Perhubungan & Perkaitan mengubah pangkalan pelanggan menjadi rangkaian yang boleh anda baca dan bertindak.
Subkomponen lapisan abstraksi yang dibina berdasarkan premis mudah: pelanggan bukanlah atom, mereka adalah nod dalam rangkaian perhubungan — dan nilainya berada di tepi. Di bahagian ahli, ia mengira graf perhubungan sebenar yang nodnya merupakan ahli yang diselesaikan identitinya dan tepinya dikawal, pautan berbilang jenis: rujukan yang ditukar, hubungan duta kepada pelanggan dan isi rumah yang berkemungkinan. Ia membaca struktur graf tersebut — komuniti, hab dan ahli terpencil — jadi permainan boleh dipilih mengikut peranan struktur. Di bahagian produk, ia memperoleh pertalian daripada bakul sebenar: produk mana yang dibeli bersama dan kategori mana yang diminati oleh ahli. Jangkauan, isi rumah, cadangan dan permainan rujukan kemudian membaca daripada hubungan sebenar tersebut dan bukannya tekaan.
Melayan pelanggan sebagai nod dalam rangkaian, bukan atom terpencil — graf ahli berbilang jenis rujukan sebenar, ikatan duta dan isi rumah yang berkemungkinan, serta pembelian bersama produk dan pertalian kategori.
Pelanggan ialah nod, bukan atom — dan nilainya berada di tepi.
Kebanyakan pemasaran runcit menilai setiap pelanggan sebagai atom terpencil, membuang perkara paling berharga tentang pangkalan: hubungan antara orang di dalamnya. Lapisan ini menjadikan tepi tersebut nyata — graf ahli yang diselesaikan dan dikawal yang dikira dan ditadbir serta hubungan antara mereka — supaya pengekalan boleh memetakan rangkaian, membaca strukturnya dan mengendalikannya mengikut peranan.
- Hab (ijazah rujukan tinggi)
- Ahli
- Diasingkan (risiko churn)
- Rujukan ditukar
- Kemungkinan isi rumah
- Pertalian pembelian bersama
Nod ialah pelanggan; Kelebihannya ialah hubungannya
Setiap nod ialah ahli kesetiaan yang ditentukan identitinya — orang yang sebenar dan dipersetujui, bukan peranti atau pendua. Apa yang menjadikan graf berharga ialah tepi di antara mereka, dan setiap tepi ialah hubungan yang khusus dan terkawal dan bukannya persamaan yang samar-samar.
- Rujukan ditukar — tepi tulang belakang, dibuat hanya apabila rujukan benar-benar mendaftar. Ia adalah satu pautan yang memberi pengaruh hab, jadi ia kekal sebagai rekod bersih dari mulut ke mulut yang sebenar.
- Duta kepada pelanggan — setiap pelanggan yang dibawa oleh duta menjadi penghubung yang tahan lama, menjadikan kumpulan peminat menjadi rangkaian yang boleh dilayari.
- Kemungkinan isi rumah — ahli yang disimpulkan berkongsi alamat, daripada cap jari yang memelihara privasi yang tidak pernah menyimpan pengecam mentah, disimpan hanya untuk kumpulan kecil yang munasabah.
- Pertalian produk — pasangan pembelian bersama (dibeli X, juga dibeli Y) dan kecenderungan kategori setiap ahli, yang diperoleh daripada bakul sebenar, menghubungkan graf orang dengan apa yang sebenarnya mereka beli. Persamaan statistik itu sendiri — produk/produk dan rupa ahli/ahli — dimodelkan secara terperinci pada lapisan Pertalian & Persamaan saudara.
Apa yang membolehkan anda mengira dengan tepi
Sebaik sahaja hubungan menjadi nyata dan terwujud, struktur akan hilang daripadanya — dan struktur adalah apa yang anda boleh bertindak. Sekumpulan atom terpencil tidak mempunyai semua ini.
- Komuniti — kelompok ahli yang terhubung (isi rumah, kumpulan rakan, kelompok tempatan) yang boleh disemai oleh satu mesej dan bukannya membayar untuk sampai satu persatu.
- Hab — ahli dengan ijazah rujukan tinggi: influencer semula jadi yang memperoleh jawatan dengan merujuk ahli yang telah menukar, bukan mengikut kiraan pengikut.
- Ahli terasing — nod tanpa kelebihan rujukan yang ditukar dan tiada sauh sosial, yang ternyata menjadi risiko churn yang tidak seimbang.
- Produk-terbaik-seterusnya — cadangan yang berasaskan pembelian bersama sebenar ahli dan corak kategori dan bukannya populariti umum di seluruh kedai.
Mengapa ini penting untuk keputusan AI
Penaakulan Ejen ke atas atom hanya boleh mengira persamaan dengan pelanggan purata yang tidak wujud. Dengan penaakulan ke atas graf, ia boleh memilih permainan daripada peranan struktur sebenar ahli — dan menjelaskan mengapa.
