शुभ प्रभात। म まさきん हुँ।
पुरानो विदेशी लेखको नोट, लामो समयपछि फेरि पढेँ। 1to1 मार्केटिङ, अर्थात् व्यक्तिगतीकरण साकार पार्न के चाहिन्छ भन्ने सामग्री हो।
पुरानो लेख भए पनि, ढाँचा आफैं अहिले पनि त्यत्तिकै प्रयोग गर्न सकिन्छ जस्तो महसुस भएकाले, फेरि मिलाउँदै छु।
त्यतिबेलाको सर्वेक्षण नतिजा, पुरानो सङ्ख्याको रूपमामात्र
त्यो लेखमा, एउटा सर्वेक्षण नतिजा चिनाइएको थियो। व्यक्तिगतीकरण राम्ररी कार्यान्वयन गर्न सक्ने कम्पनी ४० प्रतिशत पनि पुगेको छैन भन्ने सङ्ख्या हो।
तर, यो सन् २०१६ तिरको सर्वेक्षण हो। अहिलेको अवस्था देखाउने सङ्ख्या होइन, “त्यतिबेला त्यत्ति थियो” भन्ने ऐतिहासिक सन्दर्भ मूल्यको रूपमामात्र बुझ्नु ठीक हुनसक्छ। अहिले अझ फैलिएको हुनुपर्छ, जेनेरेटिभ AIको आगमनले परिस्थिति अझ परिवर्तन भएको हुनुपर्छ।
तापनि, कार्यान्वयन किन गाह्रो हुन्छ भन्ने कारणको भाग, अहिले पनि पूर्ण रूपमा लागू हुने मिलावट हो जस्तो महसुस भयो। आवश्यक तत्त्वका रूपमा उल्लेख भएका ३ कुरा यी हुन्।
३ तत्त्व, डेटा, सामग्री, तर्क
डेटा भनेको ग्राहक एक-एकलाई सही रूपमा बुझ्नका लागि जग हो। खरिद इतिहास, साइटभित्रको व्यवहार, सदस्यता विशेषता आदि निर्णयमा प्रयोग गर्न सकिने स्तरमा तयार हुनुपर्छ। उदाहरणका लागि ई-कमर्स साइट भए, हेरेको उत्पादन, कार्टमा राखेको उत्पादन, वास्तवमा किनेको उत्पादनको इतिहास एकल ग्राहकसँग राम्ररी जोडिएको अवस्था हो। अझ, यी जानकारी पुरानै रहँदा अर्थ छैन। हिजो हेरेको उत्पादन र आज किनेको उत्पादन रियल-टाइम नजिकको रूपमा जोडिएरमात्र, अर्को सिफारिसमा प्रयोग गर्न सकिने डेटा बन्छ।
सामग्री भनेको ग्राहकअनुसार फरक-फरक देखाउनका लागि सामान हो। उस्तै सिफारिस इमेल भए पनि, शिशु आहार खोजिरहेको मानिस र एक्लै बस्ने दैनिक सामान खोजिरहेको मानिसका लागि, देखाउनुपर्ने उत्पादन र लेख फरक हुन्छ। कार्ट छोड्नु, निष्क्रिय ग्राहक फिर्ता ल्याउनु जस्ता इमेल मार्केटिङका सामान्य परिदृश्य पनि, गहिरो रूपमा हेर्दा कसलाई कस्तो सामग्री पुर्याउने भन्ने सामग्री डिजाइनको कुरा हो। विविधता कम भए, अन्तिममा सबैलाई उस्तै सामग्री पठाउनेमात्र हुन्छ।
