Лидеры мнений

Самым разумным решением ИИ может быть не отправлять сообщение

Derek Slager
Добавьте Unite.AI в избранные источники в Google
Ключевые моментыОптимизация под клики поощряет отправку большего числа сообщений, даже когда…
Показать больше
  • Оптимизация под клики поощряет отправку большего числа сообщений, даже когда сдержанность лучше защитила бы отношения с клиентом.
  • Хорошо написанная промоакция, отправленная в то время, когда вопрос о возврате средств не решён, — это ошибка решения, которую не исправит более качественный контент.
  • Человеческая проверка должна сосредотачиваться на неоднозначном контексте и действиях с высокими последствиями, а не на рутинных случаях, связанных с политикой.

Генеративный ИИ значительно удешевил создание персонализированных сообщений. Но решить, стоит ли отправлять такое сообщение, проще не стало.

Это различие важно, поскольку ИИ принимает всё больше решений, влияющих на взаимодействие с клиентами. Система может подготовить уместное предложение, предсказать, что человек по нему кликнет, и всё же принять неверное решение. Клиент может ждать возврата денег. У него может оставаться нерешённая жалоба. Возможно, он уже купил этот товар, указав другой адрес электронной почты.

Лучший текст не решит ни одну из этих проблем. Системе нужно лучше понимать клиента, руководствоваться целью, которая отражает реальные ценности компании, и иметь чёткие ограничения на свои действия.

Что именно вы поручаете системе оптимизировать?

Количество отправленных сообщений, открытий и кликов легко подсчитать. Поэтому эти показатели удобны для повседневного контроля, но они же могут стать соблазнительной подменой того, чего на самом деле хочет компания: чтобы клиент ценил отношения с ней и возвращался снова.

Если ИИ-система оптимизирует общее число кликов и почти не ограничена в частоте контактов, она может прийти к выводу, что дополнительные сообщения повышают её оценку. Каждая отдельная отправка может казаться разумной. Но в рамках разных кампаний и каналов один и тот же клиент может получать сообщения от бренда гораздо чаще, чем кто-либо предполагал.

Издержки проявляются за пределами оптимизируемого показателя. Согласно опросу Validity о потребительском поведении в праздничный сезон 2026 года, треть опрошенных заявила, что одного объёма праздничных писем было достаточно, чтобы побудить их отписаться. Это не доказывает, что перегрузку вызвал ИИ. Это показывает, что рост активности может происходить за счёт отношений с клиентами.

Отписку можно увидеть. Раздражение, которое ей предшествовало, часто остаётся незаметным. Если система получает вознаграждение за сегодняшний клик, но не несёт никаких потерь, даже если из-за этого клиент с меньшей вероятностью вернётся в следующем месяце, у неё мало причин учитывать этот компромисс.

Воздержаться от действия — тоже решение

Представьте клиента, который на прошлой неделе вернул заказ и до сих пор ждёт возврата денег. Маркетинговая система видит недавнего покупателя, который с высокой вероятностью откликнется, и ставит в очередь рекламное письмо. С точки зрения клиента, бренд просит у него ещё денег, прежде чем вернуть то, что ему должен.

Информация о возврате товара может храниться в системе заказов, статус возврата денег — в системе обслуживания клиентов, а покупка — в маркетинговом профиле. Эти записи могут быть даже не связаны с одним и тем же человеком. Модель может работать точно так, как задумано, и всё же принимать решения на основе неполного представления о клиенте.

Связав эти записи, система сможет знать больше. Но это не изменит автоматически её поведение. При принятии решений также нужно учитывать, что возврат денег ещё не завершён, и допускать возможность не отправлять рекламное предложение как допустимый результат. Иначе вы просто предоставите системе больше информации, не изменив поведение, за которое её вознаграждают.

Именно поэтому контекст, связанный с клиентом, и цели нужно продумывать вместе. Контекст объясняет, что происходит. Цель и правила принятия решений определяют, что должно произойти дальше. Сам по себе возврат товара не означает, что нужно прекратить всякое общение. Возможно, клиенту нужно сообщить о статусе возврата денег. Важно различать полезное сервисное сообщение и очередное рекламное предложение.

Плохо написанное письмо — проблема содержания. Хорошо написанное письмо, отправленное клиенту, который ждёт свои деньги, — проблема принятия решений. Вторую проблему нельзя решить, лишь научившись лучше справляться с первой.

Регистрация в программе ещё не означает лояльность

Программы лояльности демонстрируют ту же проблему в другом виде. Если успех измеряется числом новых участников, система может научиться привлекать людей скидками. Число участников растёт. Но вернутся ли эти клиенты без новой скидки — совсем другой вопрос.

На полезные вопросы труднее ответить. Возвращаются ли участники? Приносят ли их покупки прибыль после вычета затрат на поощрения? Меняет ли программа их поведение или в основном вознаграждает за покупки, которые они совершили бы и без неё?

