Следующее большое цифровое преимущество: действия лидеров с графиками данных (Работа в интернете)

Лидеры используют графики данных для обогащения предложений продуктов.

Лидеры графиков данных систематизируют свои знания и опыт в машиночитаемых графических форматах с помощью набора концепций — таких как покупки, путешествия или поиск — по категориям. Возьмите график поездок Airbnb. В нем представлен перечень из более чем 7 миллионов домов, помеченных с точки зрения объектов (городов, достопримечательностей, событий и т. д. ), атрибутов (таких как отзывы клиентов и часы работы) и взаимосвязей среди них постоянно улучшающиеся рекомендации не только о типе дома для аренды, но и о лучших местах для ужина или о лучшем времени для посещения достопримечательностей. Эта возможность расширять ассортимент продуктов позволяет Airbnb обслуживать своих клиентов лучше, чем традиционные отели, чьи данные хранятся в отделениях (возражения о бронировании номеров, рекомендации консьержа для ресторанов, посещение спа-салона или массажа и так далее). Аналогичным образом, Netflix постоянно совершенствует то, как он представляет и Аналогичным образом, Netflix постоянно совершенствует то, как он представляет и использует самые актуальные и актуальные данные, что помогает улучшить и продлить взаимодействие с клиентами.

Давайте рассмотрим ключевые модели поведения компаний, которые успешно используют графики данных.

Лидеры учатся масштабно и быстро.

Графики данных отражают то, как люди живут, работают, играют, учатся, слушают, общаются, смотрят, совершают сделки, путешествуют, тратят и занимаются любой другой деятельностью, которая может быть связана с коммерцией. Цифровизация позволила отслеживать и кодифицировать данные клиентов во всех этих областях в масштабе, объёме и скорости. Например, социальный график Facebook анализирует данные о 2, 8 миллиардах людей и их социальной активности от момента к моменту: что они делают, с кем они дружат и не дружат, куда они путешествуют, о каких брендах они говорят, какие фильмы они смотрят, какую музыку они слушают и так далее. Профессиональный график LinkedIn в режиме реального времени показывает, как 774 миллиона профессионалов, работающих в более чем 50 миллионах компаний и классифицирует фильмы и телешоу по 75 000 микрожанрам (точно так же, как Spotify делает с музыкой и подкастами).

Google удалось создать нечто еще более мощное. Его график знаний представляет отношения между словами и понятиями таким образом, чтобы помочь его алгоритмам понять контекст. Это позволяет Google отвечать на устные запросы, такие как: “Привет, Google, закажи два билета в Колизей на следующую среду и оплати их с помощью Google Pay”. Поскольку базовые знания представлены в виде графика, алгоритмы понимают, о чем спрашивает пользователь; они знают, что “Колизей” — это достопримечательность Рима, что следующая среда — 25 мая, что “забронировать” означает купить билеты, а “взимать плату” предполагает использование сохраненной кредитной карты (в отличие от других значений этих слов). И с каждым запросом и взаимодействием с клиентом Граф знаний уточняется, чтобы отражать новые взаимосвязи по мере изменения значений.

Рассмотрим поисковый запрос заядлого альпиниста, который поднимался на гору Адамс и хотел бы в следующий раз подняться на гору Фудзи. Она может спросить: “Что я должен сделать по-другому, чтобы подготовиться к горе Фудзи, по сравнению с горой Адамс?” Сегодня для получения ответа требуется несколько поисковых запросов, но Google работает над новой моделью с более сложными связями знаний (с плавным переводом на разные языки), чтобы более эффективно отвечать на такие запросы.

Чтобы конкурировать с цифровыми гигантами, спросите себя: существуют ли знания о наших продуктах в основном в виде отдельных наборов данных, или мы разработка машиночитаемых графиков для выявления моделей предпочтений наших клиентов?

Они выигрывают у клиентов моменты истины. В 2001 году 456 000 пользователей выбрали только 2% рекомендаций Netflix. К 2020 году этот процент увеличился до 80%, и у Netflix было более 200 миллионов подписчиков. Netflix использует свой график фильмов, чтобы выиграть “момент истины”: окно от 90 секунд до двух минут, в течение которого зритель решает посмотреть что-то на Netflix или пойти в другое место. Netflix алгоритмически настраивает и обновляет свой домашний экран, чтобы постоянно предоставлять целевые рекомендации для каждого подписчика. К 2015 году Netflix предотвратил отмену подписки на сумму более 1 миллиарда долларов в год благодаря своей системе персонализированных рекомендаций.

Чтобы выиграть свои моменты истины, Facebook проводит эксперименты с участием 3 миллиардов пользователей практически в режиме реального времени, чтобы персонализировать социальные каналы каждого пользователя. Прежде чем Facebook отобразит сообщение, он сортирует список возможностей и сужает их примерно до 500, с которыми, по мнению прошлых моделей поведения, пользователь, скорее всего, будет взаимодействовать. Затем собственная нейронная сеть Facebook оценивает сообщения и ранжирует их, прежде чем размещать их в различных типах медиа, таких как текст, фотографии, звуки и видео, чередующиеся с рекламой.

В отличие от Facebook, чья библиотека цифрового контента может быть мгновенно доставлена своим клиентам по всему миру (с учетом законодательных ограничений), способность Uber удовлетворить потребность клиента в транспорте основана на наличии транспортных средств в точное время и в точном месте. Момент истины для Uber — это те пять минут, которые клиенты готовы ждать водителя. Компания, предоставляющая услуги обмена поездками, отслеживает водителей и пассажиров, у которых приложение открыто на смартфонах (ранее она отслеживала пользователей, даже когда они не пользовались приложением, спорная политика, которую она была вынуждена изменить в 2017 году после негативной реакции клиентов), и использует эти данные для анализа вероятных моделей спроса. Затем он обеспечивает стимулы для водителей, чтобы они были доступны в выбранных местах. Компания постоянно оптимизирует свои алгоритмы маршрутизации, чтобы привлечь клиентов в момент истины.

Хотя многие компании утверждают, что ориентированы на клиента, немногие используют графики данных и алгоритмы так, как это делают эти лидеры. Спросите себя: используем ли мы алгоритмы на базе искусственного интеллекта для предоставления клиентам все более совершенного предложения продуктов, чтобы убедиться, что они заинтересованы в нашем продукте, а не двигаются дальше?