一些有趣的技術(shù)和概念如雨后春筍般冒出來——機(jī)器學(xué)習(xí)、區(qū)塊鏈、人工智能、虛擬現(xiàn)實(shí)、增強(qiáng)現(xiàn)實(shí)等等，而有些現(xiàn)有的技術(shù)則開始退居二線。

不久前，我發(fā)了一個(gè)推文，說我們需要使用傳統(tǒng)和已有的工具來解決日常業(yè)務(wù)問題，而不是去攀附那些性感時(shí)髦卻又復(fù)雜的技術(shù)。

人們對(duì)這個(gè)推文反應(yīng)十分強(qiáng)烈，最終成了 Hackernews 的頭條。這個(gè)推文引發(fā)了一些有趣的對(duì)話。有的人贊同我的觀點(diǎn)，有些人則完全反對(duì)，還罵我是蠢。好吧，互聯(lián)網(wǎng)本來就是個(gè)“狂野的西部”。

我寫這篇文章并不是想要說服你什么，而是打算對(duì)之前推文的內(nèi)容做進(jìn)一步說明。

隨著歲月的流逝，一些有趣的技術(shù)和概念如雨后春筍般冒出來——機(jī)器學(xué)習(xí)、區(qū)塊鏈、人工智能、虛擬現(xiàn)實(shí)、增強(qiáng)現(xiàn)實(shí)等等，而有些現(xiàn)有的技術(shù)則開始退居二線。經(jīng)常聽到有人基于區(qū)塊鏈技術(shù)開發(fā)出優(yōu)秀的產(chǎn)品來。

我見過基于區(qū)塊鏈技術(shù)的電子商務(wù)服務(wù)、社交網(wǎng)絡(luò)和版權(quán)，而這類應(yīng)用程序還在不斷增加中。據(jù)說現(xiàn)階段你要快速及早地融到資金，必須與“區(qū)塊鏈”扯上關(guān)系，即使從宏觀上看它與區(qū)塊鏈可能并沒有任何關(guān)聯(lián)。

在區(qū)塊鏈之前是機(jī)器學(xué)習(xí)和人工智能（ML/AI），幾乎所有帶有“加入候補(bǔ)名單”字段的登陸頁都會(huì)出現(xiàn) ML/AI。如果你的頁面上沒有提到 AI，好像天會(huì)塌下來一樣。但說真的，你們真的有 AI 業(yè)務(wù)嗎？老實(shí)說，這個(gè)還真不一定。我今天仍然很看好的一種技術(shù)是 SQL（結(jié)構(gòu)化查詢語言），這項(xiàng)已有 40 多年歷史的技術(shù)在今天仍然與 1974 年首次出現(xiàn)時(shí)一樣重要。盡管多年來經(jīng)歷了一些改進(jìn)，但它仍然像以往一樣強(qiáng)大。

我的整個(gè)職業(yè)生涯都用在了技術(shù)上，我大部分時(shí)間在從事與電子商務(wù)有關(guān)的工作，親眼目睹了這項(xiàng)技術(shù)如何幫助我們發(fā)展業(yè)務(wù)。我們使用這項(xiàng)技術(shù)來提升我們的優(yōu)勢(shì)，用它從我們收集的數(shù)據(jù)中找出一些有趣的信息。這些數(shù)據(jù)包含了與消費(fèi)者行為以及他們的購(gòu)物模式和習(xí)慣有關(guān)的信息。我們甚至可以用它預(yù)測(cè)我們應(yīng)該持有或不應(yīng)該持有什么樣的庫(kù)存單位（stock shopping unit，SKU），或者提升客戶滿意度，并讓更多人成為回頭客。接下來，讓我來告訴你我們是如何做到的，或許你也可以。