Чтобы ответить на эти вопросы, нужно со временем связать данные об участии в программе лояльности с историей покупок и обслуживания. Кроме того, необходимо сравнение, позволяющее отделить эффект программы от поведения, которое и без того было вероятным. Одно лишь увеличение числа участников этого не покажет.

Человеческий контроль должен влиять на принимаемые решения

Люди отвечают за то, чтобы определять, что должна оптимизировать система. Руководство должно самостоятельно принимать решения о компромиссах между удержанием клиентов, маржой и усилиями, которых требует от клиента взаимодействие с компанией. Модель может помочь оценить эти компромиссы, но не может взять на себя ответственность за выбор.

То же относится и к ограничениям на действия. Начать можно с вопроса: насколько трудно будет отменить это действие? Отложить рекламное сообщение до проверки — не то же самое, что изменить цену, начислить кредит или отменить бронирование. Последствия, разрешения клиента и надёжность имеющегося контекста должны определять, что можно выполнять автоматически, а для чего требуется одобрение.

Незакрытый запрос на возврат не обязательно каждый раз превращать в задачу для ручной проверки. Если правила ясны, система может отложить рекламное сообщение, продолжая отправлять клиенту сервисные сообщения. Проверка человеком нужна, когда контекст неоднозначен, правила противоречат друг другу или последствия выходят за рамки полномочий системы. Если данных, необходимых для такого решения, не хватает, системе нужен четко определенный запасной вариант, а не разрешение действовать наугад.

Проверяющим нужен не только показатель уверенности. Они должны видеть, какие данные о клиентах легли в основу рекомендации, насколько они актуальны, чего пытается добиться система и какие ограничения действуют. Уверенная рекомендация, основанная на устаревших или несогласованных данных, все равно остается плохой рекомендацией.

Отмены решений должны становиться источником данных. Если люди снова и снова останавливают один и тот же тип рекламных сообщений, нужно фиксировать причины. Такая закономерность может указывать на нехватку данных об обслуживании, проблему с идентификацией или цель, которая поощряет неверное поведение. Исправить эту проблему полезнее, чем бесконечно просить человека выявлять одну и ту же ошибку.

Оцените, помогает ли отказ от отправки

Команды могут начать с одного решения, не пытаясь сразу перестроить все взаимодействие с клиентами. Возьмите рекламное сообщение, определите, какой контекст необходим для его отправки, и задайте условия, при которых его следует отложить. Не включайте необходимые сервисные сообщения в правило подавления отправки.

Затем проверьте, дает ли это изменение результат. Для рекламных сообщений, подпадающих под эти условия, сравните существующий подход с политикой, предусматривающей отказ от отправки в определенных ситуациях. В течение периода, соответствующего циклу покупок, отслеживайте повторные покупки, удержание клиентов, жалобы и маржу. Данные об отправках и кликах по-прежнему помогают понять, что произошло, но не должны становиться окончательным критерием оценки.

Проверка может показать, что меньшее число рекламных сообщений помогает сохранить отношения с клиентами. А может выясниться, что какое-то ограничение слишком широкое. И тот и другой результат полезен. Молчание не должно получать поблажку так же, как и отправка сообщения. И то и другое — решения, последствия которых можно измерить.

Все это не отменяет необходимости инженерной работы. Данные о клиентах нужно сопоставлять с правильными людьми. Важные недавние события должны поступать в процесс принятия решений вовремя. Разрешения должны ограничивать возможные действия, а у команд должны оставаться записи о том, что произошло и почему. Более точная цель не компенсирует нехватку контекста — так же как более полный контекст не исправит неверно выбранную цель.

Выстраивайте отношения с клиентами

Перед руководителями стоит простой вопрос: что ваша система считает хорошим решением? Если ответ — «клик», система может исправно выполнять свою задачу, одновременно ухудшая впечатления клиентов.

Достоверные данные о клиентах дают людям и ИИ более надежную основу для принятия решений. Четкие цели и ограничения определяют, как использовать эти сведения. В результате должна получиться система, способная объяснить, почему сообщение полезно именно сейчас, распознать, когда оно не нужно, и учесть последующие события.

Иногда самое разумное решение, которое может принять система ИИ, — вообще ничего не отправлять.

Дерек Слейгер — сооснователь и со-генеральный директор Amperity, где он руководит переходом к подходу с приоритетом ИИ как в продуктах, так и в работе компании. Он соосновал Amperity, чтобы предоставить маркетологам и аналитикам надёжные данные о клиентах, и создал запатентованную технологию сопоставления идентификаторов и архитектуру профилей в реальном времени, лежащие в основе достоверного клиентского контекста Amperity. Ранее он входил в команду основателей Appature и занимал руководящие инженерные должности в области крупномасштабных распределённых систем и безопасности.