التفاعل الذكي والسريع- تكامل البيانات في الوقت الفعلي لتعزيز مشاركة اللاعبين

الوقت جوهر الأمر. مصطلح ضروري الالتزام به لضمان تحقيق أهداف الاحتفاظ بالعملاء، وتقليل معدلات التسرب المخيفة.

شكل هذا الأساس لتحالف متجدد بين Flows و Golden Whale، مع حلقة تنسيق بيانات في الوقت الفعلي مصممة لتمكين المشغلين من إجراء تفاعلات هادفة مع العملاء، وبالتالي دفع مشاركة المستخدم بشكل أكثر ذكاءً وسرعة.

في حديث مع SBC News، استعرضت مالو نغيمبور، مديرة نجاح العملاء في Flows، وتوماس كولبابك، المدير التقني في Golden Whale، العوامل الحاسمة في هذه العملية، والفوائد الشاملة التي يمكن تحقيقها.

SBC News: هل يمكنك أن تشرح لنا كيفية عمل تدفق البيانات بين Flows و Golden Whale فعليًا؟ من التنسيق إلى التنبؤ إلى التشغيل الآلي؟

مالو نغيمبو: يمكن لـ Flows أخذ البيانات من أي مصدر، بأي شكل وهيكل، مثل Kafka أو RabbitMQ أو webhooks أو APIs، وفهم هيكلها تلقائيًا، مما يجعلها جاهزة للاستخدام على الفور في أداة إنشاء التدفقات بدون تعليمات برمجية.

يتيح ذلك لعملائنا تشكيل البيانات وتوجيهها بسرعة إلى أي مكان مطلوب، بما في ذلك منصات مثل Golden Whale. داخل Flows، نقوم أيضًا بإثراء البيانات عن طريق سحب تفاصيل إضافية من مصادر خارجية أخرى يستخدمها العميل.

بعد الإثراء، نقوم بتنسيق البيانات وتسليمها مباشرة إلى Golden Whale، بتنسيق دقيق كما يحتاجون إليه لإجراء تنبؤات وتشغيل آلي سلس - يتم كل ذلك مباشرة من خلال واجهتنا البديهية بدون تعليمات برمجية بواسطة أي شخص - لا حاجة للمطورين.

توماس كولبابك: تتميز منصة Foundation من Golden Whale بنهج فريد من نوعه بدون تكامل، حيث تتصل بسلاسة بالأنظمة الموجودة بالفعل للوصول إلى البيانات - وهو تطابق مثالي مع Flows.

تجمع Foundation بين البيانات المثرية باستمرار التي توفرها Flows والبيانات التاريخية كأساس للتعلم الآلي. نحن نغطي فهمًا عميقًا لآليات الألعاب وتشغيلها وسلوك المستخدم ونشكل هذا في جميع مراحل دورة حياة التعلم الآلي، من هندسة البيانات إلى تدريب نموذج التعلم الآلي والتحقق منه ومراقبته.

يتيح لنا نهجنا الشامل تحويل نقاط البيانات التي توفرها Flows إلى تنبؤات وتوصيات مخصصة لكل لاعب. يتم إرجاع هذه التنبؤات إلى Flows كإشارات ومشغلات قابلة للتنفيذ، مما يتيح التشغيل الآلي ودعم اتخاذ القرار.

SBCN: ما هي الفائدة التي تعود على المشغلين من وجود هذا التكامل ثنائي الاتجاه بين تنسيق البيانات والتحليلات التنبؤية؟

TK: بمجرد استخدام التنبؤ أو التوصية الأولى في عملية ما، تتطور العملية باستمرار. تتغير تجربة اللاعب وسلوكه مع إمكانية الاحتفاظ بالمزيد من اللاعبين وتوزيع المكافآت أو الحوافز بشكل أكثر تحديدًا، وتجنب إساءة استخدام المكافآت.

