2◆■★■■、模型成本问题■◆: 追求更高性能的大模型通常意味着更高的计算成本。这直接关联到金钱成本和响应速度。
客户旅程 GPT 主要功能即为 CJO 提效◆★◆。以实际操作为例, 用户可以将产品截图、访谈纪要、功能描述甚至 Web 网址进行输入, 客户旅程 GPT 后台会使用后台爬虫进行数据抓取, 通过大模型生成客户旅程, 提取核心指标★◆■★★, 进而生成埋点事件★◆★■。埋点事件生成后■◆■◆★★, 还可以 AI 自动生成埋点代码★◆◆■■★, 并自动直接插入到各种开发框架中, 高效地实现用户行为数据的跟踪与记录◆■◆★■, 减少跨部门的沟通, 并自动完成埋点校验。
客户旅程 GPT 在实践中■■◆◆, 可通过多轮自然语言对话■★■■, 使最终生成的客户旅程及埋点文档达到资深分析师水准, 实现真正可用■★、效率倍增。
广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码■◆■■、口令等形式），用于传递更多信息■★◆★★，节省甄选时间◆■★，结果仅供参考■◆■◆★■，IT之家所有文章均包含本声明。
最佳实践赋能◆■: 融合神策数据最佳实践, 确保一体化生成与执行的一致性◆■★■★◆, 一步做到位
神策数据三大引擎之间包含很多数据流联系, 并在 2023 实现引擎之间互相由 Open API 打通。在进行 AI 升级后, 由客户旅程 GPT 对应客户旅程优化引擎, 包含客户旅程设计及埋点环节■★◆; 数据分析 Copiot 对应客户旅程分析引擎; 用户运营 Copilot 与三大引擎都相关★★★■■★。
以神策数据服务过的某国有大行为例, 该行董事会层面提出了“零售 + 科技”的战略■★■, 核心发展目标为月活增长和 AUM 提升◆■■, 而在客户体验、业务流程■★、数据基础等方面相对薄弱。现有的粗放式数据分析和运营方式不再满足业务运营的需求★■, 因此, 亟需制定数据驱动的业务增长策略★◆★◆■, 体系化、精细化地支持手机银行业务的持续发展。第一步, 搭建 CJO 运营引擎能力; 第二步, 跑通基客客户旅程经营闭环; 第三步, 接入特色客群客户旅程。总而言之, 需要基于数据反馈不断的进行提升与迭代, 让整个客户旅程变得越来越好◆◆■◆。
神策数据在用户运营与 AI 大模型结合方面也走在技术探索前沿◆★◆■。目前 AI 产业中 AIGC 的发展最为聚焦, 也取得较多突破。大模型与传统机器学习如果能相结合, 会对技术推动产生更好的影响■★■◆◆。
神策数据接触 AI 及机器学习较早, 和 AI 结合最初的产品线是神策智能推荐。神策智能推荐专注于赋能业务增长, 以用户行为数据为基础■◆★◆, 采用深度学习等先进的机器学习算法★■◆◆, 帮助企业构建智能物品分发中心■★★■, 实现对用户“千人千面”的个性化推荐, 改善用户体验, 持续提升核心业务指标。然而由于定制化需求过高◆★★, 没有成为大规模、标准化的产品线 出现后, 神策数据团队在 AI 与数据分析的结合方面做了很多测试★★■, 但效果仅能达到 Demo 环境下的水平, 无法支持真实环境★★■。
神策数据的三款 AI 产品, 正式借用了 Open API 的能力◆◆■◆■■, 也提升了研发速度★◆◆。
神策数据此前围绕客户旅程编排, 构建了三大引擎产品体系★◆, 为客户提供更全面、更高效◆★、更贴近业务的产品与服务★★★■★■。
客户数据引擎, 即客户数据平台 (CDP)◆■, 对应神策数界平台 (Sensors Data Horizon)■★◆★◆, 除了具备全域、实时、灵活圈选三大必备能力之外, 神策数界平台还拥有突出的高性能查询能力, 通过整合多源数据、关联全域 ID、扩展多实体的数据模型◆★■★■、构建客户分群和标签, 同时结合丰富的数据加工方式和数据输出能力■★★★■★, 为业务分析洞察、自动化营销等场景的全域客户经营提供数据基石
