोजना से संबंधित न हो।

कुछ समय पहले, मशीन लर्निंग और आर्टिफिशियल इंटेलिजेंस ट्रेंड कर रहे थे। प्रत्येक नया स्टार्टअप ML / AI में लगा हुआ था। एआई का उल्लेख किए बिना परियोजना शुरू करने के लिए भगवान ने मना किया। सच में, क्या आप वास्तव में व्यवसाय में हैं? लेकिन सामान्य तौर पर, यह नहीं होना चाहिए। उन तकनीकों में से एक जिसका मैं अभी भी बहुत महत्व रखता हूं, वह है SQL (संरचित क्वेरी भाषा)। यह 40 साल से अधिक पुरानी तकनीक आज भी उतनी ही प्रासंगिक है जितनी 1974 में थी। हालांकि पिछले कुछ वर्षों में यह कुछ हद तक बदल गया है, लेकिन यह पहले जैसी ही शक्ति है।

मैं अपने पूरे जीवन में आईटी में काम कर रहा हूं, और अपने अधिकांश कैरियर ई-कॉमर्स में बिताए हैं - और मैंने अपनी आंखों से देखा कि इस तकनीक ने व्यवसाय के विकास और पैमाने में कैसे मदद की। हमने इसका उपयोग एकत्रित आंकड़ों में दिलचस्प जानकारी की पहचान करने के लिए किया। डेटा में उपभोक्ता व्यवहार, खरीदारी पैटर्न और आदतें शामिल हैं। इस तकनीक ने यह अनुमान लगाना संभव कर दिया कि कौन सा सामान स्टॉक में रखना है और कौन सा नहीं। उसने सर्वोत्तम गुणवत्ता वाली सेवा प्रदान करने और ग्राहकों को लौटाने की अनुमति दी। मुझे बताएं कि हमने यह कैसे किया - आप हमारे अनुभव का उपयोग कर सकते हैं।

स्टार्टअप्स के संस्थापकों और संभावित संस्थापकों से सुनने में हमेशा मजेदार होता है कि वे ग्राहकों को बेहतर बनाए रखने के लिए एआई / एमएल का उपयोग करना चाहते हैं और उनके साथ सहयोग की अवधि के लिए किसी विशेष उपभोक्ता से उनके आजीवन मूल्य [कुल लाभ या हानि को बढ़ाते हैं। ट्रांस।]। वास्तव में, उन्हें इन विचित्र तकनीकों में से कुछ या कुछ अन्य की मशीन सीखने की आवश्यकता नहीं है। ठीक से लिखा SQL वे सभी की जरूरत है। अपने पिछले जीवन में, मैंने उत्पन्न डेटा से मूल्यवान जानकारी और विचारों को निकालने के लिए एसक्यूएल प्रश्नों को लिखा था। एक बार हम उन्हें बधाई देने और उन्हें पुरस्कृत करने के लिए "सप्ताह के ग्राहक" ढूंढना चाहते थे। ग्राहकों के प्रति इस तरह का एक सरल और अप्रत्याशित इशारा हमेशा लोगों को प्रसन्न करता है और उन्हें प्रचारकों में बदल देता है। आप अक्सर सोशल मीडिया पोस्ट देख सकते हैं, जैसे "वाह, कोंगा ने मुझे सप्ताह के एक ग्राहक के रूप में pon 2000 का कूपन दिया। मुझे इसकी उम्मीद नहीं थी। धन्यवाद दोस्तों, आप सबसे अच्छे हैं। ”

यह विज्ञापन पर पैसा खर्च करने की तुलना में अधिक प्रभावी निकला। मुझे गलत मत समझो, पारंपरिक विज्ञापन होता है, लेकिन किसी विश्वसनीय मित्र की सिफारिश के साथ तुलना नहीं करता है। हैरानी की बात है, ऐसी जानकारी प्राप्त करना काफी सरल था। अच्छे पुराने एसक्यूएल को छोड़कर किसी फैंसी तकनीक की आवश्यकता नहीं है। सप्ताह के ग्राहक की पहचान करने के लिए, हमने एक एसक्यूएल क्वेरी लिखी जो सप्ताह के लिए ऑर्डर की सबसे बड़ी टोकरी के साथ ऑर्डर टेबल में एक प्रविष्टि पाता है। यह जानकारी प्राप्त करने के बाद, हम ग्राहक को एक आभार पत्र भेजते हैं और एक छोटा कूपन / वाउचर देते हैं। लगता है कि आगे क्या होता है? इनमें से 99% लोग नियमित ग्राहक बन जाते हैं। हमें कभी एमएल की जरूरत नहीं पड़ी। उन्होंने बस एक प्राथमिक एसक्यूएल क्वेरी लिखी और यह जानकारी प्राप्त की।