तर्क भनेको कसलाई कुन सामग्री देखाउने भन्ने निर्णय गर्ने संरचना हो। नियम-आधारित सर्तीय शाखा पनि हुन्छ, मेसिन लर्निङद्वारा सिफारिस पनि हुन्छ। “हेराइ इतिहासमा शिशु आहार भएमा, बालबालिका श्रेणीको सिफारिस प्राथमिकता दिने” जस्तो सरल सर्तीय शाखा पनि उपयुक्त तर्कको एक हो। त्यतिबेलाको लेखमा पनि, यही भाग सबैभन्दा गाह्रो हो भनेर औंल्याइएको थियो। डेटा र सामग्री दुवै तयार भए पनि, संयोजन निर्णय गर्ने दिमाग नभए, व्यक्तिगतीकरण चलिँदैन।
यी ३ मध्ये, कुनै एक मात्र नभए पनि, व्यक्तिगतीकरण अधूरो बन्छ। डेटा छ तर सामग्री एक प्रकारमात्र छ, सामग्री प्रशस्त छ तर फरक पार्ने तर्क छैन, जस्ता अवस्था हुन्छन्। ३ पूरा भएरमात्र, ग्राहक-अनुसार फरक अनुभव पुर्याउन सकिन्छ जस्तो लाग्छ।
सामग्रीको तगारो, जेनेरेटिभ AIले धेरै घटेको छ
यी ३ मध्ये, सबैभन्दा धेरै परिवर्तन भएको भाग सामग्री हो जस्तो लाग्छ।
पहिले, ग्राहक समूहअनुसार लेख र तस्बिर तयार गर्नमात्र, केही हदसम्म मानव शक्ति र समय लाग्थ्यो। समूह १० मा बढाउन चाहे पनि, सामान बनाउने श्रम सोच्दा अन्तिममा केही समूहमै सीमित रहनु पनि सामान्य कुरा थियो होला। अहिले जेनेरेटिभ AIलाई सर्त दिए, मिल्दोजुल्दो लेख धेरै, छोटो समयमै बनाउन सकिन्छ। उत्पादन विवरणको विविधता पनि, ट्यागलाइनको फरक पार्ने पनि, पहिलेभन्दा धेरै सजिलो भएको छ। अत्यधिक भन्दा, ग्राहक समूहको सङ्ख्या जत्तिकै लेख तयार गर्नु पनि, लागतका हिसाबले वास्तविकतामा नजिक भएको छ।
तर्कको भाग पनि, पहिलेभन्दा हात पुग्ने भएको महसुस हुन्छ। मेसिन लर्निङ प्रयोग गरेको सिफारिस संरचना, प्याकेज गरिएको सेवाको रूपमा प्रयोग गर्न सकिने भएकाले। शून्यबाट तथ्याङ्कीय मोडेल बनाउने आवश्यकता, पहिलेजति छैन।
मोबाइल योजनाको सिफारिस पनि, उस्तै तर्कले पाउन सकिन्छ जस्तो लाग्छ। पहिले शुल्क सिमुलेसनले आफ्नो अवस्था जाँच्नबाट सुरु गर्छु।
थिच्दा राकुतेनको लगइन पेज खुल्छ। लगइन गरेपछि क्याम्पेनको विवरण देखिन्छ।
तैपनि बाँकी रहने, वास्तविक अवरोध
तर, सामग्री र तर्कको तगारो घटेको जति, उल्टै देखिने कुरा पनि छन्।
पहिले, डेटा हो। जेनेरेटिभ AIले जति धेरै लेख उत्पादन गरे पनि, आधारभूत डेटा कच्चा वा ग्राहकअनुसार विभाजित भएमा, लक्ष्यविहीन सामग्री पुर्याउने हुनजान्छ। सदस्यता जानकारी A, खरिद इतिहास B, एप व्यवहार लग C गरी प्रणाली अलग-अलग भए, सुरुमै ग्राहक एक-एकलाई सही रूपमा बुझ्न सकिँदैन। बरु सटीक डेटा जग भएको छ कि छैन, यो पहिलेभन्दा बढी फरक पार्ने भाग बनेको छैन र?
