Pols

Golden Whale Productions: el poder del reforç positiu

La cofundadora i COO de Golden Whale Productions, Claudia Heiling, parla de com la combinació de sistemes basats en reforços amb tecnologia d'aprenentatge automàtic permet als equips de CRM obtenir informació sobre els seus clients en una fracció del temps que triga a fer proves A/B manuals.

Quin impacte poden tenir els sistemes basats en el reforç en l'activitat de CRM? Com utilitzen aquests models les dades dels usuaris per provar hipòtesis i perfeccionar les hipòtesis al llarg del temps?

Per respondre aquesta pregunta d'una manera general podem dir que els models d'aprenentatge automàtic sempre troben aplicacions útils sempre que els problemes són multidimensionals, ja que aquestes són més habitualment les àrees on els humans tenen dificultats per comprendre les correlacions.

Les proves fatigants A/B es poden substituir per execucions experimentals dels nostres sistemes LOOPS, amb resultats optimitzats que s'aconsegueixen molt més ràpidament i amb menys fricció a l'organització.

Per treballar en CRM, això vol dir que les organitzacions que utilitzen els nostres mètodes poden executar més campanyes, afegir més funcions noves i fer més experiments cada vegada i alhora crear millors resultats a causa del temps de resposta molt millorat per a un esdeveniment singular.

Aquests sistemes no inventen accions per si mateixos, sinó que proporcionen una visió general precisa del comportament actual dels usuaris al qual els equips de CRM poden reaccionar amb idees pròpies. Pots donar un exemple d'un escenari específic que un gestor de CRM vol provar en funció de les conclusions del seu sistema de reforç?

Ja hem establert un exemple molt directe que té un impacte immediat en els resultats d'una empresa amb el nostre Bonus Analytics, que és la qüestió de quan donar a qui quina bonificació/funció a nivell de plataforma i dins dels límits de la regulació.

Aquest és un problema d'optimització increïblement complicat de resoldre per un operador humà per si mateix, però en executar-lo a través de LOOPS hem aconseguit crear augments de monetització de fins a un 30% que els equips de CRM han pogut utilitzar immediatament.

A més, tenir la capacitat d'identificar fins i tot els patrons i tendències més complexos en el comportament dels usuaris a través de LOOPS ha permès a determinats operadors reduir fins a un 20 per cent dels seus costos de bonificació simplement permetent-los separar els objectius de bonificació improductius dels que són probable que produeixi un rendiment a llarg termini.

Per descomptat, la velocitat d'execució optimitzada de plantejar aquestes preguntes mitjançant LOOPS també ha accelerat els cicles d'aprenentatge en setmanes en cada cas, cosa que ha permès als equips de CRM desplegar les estratègies suggerides i treure'n els beneficis més ràpidament que mai.

Com veus que canvia el paper d'un gestor de CRM a mesura que aquesta tecnologia es fa més habitual? Ara hi haurà una responsabilitat encara més gran dels equips de CRM per tenir una forta habilitat d'anàlisi de dades i una capacitat creativa per resoldre problemes?

Aquest és el canvi més interessant per a mi. Pel que veig, l'escenari amb aquesta tecnologia al seu lloc fa que l'equip de CRM perd part de la càrrega d'haver d'executar cicles de prova llargs, cosa que li permet centrar-se més en la idea de quins han de ser els elements accionables que els sistema que ofereix a l'usuari. Aleshores, el sistema de reforç fa les proves i troba el punt dolç per al mateix escenari que han creat.

A partir d'aquí, depèn de l'equip de CRM seguir innovant i mantenir l'interès dels jugadors trobant enfocaments més creatius per al compromís. Ho veig com un enfocament molt més satisfactori del procés i una corba d'aprenentatge molt més interessant per a tots els implicats!

Un altre avantatge dels sistemes basats en el reforç és que es poden combinar amb la tecnologia d'aprenentatge automàtic per crear un bucle iteratiu on es fan canvis autoinfligits a les dades de manera automàtica. Pots explicar com funciona aquest procés amb més detall?

A Golden Whale, hem fet que aquest procés sigui molt senzill. En el moment en què publiqueu un nou model al nostre sistema LOOPS, els resultats de les seves accions comencen a canviar l'experiència i el comportament dels usuaris a la vostra plataforma. Això crea, en conseqüència, un flux de dades canviat que retorna a la part d'orquestració de models del nostre sistema.

Aquí s'analitzen els canvis, i el model es pot adaptar, recalibrar o entrenar-se segons l'impacte que s'ha produït abans, que al seu torn genera canvis en les dades resultants durant la següent ronda, etc. Aquest és un procés molt interessant, i encara estem millorant com automatitzem i accelerem el progrés realitzat a través d'aquestes iteracions lògiques.

Els equips ara podran ser molt més proactius en els seus esforços per relacionar-se amb els clients i provar coses noves en lloc de simplement reaccionar-hi després que hagin passat. Com veus que això beneficia l'experiència del client en el futur?

Sens dubte, aquest és un punt molt important. Amb la part predictiva del nostre sistema, obtenim una conjectura educada sobre el comportament futur a nivell d'usuaris individuals. Això vol dir que a la llarga, fins i tot podem trobar-nos en una posició on podem treballar amb les necessitats d'un client abans que hagi pres una decisió conscient sobre alguna cosa!

Estar molt per davant de la corba produirà una nova generació de productes que atenen la demanda dels clients d'una manera que no s'havia vist mai abans, donant com a resultat una experiència d'usuari increïblement personalitzada que pot ser completament diferent d'un client a un altre.

Això, per descomptat, només pot ser d'un gran benefici des del punt de vista del compromís i hauria d'obrir moltes vies noves i interessants per als equips de CRM.