एक बार खरीदारी बंद करने वाले ग्राहकों के साथ संचार बहाल करना आवश्यक था। जब से मैं यह कर रहा था, मैंने एक SQL क्वेरी लिखी थी जिसमें सभी ग्राहकों को 3 महीने या उससे अधिक की अंतिम खरीद तिथि के साथ चुना था। फिर, अनुरोध आश्चर्यजनक रूप से सरल है। यह जानकारी प्राप्त करने के बाद, हम एक अच्छे पत्र के लिए एक ई-मेल भेजते हैं: "हम आपको याद करते हैं, वापस आते हैं, और यहाँ आपका X नायरा कूपन है" [नाइजीरिया मुद्रा - लगभग। ट्रांस।]। प्रतिक्रिया क्षमता हमेशा 50% से अधिक रही है। और हमेशा सोशल नेटवर्क पर संदेशों की एक झड़ी। मेरी राय में, ये दो रणनीतियाँ Google और फेसबुक पर विज्ञापन पर खर्च करने की तुलना में अधिक प्रभावी रही हैं।

हमने न्यूज़लेटर के लिए एक ही दृष्टिकोण लागू किया है। यदि आप इसे निजीकृत करने का प्रयास कर सकते हैं तो एक सामान्य समाचार पत्र क्यों भेजें? समाधान? मैंने रीसायकल बिन की सामग्री की जाँच करने और अलग-अलग वस्तुओं को पुनः प्राप्त करने के लिए एसक्यूएल क्वेरी लिखी। इन तत्वों से, हम एक समाचार पत्र बनाने और प्रासंगिक सामग्री को लक्षित करने में सक्षम थे। कहते हैं कि एक व्यक्ति ने एक जोड़ी जूते, धूप का चश्मा और एक किताब खरीदी। उसके लिए समाचार पत्र में हम जूते, धूप का चश्मा और किताबें दिखाएंगे। यह यादृच्छिक चीजों को भेजने की तुलना में बहुत अधिक उपयुक्त है। एक स्तन पंप के साथ एक आदमी को एक पत्र क्यों भेजा जाए जिसने सिर्फ स्नीकर्स की एक जोड़ी खरीदी थी? इसका कोई मतलब भी नहीं है। अधिकांश विपणन ईमेल के लिए विशिष्ट खुली दर 7 से 10% के बीच है। लेकिन जब हमने अच्छा काम किया, तो हमने 25-30% के क्षेत्र में एक संकेतक देखा।

यह उद्योग मानक का तीन गुना है। इन पत्रों की एक और अच्छी विशेषता यह है कि हमने लोगों को नाम से जाना। कोई "प्रिय ग्राहक" नहीं। केवल "प्रिय सेलेस्टाइन", "प्रिय ओमिन" और इतने पर। यह सब कुछ मानवता का स्पर्श देता है। हमारी सहभागिता दर्शाता है। सभी अच्छे पुराने एसक्यूएल के लिए धन्यवाद, और फैंसी मशीन सीखने के कुछ प्रकार नहीं।

हमने ऐसे ग्राहकों की मदद की है, जिन्होंने किसी कारण से, ऑर्डर पूरा नहीं किया है। यदि उन्होंने उत्पाद को टोकरी में जोड़ा, तो उन्हें इसे खरीदने का इरादा था। उनके आदेश को पूरा करने में मदद करने के लिए, मैंने एक एसक्यूएल स्क्रिप्ट लिखी, इसे एक सीआरओएन नौकरी से जोड़ा, और इस संयोजन ने उन ग्राहकों को ईमेल भेजे, जिनके बास्केट 48 घंटे या उससे अधिक समय के भीतर अंतिम रूप से अपडेट किए गए थे। अंदाजा लगाइए क्या हुआ? इसने काम किया। हमने ईमेल ट्रैक किए और निष्कर्ष निकाला कि लोग उनसे लिंक से लौटे हैं। फिर से, SQL क्वेरी बहुत सरल हो गई। उन्होंने 48 घंटे या उससे अधिक के अंतिम अपडेट समय के साथ गैर-खाली बास्केट को चुना। हमने दैनिक CRON को 2 बजे लॉन्च किया - कम गतिविधि और यातायात का समय। ग्राहक जागते हैं और मेल में अपनी भूली हुई टोकरी की याद दिलाते हैं। यह ग्राहकों को फिर से आकर्षक बनाने के बारे में है। कुछ खास नहीं, सिर्फ SQL, बैश और CRON।

