विचार नेता
सबसे समझदारी भरा AI निर्णय शायद संदेश न भेजना हो

मुख्य बिंदुक्लिक के लिए अनुकूलन अधिक संदेश भेजने को पुरस्कृत करता है, भले ही संयम ग्राहक संबंध की…
और देखें
- क्लिक के लिए अनुकूलन अधिक संदेश भेजने को पुरस्कृत करता है, भले ही संयम ग्राहक संबंध की बेहतर रक्षा करेगा।
- जब धनवापसी अनसुलझी हो तब भेजा गया अच्छी तरह लिखा गया प्रचार एक निर्णय विफलता है जिसे बेहतर सामग्री ठीक नहीं कर सकती।
- मानव समीक्षा को नियमित नीति मामलों के बजाय अस्पष्ट संदर्भ और उच्च-परिणाम वाली कार्रवाइयों पर ध्यान केंद्रित करना चाहिए।
जनरेटिव AI ने व्यक्तिगत संदेश तैयार करना बहुत सस्ता कर दिया है। लेकिन इससे यह तय करना आसान नहीं हुआ कि वह संदेश भेजना चाहिए या नहीं।
ग्राहकों के साथ होने वाली बातचीत से जुड़े ज़्यादा फैसले जब AI लेने लगा है, तब यह अंतर मायने रखता है। कोई सिस्टम प्रासंगिक ऑफ़र दे सकता है और अनुमान लगा सकता है कि कोई व्यक्ति उस पर क्लिक करेगा, फिर भी गलत फैसला कर सकता है। हो सकता है ग्राहक अपने रिफ़ंड का इंतज़ार कर रहा हो। उसकी कोई शिकायत अब भी अनसुलझी हो सकती है। यह भी हो सकता है कि उसने उत्पाद किसी दूसरे ईमेल पते से पहले ही खरीद लिया हो।
बेहतर लेखन से इनमें से कोई समस्या हल नहीं होगी। सिस्टम को ग्राहक की बेहतर समझ, ऐसा उद्देश्य जो यह दर्शाए कि कारोबार वास्तव में किस चीज़ को महत्व देता है, और वह क्या कर सकता है इसकी स्पष्ट सीमाएँ चाहिए।
आप सिस्टम से किस लक्ष्य को साधने के लिए कह रहे हैं?
संदेश भेजने, उन्हें खोलने और उन पर क्लिक करने की गिनती करना आसान है। इसलिए ये संचालन के उपयोगी मापदंड हैं, लेकिन इसी वजह से इन्हें उस चीज़ का विकल्प मान लेना भी लुभावना है जो कारोबार वास्तव में चाहता है: ऐसा ग्राहक जिसे इस रिश्ते में मूल्य दिखे और जो बार-बार लौटकर आए।
अगर किसी AI सिस्टम को कुल क्लिक बढ़ाने के लिए अनुकूलित किया गया हो और संपर्क की आवृत्ति पर बहुत कम पाबंदियाँ हों, तो वह यह नतीजा निकाल सकता है कि ज़्यादा संदेश भेजने से उसका स्कोर बेहतर होता है। हर अतिरिक्त संदेश अलग से देखने पर उचित लग सकता है। लेकिन अलग-अलग अभियानों और माध्यमों के ज़रिए एक ही ग्राहक को ब्रांड से उतनी बार संदेश मिल सकते हैं, जितनी बार भेजने का किसी का इरादा नहीं था।
इसकी कीमत उस मापदंड के बाहर चुकानी पड़ती है जिसे बेहतर बनाने की कोशिश की जा रही है। Validity के 2026 के छुट्टियों के दौरान उपभोक्ता सर्वेक्षण में, एक-तिहाई उत्तरदाताओं ने कहा कि छुट्टियों के दौरान ईमेल की अधिक संख्या ही उनके सदस्यता छोड़ने के लिए पर्याप्त थी। इससे यह साबित नहीं होता कि इस अतिरेक का कारण AI था। इससे यह पता चलता है कि गतिविधि बढ़ाने की कीमत ग्राहक के साथ रिश्ते को चुकानी पड़ सकती है।
