Для получения дополнительных галантерейных товаров, пожалуйста, обратите внимание на публичный аккаунт WeChat «AI Frontline» (ID: ai-front)
Не так давно я написал в Твиттере, что нам нужно использовать традиционные и существующие инструменты для решения повседневных бизнес-задач, а не цепляться за привлекательные и изощренные технологии.
Люди так бурно отреагировали на твит, что в конце концов он попал в заголовки Hackernews. Твит вызвал интересные разговоры. Кто-то соглашается с моей точкой зрения, кто-то совершенно не согласен и называет меня дураком. Что ж, Интернет должен был стать «Диким Западом».
Я пишу эту статью не для того, чтобы вас в чем-то убедить, а для того, чтобы еще больше проиллюстрировать содержание предыдущего твита.
За прошедшие годы появилось несколько интересных технологий и концепций — машинное обучение, блокчейн, искусственный интеллект, виртуальная реальность, дополненная реальность и т. д., в то время как некоторые существующие технологии начинают отходить на второй план. Часто можно услышать, что люди разработали отличные продукты на основе технологии блокчейн.
Я видел сервисы электронной коммерции, социальные сети и авторские права, основанные на технологии блокчейн, и количество таких приложений растет. Говорят, что если вы хотите быстро и рано собрать средства на этом этапе, вы должны иметь отношения с «блокчейном», даже если он может не иметь никакого отношения к блокчейну с точки зрения макроэкономики.
До того, как блокчейн был машинным обучением и искусственным интеллектом (ML/AI), ML/AI присутствует почти на каждой целевой странице с полем «список ожидания». Если на вашей странице не упоминается ИИ, это похоже на падение неба. А если серьезно, у вас действительно есть бизнес в сфере ИИ? Честно говоря, это не обязательно так. Одной из технологий, в отношении которых я по-прежнему оптимистично настроен, является SQL (язык структурированных запросов), технология, которой более 40 лет, и которая до сих пор так же актуальна, как и в 1974 году, когда она впервые появилась. Несмотря на некоторые улучшения за эти годы, он по-прежнему так же силен, как и прежде.
Я работал с технологиями всю свою карьеру, большую часть времени работая с электронной коммерцией и своими глазами видел, как эта технология может помочь нам развивать наш бизнес. Мы используем эту технологию в своих интересах, используя ее, чтобы найти интересную информацию из данных, которые мы собираем. Эти данные содержат информацию о поведении потребителей, их покупательских моделях и привычках. Мы даже можем использовать его, чтобы предсказать, какие товарные единицы (SKU) нам следует или не следует держать, или повысить удовлетворенность клиентов и привлечь больше людей. Далее позвольте мне рассказать вам, как мы это сделали, и, возможно, вы тоже сможете.
Разговаривая с основателями, они всегда говорят мне, что хотят использовать AI/ML для удержания клиентов и увеличения жизненного цикла (LTV). Правда в том, что им, вероятно, вообще не нужно использовать машинное обучение или какие-либо из этих причудливых методов, правильное использование SQL — это все, что им действительно нужно. Раньше я использовал SQL для извлечения ценной информации и идей из сгенерированных нами данных. В какой-то момент нам нужно было узнать, кто был клиентом недели, потому что мы хотели признать их и вознаградить. Такой шаг со стороны компании обычно делает клиентов настолько счастливыми, что они, вероятно, станут преданными поклонниками компании. Затем мы видим, как клиенты аплодируют в социальных сетях, что они получили нашу награду.
Это оказалось эффективнее, чем тратить деньги на рекламу. Не поймите меня неправильно, традиционная реклама по-прежнему имеет место, но ничто не сравнится с сарафанным радио от надежных друзей. Самое удивительное, что получить эту информацию совсем не сложно. Нет необходимости в каких-либо причудливых методах, кроме использования старого SQL. Чтобы получить клиентов на этой неделе, мы написали оператор SQL для запроса таблицы заказов, и после получения этой информации мы отправили клиенту по электронной почте благодарственное письмо с прикрепленным купоном. Угадай, что? 99% из них стали постоянными клиентами. Нам никогда не требовалось машинное обучение, мы просто получали эту информацию с помощью простого SQL-запроса.
В какой-то момент нам нужно было восстановить связь с клиентами, которые какое-то время не совершали покупок. Я написал SQL-запрос для сбора клиентов, чья последняя покупка была 3 месяца назад. Этот вопрос тоже очень простой. Я написал таблицу заказов SQL-запросов, чтобы выудить заказы, последняя дата покупки которых была 3 месяца назад. После того, как мы получим эту информацию, мы отправим электронное письмо с содержанием «Мы скучали по вам, возвращайтесь скорее, вот такой-то купон на покупку». Частота ответов клиентов постоянно превышает 50%. Кроме того, в социальных сетях последовали приветствия от клиентов. На мой взгляд, обе стратегии все же более эффективны, чем реклама в Google и Facebook.