在與創(chuàng)始人交談時(shí)，他們總會(huì)告訴我，他們希望使用 AI/ML 留住客戶和提升終身價(jià)值（Lifetime Value，LTV）。事實(shí)是，他們可能根本不需要使用機(jī)器學(xué)習(xí)或任何那些花哨的技術(shù)，正確使用 SQL 才是他們真正需要的。在以前，我使用 SQL 從我們生成的數(shù)據(jù)中提取有價(jià)值的信息和見解。有一次，我們需要知道本周的客戶是誰，因?yàn)槲覀兿胍J(rèn)識(shí)他們，并獎(jiǎng)勵(lì)他們。公司的這種舉動(dòng)通常會(huì)讓顧客感到非常高興，他們因此有可能成為公司忠實(shí)的粉絲。然后我們就會(huì)看到顧客在社交媒體上歡呼他們收到我們的獎(jiǎng)勵(lì)。

事實(shí)證明，這比把錢花在廣告上更有效。不過不要誤會(huì)我的意思，傳統(tǒng)的廣告仍然有它的作用，但沒有什么比值得信賴的朋友的口口相傳更為有效的了。最令人感到驚訝的是，獲取這些信息一點(diǎn)也不困難。除了使用老舊的 SQL 之外，不需要任何其他花哨的技術(shù)。為了獲得本周的客戶，我們寫了一個(gè) SQL 語句來查詢訂單表，在獲得這些信息后，我們通過電子郵件向客戶發(fā)送一封感謝信，并附上一張優(yōu)惠券。你猜怎么了？其中 99％的人成了回頭客。我們從不需要機(jī)器學(xué)習(xí)，我們只用了一個(gè)簡(jiǎn)單的 SQL 查詢就獲得了這些信息。

有一次，我們需要與那些暫時(shí)沒有購(gòu)物的顧客重新建立聯(lián)系。我寫了一個(gè) SQL 查詢，收集了最后一次購(gòu)物日期為 3 個(gè)月前的客戶。這個(gè)問題也很簡(jiǎn)單。我寫了一個(gè) SQL 查詢訂單表，把最后一次購(gòu)物日期是 3 個(gè)月前的訂單撈出來。在得到這些信息后，我們會(huì)發(fā)送一封內(nèi)容為“我們想你了，快回來吧，這里附上某某購(gòu)物券”的電子郵件?？蛻舻幕貜?fù)率始終大于 50％。同樣的，社交媒體上緊接著就會(huì)出現(xiàn)顧客的歡呼。在我看來，這兩種策略仍然比在谷歌和 Facebook 廣告更有效。

我們將同樣的想法應(yīng)用在推送郵件上。我的意思是，既然可以進(jìn)行個(gè)性化推薦，為什么要向所有人發(fā)送同樣的郵件呢？那么該如何進(jìn)行個(gè)性化推薦？我通過 SQL 檢查購(gòu)物籃中的物品，并將它們逐個(gè)提取出來。然后我們基于這些物品建立創(chuàng)建推送郵件，并加入相關(guān)的內(nèi)容。例如，假設(shè)一個(gè)人買了一雙鞋、一副太陽鏡和一本書，那么在他們的推送郵件中，我們將展示鞋子、太陽鏡和書籍。這比發(fā)送隨機(jī)內(nèi)容更有意義。我的意思是，為什么要給一個(gè)剛買了一雙運(yùn)動(dòng)鞋的男人發(fā)一封內(nèi)容為抽乳器的郵件？它可能毫無意義。大多數(shù)營(yíng)銷電子郵件的打開率為 7-10％。但是，在我們做得好的時(shí)候，這個(gè)數(shù)字可以接近 25％到 30％。

這個(gè)數(shù)字是行業(yè)標(biāo)準(zhǔn)的三倍。我們?cè)谶@些電子郵件中使用了他們的名字作為親切的稱呼，而不只是“親愛的顧客”，這樣充滿了人情味，表示我們對(duì)顧客的關(guān)心。所有這些都是通過老舊的 SQL 而不是花哨的機(jī)器學(xué)習(xí)來實(shí)現(xiàn)的。

