Actionable 由 Nicolas Rieul 和 Nans Thomas 创立，宣布获得由 Hi inov 领投、Axeleo Capital 领投的 850 万欧元融资。该初创公司希望通过整合商业数据和运营事件来帮助大公司预测客户的离开、投诉和购买情况。它在家乐福、OUIGO 和 Engie 的部署体现了这一雄心。规模的变化将取决于其复制这些用途并衡量由此产生的决策的好处的能力。
根据 Actionable 的说法，六分十二秒是得来速的等待阈值，超过该阈值，家乐福分析的数据中的净推荐值（客户推荐指标）就会下降。该品牌将把这一结果转化为监测标准，在国家、地区和商店层面实施。
精确性吸引了人们的注意，其操作转化更重要：分析结果可以导致检查订单的准备情况、团队的可用性或提款的组织。然后，客户知识会参与决定服务质量及其成本的决策。
这就是 Actionable 寻求占据的位置。该公司于 2026 年 9 月 9 日宣布筹集 1000 万美元（850 万欧元）资金，由 Hi inov 领投，历史投资者 Axeleo Capital 参与。它创建于 2024 年 4 月，汇集了 Criteo 前经理 Nicolas Rieul 和 Innovorder 前产品管理人员、Wino 创始人 Nans Thomas 的经验。首先了解公司寻求改进的业务决策；第二个带来了他在构建商业软件方面的经验。
从平均水平转向客户回电
创始人描述的问题始于仪表板前。满意度出现下降，团队寻找其根源，然后必须确定要联系哪些人以及给他们什么回应。在集体观察和个人干预之间，仍有几个决定需要做出。
“措施已经存在，但决策所需的粒度却没有。我们构建的是这一层，”尼古拉斯·里尔 (Nicolas Rieul) 解释道。
可操作的声称能够为每个客户分配满意度、离开风险、严重投诉和重复购买分数，以及解释这些分数的因素。该公司拥有家乐福、SNCF、Edenred 和 Engie 等 16 个主要客户，分析了 1.17 亿消费者的旅程。
业务上下文是在预测之前构建的
为了产生这些结果，Actionable 首先要协调可用信息。订单、等待、退货和投诉可以记录在不同的软件中。您仍然必须找到相同的客户，将事件按正确的顺序排列并了解每个字段的含义。
该平台在“通用客户数据模型”中重建了这一旅程，这是一种适合相关行业的结构。准备订单所需的时间、火车延误或文件的处理时间都成为可以根据其上下文进行解释的变量。
“艰巨的工作是将数百个内部表格和定义转换为机器可以使用而不会出错的客户模型，”Nans Thomas 解释道。该公司声称，这项建设花费了两年的时间，并将原本需要几个月的工程时间减少到了几天。
这一承诺直接关系到产品的经济性。每份新合同都必须受益于已经开发的连接器、定义和处理方法。可重用的工作共享决定了部署所需的资源。可操作并未详细说明观察到的中位时间或所需的人为干预量。这两项措施将有助于评估其增加安装数量的能力。
商业活动和服务机构调整
Actionable 展示的用途展示了这种准备工作如何促进不同的决策。据该公司称，在家乐福使用个人预测来确定哪些客户接受哪些 CRM 活动。该公司声称增量投资回报是股权的七倍。
在 OUIGO，该模型用于识别可能不满意的旅行者，并在可能的投诉之前向他们发送商业信息。 Actionable 表示，初始活动产生的额外收入在几周内就覆盖了该平台的成本。在 Engie，客户服务团队将依靠检测可能升级的投诉来在升级之前进行干预。
这些情况指的是相同的资源分配：回电哪些客户、为谁保留赔偿以及优先处理哪些事件？他们还在修复不良体验和投资组织以降低其频率之间进行权衡。反复拖延可能需要重新审视流程；其商业后果可能需要立即干预。
冒着离开的风险的客户是我们可以留住的客户吗？
这个问题标志着一个额外的困难，让我们想象两个客户呈现出类似的初始风险。补偿可能会说服第一个返回。第二个可能已经改变或选择了公司无法回应的要约。相同的风险评分并不一定证明相同的费用是合理的。
Actionable 声称使用“因果人工智能”。这种方法旨在阐明干预措施的因果关系和后果。它需要将与行为相关的因素与公司可以采取行动以获得预期结果的因素区分开来。
区别在于方法论，因果推理中的参考工具（例如 DoWhy）基于有关变量之间关系的明确假设以及对其稳健性的检验。考虑到所有相关因素，观察到的等待和不满之间的相关性不足以量化等待减少会带来什么变化。
Actionable 没有详细说明所使用的方法；也没有验证归因于行动的效果。在商业活动中，可比较的对照组可以评估在没有干预的情况下会发生什么。对于操作变化，协议必须考虑可能影响结果的其他因素。
这种严格性决定了大规模部署的兴趣。良好的预测可以提高对客户组合的了解。精心选择的干预措施必须产生超出其成本的额外结果。
面对已经建立的供应商要建立的地方
体验数据、运营数据和商业行为之间的协调已经存在于竞争性报价中。 Qualtrics 特别描述了结合这些信息来预测个人行为、识别面临风险的客户并组织他们的后续行动的特定功能。
因此，Actionable 必须在具体使用条件下确立其优势：部署时间、团队所需的工作量、预测质量、结果解释以及与现有工具的集成。拥有数据团队的大型团体也可以将购买平台与开发自己的模型进行比较。
客户预算中占用的空间也同样重要。多个专业人士使用的解决方案（包含在他们的常规决策中）可能会变得更难以替代。该职位涉及展示其对营销、客户服务和运营的有用性，并取得每个人都能理解的结果。
然而，所分析的 1.17 亿消费者并不构成专有的共享数据库。 Actionable 表示，其客户的环境是隔离的，他们的数据不会在客户之间共享。因此，它的累积优势可以建立在它知道如何重用的部门模型、集成和部署方法中。
代理商拓宽志向，国际考验经济
该公司现在打算将该数据模型的使用扩展到人工智能代理；它已经提供了可操作的智能，这是一种能够根据结构化信息进行分析的分析代理。
此扩展可以增加产品的使用频率和相关功能的数量。它还增加了要求：跟踪计算、验证建议以及确定谁验证决策。
这笔资金必须支持产品、工程和销售方面的招聘，以及通过经销商合作伙伴网络进行国际扩张，特别是在美国。它延长了 2024 年 9 月宣布的第一轮 200 万欧元资金，其中包括资本和债务。
