你不需要 AI / 机器学习，你需要的是 SQL
Posted ekse
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了你不需要 AI / 机器学习，你需要的是 SQL相关的知识，希望对你有一定的参考价值。
不久前，我曾经在 Twitter 上说过，我们需要使用传统和现有的工具来解决每天的企业问题，而不是跳到新的技术上，他们很性感，但是同时成倍的增加了技术上的复杂度。
这次讨论相当的好，最终成为了 Hacker News 的热榜第一。这个短时间内的流行是因为引发了一些有意思的对话。一些同行同意我说的观点，而另外一些则不能全部接受我说的，他们把我叫做愚蠢和妄想。好吧，互联网就是一个黑森林。
我写这篇文章的目的不是为了说服大家使用我的办法，而是我想要分解我最初在 Twitter 上的事件，进行解释。
如大家所见，随着时间推移，一些有意思的技术和概念如雨后春笋一样，机器学习、区块链、人工智能、虚拟现实、增强现实等等，它们都让已有的一些技术退居二线。最近听到有人用区块链技术实现了一个很科幻的项目已经不那么司空见惯。我已经看到过区块链技术支持后台的电商服务，社交网络和财产。而且列表还在变长。我听说大家在很早的接近这轮风口，你必须让自己投入到区块链中，即使你与他宏观上一点联系都没有。
不久前它是机器学习和人工智能。每个人和他母亲访问一个有着“加入等待队列”的欢迎页面，在那个页面都有机器学习和人工智能。上天不允许你做出那个初始页面，也没有提到人工智能。严格地说，你真的是在做生意吗？但是老实的说，不一定是这样的。一个到目前为止我仍然看好的技术就是 SQL（结构化查询语言）。这个超过 40 年的古老技术与它 1974 年第一次出现的时候同样有意义。虽然经过了多年的提炼，它现在还同以前一样强大。
我已经用我职业生涯的全部在技术上，有一段时间在电子商务上，我曾亲眼见证这门技术是如何让我们成长壮大的。这个技术为我们带来了帮助，因为它允许我们探索我们收集到的数据里的有意思的信息。这些信息包括但不仅限于消费者行为，购物模型和爱好。它甚至还可以让我们预测应当备什么货什么货不能多。它还能让我们讨好我们的客户，重新吸引那些很久没联系的客户。让我告诉你我们是如何做的，你们也可以。
每次我给创始人和潜在的创始人说的时候都很有意思，他们都会很快告诉我他们会如何使用商业智能和机器语言来提高客户停留和生命周期价值（LTV）。而事实是他们甚至不需要机器学习或者那些任何一个想象中的东西。一个正确的 SQL 就是他们需要的。在之前的经历中，我经常会写 SQL 查询来抽取我们收集的数据中有价值的信息和领悟。一次我们想知道谁是周最佳客户，我们的想法是找到他们并给予奖励。公司给他们客户展示的这个简单和未想到的动作一直让我们的用户非常高兴，这又让他们成为了布道者。经常在社交媒体上看到比如“哇，Konga 刚给了我 N2000 优惠券，我是本周之星。我真没有想到。谢谢，你们是最棒的。”
这样做比花同样的钱在广告上更有效，不要误会我，传统的广告还有它的生存空间，但是什么也不会战胜来自信任朋友口中的美言。惊奇的是，获取到这些信息并不困难。不需要美好的技术，我们用的是 SQL。为了获取每周之星，我们只是写了一个 SQL，查找出那周时间内拥有最大购物车的用户。当我们获取到这个信息的时候，我们会给用户发送一封感谢邮件，并附上一张团购券或者优惠券。你猜会怎样？99% 的用户都成了我们的回头客。我们没有用机器学习。我们只写了简单的 SQL 就获取到了这个信息。
有一次我们需要重新与那些一段时间没有购物的客户进行联系。由于是我来负责这个任务，我写了一个 SQL 查询，获取了三个月和三个月以上未购物的用户清单。这个查询还是出奇的简单。我写了一个查询，从订单表里过滤出那些最后一次购物时间是在三个月或以上的结果。当我们获得这个信息，我们会发送一封“我们想你，快回来，这里有一张优惠卷”的邮件。这个的转化率一直都大于 50%。每次都会在社交媒体上引起一番骚动。在我看来，这两个策略比在 Google 和 Facebook 上花钱进行广告要高效的多。