用户运营即是策略设计的核心环节◆■◆◆, 过程包含任务启动、目标选择、需求分析、人群圈选、方案策划、详细实施、效果评估、持续优化等。过程中环节众多■★■■, 有很多环节可以使用 AI 进行提效。神策数据用户运营 Copilot 目前在大部分环节已进行到 Demo 阶段, 也请各位持续关注近期动向。
3、响应速度问题: 在用户界面上, 可以通过设计加载动画★◆◆◆、进度条等元素来提高用户对等待时间的容忍度, 从而在不牺牲响应速度的前提下, 优化用户体验。
数据分析 Copilot 也是智能洞察业务数据的数据解读助手。很多客户会要求神策数据资深分析师做每周的数据分析报告, 甚至要求高于这个频次。而数据分析 Copilot 以神策数据方法论融合 AI 大模型能力, 以神策数据最佳实践和案例作支撑★■★★◆, 通过自然语言交互完成高效的数据解读, 实现行业最佳实践支持★★◆★■, 并具备多行业适用性。
神策数据作为一家大数据分析及营销科技服务商, 主要业务聚焦在 CDP、数据分析及智能营销★◆■★◆, 因此在 AI 大模型方面的探索也与此紧密结合。
在当今数字化时代■★■◆, 将用户的自然语言问题转换为 SQL 查询 (NLP to SQL) 对于降低访问关系数据库的门槛具有重要意义, 但在实际测试中很难达到真正投入使用的状态◆★★◆★★。这相当于使用大模型去做“填空题■★”◆■★◆★■, 会导致开放度过高的问题。
客户旅程优化引擎, 即神策智能运营 (Sensors Focus), 作为客户旅程编排的“发动机◆◆■■◆★”, 囊括受众服务、用户旅程服务、内容决策服务、触达通道服务四大组件服务能力■■◆◆■, 支撑营销过程中的营销受众圈选◆◆★★■、触发时机选择、营销内容决策、触达渠道对接, 助力企业更高效地经营客户。客户旅程优化引擎集合实时、灵活配置■★、高并发、开放性四大必备能力为一体, 拥有聚焦核心能力、低接入成本、全链路可控三大竞争力。
面对这些问题, 首先是对使用场景做穷举◆★◆■★■, 以大量测试探索目前大模型的边界。之后将神策分析和策略设计的方法论及案例库融合进 MTAOO◆◆◆■, 打造出三款神策数据 AI 产品◆★■■■: 客户旅程 GPT★■■、数据分析 Copilot 及用户运营 Copilot。
技术上★◆■■◆, 神策数据帮助客户结构化的行为数据■◆★◆, 日处理新增数据量超过 2500 亿条, 可匹敌大厂 C 端用户量级◆★★。从 2015 年成立至今, 神策数据在数据分析及营销策略方面积累大量方法论, 是行业标准定义者★■■■, 牵头制定企业数智化能力成熟度标准、A / B Testing 技术标准、营销自动化技术标准、CDP 技术标准、大数据用户行为数据分析技术标准、企业数据安全治理标准等 45 个营销科技相关专利, 也在不断思考如何将自身技术与 AI 相结合★◆★★◆★。
数据分析 Copilot 可直接对接神策分析界面, 相当于进行降维处理■★◆, 通过自然语言查询, 直接将事件分析模型跳转过去, 从”填空题“变为■◆■★”选择题“, 让数据分析 Copilot 产生的数据分析结果可理解、可信任★★■■、可调整。
为了帮助企业加速落地 CJO, 实现全渠道统一客户体验■★◆★, 提升客户满意度与留存, 提升 LTV 和运营效率, 神策数据总结出 MTAOO 方法论◆★■, 包括绘制 (Map)◆★★、埋点 (Track)、分析 (Analyze)、编排 (Orchestrate)、优化 (Optimize) 五个阶段。在客户旅程编排的过程中会遇到很多困难, 比如如何梳理复杂流程、埋点及营销策略如何升级等。而神策数据当下要解决的, 就是如何使用 AI 来提升客户旅程编排的效率和效果, 让其更简单、门槛更低■◆■★■。