Мы применяем ту же идею для push-рассылок. Я имею в виду, зачем отправлять всем одно и то же письмо, если вы можете дать персональные рекомендации? Итак, как вы даете персональные рекомендации? Я проверяю товары в корзине через SQL и извлекаю их один за другим. Затем мы создаем и создаем push-письма на основе этих элементов и добавляем соответствующий контент. Например, предположим, что человек покупает пару обуви, солнцезащитные очки и книгу, а затем в его push-уведомлении мы показываем обувь, солнцезащитные очки и книги. Это имеет больше смысла, чем отправка случайного контента. Я имею в виду, зачем отправлять электронное письмо с молокоотсосом парню, который только что купил пару кроссовок? Вероятно, это не имеет смысла. Большинство маркетинговых электронных писем имеют коэффициент открытия 7-10%. Однако, когда у нас все хорошо, это число может приближаться к 25-30%.
Этот показатель в три раза превышает отраслевой стандарт. Мы используем их имена в качестве дружеского приветствия в этих электронных письмах, а не просто «Уважаемый клиент», в качестве человеческого прикосновения, которое показывает, что мы заботимся о наших клиентах. Все это достигается с помощью старого доброго SQL, а не причудливого машинного обучения.
Мы также не упустили клиентов, которые по каким-либо причинам не смогли выполнить свой заказ. Пока они добавляют товар в корзину, они показывают свое намерение купить. Чтобы они могли оформить заказ, я написал сценарий SQL и настроил задание CRON для отправки электронных писем покупателям, которые добавили товар в свою корзину в течение 48 часов. Угадай, что? Это прекрасно работает. Потому что мы можем отслеживать эти электронные письма и заставлять клиентов возвращаться, чтобы выполнить свои заказы. И этот SQL-запрос тоже очень простой, он выбирает непустые корзины покупок со временем обновления больше или равным 48 часам. Мы настроили CRON на запуск каждый день в 2 часа ночи, время наименьшей активности и трафика. Затем покупатель получает электронное письмо, когда просыпается, с напоминанием о том, что в его корзине еще есть что-то, что нужно проверить. Здесь нет ничего волшебного, только SQL, Bash и CRON.
Поскольку оплата при доставке (POD) имеет большое значение, SQL снова пригодится. Мы помещаем клиентов, которые отменили свой заказ три раза подряд, в состояние повышенной готовности, и в следующий раз, когда они сделают заказ, мы позвоним им, чтобы убедиться, что им действительно нужен заказ. Таким образом, мы экономим время и избегаем ненужного стресса. В общем, для этих клиентов мы отключим POD и потребуем, чтобы они платили только банковской картой или электронным кошельком. В электронной коммерции затраты на логистику высоки, поэтому сосредоточьте свои усилия на уважаемых пользователях. Нам не нужно машинное обучение или какая-то другая причудливая техника искусственного интеллекта, чтобы решить эту проблему, нам нужен хорошо написанный SQL.
Мы также используем SQL-запросы для управления ожиданиями клиентов в отношении заказов, которые не доставляются в пределах временного окна SLA. Мы выбираем заказы, которые находятся в статусе «не доставлено», например, дата заказа >= 7 дней, так как это стандартное время выполнения заказа. Затем мы настраиваем задание CRON для отправки электронных писем и текстовых сообщений клиентам. Хотя клиенты не сразу вскочили и зааплодировали нам, по крайней мере, мы заверили их, что заботимся о них и работаем над решением проблемы. Нет ничего более раздражающего, чем задержки заказов.
Это конкретное решение также оказало огромное влияние на наш NPS. Мы по-прежнему используем старый SQL и Bash для решения нашей проблемы.
Sift Science отлично справляется с предотвращением мошенничества, но SQL также может пригодиться. Если человек пытается расплатиться с тремя разными картами одновременно, и все эти карты короткие, то происходит что-то интересное. Сначала мы временно блокируем их аккаунты, что избавляет реальных владельцев карт от многих проблем. Нам не нужно сохранять данные карты, просто действие оформления заказа для определенного номера заказа и все. Ничто из этого не требует использования машинного обучения, если написан хороший SQL.
Возможно, я плохо говорю об ML/AI. У этих технологий есть свое место, и Amazon доказала их эффективность. Однако, если вы управляете небольшим интернет-магазином с 1000–10 000 покупателей, вполне нормально просто использовать SQL. Кроме того, талант ML/AI найти непросто.
Посмотреть исходный английский текст:
https://cyberomin.github.io/startup/2018/07/01/sql-ml-ai.html