Há algum tempo, publiquei uma série de tweets sobre o uso de ferramentas tradicionais em vez de tecnologias sofisticadas e novas.
Os tweets foram bem e atingiram o HackerNews. A conseqüência dessa mini-popularidade foi uma discussão interessante. Alguns concordaram comigo, enquanto outros chamaram isso de estupidez e bobagem. Bem, os tiroteios acontecem na Internet também.
Não estou tentando convencê-lo a usar minha abordagem. Em vez disso, quero explicar com mais detalhes o que exatamente se quis dizer na apresentação inicial no Twitter.
Os anos passam e você vê o surgimento de algumas tecnologias e conceitos interessantes: aprendizado de máquina, blockchain, inteligência artificial, realidade virtual, realidade aumentada etc. - enquanto algumas tecnologias anteriores estão desaparecendo em segundo plano. Hoje é fácil ouvir sobre o desenvolvimento de alguns produtos fantásticos na blockchain. Vi serviços de blockchain para comércio eletrônico, redes sociais e imóveis. A lista continua. Eu ouço as palavras: para que você feche a rodada de financiamento mais rapidamente e mais cedo, você precisa usar a palavra "blockchain", mesmo que não esteja relacionada ao projeto.
Há algum tempo, o aprendizado de máquina e a inteligência artificial estavam em alta. Cada nova startup estava envolvida em ML / AI. Deus proíba iniciar o projeto sem mencionar a IA. Sério, você realmente está no negócio? Mas, em geral, isso não deveria ser. Uma das tecnologias que ainda valorizo muito é o SQL (Structured Query Language). Essa tecnologia de mais de 40 anos é tão relevante hoje quanto em 1974. Embora ao longo dos anos tenha mudado um pouco, mas é o mesmo poder de antes.
Trabalho com TI a vida toda e passei a maior parte da minha carreira no comércio eletrônico - e vi com meus próprios olhos como essa tecnologia ajudou o crescimento e a escala dos negócios. Usamos para identificar informações interessantes nos dados coletados. Os dados incluem comportamento do consumidor, padrões de compras e hábitos. Essa tecnologia tornou possível prever quais mercadorias manter em estoque e quais não. Ela permitiu fornecer o melhor serviço de qualidade e devolver os clientes. Deixe-me contar como fizemos isso - você pode usar nossa experiência.
É sempre divertido ouvir dos fundadores e potenciais fundadores de startups que eles desejam usar a IA / ML para reter melhor os clientes e aumentar seu valor ao longo da vida [lucro ou prejuízo total de um determinado consumidor pelo período de cooperação com ele - aprox. trans.]. Na verdade, eles não precisam de aprendizado de máquina, nem de nenhuma dessas tecnologias bizarras. SQL corretamente escrito é tudo o que eles precisam. Na minha vida anterior, escrevi consultas SQL para extrair informações e idéias valiosas dos dados gerados. Uma vez quisemos encontrar “clientes da semana” para parabenizá-los e recompensá-los. Um gesto tão simples e inesperado para com os clientes sempre encanta as pessoas e as transforma em evangelistas. Muitas vezes, você pode ver postagens de mídias sociais como “Uau, Konga acabou de me conceder um cupom de 2000 como cliente da semana. Eu não esperava isso. Obrigado pessoal, vocês são os melhores. ”
Isso acabou sendo mais eficaz do que gastar dinheiro em publicidade. Não me interpretem mal, a publicidade tradicional ocorre, mas nada se compara à recomendação de um amigo de confiança. Surpreendentemente, obter essas informações foi bastante simples. Nenhuma tecnologia sofisticada é necessária, exceto o bom e velho SQL. Para identificar o cliente da semana, escrevemos uma consulta SQL que encontra uma entrada na tabela de pedidos com a maior cesta de pedidos da semana. Após receber essas informações, enviamos uma carta de agradecimento ao cliente e anexamos um pequeno cupom / voucher. Adivinha o que acontece depois? 99% dessas pessoas se tornam clientes regulares. Nós nunca precisávamos de ML. Eles simplesmente escreveram uma consulta SQL elementar e receberam essas informações.
Era necessário restaurar a comunicação com os clientes que pararam de fazer compras. Desde que eu fazia isso, escrevi uma consulta SQL que selecionava todos os clientes com uma última data de compra de 3 meses ou mais. Novamente, a solicitação é surpreendentemente simples. Após receber essas informações, enviamos uma carta atraente por e-mail: “Sentimos sua falta, volte e aqui está o seu cupom X Naira” [unidade monetária da Nigéria - aprox. trans.]. A eficiência da resposta sempre foi superior a 50%. E sempre uma enxurrada de mensagens nas redes sociais. Na minha opinião, essas duas estratégias foram e permanecem muito mais eficazes do que gastar em publicidade no Google e no Facebook.
