拉丁美洲的一家大型电信公司安装了一个智能实时下一最佳报价系统。下一最佳报价（或下一最佳行动）是一种营销方法，该方法通过分析客户行为，向每位客户提供经计算最能吸引该客户的产品。该报价通过努力了解客户的最大利益，找到对客户和公司都有利的报价。这样，每个客户关系的价值都可以实现最大化。
背景
下一最佳报价基于客户与公司的联系（入站）以及出站通信。这使得更容易遵守越来越严格的监管规定，管理从公司到客户的主动通信，但也提出了一个挑战，即根据客户在入站通信中所说的内容即时回复客户。也就是说，响应必须是实时的。
挑战
这家电信运营商正在寻找一种实时下一最佳报价解决方案，用于其呼叫中心的客户传入通信。它拥有大量关于客户过去购买和购买行为的数据，并希望利用这些数据为其客户提供更具吸引力和个性化的优惠。
解决方案
我们的解决方案提供了一种基于 Galileo 和 Turing 产品的实现方法。该解决方案集成了来自该电信公司不同系统的数十个潜在相关数据源，旨在为每个范围内的客户创建一个“动态用户配置文件”。不同的数据源位于孤岛中，它们的数据通常不会一起分析。因此，该解决方案打破了这些孤岛，可探索以前无法访问的关系。动态用户配置文件会根据与客户的每次新互动以及我们的自学算法从数据分析中获得的每一个新见解持续更新。
下面是实施该解决方案所涉及的步骤
- 分析可用数据类型并确定将在模型中纳入哪一个类型。
- 通过吸收和分析大量历史数据来开发模型。根据客户收到的营销沟通对客户行为进行建模，以构建模型并创建动态用户配置文件。
- 分析当前数据的传入流，以继续细化模型。
- 使用该模型在客户与公司联系时以及在公司的出站通信中实时提出建议。
结果
该解决方案为每位客户生成了一组动态用户配置文件和产品/服务推荐。目前正在对基于这些数据的营销活动进行试验，并将其与类似的营销活动进行比较，但没有从该解决方案产生的见解中获益。产品和服务也根据动态用户配置文件进行定制。