近日,2024 云栖大会在杭州成功举办。神策数据黄震昕在大会“产品生态伙伴专题★◆◆■◆■: 开放创新■◆★, 共生共赢◆■★★”以“大模型助力营销智能化升级■★◆■■★”进行了主题演讲, 探讨和展示了神策数据如何通过 AI 与 Data 的深度合作■◆◆★, 助力企业实现业务模式创新★■★★◆★、运营效率提升和市场竞争力增强。通过智能化营销能力, 实现高效、可持续的增长。以下为演讲实录:
从互联网时代到数字化时代, 从流量红利到触点红利, 企业的经营需求也从「深度的用户行为分析」转变到「个性化、全渠道一致的客户体验」。客户旅程编排 (Customer Journey Orchestration■★◆■, 客户全生命周期交互体验管理, 简称 CJO) 关注的正是客户全生命周期的体验管理。
神策数据自成立以来一直保持着业内领先地位及前瞻性■◆★, 目前业务已覆盖 30 多个主要行业, 已服务客户 2000 余家, 包含近百家 Fortune 500 公司及近千家上市公司。
易于拓展维护: 支持随时自主增加埋点, 灵活应对需求变化★★, 同时保持系统的易维护性
客户旅程 GPT 是融合了神策数据 2000 + 客户的旅程、指标、埋点的最佳实践。
1★★、模型性能问题◆★■◆■: 也就是幻觉问题。神策数据是一家以数据分析为基础的公司, 数据相关场景都比较严肃★★■★■◆, 需要考虑如何在产品设计中减少幻觉问题的影响★★。最终采取以大模型和 Function Call 能力相结合的方式◆■◆, 来提高用户体验◆■★★★。
神策数据一直是一家理念先行的公司, 在过去九年间完成了经营理念从“重构数据根基■◆★”到★■◆“打造数据闭环”, 再到“AI + 编排客户旅程”的升级。
这里最重要的是神策数据的方法论及案例知识库■★◆★★◆。神策数据通过 RAG 的方法★★◆★★◆, 以过往几千家客户实践下来的模板库及知识库来支撑其运行。在实践中, 通过多轮自然语言对话, 可使客户旅程 GPT 最终生成的客户旅程及埋点文档达到资深分析师水准, 实现真正可用◆■◆、效率倍增。
客户旅程分析引擎■◆◆★★, 即神策分析 (Sensors Analytics), 除了具备全域★■◆、全链路、实时和灵活的四大核心能力之外, 神策客户旅程分析引擎面向多角色提供可视化的数据分析能力■■◆■◆■, 支撑企业从客户到经营, 从“人”到“场”的全视角旅程分析与决策。
ChatGPT4.0 的出现带来了新的可能性, 神策团队针对大模型在数据分析方向的能力再次测试, 发现效果得到大幅提升。在此基础上, 神策数据展开了更多探索, 也尝试了更多应用场景。在技术成熟度和商业价值的综合考量下, 将 AI 正式提升为核心战略◆★■◆■。
神策数据目前也在找寻产品的试用客户◆★, 欢迎合作伙伴前来交流。近期神策数据公众号会正式发布客户旅程 GPT 的详细产品介绍及视频, 敬请期待。
客户旅程从客户体验出发, 关注客户需求★◆、感受和满意度, 相比较业务流程从公司内部视角出发★■◆★◆, 关注效率、成本控制和一致性◆■, 更能匹配数字化时代企业在客户经营场景中的迫切需求■◆■■。
在以上客户旅程编排过程中, 神策数据一直持续对其进行调优。在如此繁重的工作量前★★★, 并不是每家企业都能像国有大行一样投入大规模的人力■■■。神策数据在过往对 2000 + 家客户服务过程中★★★★■, 积累了丰富的实践经验◆★■, 总结出方法论。这也促使我们思考, 如何以 AI 的方式★◆■★, 将所有环节转化的更高效、门槛更低★◆◆。