नेक्स्ट-बेस्ट-एक्शन इंजन: यह अंदर से कैसे काम करता है

"नेक्स्ट-बेस्ट-एक्शन" अब हर वेंडर की स्लाइड डेक पर है। कभी-कभी लेबल के पीछे की चीज़ एक लीड स्कोर होती है। कभी-कभी यह एक रूल्स इंजन होता है जो किसी ने 2019 में बनाया था। कभी-कभार यह एक ऐसा सिस्टम होता है जो असल में बिज़नेस भर में तर्क करता है। लेबल आपको यह नहीं बताता कि कौन सा है, और न ही डेमो बताता है।

अगर आप इनमें से किसी एक का मूल्यांकन कर रहे हैं, तो यह जानना मदद करता है कि अंदर क्या चलने वाला है। एक बार जब आप स्टेजेज़ देख सकें, तो आप एक असली रेकमेंडेशन इंजन को एक सजी हुई if-then लिस्ट से अलग बता सकते हैं, और आप एक ठीक-ठाक अंदाज़ा लगा सकते हैं कि जब आपकी पाइपलाइन गड़बड़ हो जाएगी तो क्या यह टिकेगा।

चार स्टेजेज़, और शॉर्टकट्स कहां छुपते हैं

एक असली NBA इंजन एक पाइपलाइन है। एक सिरे पर रॉ एक्टिविटी जाती है और दूसरे सिरे से एक खास, रैंक की गई सिफारिश निकलती है। बीच में चार चीज़ें होती हैं।

पहला, सिग्नल इनजेशन। इंजन ईमेल्स, मीटिंग्स, प्रोडक्ट यूसेज, सपोर्ट टिकट्स, मार्केटिंग टचेज़, CRM फील्ड बदलाव, एक्सटर्नल फर्मोग्राफिक और इंटेंट डेटा खींचता है। यहां चौड़ाई ही पूरा खेल है। एक इंजन जो सिर्फ CRM स्टेज देखता है वह डील में असल में क्या हो रहा है इसके एक छोटे टुकड़े से काम कर रहा है, वही परसेप्शन गैप जिसे हमने AI इंसानों से छूटे रेवेन्यू सिग्नल्स कैसे पढ़ता है में कवर किया था।

दूसरा, इंटरप्रिटेशन। इवेंट्स मतलब में बदलते हैं। बिना जवाब के तीन ईमेल्स "चैंपियन चुप हो गया है" बन जाते हैं। एक टीम से यूसेज स्पाइक जो ओरिजिनल डील में नहीं थी "एक्सपैंशन अवसर" बन जाता है। यह वह स्टेज है जहां मशीन लर्निंग अपनी जगह कमाती है, क्योंकि पिछले कुछ हज़ार डील्स के पैटर्न ऐसी चीज़ नहीं हैं जिन्हें कोई व्यक्ति अपने दिमाग में रख सके।

तीसरा, कैंडिडेट जनरेशन और स्कोरिंग। इंजन संभावित मूव्स लिस्ट करता है (चैंपियन को फिर से एंगेज करें, एक एग्जीक्यूटिव को शामिल करें, एक केस स्टडी भेजें, एक इंसान को एस्केलेट करें, कुछ न करें) और हर एक को गोल के मुकाबले स्कोर करता है, चाहे वह डील को आगे बढ़ाना हो, रिन्यूअल की रक्षा करना हो, या अकाउंट को ग्रो करना हो। हर कैंडिडेट को एक अनुमानित प्रभाव और एक कॉन्फिडेंस लेवल मिलता है।

चौथा, रैंकिंग और डिलीवरी। टॉप एक्शन सही व्यक्ति तक सही पल पर पहुंचता है, तर्क के साथ अटैच्ड। एक अच्छे इम्प्लीमेंटेशन में काम पहले से ड्राफ्ट किया गया होता है ताकि इस पर एक्ट करना एक क्लिक हो।

एक खिलौने और एक असली इंजन के बीच का गैप है हर स्टेज पर गहराई, लेकिन खासकर स्टेज दो और तीन पर। यहीं कमज़ोर सिस्टम्स चुपचाप स्टैटिक रूल्स में गिर जाते हैं।

रूल्स इंजन और लर्निंग इंजन

यह वह फर्क है जो एक डेमो के दौरान सबसे ज़्यादा मायने रखता है।

एक रूल्स इंजन किसी की धारणाओं को एनकोड करता है। अगर स्टेज बराबर है नेगोशिएशन और एक्टिविटी के बाद के दिन सात से ज़्यादा हैं, तो एक चेक-इन सुझाएं। यह ट्रांसपेरेंट और प्रेडिक्टेबल है। यह सिर्फ वही जानता है जो किसी ने लिखने के बारे में सोचा, यह प्रतिस्पर्धी प्राथमिकताओं के बीच रैंकिंग में खराब है, और आपका मोशन बदलने के साथ स्टेल हो जाता है। पुराने टूल्स में ज़्यादातर "नेक्स्ट-बेस्ट-एक्शन" फीचर्स नए पेंट वाले रूल्स इंजन हैं।

एक लर्निंग इंजन आपके हिस्टॉरिकल डेटा से पता लगाता है कि असल में अच्छे आउटकम्स के साथ क्या को-रिलेट करता है। यह एक साथ दर्जनों सिग्नल्स को वेट कर सकता है, ऐसे मूव्स सामने ला सकता है जो स्पष्ट नहीं हैं, और जैसे-जैसे यह ज़्यादा डील्स को क्लोज़ और स्लिप होते देखता है, बेहतर होता जाता है।

