Melhor tempo de comunicação

O aprendizado de máquina é conhecido por sua capacidade de fazer previsões precisas a partir de grandes conjuntos de dados. As pessoas simplesmente não conseguem acessar bilhões de entidades de dados e convertê-las em algo utilizável. As máquinas, por outro lado, podem extrair insights em questão de segundos.

Você precisa de uma compreensão profunda do aprendizado de máquina e dos casos de uso em que ele possa se beneficiar para aplicá-lo à sua empresa. Recentemente, a equipe da Smartico.ai aplicou seu conhecimento e experiência nesse domínio a um dos casos de negócios mais importantes em retenção de marketing.

Desenvolvemos o modelo de IA que prevê a melhor hora do dia para enviar uma comunicação por e-mail a cada um de seus usuários.

A pesquisa vem em primeiro lugar

Isso requer alguma pesquisa e planejamento antes de começar com a implementação de qualquer modelo de IA. No nosso caso, a pergunta era o que queríamos prever - a hora exata do envio, o período do dia (manhã, meio-dia, noite ou noite) ou horários específicos.

Depois de jogar com dados reais que tínhamos em nossas mãos, descobrimos que nos jogos de azar e setores relacionados (cassino, reservas esportivas, negociações, loteria), o comportamento dos usuários é muito mais diferente em comparação com o varejo ou outros negócios. À primeira vista, as sessões de jogo podem parecer esporádicas, mas quando analisamos modelos estatísticos baseados em milhões de pontos de dados, conseguimos identificar padrões suficientemente significativos em quase todos os jogadores.

Finalmente, decidimos usar a solução de dividir a hora do dia em 24 horas e criar uma previsão para cada hora e dia da semana. Como vimos mais tarde, essa abordagem é capaz de identificar várias sessões durante um dia que não se encaixam no conceito de períodos de atividades de segunda-feira/meio-dia/noite.

Atividades de jogo por dia e hora do dia para um usuário específico

Como nos concentramos em prever a hora do dia usando a granularidade de horas, adicionamos novos módulos no mecanismo Smartico que resumem a atividade total de cada hora durante o dia para cada usuário. Outro processo foi calcular a atividade somada para cada dia da semana. Esses fatores ajudaram os dutos a obter um sinal mais preciso ao prever a possibilidade de o usuário estar ativo em vários períodos.

Também marcamos os dias como úteis e não úteis e ajustamos o horário das atividades de acordo com o fuso horário do usuário.

Como o Smartico.ai está trabalhando em diferentes setores de negócios, as “atividades” dos usuários são diferentes em cada um deles. Para não adivinhar o que seria melhor para cada cliente, deixamos essas escolhas para os próprios clientes. No final, eles podem selecionar com base em quais atividades criar um modelo de previsão.

As atividades foram divididas em 3 grupos gerais:

• Indicação de que o usuário esteve online durante horas e dias específicos da semana
• Interação com criativos de comunicação, por exemplo, clicar em links em mensagens SMS/mail/push, impressões de e-mails que recebemos quando os usuários estão abrindo e-mails
• Atividades específicas do produto, como depósito, cassino ou aposta esportiva, posição de abertura/fechamento na vertical Forex, compra em produtos voltados para o varejo

Ajustando modelos de IA para casos de uso reais

Como criamos uma interface para os clientes ajustarem a configuração do modelo de previsão, criar modelos é simples ao usar o Smartico — basta fazer login no Smartico.ai, criar um novo modelo com alguns cliques e esperar que o modelo de IA conclua o cálculo.

Não há necessidade de se preocupar com a infraestrutura, com a preparação de dados ou com a decisão sobre o modelo com melhor desempenho. Todos esses processos são automatizados.

Dependendo da base de usuários e do número de atividades que eles estão produzindo, o primeiro cálculo do modelo de IA pode levar um tempo significativo. Em um de nossos clientes, foram necessárias 7 horas para ser concluído para 200.000 usuários ativos.

Mas assim que o modelo está pronto e ativo, ele rastreia automaticamente novos usuários ou novas atividades de usuários existentes e o reconstrói com até 5 minutos de atraso após a chegada de novas informações.

Há um problema quando se trata de criar modelos de previsão por hora. E se for provável que um usuário esteja ativo várias horas durante o dia ou tenha poucas sessões durante o dia identificadas como as melhores horas para comunicação?

Usuário com várias melhores horas e sessões durante um dia

Felizmente, a Smartico simplificou bastante o processo de comparação de resultados ao tratar todas as previsões como probabilidades. Em vez de fornecer uma melhor hora, seu modelo fornecerá probabilidades preditivas que podem ser comparadas com outras horas.

Se o usuário final estiver ativo em várias horas e/ou tiver várias sessões, todas elas serão marcadas como as melhores para comunicação.

Com base nos casos de uso de nossos clientes, identificamos duas abordagens principais para usar o “Melhor tempo de comunicação”.

Campanhas de curto prazo

O cliente está construindo uma campanha de comunicação com uma meta de curto prazo e está procurando o melhor momento para entregar uma mensagem. Nesses casos, a prioridade da entrega da mensagem é maior do que encontrar o melhor horário durante uma semana.

Nesse caso, o mecanismo Smartico pode enviar comunicação no “melhor” horário mais próximo que seja válido para um usuário específico.

Usando nosso usuário de teste como exemplo para ilustração, a campanha que começa às 8h enviará comunicação ao usuário às 13h, pois é o melhor horário de fechamento para esse usuário.

‍Campanhas de longo prazo

O cliente está criando uma campanha de comunicação em que o tempo de entrega é o mais importante e não há problema em pular um dia ou até alguns se esses dias não forem identificados como os melhores dias.

Essa seleção pode ser feita no nível do recurso em uma campanha específica, sabendo quais das abordagens são mais relevantes para um contexto específico.

Novamente, usando nosso usuário de teste, em uma campanha de configuração que começa às 8h de segunda-feira, enviaremos uma comunicação a esse usuário às 13h de terça-feira, pois somente terça e quarta-feira são identificados como os melhores dias de comunicação.

Quando a IA está brilhando..

Se você não abordar o Machine Learning corretamente, isso pode ser uma dor de cabeça para sua empresa. No entanto, como mostra o exemplo acima, está se tornando cada vez mais fácil transformar o que antes eram problemas extremamente difíceis em algo mais gerenciável.

Se você precisar de ajuda para criar uma infraestrutura de aprendizado de máquina, projetar os recursos adequados para seus modelos ou apresentar as descobertas, a plataforma Smartico.ai pode ajudar aqui.

Compartilhe este artigo com seus amigos!

Quer descobrir como nossas campanhas acionadas por eventos podem aumentar ainda mais o engajamento do cliente? Entre em contato com um de nossos especialistas para uma demonstração gratuita.