र, तर्कको बारेमा पनि, प्रविधिको कठिनाई घटेको जति, अर्को कठिनाई देखिन थालेको महसुस हुन्छ। त्यो हो “आफ्नो ग्राहकका लागि, के लाई राम्रो तर्क मान्ने” भन्ने निर्णय आफैं। बिक्री अधिकतम बनाउने तर्क, ग्राहकको सन्तुष्टिसँग जोडिनु आवश्यक छैन। छुट उत्पादनमात्र निरन्तर सिफारिस गर्ने तर्कले, अल्पकालीन बिक्री बढाउन सक्छ तर लामो नजरले हेर्दा ग्राहकलाई सस्तो पर्खने बानी बनाउन सक्छ। यो, “नराम्रो बिक्री” सिर्जना नगर्नु CRMको सार हो भन्ने विचारसँग पनि नजिकको कुरा हो। यहाँ मेसिन लर्निङलाई पूरै सुम्पिनुभन्दा, मानिसले निर्णय गरी डिजाइन गर्नुपर्ने भाग हो जस्तो लाग्छ।
उपकरण विकसित भए पनि, केका लागि कसलाई पुर्याउने भन्ने निर्णय गर्ने अन्तिममा मानिस नै हो। डेटा तयार भएको, सामग्री धेरै बनाउन सकिने भएको अहिले नै, तर्कको डिजाइन दृष्टिकोणले त्यो कम्पनीको अडान त्यत्तिकै प्रतिबिम्बित गर्ने ऐना बन्दै जान्छ जस्तो लाग्छ।
घरमा पनि, उस्तै कुरा सोचिन्छ
यो “कसलाई, के, किन पुर्याउने” भन्ने ढाँचा, कामकोमात्र कुरा होइन जस्तो लाग्छ।
घरभित्र पनि, सञ्चार योजना वा सम्झौता कसलाई कसरी बाँडफाँट गर्ने भन्ने, सोचेभन्दा व्यक्तिगतीकरण जस्तै निर्णय हो। बढी प्रयोग गर्ने परिवारका सदस्यलाई ठूलो क्षमताको योजना, कम प्रयोग गर्नेलाई सस्तो योजना। डेटा अर्थात् प्रयोग अवस्था, र तर्क अर्थात् कसलाई के बाँडफाँट गर्ने, घरभित्र पनि स्वाभाविक रूपमा चलाइरहेको जस्तो लाग्छ।
हाम्रो घरको मोबाइल योजना पनि, यसरी फेरि हेरेको अनुभव छ। मन लागे सन्दर्भका रूपमा हेर्नुहोस्।
थिच्दा राकुतेनको लगइन पेज खुल्छ। लगइन गरेपछि क्याम्पेनको विवरण देखिन्छ।
यस लेखमा सम्बद्ध विज्ञापन समावेश छ। यस साइटको लिङ्क मार्फत उत्पादन वा सेवाको लागि आवेदन दिनुभयो भने, हामीले साझेदार कम्पनीबाट प्रतिफल पाउन सक्छौं। साथै, सञ्चालक राकुतेन समूहको कर्मचारी हो र कर्मचारी सिफारिस कार्यक्रम मार्फत प्रतिफल पाउन सक्छ। लेखको सामग्री र मूल्याङ्कन विज्ञापन भए वा नभएको भन्दा फरक रूपमा सञ्चालकको वास्तविक अनुभव र अनुसन्धानमा आधारित रहेर तयार गरिएको हो, तर माथिको सम्बन्ध बुझेर पढ्नुहोला। विस्तृत जानकारीका लागि अस्वीकरण र सम्बद्ध लिङ्क सूचना हेर्नुहोस्। अस्वीकरण र सम्बद्ध लिङ्क सूचना
यस लेखमा मेसिन अनुवाद समावेश छ। आधिकारिक सर्तका लागि राकुतेन मोबाइलको आधिकारिक साइटको बहुभाषी पृष्ठ हेर्नुहोस्।
राकुतेन मोबाइलको सञ्चार क्षेत्र वा सिग्नल अवस्थाको बारेमा चिन्ता भएमा, आधिकारिक सिग्नल सुधार·अनुसन्धान अनुरोध फारम मार्फत सोध्न सकिन्छ।
