Envoy Media：使用 Cloudflare 的自动程序管理与机器学习

我叫 Ryan Marlow，是 Envoy Media Group 的首席技术官。我很高兴与您分享关于 Envoy、Cloudflare 的故事，以及我们是如何使用自动程序管理来监控自动化流量的。

Envoy Media Group 是一家数字营销和潜在客户开发公司。我们工作的目标很简单：我们会利用营销，连通客户与金融服务。对于正在经历某些金融困难的人员来说，Envoy 能够提供内容丰富的视频、财富管理工具和其他资源。在这个过程中，我们通过在线体验带来客户，从而帮助我们更好地理解其需求并告知他们能够选择的方案。通过这些信息，我们会检查经严格审核的合作伙伴数据库，以查看哪些计划可能有用，然后为其与最适合的公司牵线搭桥。

正如您可能想象的那样，对我们来说，负责任地将感兴趣的客户与合适的金融服务配对是至关重要的。Envoy 开发了自己的品牌，在整个过程中对客户进行指导。我们会自己投入广告费用，一切工作以业绩为本，并选择我们确信能够公平对待客户的合作伙伴。Envoy 愿作为值得信赖的向导，帮助客户理顺金融事务。

我们常说，Envoy 能提供“精细巧妙的在线体验”。它并不是普通的潜在客户开发引擎。我们已经构建了自己的多渠道营销平台，名为 Revstr，其能够负责处理内容管理、营销自动化和商业智能。Envoy 拥有内部的技术团队，负责开发和维护 Revstr 所包含数百万行代码的 PHP 应用程序、云计算服务和基础结构。借助 Revstr 的系统，我们能够根据任何业务规则组对任何设计组合进行 A/B 测试。因此，Envoy 每次都能向正确的客户展示相应体验，甚至对每一个人做出妥善的应对。

Revstr 能够通过我们的页面和表单跟踪客户进度的每个方面。它还可以与广告平台、客户公司的 CRM 系统和第三方营销工具集成。Revstr 为我们的性能和客户的体验创建了 360 度全方位视角。所有这些信息都会进入我们的专有数据仓库，并提供给业务团队。此仓库还将数据根据 — 已经清理、标准化和标注 — 分类，提供给我们的机器学习渠道。我们可以根据需要对 ML 模型执行快速、简便的测试、训练和部署。我们的业务团队和营销自动化都在很大程度上都依赖来自这些报告和模型的指导。此时 Cloudflare 正好派上用场…

我们的关键难度之一在于评估我们数据流量的质量。不良行为者总是在伺机作案，并且人数日益增多。重要的是：进入我们站点的任何假流量都会对我们的业务带来直接影响，包括在广告、用户体验优化和客户服务方面浪费资源。

在我们的数字营销世界，尤其是在我们的行业竞争中，每次点击都成本高昂，必须慎重对待。俗话说：“投入制胜，点击为王。”我们会为点击自投资金，只有我们挖掘出真实的潜在客户，并不断转化为我们客户的注册客户，我们才会获得回报。

对非法点击的任何投入都会损害我们的利润 — 而自动程序往往是首要的元凶。自动程序会损害我们在竞价中的排位，并削弱我们的购买能力。我们业务团队中的媒体买家随时都会观察有关我们广告流量的开销、数量、吸引力和转化率的统计数据。他们会找出可能表示欺诈性点击的异常情况，确保我们花出去的每一分钱都不会浪费。

Cloudflare 提供了自动程序管理，它能够精确发现我们需要留意的流量。

我们使用 Cloudflare 解决了我们的问题。对于到达 Envoy 的每个请求，Cloudflare 会计算“自动程序得分”，范围从 1（自动化）到 99（人工）。它是通过使用包括机器学习在内的多种复杂的方法生成的。由于 Cloudflare 每秒会收到来自数百万个请求的流量，因此拥有巨大的训练集可供使用。自动程序得分的精确性高得惊人。通过利用自动程序得分来评估广告点击的合法性，并相应切换体验，我们可以充分利用所付费的每一次点击。

由于单次点击的成本高昂，即使 Cloudflare 表明其可能是自动程序，我们也无法承担完全阻止该点击的代价。相反，我们会提取自动程序得分作为自定义页眉，并将其用作我们的规则引擎的输入值。例如，我们可以在可疑流量前面放置长得多、限定性更强的表单，而向更高得分的访问者呈现更简化的表单。在极端的情况下，我们甚至可以要求可疑的访问者通过电话联系我们，而不是填写在线表单。这样一来，我们就可以转化来源可能比较可疑，但实际上仍然合法的潜在客户，同时为最佳潜在客户维持满意的体验。

我们还能够将自动程序得分调取到我们的数据仓库中，并将其提供给我们的营销团队。长期来看，如果他们发现有任何广告推广或流量来源的平均自动程序得分较低，则我们可以削减或消除对该流量来源的花费，要求提供商退款，并将精力转移到更有利可图的部分。

Envoy 还可以将自动程序得分集成到我们的 ML 模型中来加以利用。对于大多数潜在客户开发公司，跟踪潜在客户数量和利润率就足够了。在 Envoy 中，永不满足于销售的基因，已扎根于我们的血脉之中，还要真正为我们的客户评估出这些潜在客户的终身价值。所以我们求助于机器学习。我们能够使用 ML，基于过去潜在客户的已知数据预测新访问者的终身价值，将该信号传递给我们的广告供应商。借助更出色的预测终身价值，对潜在客户的转化率起到更加积极的影响，我们可以影响那些按点击付费 (PPC) 平台自己的智能竞价算法，以便搜索出最高质量的潜在客户。

我们在这个过程中使用的模型之一能够预测后端转化率 — 即特定潜在客户转变成客户公司注册客户的可能性。在我们将自动程序得分和行为指标添加到此模型中之后，发现其精确性能够得到显著提高。当我们能够更好地预测转化率时，就可以获得更优质的潜在客户。这种精确性能够助力我们整个平台中的推动作用；它所影响的不仅是媒体管理，还有表单设计、潜在客户交付集成和电子邮件自动化。

在 Envoy，我们以注重分析和以数据为本为荣。下面是我们将 Cloudflare 的自动程序得分与我们自己的内部数据相结合所得出的一些见解：

1.我们将自动程序得分以及行为指标添加到我们的转化率预测 ML 模型之后，其精确性提高了 15%。在这样一个精心调优的模型中，取得哪怕 1% 的提升也不容易；15% 的提升可以说是巨大的成功。

2. 自动程序得分已包含在我们媒体采购和优化用户体验的团队所使用的 76 种不同报告中，以及 9 种不同的 ML 模型中。它现在是所有新的用户体验报告的标准组件。

3. 由于自动程序得分特别精确并且如今在我们的组织中已能够普遍应用，因此其在不少出人意料的方面已带动了组织机构业绩的提升。例如，下面是我们的用户体验优化团队的评价：

我在 PPC 搜索报告中使用了自动程序得分。在我能够使用自动程序得分之前，我们的 PPC 报告受到了自动流量的严重干扰，转化率今天是 11%，第二天又成了 5%。根本无法正常运营！我花费了大量时间进行调查，来理解这些差异并证明其合理性，很多时候完全得不出满意的答案，我们只好放弃分析。现在，我能够获得自动程序得分数据，可防止数据稀释，并且对自己的分析更有信心。

感谢 Cloudflare 团队让我们有机会分享我们的案例。我们一直在不断创新，并希望将来可以分享更多的开发成果。