एक लाइफ़साइकल टीम उन यूज़र्स को वापस लाने के लिए एक ‘री-एक्टिवेशन सीरीज़’ चलाती है जिनके सर्विस छोड़ने का रिस्क होता है। मान लीजिए कि यह सीरीज़ 120,000 कॉन्टैक्ट्स को ईमेल भेजती है और एक महीने में 1,800 री-एक्टिवेटेड ट्रायल जोड़ती है। सबसे बड़ा फ़र्क ज़्यादा ईमेल भेजने से नहीं आता। फ़र्क इस बात से आता है कि किसे, कब और किन सुरक्षा उपायों के साथ कौन-सा मैसेज भेजा जाए, इस बारे में बेहतर फ़ैसले लिए जाएँ। यहीं पर AI मदद कर सकता है और यहीं पर यह तेज़ी से भरोसा भी तोड़ सकता है।
ईमेल प्रोग्राम्स पर एक साथ तीन तरह का दबाव होता है। ईमेल की संख्या बढ़ती रहती है, तेज़ी की उम्मीदें बढ़ती हैं और भरोसा कमज़ोर होता है। भरोसा इस बात से बनता है कि ईमेल कितने सही लोगों तक पहुँचते हैं, ब्रांड में कितनी एकरूपता है, और क्या पर्सनलाइज़ेशन मददगार लगता है या अजीब/डरावना। नतीजों को बेहतर बनाने का मतलब है AI को एक ‘एंड-टू-एंड सिस्टम’ का हिस्सा मानना, न कि सिर्फ़ एक ‘कॉपी मशीन’।
आगे बढ़ने से पहले, उस लाइफ़साइकल पाथ (प्रक्रिया) का मैप बनाएँ जिसे आप बेहतर बनाना चाहते हैं, और इसमें यह भी शामिल करें कि रिस्क कहाँ आता है।
जाल ज़्यादा पर्सनलाइज़ेशन का मतलब अपने-आप ज़्यादा रेवेन्यू नहीं होता। बिना सोचे-समझे किया गया पर्सनलाइज़ेशन शिकायतें बढ़ा सकता है, इनबॉक्स में ईमेल पहुँचने की संभावना कम कर सकता है, और लंबे समय में आपकी ईमेल लिस्ट की वैल्यू घटा सकता है।
AI के नतीजे तभी बेहतर होते हैं जब उसे किसी साफ़ फ़ैसले से जोड़ा जाए। ईमेल में दो तरह के फ़ैसले सबसे अहम होते हैं। प्रेडिक्टिव AI अंदाज़ा लगाता है कि क्या हो सकता है, जैसे कौन कन्वर्ट होगा या कोई कब ईमेल खोलेगा। जेनरेटिव AI कंटेंट बनाता है, जैसे सब्जेक्ट लाइन, बॉडी कॉपी या इमेज के अलग-अलग वर्शन।
प्रेडिक्टिव टूल टारगेटिंग और टाइमिंग को बेहतर बनाते हैं। जेनरेटिव टूल थ्रूपुट और वेरिएशन को बढ़ाते हैं। पाइपलाइन से इनका सीधा कनेक्शन होता है। बेहतर टारगेटिंग से बेकार ईमेल भेजने में कमी आती है और भेजने वाले की साख (reputation) बनी रहती है, जिससे भविष्य के कैंपेन की पहुँच बेहतर होती है। तेज़ी से क्रिएटिव में बदलाव करने (iteration) से आप लॉन्च रोके बिना हर हफ़्ते ज़्यादा आइडिया टेस्ट कर पाते हैं।
कुछ ईमेल टास्क को प्रेडिक्टिव, जेनरेटिव या हाइब्रिड कैटेगरी में बाँटें ताकि आप सही तरीका चुन सकें।
AI के कुछ इस्तेमाल सफल होते हैं क्योंकि वे फ़ैसला लेने में लगने वाले समय को कम करते हैं। दूसरे इसलिए फेल हो जाते हैं क्योंकि उनमें ऐसी गलतियां होती हैं जो आसानी से पता नहीं चलतीं।
आम गलतफहमी यह है कि कॉपी ही मुख्य रुकावट है। असल में, खराब इनपुट से खराब आउटपुट ही मिलता है। अगर इवेंट डेटा में देरी होती है या सेगमेंटेशन के नियम गलत होते हैं, तो बेहतरीन कॉपी भी गलत लोगों तक ही पहुंचती है।
इस बात का पता लगाने के लिए सैंपल का इस्तेमाल करें कि AI ने कहां सुधार किया और कहां थकान या आवाज़ के लहजे में बदलाव (वॉइस ड्रिफ्ट) जैसे जोखिम पैदा किए।