Perguntas e Respostas com o CEO da Absolutdata sobre a tomada de decisões com base em IA

Compreender como usar dados e análises para uma tomada de decisão eficaz exige uma evolução conforme a tecnologia - e isso não se perde na Absolutdata, sediada na Califórnia. Começando 17 anos atrás para criar impactos escalonáveis ​​baseados em dados, a Absolutdata adotou o uso de IA e aprendizado de máquina como parte de sua solução.

Nós conversamos com Anil Kaul, CEO da Absolutdata, para aprender mais sobre como eles estão usando IA para fornecer o melhor para seus clientes.

ClickZ: De onde surgiu a ideia do Absolutdata?

Anil Kaul: Desde o início em 2001, nosso objetivo sempre foi usar dados e análises para criar um impacto escalonável para as organizações por meio de recomendações. Nosso foco costumava ser mais no uso de dados e análises como um serviço que forneceria insights para as empresas tomarem as decisões certas.

Ainda estamos fazendo isso, mas agora adicionamos IA e aprendizado de máquina à mistura. Estamos combinando IA com uma plataforma de tecnologia para fornecer recomendações e soluções baseadas em dados para equipes de vendas e marketing.

Pense nisso como um GPS para a tomada de decisões. Um GPS pode dizer onde você está, onde você precisa ir e quais caminhos você deve seguir para chegar lá. Isso é exatamente o que estamos fazendo pelas equipes de vendas e marketing, e fazer as recomendações certas é a parte mais crítica disso.

CZ: O que diferencia a Absolutdata das outras soluções de software de recomendação baseada em dados que existem?

AK: Há muito entusiasmo hoje em dia em torno da IA. Quer as pessoas e as empresas usem ou não, eles estão falando sobre isso.

O que nos diferencia é que estamos realmente usando. Demos um passo nessa direção cinco anos atrás, antes que todos falassem a respeito. Tivemos um problema e vimos a IA como a solução. O que nos diferencia é a nossa experiência e conhecimento e, na verdade, ter uma solução de IA sofisticada que dá aos proprietários de negócios resultados reais.

Há uma grande quantidade de aprendizado que vem junto com as recomendações que podem realmente criar impacto para uma empresa. Temos algumas empresas onde a equipe de vendas precisa de recomendações todas as semanas, então nosso sistema cria para eles planos semanais.

Temos outras empresas que precisam saber que tipo de campanha de marketing devem realizar. Por exemplo, podemos ter um cliente que faz promoções pagas frequentes. Temos modelos sofisticados de IA que podem usar dados reais para fornecer a esse cliente um calendário de promoções pagas otimizado. O cliente pode usar esse calendário como base para planejar promoções, adicionando e subtraindo coisas onde achar conveniente, mas tem um ponto de partida sólido.

Enquanto uma equipe de marketing normalmente levaria semanas para chegar a esse ponto manualmente, nossa plataforma leva cerca de 10 minutos. Os dados estão aí, os modelos estão aí e a resposta está aí. Podemos dar ao cliente a solução completa, tornando-o mais eficiente e ágil como um todo.

CZ: Como isso fica exatamente no lado do cliente?

AK: O cliente obtém acesso a uma ferramenta que se encaixa perfeitamente em seus navegadores. Eles podem fazer login e ver as recomendações que o sistema fez com base nas preferências e requisitos que identificaram. Nosso objetivo é fornecer uma recomendação no lugar certo e na hora certa e tornar mais fácil para o cliente seguir em frente.

Com esse espírito, integramos com muitas das ferramentas que nossos clientes já usam, seja uma plataforma de CRM ou um sistema de software de gestão de promoção comercial, etc. Com um clique de um botão, a tomada de decisão e a execução de uma recomendação acontece com as ferramentas eles já estão implementados, tornando todo o processo contínuo e eficiente.

Do lado do cliente, parte do processo é a aceitação ou rejeição das recomendações. Se você pensar em um grande site de comércio eletrônico que faz recomendações sobre coisas que você pode querer comprar, um consumidor pode considerar apenas 30% das recomendações como algo que ele realmente compraria.

Nesse cenário, 30% está bem. Em uma situação de negócios, a barreira é muito mais alta. Nossos clientes não podem se dar ao luxo de que 70% de suas recomendações de negócios sejam ruins. Em um esforço para chegar o mais próximo possível de 100%, garantimos que o próprio sistema está aprendendo.

Por exemplo, se um cliente rejeita uma recomendação, o sistema aprende com isso. Na próxima vez em que faz uma recomendação, considera as recomendações rejeitadas juntamente com o sucesso das que foram aceitas, ajustando e melhorando por conta própria.

CZ: O que realmente te entusiasma na Absolutdata?

AK: A resposta emocional que recebemos de nossos clientes é particularmente emocionante para mim. Eu venho do mundo da análise, que é bastante simples, muito direto e seco.

Ao fornecer aos clientes essas recomendações para uma melhor tomada de decisão, podemos despertar o entusiasmo. Podemos oferecer a eles coisas tangíveis que podem fazer para melhorar seus negócios, e o entusiasmo que recebemos deles como resultado é uma experiência muito legal. Nossa ferramenta dá aos nossos clientes um senso de propriedade sobre seus negócios que muitos achavam que não existia antes.

Como eu disse antes, também estamos muito animados em implementar tecnologias com as quais outras empresas apenas sonham agora. Conseguimos eliminar o ruído e o exagero e realmente usar a tecnologia de IA.

No final do dia, realmente adoro saber o quanto nossos clientes gostam de trabalhar com nossa ferramenta. Isso me traz imensa satisfação.

CZ: Posso imaginar!

AK: Com certeza. Estamos criando uma nova categoria de sistemas de recomendação com IA e aprendizado de máquina que realmente fornece resultados e benefícios tangíveis para nossos clientes.

Essa é a parte empolgante e é isso que podemos dizer em nossas ligações de vendas. Podemos realmente apontar para nosso sistema e apontar recomendações bem-sucedidas e provar que não estamos inventando isso. É daí que vem muita confiança inicial do cliente.

Depois de implementarem por si próprios, eles podem ver como funciona por si próprios, e isso é muito bom para nós.

Fatos rápidos sobre Absolutdata

• Funcionários: 400
• Ano de fundação: 2001
• Sede: Alameda, Califórnia
• Os clientes incluem: Adidas, Uber, Godiva, Sprint, Kellogg's, Levi's, Autodesk, Kia
• Martech Landscape Categoria: Business / Customer Intelligence e Data Science