¿Qué es el Data Driven Marketing?

¿Qué es el Data Driven Marketing?

Según un estudio realizado por IBM, el 80% de los responsables de marketing toman sus decisiones siguiendo su instinto y basándose en su experiencia. En la actualidad vivimos en la sociedad del dato, donde el Big Data y la capacidad de las empresas de ordenar ese exceso de información y poder utilizarlo para tomar decisiones, es una realidad. Precisamente en este sentido, el Data Driven Marketing puede ayudar a tu empresa.

Todos los directores de Marketing saben que las decisiones hay que tomarlas en base a datos y modelos predictivos, sin embargo, el día a día o la imposibilidad de poder gestionar esos datos y conseguir esos análisis predictivos, hace que la mayoría acabe utilizando el recurso de la experiencia y la intuición. Todos caemos en el error de pensar que lo que nosotros solemos hacer es lo que hace la mayoría de las personas, sin embargo, esa opinión está terriblemente sesgada. Si no quieres caer en este error, echa un vistazo al Data Driven Marketing.

 

El Data Driven Marketing, ¿qué es?

que es data driven marketing

El Data Driven Marketing lo podríamos definir como el conjunto de conocimientos y decisiones que emergen del análisis de datos provenientes de fuentes internas y externas, acerca de los consumidores. Es decir, el uso correcto de la información de clientes y potenciales de cara a conocerles mejor, y poder comunicarte con ellos de manera más personalizada. Se trata, en definitiva, de convertir el dato en conocimiento y el conocimiento en rentabilidad.

El problema hasta hoy día, es que las empresas disponen de una gran cantidad de información, la cual sigue aumentando gracias a los medios sociales, la navegación web, etc. Más y más información, la cual muy pocas empresas logran aprovechar.

Hasta ahora, se carecía de herramientas capaces de acceder y recoger información precisa e individualizada acerca de los patrones de comportamiento de los usuarios, así como gran parte de la información recopilada por las empresas ni siquiera se utilizaba para la toma de decisiones, por el hecho de que no se sabe cómo analizarla. Otro de los principales problemas era que buena parte de los responsables de marketing y ventas tienen el hábito adquirido de tomar las decisiones basadas en su instinto y experiencia, tal y como adelantábamos, en lugar de utilizar los datos y evidencias contrastadas.

Con el avance de las nuevas tecnologías, el Data Driven Marketing a través de plataformas destinadas para ello, ha comenzado a cobrar importancia en las empresas que quieren utilizar los datos de que disponen. Las cuatro necesidades básicas que han incitado al despegue definitivo del Data Driven son estas:

1. La búsqueda continua por maximizar el retorno de la inversión. Conociendo la respuesta exacta de nuestro target a nuestros impactos, podremos ser mucho más eficaces y reducir así el coste de inversión.

2. Conseguir una mayor visibilidad. Si conocemos mejor qué resultados nos aporta la publicidad más visual, como el display, podremos perderle el miedo a invertir en ella, al conocer exactamente qué papel juega en nuestra inversión.

3. El poder alinear los objetivos de la empresa con las necesidades reales del público digital. Con Internet, el usuario controla el proceso de compra. La empresa debería intentar encajar su oferta comercial y no justo lo contrario, hacer que el cliente encaje con lo que la empresa intenta vender.

4. Aumentar el volumen de datos que podemos obtener de los canales online. Es importante ser eficaces no sólo en la recogida de datos, sino también en la gestión y tratamiento de ese Big Data. De esa manera, crear modelos que incluyan todas las variables necesarias para sacar provecho a esa información. Siempre disponiendo de un personal preparado.

5. Girar definitivamente hacia una visión customer-centric. El Data Driven Marketing es la máxima expresión del enfoque hacia el usuario. La empresa no debe perder nunca esa visión de colocar al cliente en el centro de su vida. Para ello necesita conocerle, y para conocerle necesita información.

 

Data Driven Marketing y Machine Learning

Con Internet, el volumen de información que manejamos sobre nuestros clientes, crece cada año de forma exponencial. Resulta absurdo que intentemos tomar decisiones basadas en esos datos, si no podemos asimilarlos de manera racional.

Para poder hacer frente a tal cantidad de información, necesitamos de los algoritmos en los análisis de datos. Gracias a la tecnología que aplica este tipo de algoritmos, podemos sacar conclusiones y correlacionar la información de una manera más precisa y acertada de lo que podríamos hacer por nuestros propios medios. Utilizando Machine Learning, podremos obtener información que nos ayude a saber cuál de las decisiones a tomar, tiene más probabilidades de generar un impacto positivo en nuestras campañas de marketing.

