Impulso

Golden Whale Productions: il potere del rinforzo positivo

La cofondatrice e COO di Golden Whale Productions, Claudia Heiling, spiega come la combinazione di sistemi basati su rinforzi con la tecnologia di apprendimento automatico consenta ai team CRM di acquisire informazioni dettagliate sui propri clienti in una frazione del tempo necessario per eseguire test A/B manuali.

Che impatto possono avere i sistemi basati sul rinforzo sull’attività CRM? In che modo questi modelli utilizzano i dati degli utenti per testare ipotesi e affinare le ipotesi nel tempo?

Per rispondere a questa domanda in modo generale possiamo dire che i modelli di Machine Learning trovano sempre applicazioni utili ogni volta che i problemi sono multidimensionali, poiché queste sono più comunemente le aree in cui gli esseri umani hanno difficoltà a comprendere le correlazioni.

I noiosi test A/B possono essere sostituiti con le esecuzioni sperimentali dei nostri sistemi LOOPS, ottenendo risultati ottimizzati molto più rapidamente e con meno attriti all'interno dell'organizzazione.

Per il lavoro in CRM, ciò significa che le organizzazioni che utilizzano i nostri metodi possono eseguire più campagne, aggiungere più nuove funzionalità ed eseguire più esperimenti ogni volta, creando comunque risultati migliori grazie ai tempi di consegna molto migliorati per un singolo evento.

Questi sistemi non inventano azioni da soli, ma piuttosto forniscono una panoramica accurata del comportamento attuale degli utenti a cui i team CRM possono reagire con idee proprie. Puoi fornire un esempio di uno scenario specifico che un manager CRM potrebbe voler testare in base ai risultati del proprio sistema di rinforzo?

Abbiamo già stabilito un esempio molto diretto che ha un impatto immediato sui profitti di un'azienda con la nostra Analisi dei Bonus, ovvero la questione di quando dare a chi quale bonus/funzionalità a livello di piattaforma ed entro i limiti della regolamentazione.

Questo è un problema di ottimizzazione incredibilmente complicato da risolvere per un operatore umano da solo, ma eseguendolo tramite LOOPS siamo riusciti a creare incrementi di monetizzazione fino al 30% che i team CRM sono stati immediatamente in grado di utilizzare.

Inoltre, la capacità di identificare anche i modelli e le tendenze più complessi nel comportamento degli utenti attraverso LOOPS ha consentito ad alcuni operatori di ridurre fino al 20% i costi dei bonus semplicemente consentendo loro di distinguere gli obiettivi di bonus improduttivi da quelli che lo sono. probabilmente produrre un rendimento a lungo termine.

Naturalmente, la velocità di esecuzione ottimizzata nel porre queste domande tramite LOOPS ha anche accelerato i cicli di apprendimento di settimane in ciascun caso, il che a sua volta ha consentito ai team CRM di implementare le strategie suggerite e raccoglierne i benefici più velocemente che mai.

Come vedi cambiare il ruolo di un manager CRM man mano che questa tecnologia diventa più comune? Ci sarà ora un onere ancora maggiore per i team CRM di possedere forti capacità di analisi dei dati e capacità creative di risoluzione dei problemi?

Questo è il cambiamento più interessante per me. Per quanto la vedo io, lo scenario con questa tecnologia in atto vede il team CRM perdere parte dell'onere di dover eseguire lunghi cicli di test, il che a sua volta gli consente di concentrarsi maggiormente sull'ideazione di quali dovrebbero essere gli elementi utilizzabili che il il sistema offre all'utente. Il sistema di rinforzo quindi esegue i test e trova il punto giusto per lo scenario stesso che ha creato.

Da lì, spetta al team CRM continuare a innovare e mantenere vivo l'interesse dei giocatori trovando approcci più creativi al coinvolgimento. Considero questo un approccio molto più soddisfacente al processo e una curva di apprendimento molto più interessante per tutti i soggetti coinvolti!

Un altro vantaggio dei sistemi basati sul rinforzo è che possono essere combinati con la tecnologia di apprendimento automatico per creare un ciclo iterativo in cui le modifiche autoinflitte vengono apportate automaticamente ai dati. Puoi spiegare come funziona questo processo in modo più dettagliato?

Noi di Golden Whale abbiamo reso questo processo molto semplice. Nel momento in cui rilasci un nuovo modello nel nostro sistema LOOPS, i risultati delle sue azioni iniziano a cambiare l'esperienza e il comportamento degli utenti sulla tua piattaforma. Ciò crea di conseguenza un flusso di dati modificato che rifluisce nella parte di orchestrazione del modello del nostro sistema.

Qui i cambiamenti vengono analizzati e il modello potrebbe essere adattato, ricalibrato o riqualificato in base all’impatto ottenuto in precedenza, il che a sua volta crea cambiamenti nei dati risultanti durante il ciclo successivo e così via. Questo è un processo molto interessante e stiamo ancora migliorando il modo in cui automatizziamo e acceleriamo i progressi compiuti attraverso queste iterazioni logiche.

I team ora saranno in grado di essere molto più proattivi nei loro sforzi per interagire con i clienti e provare cose nuove piuttosto che limitarsi a reagire dopo che sono accadute. In che modo ritieni che ciò possa portare benefici all'esperienza del cliente in futuro?

Questo è sicuramente un punto molto importante. Con la parte predittiva del nostro sistema, otteniamo un'ipotesi plausibile sul comportamento futuro a livello dei singoli utenti. Ciò significa che, a lungo termine, potremmo persino trovarci nella posizione di poter lavorare con le esigenze di un cliente prima che lui o lei abbia preso una decisione consapevole su qualcosa!

Essere così all'avanguardia produrrà una nuova generazione di prodotti che soddisferanno la domanda dei clienti in un modo mai visto prima, risultando in definitiva in un'esperienza utente incredibilmente personalizzata che può potenzialmente essere completamente diversa da cliente a cliente.

Ciò, ovviamente, può solo essere di enorme vantaggio dal punto di vista del coinvolgimento e dovrebbe aprire molte nuove e interessanti strade per i team CRM.