सदस्यता छोड़ना दिख जाता है। उससे पहले पैदा हुई नाराज़गी अक्सर दिखाई नहीं देती। अगर सिस्टम को आज किसी क्लिक का श्रेय मिले, लेकिन अगले महीने ग्राहक के लौटने की संभावना घटाने पर कोई दंड न मिले, तो उसके पास इस समझौते का हिसाब रखने की बहुत कम वजह होगी।
संयम बरतना भी एक फैसला है
ऐसे ग्राहक के बारे में सोचिए जिसने पिछले हफ़्ते अपना ऑर्डर लौटाया था और अब भी रिफ़ंड का इंतज़ार कर रहा है। मार्केटिंग सिस्टम देखता है कि हाल ही में खरीदारी करने वाले इस ग्राहक के जवाब देने की संभावना अधिक है, और वह प्रचार वाला ईमेल भेजने के लिए कतार में लगा देता है। ग्राहक की नज़र से देखें, तो ब्रांड उससे और पैसे माँग रहा है, जबकि उसे पहले वह रकम लौटानी चाहिए जो उस पर बकाया है।
ऑर्डर लौटाए जाने की जानकारी ऑर्डर सिस्टम में हो सकती है, रिफ़ंड की स्थिति सेवा टूल में और खरीदारी का रिकॉर्ड मार्केटिंग प्रोफ़ाइल में। हो सकता है कि ये रिकॉर्ड एक ही व्यक्ति से जुड़े भी न हों। मॉडल ठीक उसी तरह काम कर रहा हो जैसा उसे बनाने के लिए डिज़ाइन किया गया था, फिर भी वह ग्राहक की अधूरी जानकारी के आधार पर फैसला कर सकता है।
इन रिकॉर्ड को जोड़ने से सिस्टम की जानकारी बदलती है। इससे यह अपने आप नहीं बदलता कि सिस्टम क्या करेगा। फैसले की प्रक्रिया में अनसुलझे रिफ़ंड का भी ध्यान रखना चाहिए और प्रचार रोककर रखने को एक जायज़ नतीजे के रूप में स्वीकार करना चाहिए। वरना, आपने सिस्टम को ज़्यादा जानकारी तो दी, लेकिन उस व्यवहार को नहीं बदला जिसके लिए उसे पुरस्कृत किया जाता है।
इसीलिए ग्राहक के संदर्भ और उद्देश्यों को साथ-साथ तय करना ज़रूरी है। संदर्भ बताता है कि क्या हो रहा है। उद्देश्य और फैसले के नियम तय करते हैं कि आगे क्या होना चाहिए। सिर्फ़ सामान लौटाए जाने का मतलब यह नहीं कि ग्राहक से हर तरह का संपर्क रोक दिया जाए। ग्राहक को रिफ़ंड की जानकारी चाहिए हो सकती है। उपयोगी सेवा-संदेश और एक और प्रचार-संदेश के बीच का अंतर मायने रखता है।
खराब ढंग से लिखा ईमेल सामग्री की समस्या है। ग्राहक के पैसे का इंतज़ार करते समय भेजा गया अच्छी तरह लिखा ईमेल फैसले की समस्या है। पहली समस्या में बेहतर होने से दूसरी समस्या हल नहीं होगी।
साइन-अप करना और वफ़ादार होना एक बात नहीं
लॉयल्टी प्रोग्राम में भी यही समस्या एक अलग रूप में दिखती है। अगर सफलता का मतलब ज़्यादा लोगों का नामांकन है, तो सिस्टम छूट देकर लोगों को जोड़ना सीख सकता है। नामांकन बढ़ जाता है। लेकिन क्या ये ग्राहक एक और छूट के बिना लौटेंगे, यह अलग सवाल है।
इन उपयोगी सवालों के जवाब देने में ज़्यादा समय लगता है। क्या सदस्य वापस आ रहे हैं? प्रोत्साहनों की लागत घटाने के बाद भी क्या उनकी खरीदारी लाभदायक है? क्या प्रोग्राम उनके व्यवहार में बदलाव लाता है, या मुख्यतः उन खरीदों पर इनाम देता है जो वे वैसे भी करने वाले थे?
