脉冲

金鲸制作：正强化的力量

Golden Whale Productions 的联合创始人兼首席运营官 Claudia Heiling 讨论了如何将基于强化的系统与机器学习技术相结合，使 CRM 团队能够在手动 A/B 测试所需时间的一小部分内获得有关客户的见解。

基于强化的系统会对 CRM 活动产生什么影响？这些模型如何利用用户数据来测试假设并随着时间的推移完善假设？

为了以一般的方式回答这个问题，我们可以说，只要问题是多维的，机器学习模型总是能找到有用的应用，因为这些通常是人类难以理解相关性的领域。

繁琐的 A/B 测试可以代替我们 LOOPS 系统的实验运行，从而更快地实现优化结果，并且组织中的摩擦更少。

对于 CRM 工作，这意味着使用我们方法的组织每次都可以开展更多活动、添加更多新功能并进行更多实验，同时由于单个事件的周转时间大大缩短，仍然可以创造更好的结果。

这些系统本身不会发明操作，而是提供当前用户行为的准确概述，CRM 团队可以用自己的想法做出反应。您能否举例说明 CRM 经理可能想要根据其强化系统的结果进行测试的特定场景？

我们已经建立了一个非常直接的例子，它通过我们的奖金分析对企业的底线产生直接影响，即何时在平台级别和监管范围内向谁提供哪些奖金/功能的问题。

对于人类操作员来说，这是一个非常棘手的优化问题，需要自己解决，但通过循环运行它，我们成功地实现了高达 30% 的货币化提升，CRM 团队可以立即利用这一点。

此外，通过 LOOPS 能够识别用户行为中最复杂的模式和趋势，某些运营商只需将非生产性奖励目标与非生产性奖励目标区分开来，即可将其奖励成本削减高达 20%。可能会产生长期收益。

当然，通过循环处理这些问题的优化执行速度也将每种情况下的学习周期加快了数周，这反过来又使 CRM 团队能够比以往更快地部署建议的策略并从中获益。

随着 CRM 技术变得越来越普遍，您如何看待 CRM 经理的角色变化？现在，CRM 团队是否需要承担更大的责任来拥有强大的数据分析技能和创造性解决问题的能力？

这对我来说是最有趣的变化。据我所知，采用这项技术的场景可以让 CRM 团队减轻一些必须运行冗长测试周期的负担，这反过来又使其能够更多地关注于思考可操作的项目应该是什么，系统提供给用户。然后，强化系统进行测试并找到他们创建的场景的最佳位置。

从那时起，CRM 团队就需要不断创新，并通过寻找更有创意的参与方法来保持参与者的兴趣。我认为这是一种更令人满意的过程方法，并且对于每个参与者来说都是更有趣的学习曲线！

基于强化的系统的另一个优点是它们可以与机器学习技术相结合，创建一个迭代循环，自动对数据进行自我更改。您能更详细地解释一下这个过程是如何运作的吗？

在金鲸，我们使这个过程变得非常简单。当您将新模型发布到我们的 LOOPS 系统中时，其操作结果就开始改变用户在您平台上的体验和行为。因此，这会创建一个变化的数据流，该数据流流回我们系统的模型编排部分。

这里分析变化，并且可以根据之前产生的影响对模型进行调整、重新校准或重新训练，这反过来又会在下一轮期间对结果数据产生变化，依此类推。这是一个非常有趣的过程，我们仍在改进如何自动化并加速通过这些逻辑迭代取得的进展。

团队现在将能够更加主动地与客户互动并尝试新事物，而不是仅仅在事情发生后做出反应。您认为这对未来的客户体验有何好处？

这绝对是非常重要的一点。通过我们系统的预测部分，我们可以对单个用户的未来行为进行有根据的猜测。这意味着从长远来看，我们甚至可能会发现自己可以在客户对某件事做出有意识的决定之前就满足他们的需求！

如此领先将产生新一代产品，以前所未有的方式满足客户的需求，最终带来令人难以置信的个性化用户体验，而这种体验可能因客户而异。

当然，从参与的角度来看，这只会带来巨大的好处，并且应该为 CRM 团队开辟大量新的、有趣的途径。