Aplicamos a mesma abordagem aos boletins. Por que enviar uma newsletter geral se você pode tentar personalizá-la? Solução? Escrevi consultas SQL para verificar o conteúdo de uma lixeira e recuperar itens individuais. A partir desses elementos, conseguimos gerar um boletim informativo e segmentar conteúdo relevante. Digamos que uma pessoa comprou um par de sapatos, óculos escuros e um livro. No boletim informativo para ele, mostraremos sapatos, óculos escuros e livros. Isso é muito mais apropriado do que enviar coisas aleatórias. Por que enviar uma carta com bomba de leite para um homem que acabou de comprar um par de tênis? Nem faz sentido. A taxa de abertura típica para a maioria dos e-mails de marketing é entre 7 e 10%. Mas quando fizemos um bom trabalho, vimos um indicador na região de 25 a 30%.
Isso é três vezes o padrão da indústria. Outra característica interessante dessas cartas é que nos voltamos para as pessoas pelo nome. Não "Prezado Cliente". Apenas "querida Celestina", "querida Omin" e assim por diante. Dá a tudo um toque de humanidade. Mostra nossa participação. Tudo graças ao bom e velho SQL, e não a algum tipo de aprendizado de máquina sofisticado.
Ajudamos clientes que, por algum motivo, não concluíram os pedidos. Se eles adicionassem o produto à cesta, eles tinham a intenção de comprá-lo. Para ajudá-los a concluir seu pedido, escrevi um script SQL, vinculei-o a um trabalho CRON, e essa combinação enviou e-mails a clientes cujas cestas foram atualizadas pela última vez em 48 horas ou mais. Adivinha o que aconteceu? Funcionou. Rastreamos e-mails e concluímos que as pessoas retornavam dos links deles. Novamente, a consulta SQL acabou sendo muito simples. Ele escolheu cestas não vazias com um último tempo de atualização de 48 horas ou mais. Lançamos o CRON diário às 2h - um momento de menos atividade e tráfego. Os clientes acordam e veem no correio um lembrete de sua cesta esquecida. Trata-se de re-atrair clientes. Nada de especial, apenas SQL, Bash e CRON.
Como o pay-as-you-go ainda é popular, o SQL foi útil novamente. Se um cliente cancelar pedidos três vezes seguidas, ele será colocado em uma lista separada de "alerta especial". No próximo pedido, eles ligam para ele e perguntam se o pedido é realmente necessário. Assim, economizamos tempo e nervos. Para esses clientes, geralmente o pagamento pode ser desativado, deixando apenas o pagamento por cartão. No comércio eletrônico, a logística é cara, por isso faz sentido se concentrar em clientes sérios. Não precisamos de ML ou alguma IA sofisticada para esse problema. Novamente, SQL bem escrito.
Para pedidos não entregues no horário prometido de acordo com o SLA, também usamos consultas SQL. Os pedidos com status "Não entregues" e uma data de pedido igual ou superior a 7 dias foram selecionados, pois esse é um horário de entrega padrão. O trabalho CRON enviou cartas e SMS para esses clientes. É claro que os clientes não aplaudiram em pé. Mas pelo menos garantimos que não damos a mínima e estamos trabalhando em uma solução para o problema. Nada é mais irritante do que um atraso no pedido.
Essa decisão em particular também teve um impacto significativo no NPS [Índice de Lealdade do Consumidor - aprox. trans.]. Novamente, o bom e velho SQL e Bash.
Bônus: Peneire a ciência surpreendentemente impede fraudes. Mas o SQL também pode ser usado. Se uma pessoa tenta pagar com três cartões diferentes e esses cartões são rejeitados um após o outro, algo está errado. A primeira e mais óbvia coisa a fazer é bloquear temporariamente sua conta. Você economizará com uma grande dor de cabeça para possíveis portadores de cartão. Não há necessidade de armazenar dados do cartão, basta registrar no banco de dados uma tentativa de verificar o cartão para um número de pedido específico. Identificar coisas tão óbvias não requer ML, mas apenas SQL bem escrito.
Aprendizado de máquina e inteligência artificial são boas tecnologias. De qualquer forma, a Amazon provou a eficácia de seus negócios. Mas se você tem uma pequena loja online com 1000 a 10000 clientes, pode se dar bem com o SQL. Além disso, os especialistas em ML / AI não são baratos.
Ficarei feliz em ouvir o que você pensa.