펄스

Golden Whale Productions: 긍정적 강화의 힘

Golden Whale Productions의 공동 창립자이자 COO인 Claudia Heiling은 강화 기반 시스템을 기계 학습 기술과 결합하여 CRM 팀이 수동 A/B 테스트에 걸리는 시간보다 훨씬 짧은 시간에 고객에 대한 통찰력을 얻을 수 있는 방법에 대해 설명합니다.

강화 기반 시스템은 CRM 활동에 어떤 영향을 미칠 수 있습니까? 이러한 모델은 사용자 데이터를 어떻게 활용하여 가설을 테스트하고 시간이 지남에 따라 가정을 개선합니까?

이 질문에 일반적인 방식으로 대답하기 위해 기계 학습 모델은 문제가 다차원적일 때마다 항상 유용한 응용 프로그램을 찾는다고 말할 수 있습니다. 가장 일반적으로 이러한 영역은 인간이 상관 관계를 이해하는 데 어려움을 겪는 영역이기 때문입니다.

귀찮은 A/B 테스트는 LOOPS 시스템의 실험적 실행을 대체할 수 있으며 최적화된 결과를 훨씬 더 빠르고 조직 내 마찰을 줄여 달성할 수 있습니다.

CRM 작업의 경우 이는 우리 방법을 사용하는 조직이 더 많은 캠페인을 실행하고, 더 많은 새로운 기능을 추가하고, 매번 더 많은 실험을 수행하는 동시에 단일 이벤트의 처리 시간이 크게 향상되어 더 나은 결과를 얻을 수 있음을 의미합니다.

이러한 시스템은 스스로 작업을 고안하는 것이 아니라 CRM 팀이 자체 아이디어로 대응할 수 있는 현재 사용자 행동에 대한 정확한 개요를 제공합니다. CRM 관리자가 강화 시스템의 결과를 기반으로 테스트할 수 있는 특정 시나리오의 예를 들어주실 수 있나요?

우리는 플랫폼 수준과 규제 범위 내에서 언제 누구에게 어떤 보너스/기능을 제공해야 하는지에 대한 질문인 보너스 분석을 통해 비즈니스 수익에 즉각적인 영향을 미치는 매우 직접적인 예를 이미 확립했습니다.

이는 인간 운영자가 스스로 해결하기에는 엄청나게 까다로운 최적화 문제이지만, LOOPS를 통해 이를 실행함으로써 우리는 CRM 팀이 즉시 활용할 수 있는 최대 30%의 수익 창출 향상을 달성했습니다.

또한 LOOPS를 통해 사용자 행동의 가장 복잡한 패턴과 추세를 식별할 수 있는 능력을 갖춘 특정 운영자는 비생산적인 보너스 대상을 분류함으로써 보너스 비용을 최대 20%까지 절감할 수 있었습니다. 장기적으로 수익률을 낼 가능성이 높습니다.

물론 LOOPS를 통해 이러한 질문을 배치하는 최적화된 실행 속도로 인해 각 사례의 학습 주기가 몇 주씩 단축되었으며, 결과적으로 CRM 팀은 제안된 전략을 배포하고 그 어느 때보다 더 빠르게 그 이점을 얻을 수 있었습니다.

이 기술이 점점 보편화됨에 따라 CRM 관리자의 역할이 어떻게 변화한다고 보시나요? 이제 강력한 데이터 분석 기술과 창의적인 문제 해결 능력을 보유해야 하는 CRM 팀의 부담이 더욱 커질까요?

이것은 나에게 가장 흥미로운 변화이다. 내가 보기에 이 기술이 적용된 시나리오에서는 CRM 팀이 긴 테스트 주기를 실행해야 하는 부담을 일부 덜고 결과적으로 실행 가능한 항목이 무엇인지에 대한 아이디어에 더 집중할 수 있습니다. 시스템이 사용자에게 제공됩니다. 그런 다음 강화 시스템은 테스트를 수행하고 자신이 만든 바로 그 시나리오에 적합한 지점을 찾습니다.

여기서부터 참여에 대한 보다 창의적인 접근 방식을 찾아 계속 혁신하고 플레이어의 관심을 유지하는 것은 CRM 팀의 몫입니다. 나는 이것이 프로세스에 대한 훨씬 더 만족스러운 접근 방식이자 관련된 모든 사람에게 훨씬 더 흥미로운 학습 곡선이라고 생각합니다!

강화 기반 시스템의 또 다른 장점은 기계 학습 기술과 결합하여 자동으로 데이터에 자체 변경 사항이 적용되는 반복 루프를 생성할 수 있다는 것입니다. 이 프로세스가 어떻게 작동하는지 더 자세히 설명해 주실 수 있나요?

Golden Whale에서는 이 과정을 매우 간단하게 만들었습니다. LOOPS 시스템에 새로운 모델을 출시하는 순간, 해당 작업의 결과는 플랫폼에서 사용자의 경험과 행동을 변화시키기 시작합니다. 결과적으로 시스템의 모델 조정 부분으로 다시 흐르는 변경된 데이터 스트림이 생성됩니다.

여기서 변경 사항이 분석되고, 이전에 발생한 영향에 따라 모델이 조정, 재보정 또는 재교육될 수 있으며, 이로 인해 다음 라운드 등에서 결과 데이터가 변경될 수 있습니다. 이는 매우 흥미로운 프로세스이며, 우리는 이러한 논리적 반복을 통해 진행 과정을 자동화하고 가속화하는 방법을 계속 개선하고 있습니다.

이제 팀은 고객이 발생한 후 단순히 반응하는 것이 아니라 고객과 소통하고 새로운 것을 시도하려는 노력에 훨씬 더 적극적으로 참여할 수 있습니다. 이것이 앞으로 고객 경험에 어떻게 도움이 될 것이라고 보시나요?

이것은 확실히 매우 중요한 포인트입니다. 우리 시스템의 예측 부분을 통해 우리는 단일 사용자 수준에서 미래 행동에 대해 교육받은 추측을 얻습니다. 이는 장기적으로 고객이 어떤 것에 대해 의식적인 결정을 내리기 전에 고객의 요구 사항을 처리할 수 있는 위치에 있을 수도 있다는 것을 의미합니다!

시대에 훨씬 앞서는 것은 이전에는 볼 수 없었던 방식으로 고객의 요구를 충족시키는 차세대 제품을 생산할 것이며 궁극적으로 고객마다 완전히 다를 수 있는 놀라울 정도로 개인화된 사용자 경험을 제공하게 될 것입니다.

물론 이는 참여 관점에서만 큰 이점이 될 수 있으며 CRM 팀에게 새롭고 흥미로운 길을 많이 열어줄 것입니다.