من خلال تكامل ثنائي الاتجاه ذي حلقة مغلقة، يمكن لنماذج التعلم الآلي الخاصة بنا التكيف باستمرار والاستجابة للتحولات في سلوك اللاعب وظروف السوق. تفتقر نماذج التعلم الآلي لمرة واحدة أو القديمة / الراكدة إلى هذه الميزة المميزة وتتدهور بمرور الوقت، لا سيما وأن العملية الأساسية يتم توسيعها عن طريق إضافة منتجات أو عروض جديدة.

صاغت Golden Whale مصطلح "LOOPS" منذ البداية، مع التأكيد على أهمية معالجة البيانات والتنبؤات والإجراءات اللاحقة في نظام حلقة مغلقة للتعلم والتكيف والتحسين المستمر بفعالية. MN: يتيح التكامل ثنائي الاتجاه بين Flows و Golden Whale للمشغلين الانتقال من المشاركة التفاعلية إلى المشاركة الاستباقية في الوقت الفعلي. تقوم Flows بتنسيق تدفقات البيانات الحية والبيانات الإضافية عبر واجهات برمجة تطبيقات الطرف الثالث، وإرسالها إلى Golden Whale للتحليل.

نظرًا لأنه يتم إرجاع التنبؤات كمشغلات جديدة إلى Flows، يمكن البناء عليها لعمليات التشغيل الآلي مثل العروض المخصصة أو تنبيهات المخاطر أو إجراءات مكافحة التسرب أو إجراءات الاحتفاظ، دون إدخال يدوي أو تطوير إضافي مطلوب. وكلها متصلة بالفعل بأدوات الاتصال الداخلية والخارجية مثل Slack و Teams و Telegram وأدوات CRM وشركاء إعادة التنشيط مثل Enteractive و Dynamic Messaging.

تعمل هذه الحلقة في الوقت الفعلي على تمكين المشغلين من توقع سلوك اللاعب والتصرف في اللحظة التي تهمهم أكثر، مما يؤدي إلى مشاركة أكثر ذكاءً، واحتفاظ أفضل، وتقليل الجهد التشغيلي حيث يمكن أتمتة جميع أجزاء سير العمل مع الاتصال الداخلي والخارجي، بالإضافة إلى لوحات المعلومات والتنبيهات.

SBCN: يبدو أن الوقت الفعلي هو الكلمة الأساسية هنا. كيف تعملون معًا لضمان حدوث رؤى وإجراءات دون تأخير؟ MN: الوقت الفعلي هو بالتأكيد جوهر هذا التكامل. تم تصميم Flows للتعامل مع تدفقات البيانات الحية وتشغيل الإجراءات الفورية بمجرد استيفاء الشروط.

بمجرد وصول بيانات اللاعب إلى Flows، يتم إثرائها وتنسيقها وإرسالها إلى Golden Whale دون تأخير. ثم يتم إرجاع تنبؤاتهم كمشغلات جديدة إلى Flows، حيث تكون مهام سير العمل المحددة مسبقًا جاهزة للعمل - بدون تأخير، بدون خطوات يدوية.

يتم أيضًا إرسال مشغلات خاصة إلى Flows إذا اكتشفت Golden Whale تغييرًا في تنبؤات اللاعب، مثل زيادة خطر التسرب.

تعني مرونة Flows أنه يمكن إضافة أي حدث بيانات وارد جديد أو تكامل تابع لجهة خارجية بسرعة إلى الحلقة، مما يؤدي على الفور إلى توسيع مجموعة البيانات التي تستخدمها Golden Whale للتنبؤات وتحسين جودة ودقة الرؤى باستمرار.

TK: لقد تم تضمين معالجة البيانات في الوقت الفعلي وتقديم التنبؤات في نظامنا الأساسي Foundation منذ إنشائه، وهو ما يتطابق تمامًا مع إمكانية تدفق البيانات المباشر لـ Flows.

يرتبط تنفيذ نموذج التعلم الآلي الخاص بنا ارتباطًا مباشرًا بتدفق البيانات المقدم، مما يمكننا من إجراء حساب في الوقت الفعلي للتنبؤات على البث، والتي يتم توفيرها على الفور مرة أخرى إلى Flows.