इन सवालों के जवाब देने के लिए समय के साथ लॉयल्टी गतिविधियों को खरीदारी और सेवा के इतिहास से जोड़ना ज़रूरी है। साथ ही, ऐसी तुलना भी चाहिए जिससे प्रोग्राम के असर को उस व्यवहार से अलग पहचाना जा सके जिसकी पहले से ही संभावना थी। सदस्यों की बड़ी संख्या अपने आप यह नहीं बता सकती।
मानवीय निगरानी से फैसले में बदलाव आना चाहिए
सिस्टम को किस चीज़ के लिए अनुकूलित करना चाहिए, यह तय करने की ज़िम्मेदारी लोगों की है। ग्राहक को बनाए रखने, लाभ के अंतर और ग्राहक के प्रयास से जुड़े समझौते ऐसे हैं जिनकी ज़िम्मेदारी नेतृत्व को लेनी होगी। मॉडल इन समझौतों का आकलन करने में मदद कर सकता है। लेकिन उन्हें चुनने की ज़िम्मेदारी वह नहीं ले सकता।
कार्रवाई की सीमाओं के मामले में भी यही बात लागू होती है। शुरुआत के लिए एक उपयोगी सवाल है: इस फैसले को पलटना कितना मुश्किल होगा? प्रचार-संदेश को समीक्षा के लिए रोककर रखने के नतीजे, कीमत बदलने, क्रेडिट देने या आरक्षण रद्द करने से अलग होते हैं। क्या अपने आप किया जा सकता है और किस काम के लिए मंज़ूरी चाहिए, यह उसके नतीजों, ग्राहक की अनुमतियों और उपलब्ध संदर्भ की विश्वसनीयता के आधार पर तय होना चाहिए।
रिफंड का मामला खुला होने पर हर बार उसे मानवीय समीक्षा के लिए भेजना ज़रूरी नहीं है। नीति स्पष्ट हो, तो कोई नियम प्रचारात्मक संदेश को रोक सकता है और सेवा-संबंधी संवाद जारी रह सकता है। जहाँ संदर्भ अस्पष्ट हो, नियमों में टकराव हो या परिणाम सिस्टम के अधिकार-क्षेत्र से बाहर हों, वहाँ मानवीय समीक्षा की आवश्यकता होती है। अगर यह अंतर तय करने के लिए ज़रूरी जानकारी उपलब्ध न हो, तो सिस्टम को अनुमान लगाने की छूट देने के बजाय एक तय वैकल्पिक प्रक्रिया अपनानी चाहिए।
समीक्षा करने वालों को केवल आत्मविश्वास का स्कोर जानना पर्याप्त नहीं है। उन्हें यह भी दिखना चाहिए कि सिफारिश किन ग्राहक रिकॉर्डों के आधार पर की गई, वे रिकॉर्ड कितने नए हैं, सिस्टम क्या हासिल करना चाहता है और उस पर कौन-सी सीमाएँ लागू होती हैं। पुराने या मेल न खाने वाले रिकॉर्डों के आधार पर की गई आत्मविश्वासपूर्ण सिफारिश भी खराब सिफारिश ही होती है।
किए गए हस्तक्षेपों को साक्ष्य के रूप में दर्ज किया जाना चाहिए। अगर लोग बार-बार एक ही तरह के प्रचारात्मक संदेश को रोकते हैं, तो इसकी वजह भी दर्ज करें। यह सिलसिला सेवा-संबंधी जानकारी की कमी, पहचान से जुड़ी समस्या या गलत व्यवहार को पुरस्कृत करने वाले लक्ष्य का संकेत दे सकता है। इस सिलसिले को ठीक करना, किसी व्यक्ति से अनिश्चित काल तक वही गलती पकड़ने की अपेक्षा करने से अधिक उपयोगी है।