- Cadangan, permintaan rujukan atau kemenangan balik adalah berdasarkan peranan — hab, isi rumah, corak pembelian bersama — bukan tekaan ad-hoc yang dibuat serta-merta.
- Ahli terasing disambungkan dan bukannya diletupkan; hab direkrut; komuniti diutamakan — tiga permainan berbeza yang tidak dapat dibezakan oleh pandangan atom.
- Setiap kelebihan dicap diisytiharkan / disimpulkan / diimport dengan jalur keyakinan Tinggi / Sederhana / Rendah, jadi keputusan boleh mempertimbangkan sejauh mana kepastian hubungan di sebaliknya — dan pautan yang disimpulkan adalah untuk pengendali sahaja, boleh ditolak dalam satu klik.
Kes penuh untuk melayan pelanggan sebagai rangkaian — memetakan graf ahli, membaca komuniti dan habnya, dan menggabungkan kesetiaan melalui rujukan dan advokasi yang dikawal.
Beginilah cara lapisan meningkatkan keputusan AI.
Tanpa pemodelan hubungan dan afiniti, pangkalan dinilai sebagai sekumpulan atom: rujukan dan dari mulut ke mulut tidak kelihatan dan tidak diurus, hab dan ahli terpencil dilayan secara sama, dan cadangan kembali kepada populariti. Hubungan antara ahli dan antara produk dikira semula secara ad hoc, jadi jangkauan, isi rumah, pengaruh dan cadangan semuanya bergantung pada tekaan dan bukannya hubungan sebenar.
Rujukan dikaitkan dengan perujuk yang tepat dan pangkalan peminat hab ialah rangkaian boleh disemak imbas dan bukannya nombor tajuk yang menetapkan semula setiap laporan.
Permainan boleh dipilih mengikut peranan struktur — hab rekrut, komuniti benih, menghubungkan ahli terpencil — dan bukannya mengecam pelanggan biasa yang tidak wujud.
Jangkauan peringkat isi rumah boleh dipertimbangkan kerana hubungan isi rumah berada dalam model, disimpulkan daripada cap jari yang memelihara privasi dan jalur keyakinan.
Pilihan produk terbaik seterusnya disokong oleh corak pembelian bersama sebenar, bukan populariti generik.
Nilainya adalah operasi, bukan sekadar teknikal.
Ejen boleh membuat pertimbangan tentang siapa yang berhubung dengan siapa, di mana ahli berada dalam rangkaian dan apa yang dibeli dengan apa — jadi cadangan, permintaan rujukan atau kemenangan balik berasaskan peranan struktur sebenar (hab, isi rumah, corak pembelian bersama) dan bukannya persamaan ad-hoc yang dikira serta-merta untuk individu terpencil.
Memodelkan pangkalan ahli sebagai graf — nod ialah ahli yang diselesaikan identiti, tepi ialah hubungan sebenar yang ditukar — bukannya menetapkan harga setiap pelanggan sebagai atom terpencil.
Membawa tiga jenis pautan terkawal pada satu graf: rujukan yang ditukar (tulang belakang), duta kepada pelanggan dan kemungkinan isi rumah — setiap satu dicap dengan asal usul dan jalur keyakinan.
Membaca struktur, bukan hanya titik: komuniti, hab darjah tinggi (pemengaruh semula jadi) dan ahli terpencil (isyarat risiko churn) masing-masing menjadi peranan yang boleh disasarkan.
Memperoleh afiniti produk daripada bakul sebenar — pasangan pembelian bersama dan afiniti kategori setiap ahli — untuk produk terbaik seterusnya daripada corak sebenar, bukan populariti generik.
Mengekalkan hubungan yang terwujud dalam model, supaya logik jangkauan, isi rumah dan hab dibaca, bukan terbitan semula ad hoc pada setiap panggilan.
Apa yang bertanggungjawab untuk lapisan ini
Membaca pesanan dan rekod rujukan yang ditukar daripada kedai mentah; kelebihan hanya diambil apabila rujukan benar-benar ditukar, bukan untuk jemputan yang dihantar atau tamat tempoh.
Menyusun graf ahli berbilang jenis — rujukan, duta kepada pelanggan dan kemungkinan pinggir isi rumah — dengan setiap pautan ditanda diisytiharkan / disimpulkan / diimport dan jalur keyakinan Tinggi / Sederhana / Rendah.
Mengesan komuniti dengan Penyebaran Label (memelihara substruktur hab-dan-jejari) dan menilai hab mengikut tahap rujukan sebenar; nod terpencil gugur sebagai set risiko churn.
Mewujudkan snapshot deterministik harian bagi setiap program (dibina semula atas permintaan apabila lapuk) supaya data yang sama sentiasa menghasilkan struktur yang sama.
Mengira pembelian bersama produk dan pertalian kategori setiap ahli daripada baris pesanan yang diperincikan, dan mendedahkan semuanya kepada permukaan ontologi dan cadangan sebagai output model yang dikawal.