بينما يعد التفاعل مع المشغلات ونشاط الألعاب أمرًا أساسيًا، توفر Foundation أيضًا تنبؤات محدثة بناءً على الأحداث والنشاط الذي يفشل في الحدوث مع تحول سلوك اللاعب أو توقفه بشكل غير متوقع، وبمجرد أن تكتشف النماذج تحولًا محتملًا.

يساهم كلا الجزأين في توفير دعم القرار في الوقت المناسب للعمليات، مما يتيح للمشغلين التفاعل مع اللاعبين بينما لا يزالون منخرطين ويسهل الوصول إليهم.

SBCN: ما الذي يجعل Flows مناسبة تمامًا للتعامل مع تدفقات متعددة من تنسيق البيانات في وقت واحد، وكيف يؤثر ذلك على الأداء للعملاء؟ MN: تم تصميم Flows من الألف إلى الياء لتنسيق البيانات في الوقت الفعلي وعالي الحجم. تسمح لنا بنية تعتمد على الأحداث بالتعامل مع تدفقات بيانات متعددة في وقت واحد، سواء من الأنظمة الأساسية أو الأدوات أو المصادر المخصصة - دون المساس بالسرعة أو الموثوقية. بالنسبة للمشغلين، هذا يعني عدم وجود اختناقات. تتوسع Flows مع بياناتهم، مما يضمن بقاء الأداء سلسًا حتى مع نمو التعقيد. والنتيجة هي نظام يتكيف في الوقت الفعلي، مما يتيح اتخاذ قرارات أسرع ورؤى أكثر ثراءً للاعب وتشغيل آلي سلس حقًا على نطاق واسع.

SBCN: ما هي أنواع التنبؤات الأكثر فعالية عندما يمكن التصرف بناءً عليها في الوقت الفعلي، وكيف تساعد Flows في تحقيق ذلك؟

TK: نرى حالات الاستخدام الأكثر تأثيرًا في الوقت الفعلي للتنبؤات التي تعمق مشاركة اللاعب مع نظام أساسي أو منتج.

يتضمن ذلك "تنبؤ القيمة المبكرة" للغاية لتخصيص تجربة الإعداد للمستخدمين الجدد، و "تنبؤ خطر تسرب الجلسة" بينما لا يزال اللاعبون يلعبون لتسهيل الاحتفاظ في الوقت الفعلي، وتخصيص المحتوى ديناميكيًا أثناء تنقل اللاعبين في النظام الأساسي من خلال التوصية بالألعاب والمراهنات والمنتجات وتشغيل وتعديل أدوات التلعيب والتحديات والبطولات عندما يكون من المرجح أن يقدرها اللاعب.

يمكن لنظامنا الأساسي Foundation تنسيق الأدوات المختلفة للمشاركة ومعايرة نماذج ML / AI ديناميكيًا للإعداد المحدد جدًا على مستوى المشغل.

تعد Flows مفتاحًا في هذه العملية من خلال المساعدة في ربط الطرق المختلفة لتفاعل العملاء بوحدة اتخاذ القرار المركزية من Golden Whale ومن خلال توفير تدفق ثابت وعالي الجودة من نقاط البيانات من أي مكان في العملية في الوقت الفعلي وبغض النظر عن مصدر البيانات الأصلي.

SBCN: كيف ترى قيمة مخرجاتك التنبؤية تزداد عندما يتم توصيلها مباشرة بطبقة أتمتة مثل Flows؟

TK: إن وجود تنبؤات ليس فقط في متناول يد المشغل ولكن أيضًا متاح في أداة أتمتة مرنة للغاية ولكن سهلة التكوين مثل Flows يضاعف فعالية وبالتالي قيمة التنبؤات في أبعاد متعددة.

يمكن للمشغلين ربط التنبؤات بعمليات الأعمال مع جزء بسيط من المهلة الزمنية المطلوبة عادةً في بيئات أكثر جمودًا.