जाँचें कि संदेश रोकने से फ़ायदा होता है या नहीं
टीमें एक साथ ग्राहकों के साथ होने वाली हर बातचीत को नए सिरे से तैयार करने के बजाय, शुरुआत एक फ़ैसले से कर सकती हैं। प्रचारात्मक संदेश भेजने के किसी एक मामले को लें, पहचानें कि इसके लिए किस संदर्भ की ज़रूरत है और तय करें कि किन परिस्थितियों में इसे रोकना चाहिए। ज़रूरी सेवा-संबंधी संदेशों को इस रोक के नियम से बाहर रखें।
इसके बाद जाँचें कि इस बदलाव से फ़ायदा होता है या नहीं। जिन प्रचारात्मक संदेशों को भेजा जा सकता है, उनके लिए मौजूदा तरीके की तुलना ऐसी नीति से करें जो तय परिस्थितियों में संदेश भेजने से रोकती है। खरीदारी के चक्र के अनुरूप अवधि में दोबारा की गई खरीदारी, ग्राहक बनाए रखने की दर, शिकायतों और लाभ-सीमा पर नज़र रखें। भेजे गए संदेशों और क्लिक से यह समझने में अब भी मदद मिलती है कि क्या हुआ, लेकिन उन्हें अंतिम कसौटी नहीं मानना चाहिए।
जाँच से पता चल सकता है कि कम प्रचारात्मक संदेश भेजने से ग्राहक के साथ संबंध सुरक्षित रहते हैं। यह भी पता चल सकता है कि कोई खास पाबंदी बहुत व्यापक है। दोनों ही नतीजे उपयोगी हैं। संदेश भेजने को जितनी आसानी से सही नहीं मान लेना चाहिए, उतनी ही आसानी से चुप्पी को भी सही नहीं मान लेना चाहिए। दोनों ऐसे फ़ैसले हैं जिनके परिणामों को मापा जा सकता है।
इनमें से किसी भी बात से इंजीनियरिंग का काम खत्म नहीं होता। ग्राहक रिकॉर्डों का सही व्यक्ति से मेल खाना ज़रूरी है। हाल की घटनाओं की जानकारी फ़ैसला लेने की प्रक्रिया तक समय रहते पहुँचनी चाहिए, ताकि उसका असर पड़ सके। अनुमतियों से कार्रवाई पर सीमाएँ तय होनी चाहिए, और टीमों के पास इस बात का रिकॉर्ड होना चाहिए कि क्या हुआ और क्यों। बेहतर लक्ष्य, संदर्भ की कमी की भरपाई नहीं कर सकता—ठीक वैसे ही, जैसे बेहतर संदर्भ गलत लक्ष्य को सही नहीं कर सकता।
रिश्ते को ध्यान में रखकर बनाएँ
नेतृत्व करने वालों के सामने सवाल सीधा है: आपका सिस्टम किसे अच्छा फ़ैसला मानता है? अगर जवाब ‘क्लिक’ है, तो हो सकता है कि सिस्टम अपना काम कर रहा हो, जबकि ग्राहक का अनुभव बदतर हो रहा हो।
ग्राहकों के बारे में भरोसेमंद जानकारी से लोगों और AI को यह तय करने का अधिक विश्वसनीय आधार मिलता है कि क्या करना चाहिए। स्पष्ट लक्ष्य और नियंत्रण तय करते हैं कि इस समझ का इस्तेमाल कैसे होगा। नतीजतन, सिस्टम यह बता सके कि कोई संदेश अभी क्यों उपयोगी है, यह पहचान सके कि कब वह उपयोगी नहीं है, और आगे होने वाली घटनाओं से सीख सके।
कभी-कभी AI सिस्टम जो सबसे समझदारी भरा फ़ैसला ले सकता है, वह है कोई संदेश बिल्कुल न भेजना।