對(duì)于因某種原因無法完成訂單的客戶，我們也沒有漏掉他們。只要他們?cè)谫?gòu)物車中添加了商品，就表明他們有購(gòu)買意向。為了讓他們能夠結(jié)賬，我寫了一個(gè) SQL 腳本，并設(shè)置了一個(gè) CRON 作業(yè)，向在 48 小時(shí)之前往購(gòu)物車添加過商品的顧客發(fā)送郵件。你猜怎么了？這樣做很有效。因?yàn)槲覀兛梢愿欉@些電子郵件，讓顧客回來繼續(xù)完成訂單。而這個(gè) SQL 查詢也非常簡(jiǎn)單，它選擇了更新時(shí)間大于或等于 48 小時(shí)的非空購(gòu)物車。我們將 CRON 設(shè)置為每天凌晨 2 點(diǎn)運(yùn)行，這個(gè)時(shí)候活動(dòng)和流量較少。然后，客戶在醒來時(shí)收到電子郵件，提醒他們購(gòu)物車?yán)镞€有東西沒結(jié)賬。這里沒什么神奇的東西，只用了 SQL、Bash 和 CRON。

由于貨到付款（Payment On Delivery，POD）算是一件大事情，SQL 再次派上了用場(chǎng)。我們將連續(xù)三次取消訂單的客戶置為高警戒狀態(tài)，下次他們?cè)傧掠唵螘r(shí)，我們會(huì)打電話給他們，確認(rèn)他們確實(shí)是需要訂單。這樣，我們節(jié)省了時(shí)間，避免了不必要的壓力?？偠灾瑢?duì)于這些客戶，我們將對(duì)其禁用 POD，要求他們只能用銀行卡或電子錢包支付。在電子商務(wù)中，物流成本是很高的，所以要把精力集中在信譽(yù)良好的用戶身上。我們不需要機(jī)器學(xué)習(xí)或其他一些花哨的人工智能技術(shù)來解決這個(gè)問題，我們需要的是編寫良好的 SQL。

對(duì)于在 SLA 時(shí)間窗口內(nèi)未能發(fā)貨的訂單，我們也使用 SQL 查詢來管理客戶期望。我們選擇處于未交付狀態(tài)的訂單，比如訂單日期>=7 天，因?yàn)檫@是標(biāo)準(zhǔn)的交付周期。然后我們?cè)O(shè)置 CRON 作業(yè)，向客戶發(fā)送電子郵件和短信。雖然顧客沒有立即跳起來為我們鼓掌，但至少，我們向他們保證，我們關(guān)心著他們，并正在努力解決問題。沒有什么比訂單延遲更煩人的了。

這個(gè)特殊的解決方案也對(duì)我們的 NPS 產(chǎn)生了巨大的影響。我們依舊使用老舊的 SQL 和 Bash 解決了我們的難題。

Sift Science 在預(yù)防欺詐方面做得非常出色，但其實(shí) SQL 也可以派上用場(chǎng)。如果一個(gè)人試圖同時(shí)用 3 張不同的卡結(jié)賬，并且這些卡都是空頭，那么就會(huì)發(fā)生一些有趣的事情。我們首先要暫時(shí)阻止他們的賬戶，這樣可以為真正的卡片所有者節(jié)省很多麻煩。我們不需要保存卡片的詳細(xì)信息，只需保存特定訂單號(hào)的結(jié)賬操作，這樣就可以了。這些都不需要使用機(jī)器學(xué)習(xí)，只要編寫良好的 SQL 就夠了。

我可能是在說 ML/AI 的壞話。這些技術(shù)有它們的用武之地，亞馬遜已經(jīng)證明了這些技術(shù)的有效性。但是，如果你正在運(yùn)營(yíng)一個(gè)擁有 1,000 到 10,000 個(gè)客戶的小型在線商店，那么完全可以只用 SQL。此外，ML/AI 人才并不好找。

原文作者：Celestine Omin

編輯：無明

譯文來源：微信公眾號(hào)“infoQ（ID：infoqchina）”

本文由 @infoQ 授權(quán)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)作者許可，禁止轉(zhuǎn)載。

題圖來自 Pixabay，基于 CC0 協(xié)議