चूंकि पे-एज़-यू-गो अभी भी लोकप्रिय है, SQL फिर से काम में आया। यदि कोई ग्राहक लगातार तीन बार कैंसिल करता है, तो उसे एक अलग "विशेष अलर्ट" सूची में रखा जाता है। अगले आदेश पर, वे उसे फोन करते हैं और पूछते हैं कि क्या वास्तव में ऑर्डर की जरूरत है। इस प्रकार हम समय और तंत्रिकाओं को बचाते हैं। ऐसे ग्राहकों के लिए, वास्तव में भुगतान को आम तौर पर बंद किया जा सकता है, केवल कार्ड से भुगतान छोड़कर। ई-कॉमर्स में, रसद महंगा है, इसलिए यह गंभीर ग्राहकों पर ध्यान केंद्रित करने के लिए समझ में आता है। इस समस्या के लिए हमें ML या कुछ फैंसी AI की आवश्यकता नहीं है। फिर, काफी अच्छी तरह से लिखा SQL।

SLA के अनुसार निर्धारित समय पर वितरित नहीं किए गए आदेशों के लिए, हमने SQL प्रश्नों का भी उपयोग किया। "नॉट डिलीवर" की स्थिति वाले ऑर्डर और 7 दिनों के बराबर या उससे अधिक के ऑर्डर की तारीख का चयन किया गया था, क्योंकि यह एक मानक डिलीवरी समय है। CRON जॉब ने ऐसे क्लाइंट्स को लेटर और एसएमएस भेजे। यह स्पष्ट है कि ग्राहकों ने खड़े होने पर सराहना नहीं की। लेकिन हमने कम से कम आश्वासन दिया कि हम कोई लानत नहीं देते हैं और हम समस्या के समाधान पर काम कर रहे हैं। एक आदेश देरी से अधिक कष्टप्रद कुछ भी नहीं है।

इस विशेष निर्णय का NPS [कंज्यूमर लॉयल्टी इंडेक्स - लगभग] पर भी महत्वपूर्ण प्रभाव पड़ा। ट्रांस।]। फिर से, अच्छी पुरानी SQL और बैश।

बोनस: Sift Science आश्चर्यजनक रूप से धोखाधड़ी को रोकता है। लेकिन SQL का भी इस्तेमाल किया जा सकता है। यदि कोई व्यक्ति तीन अलग-अलग कार्ड से भुगतान करने की कोशिश करता है और ये कार्ड एक के बाद एक खारिज कर दिए जाते हैं, तो कुछ गलत है। पहली और स्पष्ट बात यह है कि अस्थायी रूप से उसके खाते को अवरुद्ध करना है। आप संभावित कार्डधारकों के लिए एक बड़े सिरदर्द से बचाएंगे। कार्ड डेटा स्टोर करने की आवश्यकता नहीं है, बस डेटाबेस में एक विशिष्ट ऑर्डर नंबर के लिए कार्ड की जांच करने का प्रयास करें। ऐसी स्पष्ट चीजों की पहचान करने के लिए एमएल की आवश्यकता नहीं होती है, लेकिन केवल अच्छी तरह से लिखित एसक्यूएल।

मशीन लर्निंग और आर्टिफिशियल इंटेलिजेंस अच्छी तकनीक हैं। किसी भी मामले में, अमेज़ॅन ने अपने व्यवसाय की प्रभावशीलता साबित कर दी है। लेकिन अगर आपके पास 1000−10000 ग्राहकों के साथ एक छोटा सा ऑनलाइन स्टोर है, तो आप SQL के साथ मिल सकते हैं। इसके अलावा, एमएल / एआई विशेषज्ञ सस्ते नहीं हैं।

आप जो सोचते हैं, उसे सुनकर मुझे खुशी होगी।