Impuls

Golden Whale Productions: die Kraft der positiven Verstärkung

Claudia Heiling, Mitbegründerin und COO von Golden Whale Productions, erläutert, wie CRM-Teams durch die Kombination verstärkungsbasierter Systeme mit maschineller Lerntechnologie in einem Bruchteil der Zeit, die für manuelle A/B-Tests erforderlich ist, Einblicke in ihre Kunden gewinnen können.

Welchen Einfluss können bewehrungsbasierte Systeme auf die CRM-Aktivität haben? Wie nutzen diese Modelle Benutzerdaten, um Hypothesen zu testen und Annahmen im Laufe der Zeit zu verfeinern?

Um diese Frage allgemein zu beantworten, können wir sagen, dass Modelle des maschinellen Lernens immer dann nützliche Anwendungen finden, wenn die Probleme mehrdimensional sind, da dies am häufigsten die Bereiche sind, in denen Menschen Schwierigkeiten haben, die Zusammenhänge zu verstehen.

Lästige A/B-Tests können die experimentellen Ausführungen unserer LOOPS-Systeme ersetzen, wobei optimierte Ergebnisse viel schneller und mit weniger Reibungsverlusten in der Organisation erzielt werden.

Für die Arbeit im CRM bedeutet dies, dass die Organisationen, die unsere Methoden verwenden, jedes Mal mehr Kampagnen durchführen, mehr neue Funktionen hinzufügen und mehr Experimente durchführen können, während sie aufgrund der deutlich kürzeren Bearbeitungszeit für ein einzelnes Ereignis immer noch bessere Ergebnisse erzielen.

Diese Systeme erfinden keine Aktionen selbst, sondern bieten vielmehr einen genauen Überblick über das aktuelle Benutzerverhalten, auf den CRM-Teams mit eigenen Ideen reagieren können. Können Sie ein Beispiel für ein bestimmtes Szenario nennen, das ein CRM-Manager auf der Grundlage der Ergebnisse seines Verstärkungssystems testen möchte?

Mit unserer Bonus-Analytik haben wir bereits ein sehr direktes Beispiel erstellt, das einen unmittelbaren Einfluss auf das Geschäftsergebnis eines Unternehmens hat, nämlich die Frage, wann man wem welchen Bonus/welches Feature auf Plattformebene und im Rahmen der Regulierung geben sollte.

Dies ist ein unglaublich kniffliges Optimierungsproblem, das ein menschlicher Bediener alleine lösen muss, aber indem wir es durch LOOPS laufen lassen, ist es uns gelungen, Monetarisierungssteigerungen von bis zu 30 Prozent zu erzielen, die CRM-Teams sofort nutzen konnten.

Darüber hinaus hat die Fähigkeit, mithilfe von LOOPS selbst die komplexesten Muster und Trends im Benutzerverhalten zu erkennen, es bestimmten Betreibern ermöglicht, ihre Bonuskosten um bis zu 20 Prozent einzusparen, indem sie einfach die unproduktiven Bonusziele von den vorhandenen unterscheiden konnten wahrscheinlich einen längerfristigen Ertrag bringen.

Natürlich hat die optimierte Ausführungsgeschwindigkeit beim Durchlaufen dieser Fragen durch LOOPS auch die Lernzyklen jeweils um Wochen beschleunigt, was es wiederum CRM-Teams ermöglicht hat, die vorgeschlagenen Strategien schneller als je zuvor umzusetzen und von den Vorteilen daraus zu profitieren.

Wie wird sich Ihrer Meinung nach die Rolle eines CRM-Managers verändern, wenn diese Technologie immer häufiger zum Einsatz kommt? Wird es für CRM-Teams jetzt eine noch größere Verpflichtung geben, über ausgeprägte Datenanalysefähigkeiten und kreative Problemlösungsfähigkeiten zu verfügen?

Das ist für mich die interessanteste Veränderung. Meiner Meinung nach verliert das CRM-Team in dem Szenario mit dieser Technologie einen Teil der Belastung durch die Durchführung langwieriger Testzyklen, was es ihm wiederum ermöglicht, sich mehr auf die Ideenfindung darüber zu konzentrieren, was die umsetzbaren Elemente sein sollten System dem Benutzer anbietet. Das Verstärkungssystem führt dann die Tests durch und findet den Sweet Spot für genau das Szenario, das es erstellt hat.

Von da an liegt es am CRM-Team, weiterhin Innovationen voranzutreiben und das Interesse der Spieler aufrechtzuerhalten, indem es kreativere Ansätze für das Engagement findet. Ich halte dies für einen weitaus zufriedenstellenderen Ansatz für den Prozess und eine weitaus interessantere Lernkurve für alle Beteiligten!

Ein weiterer Vorteil bewehrungsbasierter Systeme besteht darin, dass sie mit maschineller Lerntechnologie kombiniert werden können, um eine iterative Schleife zu erstellen, in der selbstverursachte Änderungen an den Daten automatisch vorgenommen werden. Können Sie näher erläutern, wie dieser Prozess funktioniert?

Bei Golden Whale haben wir diesen Prozess sehr einfach gestaltet. Sobald Sie ein neues Modell in unserem LOOPS-System veröffentlichen, beginnen die Ergebnisse seiner Aktionen, die Erfahrung und das Verhalten der Benutzer auf Ihrer Plattform zu verändern. Dadurch entsteht ein veränderter Datenstrom, der zurück in den Modellorchestrierungsteil unseres Systems fließt.

Hier werden die Änderungen analysiert und das Modell kann je nach den zuvor erzielten Auswirkungen angepasst, neu kalibriert oder neu trainiert werden, was wiederum zu Änderungen in den resultierenden Daten während der nächsten Runde usw. führt. Dies ist ein sehr interessanter Prozess, und wir verbessern immer noch die Art und Weise, wie wir den durch diese logischen Iterationen erzielten Fortschritt automatisieren und beschleunigen.

Teams werden nun in der Lage sein, bei ihren Bemühungen, mit Kunden in Kontakt zu treten und neue Dinge auszuprobieren, weitaus proaktiver vorzugehen, anstatt nur auf sie zu reagieren, nachdem sie geschehen sind. Wie wird sich dies Ihrer Meinung nach künftig auf das Kundenerlebnis auswirken?

Das ist definitiv ein sehr wichtiger Punkt. Mit dem prädiktiven Teil unseres Systems erhalten wir eine fundierte Schätzung über das zukünftige Verhalten auf der Ebene einzelner Benutzer. Das bedeutet, dass wir auf lange Sicht möglicherweise sogar in der Lage sind, mit den Bedürfnissen eines Kunden zu arbeiten, bevor er oder sie eine bewusste Entscheidung für etwas getroffen hat!

Der Zeit einen so großen Schritt voraus zu sein, wird eine neue Generation von Produkten hervorbringen, die auf eine noch nie dagewesene Weise auf die Nachfrage der Kunden eingehen und letztendlich zu einem unglaublich personalisierten Benutzererlebnis führen, das möglicherweise von Kunde zu Kunde völlig unterschiedlich sein kann.

Dies kann aus Sicht des Engagements natürlich nur von großem Nutzen sein und sollte CRM-Teams viele neue und interessante Möglichkeiten eröffnen.