खरीदने लायक इंजन दोनों को जोड़ते हैं। लर्न्ड मॉडल पैटर्न रिकग्निशन और प्राथमिकता को हैंडल करते हैं; एक एक्सप्लिसिट रूल्स और गार्डरेल्स लेयर बिज़नेस को पॉलिसी लागू करने देता है और आउटपुट को कंट्रोल करने योग्य रखता है। शुद्ध ब्लैक-बॉक्स लर्निंग पर भरोसा करना मुश्किल है। शुद्ध रूल्स असली जटिलता तक स्केल नहीं कर सकते। इन्हें साथ रखना ही एक इंजन को एक साथ स्मार्ट और जवाबदेह बनाता है, जो रेवेन्यू AI को सटीक और जवाबदेह रखना का विषय है।

मुश्किल हिस्सा है प्राथमिकता तय करना

एक प्रशंसनीय नेक्स्ट स्टेप जनरेट करना आसान है। मुश्किल प्रॉब्लम है पूरी बुक ऑफ बिज़नेस में प्राथमिकता तय करना।

40 खुले अवसरों वाले एक रेप को 40 सुझावों की ज़रूरत नहीं। उन्हें जानना है कि आज कौन सी तीन डील्स को छूना है और हर एक पर क्या करना है। यह इंजन को डील-दर-डील के बजाय ग्लोबली तर्क करने के लिए मजबूर करता है:

• कौन से एक्शन्स का सबसे ज़्यादा अनुमानित रेवेन्यू प्रभाव है?
• कौन से समय-संवेदनशील हैं और कौन से एक हफ्ता इंतज़ार कर सकते हैं?
• कहां एक छोटा सा धक्का निर्णायक होगा, और कहां डील पहले से जीती जा चुकी है या पहले से चली गई है?
• नई पाइपलाइन, जोखिम में रिन्यूअल्स, और एक्सपैंशन प्लेज़ एक रैंक की गई लिस्ट कैसे शेयर करते हैं?

यह एक ऑप्टिमाइज़ेशन प्रॉब्लम है। एक इंजन जो हर डील को अलग-थलग ट्रीट करता है वह एक रेप को खुशी-खुशी उतना काम दे देगा जितना एक इंसान नहीं कर सकता, बिना कभी उस एकमात्र सवाल का जवाब दिए जो मायने रखता है, यानी पहले क्या करना है। उस ट्रेड-ऑफ को अच्छी तरह करना वह है जिसके लिए एक AI-नेटिव आर्किटेक्चर बनाया गया है, और आमतौर पर यही वह है जो एक बोल्टेड-ऑन फीचर नहीं कर सकता।

ट्रांसपेरेंसी अडॉप्शन की कीमत है

एक सिफारिश जिसे एक रेप समझ नहीं सकता वह एक सिफारिश है जिसे वे नहीं मानेंगे। हमने रेप्स को बिल्कुल अच्छे सुझावों को नज़रअंदाज़ करते देखा है क्योंकि टूल ने बिना किसी स्पष्टीकरण के सिर्फ "इस अकाउंट को कॉल करें" कहा। तो एक प्रोडक्शन इंजन को जवाब से ज़्यादा शिप करना होगा। इसे तर्क चाहिए (कौन से सिग्नल्स ने इसे ड्राइव किया), कॉन्फिडेंस चाहिए (यह कितना निश्चित है, ताकि रेप्स कैलिब्रेट कर सकें), और अनुमानित आउटकम चाहिए (अगर वे एक्ट करें तो अच्छा कैसा दिखता है)।

यह सिर्फ अडॉप्शन के बारे में नहीं है। यह वह भी है जो लोगों को इंजन के गलत होने पर पकड़ने देता है, जो कभी-कभी होगा। सबसे हेल्दी डिप्लॉयमेंट्स ठीक इसी वजह से फैसले के लूप में एक इंसान को रखते हैं। ह्यूमन-इन-द-लूप मॉडल यह है कि इंजन कैसे बेहतर होता है, और जो टीमें इसे एक सीमा की तरह ट्रीट करती हैं वे आमतौर पर एक ऐसे इंजन के साथ खत्म होती हैं जिस पर कोई भरोसा नहीं करता।

मुख्य बातें

• चार स्टेजेज़: इनजेस्ट, इंटरप्रेट, कैंडिडेट जनरेट और स्कोर करें, रैंक और डिलीवर करें। किसी वेंडर से हर एक दिखाने को कहें।
• ज़्यादातर लेगेसी "नेक्स्ट-बेस्ट-एक्शन" फीचर्स रूल्स इंजन हैं। अच्छे वाले ऊपर लर्न्ड मॉडल की लेयर लगाते हैं और एक गार्डरेल लेयर रखते हैं ताकि बिज़नेस कंट्रोल में रहे।
• एक एक्शन सुझाना सस्ता है। पूरी बुक में रैंक करना ताकि एक रेप जान सके कि पहले क्या करना है, यही असली वैल्यू है।
• तर्क, कॉन्फिडेंस, और अनुमानित आउटकम को हर सिफारिश के साथ यात्रा करनी होगी, नहीं तो रेप्स इस पर भरोसा नहीं करेंगे और कोई इसे ठीक नहीं कर सकता।
• इंजन उस पर एक्ट नहीं कर सकता जो यह देख नहीं सकता, तो सिग्नल की चौड़ाई डाउनस्ट्रीम की हर चीज़ को सीमित करती है।

मशीनरी जानना एक एजेंट के कपड़ों में रूल्स इंजन खरीदने के खिलाफ सबसे अच्छा बचाव है। अगर आप एक नेक्स्ट-बेस्ट-एक्शन लेयर देखना चाहते हैं जो एक बार में एक रिकॉर्ड के बजाय पूरी रेवेन्यू तस्वीर में तर्क करती है, तो Revnewo देखने लायक है।