时间至关重要。 遵守这一成规对于确保达到保留率目标以及将令人畏惧的客户流失率保持在最低水平至关重要。

这构成了Flows和Golden Whale联盟复兴的基础，该联盟采用实时数据编排循环，旨在使运营商能够与客户进行有意义的互动，从而推动更智能、更快速的用户参与。

在与SBC News的对话中，Flows的客户成功总监Malou Neguembo和Golden Whale的CTO Thomas Kolbabek阐述了这一流程的关键因素以及要实现的首要利益。

SBC News：您能向我们介绍一下Flows和Golden Whale之间的数据流是如何运作的吗？ 从编排到预测再到自动化？

Malou Neguembo：Flows可以从任何来源获取任何形状和结构的数据，例如Kafka、RabbitMQ、webhook或API，并自动理解其结构，使其可以立即在我们的无代码Flow构建器中使用。

这使我们的客户能够快速塑造数据并将其路由到任何需要的地方，包括像Golden Whale这样的平台。 在Flows中，我们还通过从客户使用的其他第三方来源提取额外详细信息来丰富数据。

在丰富之后，我们编排数据并将其直接交付给Golden Whale，格式完全符合他们对无缝预测和自动化的需求——所有这些都直接通过我们直观的无代码界面完成，任何人都可以使用——无需开发人员。

Thomas Kolbabek：Golden Whale的Foundation平台具有独特的无集成方法，可无缝连接到已有的系统以进行数据访问——与Flows完美匹配。

Foundation将Flows提供的持续丰富的数据与历史数据相结合，作为机器学习的基础。 我们涵盖了对游戏机制、运营和用户行为的深入理解，并将其融入到ML生命周期的所有阶段，从数据工程到ML模型训练、验证和监控。

我们的整体方法使我们能够将Flows提供的数据点转化为对每个玩家的个性化预测和建议。 这些作为可操作的信号和触发器反馈给Flows，从而实现自动化并支持决策。

SBCN：运营商拥有这种数据编排和预测分析之间的双向集成有什么好处？

TK：一旦预测或建议在运营中使用，运营就会不断发展。 随着可以保留更多玩家并且更具体地分配奖金或奖励，玩家体验和行为会发生变化，从而避免奖金滥用。

通过闭环双向集成，我们的ML模型可以不断调整并对玩家行为和市场状况的变化做出反应。 一次性或旧/过时的ML模型缺乏这种明显的优势，并且会随着时间的推移而劣化，尤其是在通过添加新产品或优惠来扩展基础运营时。

Golden Whale从一开始就创造了“LOOPS”这个术语，强调了在闭环系统中处理数据、预测和后续行动以持续学习、适应和有效优化的重要性。MN：Flows和Golden Whale之间的双向集成允许运营商从被动转变为主动的实时参与。 Flows编排实时数据流和通过第三方API的额外数据，并将它们发送给Golden Whale进行分析。

当预测作为新的触发器返回到Flows时，它们可以用于自动化，如量身定制的优惠、风险警报、反流失或保留操作，无需手动输入或额外的开发工作。 所有这些都已连接到内部和外部通信工具，如Slack、Teams、Telegram、CRM工具和重新激活合作伙伴，如Enteractive和Dynamic Messaging。

这种实时循环使运营商能够预测玩家行为并在最重要的时候采取行动，从而推动更智能的参与、更好的保留率并减少运营工作，因为工作流程的所有部分（包括内部和外部通信，以及仪表板和警报）都可以自动化。

SBCN：实时似乎是这里的关键词。 你们如何合作确保见解和行动能够立即发生？MN：实时绝对是这种集成的核心。 Flows旨在处理实时数据流，并在满足条件时触发即时操作。

一旦玩家数据进入Flows，就会被丰富、编排并立即发送到Golden Whale。 然后，他们的预测作为新的触发器返回到Flows，预定义的workflow准备好采取行动——没有延迟，没有手动步骤。

如果Golden Whale检测到玩家预测发生变化，例如流失风险增加，则也会向Flows发送特殊触发器。

Flows的灵活性意味着任何新的传入数据事件或第三方集成都可以快速添加到循环中，从而立即扩展Golden Whale用于预测的数据集，并不断提高洞察力的质量和精度。