我们把这样的策略也运用到了我们的刊物上。我的意思是，当你可以尝试定制化的时候，为什么要发送一个通用的刊物给每一个用户？有什么解决方案？我写了 SQL 查询，检查购物车里的内容然后提取个人物品。从这些商品中，我们可以创建一个折扣的期刊，并且针对相应的内容。例如，一个用户购买了一双鞋子，太阳镜和一本书，对于他们的刊物来说，我们会显示包括鞋子，太阳镜和书这些东西。这比随机的发送商品来的更准确。我的意思是，为什么没要给你一个刚买了一双运动鞋的男人发生吸奶器的广告呢？这样一点意义都没有。典型的这样的营销邮件打开率只有 7%-10%。但是如果我们做的好，我们会接近 25%-30%。
这是行业标准的三倍还多。另外一个出色的邮件案例，我们通过用户名字来称呼他们。我们不用亲爱的客户。我们一直是亲爱的某某某等等。这会给他们带来人性化，同时显示了我们的用心。所有这些都是基于老旧好用的 SQL，而不是那些花哨的机器学习。
对于那些由于一个或者多个原因不能完成他们订单的客户，我们不会让他们下车。因为只要他们添加了商品到购物车中，这就意味着他们有购买的想法。为了让他们下单购买，我写了一个漂亮的 SQL 脚本，搭配一个定时任务，这个组合会触发系统发送一个邮件给那些在 48 小时或更长时间内有购物车更新的客户。猜猜结果怎么样？当然很不错了。因为我们可以跟踪这些邮件，我们能够告诉客户，让他们回来完成他们的订单。当然这些 SQL 也很简单。它会查询状态不为空的购物车，并且最后一次更新的时间大于等于 48 小时。我们把这个定时任务设置成每天凌晨两点执行，这个时段流量和活跃度较低。客户会在醒来的时候收到他们被遗忘的购物车的邮件提醒。在说说再次获得联系。这里也没有用花哨的技术，就只有 SQL，Bash 和定时任务在起作用。
由于货到付款（POD）是很大和重要的事情，SQL 还是可以提供帮助。客户可以连续三次取消订单，我们把它们放置在一个高警告的篮子里。下一次他们下单的时候，我们会进行电话确认他们是否真的需要这个订单。通过这样的方式，我们节约了时间和不必要的压力。所有的加在一起，货到付款可能对这些客户不可用，他们可能只被允许使用银行卡或者钱包支付。在电商系统中，物流很昂贵，所以关注严肃的客户是很有意义的。我们不需要机器学习和其他花哨的人工智能来处理这些问题。再说一次，优雅的 SQL 就是我们需要的。
对于那些在我们服务等级窗口内没有被配送的订单，我们使用 SQL 查询来管理用户期望。我们从订单中查询那些未收货，而且订单日期大于七天的订单。因为这是一个标准的配送周期。我们也配合一个定时任务，我们会发送一封邮件和短信给客户。虽然客户并没有立即为我们起立鼓掌。但是至少，它再次给他们证明了我们真正的关心客户，而且在致力于解决问题。没有别的事能比订单迟到更烦心了。
这个特殊的解决方案在 NPS 上有一个很好的效果。再次声明，好的 SQL + Bash 可以拯救那一天。
令人高兴的事：Sift Science 在预防欺诈上做的很出色。但是 SQL 也可以帮到大忙。如果一个用户尝试用三个不同的银行卡付款都失败了，有意思的事情就会发生。这里首先很最明显应该做的事情是临时冻结他们的账户。你会为那些可能的银行卡拥有者避免很多头疼的事情。你不需要存储银行卡信息，只用存储银行卡尝试支付的一个特定的订单数，就可以了。这些是挂的比较矮的水果，不需要用机器学习，用优雅的 SQL 语句就可以了。
我在研究机器学习和人工智能。这些技术有他们的用武之地，例如，Amazon 已经证明了他们的高效。但是如果你只是运营了一个小的在线商店，只有 1000-10000 个客户，那么你还需要依靠 SQL。除此之外，机器学习和人工智能可能起不到一点作用。
如果你运营了一个电商，你需要上面的任何帮助？联系我吧，我会很开心收到你的问题。
很乐意收到你的来信。
原文作者：Omin
原文链接：
https://cyberomin.github.io/startup/2018/07/01/sql-ml-ai.html
题图来源：Photo by Matan Segev from Pexels
文章推荐：『湾区日报』https://wanqu.co
译者：ekse
编辑：ekse
文章推荐
以上是关于你不需要 AI / 机器学习，你需要的是 SQL的主要内容，如果未能解决你的问题，请参考以下文章