国际预付旅行卡对于旅行者来说是一个很好的资源,它可以提供更高的安全性和锁定费率,并且可以更轻松地计算外币。在此,Travelex全球IT总监Hans van der Waal解释了该公司是如何定制客户数据以鼓励人们利用这些好处的。
根据Allied Market Research的数据,2022年至2032年期间,预付旅行卡产生的收入将翻两番,从1205亿美元增至4928亿美元,这一急剧上升的趋势很大程度上是由于国际旅行的增加,因为游客人数缓慢攀升到了疫情前的水平。
Travelex公司全球IT总监Hans van der Waal认识到这一趋势给Travelex这样的外汇公司将会带来怎样的潜力,因此一直在寻找更具战略性的方法来释放数据的力量,为旅行卡客户提供服务。据他介绍,客户将钱存入Travelex的Cash Passport储值卡,出发去旅行,然后回家却忘记了卡上剩下的钱,这种情况相当普遍。如果长时间未使用,剩余余额通常会因年度维护费用而耗尽。van der Waal表示:“这种情况对我们或者我们的客户都是不利的。这对我们来说是个坏消息,因为我们渴望拥有回头客,对我们的客户来说也是个坏消息,因为他们只是浪费钱来维护那些不活跃的或者是闲置的卡。”
为了解决这个问题,他希望想出一些方法来提醒客户使用充值资金,并鼓励他们在下次旅行之前重新充值。但他解释说,有关卡使用和余额的数据部分归Travelex所有,部分归第三方所有。因此,他和他的团队必须和第三方进行谈判,以确保他们能够以特定且安全的格式实时或者近实时地访问这些数据。为此,他们开发了一个基于云的客户数据平台(CDP),让他们可以引入和分析第三方数据,并将这些数据和自己的数据相结合,以便他们可以标记未使用的余额。
这些洞察让Travelex可以主动接触客户,通过鼓励他们兑现余额或更好地将现有余额用于未来旅行来影响他们的行为,最终目标是在正确的时间向正确的客户发送正确的提醒。
有序推进
一旦Travelex清楚地了解了他们想要创建的数据平台类型,就开始采取迭代策略来将这个想法变为现实。他说:“这不是开创性的,但我认为从小事做起,尝试新事物,停止效果不佳的事情,并在需要时毫不犹豫地重新开始,这些非常重要。”在这个过程中,他们可以构建一些东西,对其进行测试,然后经历各种变更和改进周期,以便最终产品在推出时就可以投入生产。
除了与第三方合作访问所需数据外,van der Waal还必须与Travelex的营销和产品团队以及数据隐私和安全负责人密切合作,以提出不同的理论来解释为什么有人可能不花掉他们卡上的钱,然后提出最合适的消息传递方式。他们还和机场的客户进行了交谈,以了解更多有关他们的偏好和用途,而不仅仅是依靠内部专业知识和资源来保证项目的成功。
他表示,决定在云中托管平台,特别是在AWS云上,这个是一个效率问题。他们不必从头开始自己构建一些东西,而是可以利用AWS提供的原生云解决方案,然后对其进行定制以满足他们的特定要求。
但要充分利用云,需要正确的技能。虽然Travelex确实拥有内部人才,但他们也寻求了来自SourceFuse和Mesh AI等第三方的帮助,以确保他们根据特定项目要求以最有效的方式利用云。
他说:“这些第三方要么是对Travelex内部技术团队的补充,要么让他们为我们那些做我们自己无法做到的事情,这是这种合作伙伴关系的主要好处之一,这样我们就可以获得支持未来业务需求所需的高级技能和知识。”
为了衡量这些举措的影响,Travelex建立了一个小型对照组,他们最初没有向该小组发送与卡余额相关的警报,即使是符合他们的目标客户类型。他说:“从数据中,我们看到这些信息产生了巨大的影响,以至于我们现在正在将该项目扩展到其他地区。”
好文章,需要你的鼓励
OpenAI 本周为 ChatGPT 添加了 AI 图像生成功能,用户可直接在对话中创建图像。由于使用量激增,CEO Sam Altman 表示公司的 GPU "正在融化",不得不临时限制使用频率。新功能支持工作相关图像创建,如信息图表等,但在图像编辑精确度等方面仍存在限制。值得注意的是,大量用户正在使用该功能创作吉卜力动画风格的图像。
Synopsys 近期推出了一系列基于 AMD 最新芯片的硬件辅助验证和虚拟原型设计工具,包括 HAPS-200 原型系统和 ZeBu-200 仿真系统,以及面向 Arm 硬件的 Virtualizer 原生执行套件。这些创新工具显著提升了芯片设计和软件开发的效率,有助于加快产品上市速度,满足当前 AI 时代下快速迭代的需求。
人工智能正在深刻改变企业客户关系管理 (CRM) 的方方面面。从销售自动化、营销内容生成到客服智能化,AI不仅提升了运营效率,还带来了全新的服务模式。特别是自主代理AI (Agentic AI) 的出现,有望在多渠道无缝接管客户服务职能,开创CRM发展新纪元。
数据孤岛长期困扰着组织,影响着人工智能的可靠性。它们导致信息分散、模型训练不完整、洞察力不一致。解决方案包括实施强大的数据治理、促进跨部门协作、采用现代数据集成技术等。克服数据孤岛对于充分发挥AI潜力至关重要。