تقوم Flows المنفذة بأتمتة هذه العمليات للتشغيل على مدار الساعة طوال أيام الأسبوع في الوقت الفعلي بدلاً من البيئات التي تعتمد على الجداول الزمنية والمزامنات.

يتيح تنسيق تسليم التنبؤات إلى جميع الأنظمة المتصلة لعملائنا تمكين كل جزء من منصة الألعاب الخاصة بهم، بما في ذلك CRMs وأدوات التلعيب و PAMs و CDPs وغيرها الكثير.

تتيح لنا Flows أيضًا أتمتة الاتصال بالأحداث الرئيسية للفرق وأصحاب المصلحة دون الحاجة إلى إعداد تقارير أو وسائل اتصال أخرى أكثر تعقيدًا، مما يجعل تنبؤاتنا متاحة باستمرار لكل من الأشخاص والأنظمة.

SBCN: بمجرد عودة البيانات من Golden Whale، ما هي أنواع الإجراءات الآلية التي يمكن للمشغلين إعدادها على الفور في Flows؟ MN: بمجرد أن تعيد Golden Whale رؤى تنبؤية كمشغلات Flows، يمكن للمشغلين إنشاء Flows لأتمتة الإجراءات على الفور بناءً على تلك التنبؤات. يمكن أن يشمل ذلك إرسال عروض أو مكافآت مخصصة، أو الإبلاغ عن سلوك عالي الخطورة للمراجعة التنظيمية، أو تشغيل حملة احتفاظ، أو تعديل تجزئة CRM في الوقت الفعلي.

نظرًا لأن Flows بدون تعليمات برمجية وقابلة للتخصيص بالكامل، يمكن للمشغلين إنشاء منطق يناسب استراتيجيتهم تمامًا، سواء كان ذلك التصرف بناءً على خطر التسرب أو إمكانات كبار الشخصيات أو السلوك غير الطبيعي - مما يضمن حدوث الإجراء الصحيح تلقائيًا، في اللحظة المناسبة، دون أي إدخال يدوي.

SBCN: كيف ستغير هذه الحلقة التنبؤية الطريقة التي يتعامل بها عملاؤك مع مشاركة اللاعب أو إعداد الحملة؟

MN: بدلاً من بناء حملات ثابتة بناءً على تجزئة السلوك السابقة، يمكنهم الآن إنشاء استراتيجيات ديناميكية في الوقت الفعلي تستجيب لما يحتمل أن يفعله اللاعب بعد ذلك.

هذا يعني أنه يمكن تحسين الحملات باستمرار، وتشغيل الرسالة أو المكافأة أو الإجراء المناسب تلقائيًا بناءً على الإشارات التنبؤية من Golden Whale.

إنه يحول التركيز من التخطيط اليدوي والتخمين إلى التشغيل الآلي الذكي، حيث تكون كل نقطة اتصال للاعب في الوقت المناسب وذات صلة ومدفوعة بالبيانات. والنتيجة هي مشاركة أكثر ذكاءً واحتفاظ أقوى ووقت أقل بكثير يقضى في إعداد الحملة وإدارتها.

SBCN: من منظور Golden Whale، ما هو تأثير وجود مثل هذا التنسيق السريع والنظيف للبيانات القادمة من Flows؟ TK: تتيح لنا الشراكة مع Flows وتلقي البيانات المنسقة التي يمكننا الاعتماد عليها في Golden Whale التركيز على تقديم أفضل تنسيق ممكن لنماذج ML لتشغيل عملائنا.

نظرًا لأن نقاط البيانات القائمة على الأحداث في Flows أكثر تفصيلاً من مجموعات البيانات المجمعة مسبقًا، فإن هذا بدوره يمكننا من تقديم مجموعة واسعة من التنبؤات والتوصيات.

لقد رأينا مهلات زمنية أقصر بكثير للوصول المستمر إلى البيانات وتقديم التنبؤات مع الحفاظ على المرونة في تلقي نقاط البيانات الفريدة في العملية وعلى هذا النحو فريدة لتجربة اللاعبين.