智能化运营客户数据 AI要怎么与它融合

【2018-01-16】

  客户资料智能化运作AI如何与之整合

  客户数据是最重要的业务数据之一,微调客户数据是建立竞争优势的前提在数据驱动与人工智能方面,大中型传统B2C企业是一套更有价值的关注点集解决方案,需要开辟各种类型的数据,进行分析,然后对产品的AI模块进行直接的价值提取,最终实现应用程序Chinapex是一家致力于提供数据采集,分析行动一个完整的闭环解决方案。实际上,近年来人工智能的概念相当热门,但是对于大多数人来说,人工智能正是它可能不是很清楚。从实际应用的角度来看,这两个部分是比较常用的。一个是机器学习,一个是自然语言处理。对于任何可以持续生成大量数据的业务来说,两者都具有潜在的可测量价值。数据类型有很多种,客户数据,设备数据,工业数据,各种日志数据等等。解决一个真正的问题取决于数据的类型。这次谈话主要是关于客户数据,这是企业数据中最重要的部分之一。如果您能够智能地操作客户数据,公司就建立了竞争优势。那么如何改进客户数据的运作呢?另一方面,智能营销,个性化和客户体验优化则是BI商业智能。数据应用主要分为互联网/互联网+业务和大中型传统B2C企业两种类型的企业。那么这两类企业在数据应用层面有什么不同?互联网业务数据源主要是WEB端+ APP用户的行为数据,如ZOHO,Salesforce等,但后者作为数据源还是比较少见的。这些类型的业务的主要数据驱动应用程序是产品优化和转换优化,因为通常互联网和互联网+公司的客户基本上都是在平台上生命周期,包括转换渠道,客户体验优化等等。大型的B2C公司,他们的数据源必须有Web + APP的侧面联系人,这不是他们的产品,只是与客户的联系人和端口联系,数据源也包括CRM系统,SaaS或者专有的CRM客户数据。数据库和数据仓库业务数据,大数据存储HDSP数据,消费者数据,POS /消费者数据。传统的中型到大型B2C业务将解决方案(如大数据平台或机器学习)视为利润中心,而不是成本高昂的工具所以基本上有很多传统的B2C行业都感觉到了变化的价值,包括金融,汽车,旅游,零售和房地产等,解决方案。但是,并不是每种类型的业务都适合这种类型的应用程序。所以如果有解决办法,应该包括什么?首先将数据收集起来,然后对接,导入,数据通过。不同的数据源,包括客户关系管理,在线和离线数据,可能有一些共同的客户数据维度,但是没有数据,他们不能获得360度的人像,不能使用人工智能提取智能洞察。如果数据从实施到价值很慢,在使用数据时,业务价值已基本消失,应该强调数据和产品的高可用性。最后一步是确定根据这些数据采取行动或应用程序,并且您可能无法通过单独查看这些见解来最大化其价值。所以有两种不同的AI模块模型,一种是直接向用户展示机器学习模型的洞察力,他可以直接看到结果,这是一个黑匣子模式。还有一个模式是透明模式,什么是数据,什么AI模型导入,在什么场景下,用户可以自己选择,用户门槛不是很高。那么,这个程序可能是什么样子?首先,各种类型的数据收集进入公开,分析。 AI模块的产品直接进行数值提取,最终实现应用。所以把数据转换成各种数据源,越简单越好。最好的情况是实现实时数据的关键是最好使用视觉隐埋点,这样用户可以很容易地设置他想要爬行的行为类型。导入各种数据后,应进行清洗和预处理。这部分可以使用一个更强大的数据产品来实现。数据处理,清理,就要打开数据,打开最多360度的人像。 PS:在启动AI应用程序之前,最好过滤客户数据范围。如果你运行所有的客户数据或潜在的客户数据,可能没有多大意义。尝试应用场景之后,请选择相应的模型。选择好模型后,将要预测的数据范围直接放入其中,就可以得到结果。有了这些见解,下一步就是采取行动。例如,您可以将丢失的客户变成标签,然后针对标签中的这些人采取特定的行动。一旦标记,它就可以应用于各种外部场景,例如为这些人展示广告,推送邮件,推送消息,返回CIM作为销售见解或呼叫中心。最后一步,第一个结果肯定不是最好的,回火的过程中,AI模型会越来越精确。