如果有人告诉你，决定一家餐馆是否成功的最好方法是简单地测量进门的人数，你会怀疑的。到底有多少人留下来了？他们每顿饭花了多少钱？也许最重要的是，他们打算回来吗？作为消费者，我们不会被误导性的数据所左右，那么作为销售代表，我们为什么要这样做呢？在外展部，我们没有。我们知道，把所有进入餐厅的入口都一视同仁是愚蠢的，而同样愚蠢的是，把所有的约会都一视同仁。事实上，我们正在使用Amplify和我们在机器学习上的投资来改变一句老话，即回复率是其头上最有意义的指标。从计数到分类让我们面对现实吧：回复率没有提供足够的细节。当然，也许你收到了很多回复，但是如果很多回复都是退订请求或者否定回复呢？你需要知道的不仅仅是总数。相反，如果我们把注意力放在回复的意图上，而不仅仅是回复率：取消订阅、反对和肯定。利用数据推动交易上周在旧金山举行的Spark+AI峰会上，外联首席数据科学家刘勇（Yong Liu）讨论了我们在意向分类方面的工作。Yong讨论了为什么并非所有的回复都是平等的，外联是如何使用自然语言处理（NLP）来训练计算机对回复进行分类并分析客户的行为和意图。类别包括：取消订阅：请从您的电子邮件列表中删除我。反对意见：谢谢你伸出援手，但我们对此不感兴趣时间。肯定的：我有兴趣在星期五谈。你上午10点左右有时间吗？通过机器学习，Yong演示了如何准确地测量电子邮件模板和序列的性能，进行大规模的A/B测试，然后根据回复意图（而不是回复数量）清晰而自信地挑选出最成功的内容。借助Amplify的数据驱动洞察力，您的团队将能够发送最有可能执行的序列，并在适当的时间将正确的内容发送给您的潜在客户。用更少的钱做得更好！Yong和数据科学团队的其他成员正在继续他们对意图的研究，他们开发了新的机器学习技术，可以更准确地分类意图，并且更少的例子。这项工作将给你的洞察力，以更有效地销售和更快地完成交易！下一站：Yong将于5月14日在赛普拉斯举行的高性能机器学习研讨会上发表题为"大规模分类销售参与电子邮件的转移学习评估"的论文。敬请关注更多更新！