Движок Next Best Action: как он устроен изнутри
Next Best Action звучит как магия. Заглядываем под капот: как движок Next Best Action на самом деле принимает решения.
Движок next best action: как он устроен изнутри
«Next best action» сегодня есть на слайдах у каждого вендора. Иногда за этим названием стоит скоринг лидов. Иногда — движок правил, который кто-то собрал в 2019 году. Изредка — система, которая действительно рассуждает по всему портфелю сделок. Название не подскажет, что именно перед вами, и демо тоже.
Если вы выбираете такое решение, полезно понимать, что должно работать внутри. Увидев этапы, вы отличите настоящий движок рекомендаций от наряженного списка «если — то» и сможете довольно уверенно предположить, выдержит ли он, когда ваш пайплайн станет неаккуратным.
Четыре этапа и где прячутся упрощения
Настоящий движок NBA — это конвейер. С одного конца входит сырая активность, с другого выходит конкретная ранжированная рекомендация. Между ними происходят четыре вещи.
Первое — приём сигналов. Движок собирает письма, встречи, использование продукта, обращения в поддержку, маркетинговые касания, изменения полей CRM, внешние фирмографические данные и данные об интенте. Здесь решает широта охвата. Движок, который видит лишь этап в CRM, работает с крошечным фрагментом того, что на самом деле происходит в сделке, — это тот же разрыв восприятия, который мы разбирали в материале как ИИ читает revenue-сигналы, которые упускают люди.
Второе — интерпретация. События превращаются в смысл. Три письма без ответа становятся «чемпион замолчал». Всплеск использования в команде, которой не было в первоначальной сделке, становится «возможность расширения». На этом этапе машинное обучение оправдывает своё место, потому что закономерности в нескольких тысячах прошлых сделок человек в голове удержать не способен.
Третье — генерация кандидатов и скоринг. Движок перечисляет возможные ходы (вернуть чемпиона в диалог, подключить руководителя, отправить кейс, передать человеку, ничего не делать) и оценивает каждый относительно цели: продвинуть сделку, защитить продление или вырастить аккаунт. Каждый кандидат получает оценку влияния и уровень уверенности.
Четвёртое — ранжирование и доставка. Лучшее действие уходит нужному человеку в нужный момент вместе с обоснованием. В хорошей реализации работа заранее подготовлена, и выполнить действие можно одним кликом.
Разница между игрушкой и настоящим движком — глубина на каждом этапе, но особенно на втором и третьем. Именно там слабые системы тихо скатываются к статичным правилам.
Движки правил и обучающиеся движки
Это различие важнее всего, пока вы сидите на демо.
Движок правил кодирует чьи-то предположения. Если этап — переговоры, а дней с последней активности больше семи, рекомендовать проверочный контакт. Он прозрачен и предсказуем. Но он знает лишь то, что кто-то догадался записать, плохо ранжирует конкурирующие приоритеты и устаревает, когда меняется ваш процесс. Большинство функций «next best action» в более старых инструментах — движки правил в новой раскраске.
Обучающийся движок по вашим историческим данным выясняет, что на самом деле коррелирует с хорошими результатами. Он способен взвешивать десятки сигналов одновременно, выявлять неочевидные ходы и улучшаться по мере наблюдения за тем, как всё больше сделок закрывается и срывается.
Движки, которые стоит покупать, объединяют оба подхода. Обученные модели отвечают за распознавание закономерностей и приоритизацию; явный слой правил и ограничений позволяет бизнесу навязывать политику и сохраняет управляемость результата. Чистое обучение чёрного ящика трудно принять на веру. Чистые правила не масштабируются до реальной сложности. Их сочетание делает движок одновременно умным и подотчётным — этому посвящён материал как сохранить точность и подотчётность revenue-ИИ.
Сложность в приоритизации
Сгенерировать правдоподобный следующий шаг легко. Трудная задача — расставить приоритеты по всему портфелю.
Менеджеру с 40 открытыми возможностями не нужны 40 советов. Ему нужно знать, к каким трём сделкам обратиться сегодня и что делать по каждой. Это заставляет движок рассуждать глобально, а не сделка за сделкой:
- Какие действия дают наибольший ожидаемый эффект на выручку?
- Какие срочны, а какие могут подождать неделю?
- Где небольшой толчок будет решающим, а где сделка уже выиграна или уже потеряна?
- Как новый пайплайн, продления под риском и плеи по расширению делят один ранжированный список?
Это задача оптимизации. Движок, который рассматривает каждую сделку изолированно, с лёгкостью назначит менеджеру больше работы, чем способен сделать человек, так и не ответив на единственный важный вопрос — что делать в первую очередь. Хорошо принимать такие компромиссы позволяет AI-native архитектура, и именно этого обычно не умеет прикрученная сбоку функция.
Прозрачность — цена внедрения
Рекомендацию, которую менеджер не понимает, он не выполнит. Мы видели, как менеджеры игнорировали вполне хорошие подсказки только потому, что инструмент просто говорил «позвоните в этот аккаунт» без объяснений. Поэтому рабочий движок должен выдавать не только ответ. Ему нужны обоснование (какие сигналы к этому привели), уверенность (насколько он уверен, чтобы менеджеры могли откалиброваться) и ожидаемый результат (как выглядит успех, если действовать).
Дело не только во внедрении. Это позволяет людям поймать движок на ошибке, а он будет ошибаться. Самые здоровые внедрения именно поэтому оставляют человека в контуре принятия решений. Модель human-in-the-loop — это способ, которым движок становится лучше, а команды, воспринимающие её как ограничение, нередко остаются с движком, которому никто не доверяет.
Ключевые выводы
- Четыре этапа: приём, интерпретация, генерация и оценка кандидатов, ранжирование и доставка. Попросите вендора показать каждый.
- Большинство унаследованных функций «next best action» — движки правил. Хорошие накладывают обученные модели поверх и сохраняют слой ограничений, чтобы бизнес сохранял контроль.
- Предложить действие дёшево. Реальная ценность — ранжировать по всему портфелю, чтобы менеджер знал, что делать первым.
- Обоснование, уверенность и ожидаемый результат должны сопровождать каждую рекомендацию, иначе менеджеры не доверятся ей, а исправить её никто не сможет.
- Движок не может действовать на основе того, чего не видит, поэтому широта сигналов ограничивает всё, что идёт дальше.
Знание механизма — лучшая защита от покупки движка правил в одежде агента. Если хотите увидеть слой next best action, который рассуждает по всей картине выручки, а не по одной записи за раз, присмотритесь к Revnewo.