TK：实时数据处理和预测交付已内置于我们的平台Foundation中，这再次与Flows的实时数据流功能完美匹配。

我们的ML模型执行直接链接到提供的数据流，使我们能够对流中的预测进行实时计算，这些预测会立即提供回Flows。

虽然对触发器和游戏活动的反应至关重要，但Foundation同样会根据未能发生的事件和活动提供更新的预测，因为玩家行为发生变化或意外停滞，并且一旦模型检测到可能的变化。

这两部分都有助于为运营提供及时的决策支持，使运营商能够在玩家仍有参与且更容易联系时与他们互动。

SBCN：是什么让Flows非常适合同时处理多个数据编排流，以及这如何影响客户的性能？MN：Flows从头开始设计用于高容量、实时数据编排。 我们的事件驱动架构允许我们同时处理多个数据流，无论来自平台、工具还是自定义来源——不会影响速度或可靠性。对于运营商来说，这意味着没有瓶颈。 Flows随着他们的数据一起扩展，确保即使复杂性增加，性能也保持流畅。 结果是一个实时适应的系统，可以实现更快的决策、更丰富的玩家洞察力以及真正无缝的规模化自动化。

SBCN：当可以在实时采取行动时，哪种类型的预测最有效，Flows如何帮助实现这一目标？

TK：我们看到预测最有效的实时用例是加深玩家与平台或产品的互动。

这包括非常“早期价值预测”，以定制新用户的入职体验，“会话流失风险预测”，在玩家仍在游戏中时促进实时保留，通过推荐游戏、投注和产品动态定制内容以及触发和调整游戏化工具、挑战和锦标赛当玩家最有可能欣赏它们时。

我们的平台Foundation可以编排不同的参与工具，并根据运营商级别的非常具体的设置动态校准其ML/AI模型。

Flows在此过程中至关重要，它通过帮助将不同的客户互动方式连接到Golden Whale的中央决策模块，并通过实时提供来自运营中任何地方的持续且高质量的数据点，而与原始数据源无关。

SBCN：当您的预测输出直接插入到Flows之类的自动化层时，您如何看待其价值的增加？

TK：拥有预测不仅触手可及，而且还可以在一个高度灵活但易于配置的自动化工具（如Flows）中使用，这成倍地增加了预测在多个维度上的有效性，从而增加了价值。

运营商可以将预测连接到业务流程，而所需的交付时间通常比在更严格的环境中所需的时间短得多。

实施的Flows使这些流程能够24/7实时运行，而不是依赖于计划和同步的环境。

将预测的交付编排到所有连接的系统，使我们的客户能够增强其游戏平台的每个部分，包括CRM、游戏化工具、PAM、CDP和许多其他工具。

Flows进一步使我们能够自动化向团队和利益相关者传达关键事件，而无需设置报告或其他更复杂的通信方式，从而使我们的预测可以持续供人员和系统使用。

SBCN：一旦数据从Golden Whale返回，运营商可以在Flows中立即设置哪种类型的自动化操作？MN：一旦Golden Whale将预测性洞察作为Flow触发器返回，运营商就可以构建Flows来根据这些预测立即自动化操作。 这可能包括发送个性化优惠或奖金、标记高风险行为以供合规审查、触发保留活动或实时调整CRM细分。

由于Flows是无代码且完全可定制的，因此运营商可以构建适合其确切策略的逻辑，无论其是针对流失风险、VIP潜力还是异常行为采取行动——确保在正确的时间自动采取正确的行动，而无需任何手动输入。

SBCN：这种预测循环将如何改变您的客户处理玩家参与或活动设置的方式？

MN：他们现在可以创建动态的、实时的策略来响应玩家接下来可能要做的事情，而不是基于过去的行为细分来构建静态活动。

这意味着活动可以持续优化，根据来自Golden Whale的预测信号自动触发正确的消息、奖金或操作。 它将重点从手动规划和猜测转移到智能自动化，每个玩家接触点都及时、相关且由数据驱动。 结果是更智能的参与度、更强的保留率以及在活动设置和管理上花费的时间大大减少。

SBCN：从Golden Whale的角度来看，拥有来自Flows的如此快速、干净的数据编排产生了什么影响？TK：与Flows合作并接收编排数据，我们Golden Whale可以专注于为客户的运营提供最佳的ML模型编排。

由于Flows的事件驱动数据点比预聚合数据集更精细，这反过来使我们能够提供更广泛的预测和建议。

我们已经看到连续的数据访问和预测交付的交付时间显着缩短，同时仍然可以灵活地接收特定于运营的数据点，因此特定于玩家的体验。