Según una encuesta de Adweek de 2015, en la cual preguntaba a los responsables de marketing, para qué pensaban utilizar estos datos, las respuestas fueron:

  • 66% para la utilización de contenido personalizado.
  • 40% para aumentar sus habilidades en la gestión y tratamiento del Big Data.
  • 36% para trabajar en la retención y fidelización de clientes.
  • 36% para hacer más eficientes los canales digitales.

Seguro que te encuentras entre al menos una de las opciones…

 

Qué beneficios tiene el Data Driven Marketing

Como habrás podido suponer hasta el momento, es una técnica muy potente, con la cual puedes principalmente:

  1. Reducir el tiempo en la toma de decisiones estratégicas y tácticas.
  2. Te ayuda a probar las campañas de marketing con resultados y métricas en tiempo real que permiten adoptar medidas correctivas de cara a su mejora.
  3. Te permite personalizar los mensajes y ofertas para mejorar la experiencia de cliente y aumentar así su fidelización.
  4. Consigues predecir el comportamiento de los consumidores y te permite responder de forma inmediata a las acciones de los consumidores.
  5. Mejora la selección del target.
  6. Optimiza la integración de canales cruzados.

 

Qué necesitas para aplicar el Data Driven Marketing

como empezar con el data driven marketing

Como estamos viendo, el Data Driven Marketing nos ayudará a crear estrategias digitales basadas en datos. Para ello necesitamos:

1. Un modelo de datos que sea capaz de analizar y registrar gran cantidad de datos (big data).

2. Un equipo preparado para la gestión de las necesidades (análisis de la información, redacción de copy, creación de piezas publicitarias, actualización de contenidos, …).

3. Una prueba de concepto sobre una parte manejable de la información para determinar el nivel de confiabilidad del sistema.

 

Parece sencillo, pero lo cierto es que la mayoría de las empresas hispanohablantes están muy a la cola en la implantación de este tipo de tecnología. ¿Estás aplicando con éxito el Data Driven Marketing en tu empresa? Cuéntanos cómo te va, nos encanta escuchar casos de éxito.

:-)

¿Quieres predecir tus ventas?

Te ayudamos a conocer el comportamiento de tus clientes, a fidelizarlos y a predecir sus compras maximizando tus resultados.

MAS INFORMACIÓN AHORA
Cómo predecir el cambio de marca

Cómo predecir el cambio de marca

El 9 de enero de 2017 la revista especializada “Nature Human Behaviour” publicó un estudio sobre el desarrollo de un modelo estadístico para predecir el momento en el que un consumidor está más dispuesto a cambiar de marca. Parece increíble, pero entre otras cosas, se ha descubierto que el miedo a lo desconocido es lo que realmente impide al consumidor probar nuevas marcas y productos. Pero cuando se decide y prueba, esta nueva opción tiene que satisfacerle, si no volverá a su círculo de confort.

Los científicos que han trabajado en ello, de la University College de Londres, para explicar las conclusiones de su estudio ponen el ejemplo de las abejas. Una abeja de miel, cuando está recogiendo néctar en una flor, y sigue un camino concreto, tiene que elegir en un momento dado, seguir ese camino o explorar uno nuevo. Esto lo hace en base a la incertidumbre, es decir, si existe una alta incertidumbre, el cambio tendrá menos probabilidades de suceder. Con los consumidores sucede algo muy similar.

Para evaluar bien este hecho, se examinaron los hábitos de compra de más de 280.000 individuos anónimos en los supermercados, durante varios años. Descubrieron, entre otras cosas, que los consumidores prefieren los cupones (incentivo para el cambio) para lanzarse a explorar productos nuevos, cuando estos se encontraban preparados para cambiar de marca o producto. Estos hallazgos demostraban además, que los incentivos relacionados con tener una vida saludable, incrementaban sus impulsos de cambio, pero ¿cómo llegamos a ese momento de cambio?, y ¿cómo sabemos que ese momento ha llegado?

En el estudio ponen de ejemplo el cambio de un restaurante. Todos nosotros tenemos un restaurante favorito, ¿verdad? Encontrar uno que sea mejor, requiere una actitud positiva hacia la exploración de nuevas alternativas. Por tanto, el momento de la exploración es fundamental. En el estudio comentan que la tasa de exploración debería aumentar a medida que la incertidumbre se acerca a la bondad relativa de aumentar opciones. Por ejemplo, se podría dar una segunda oportunidad a un restaurante ya conocido, después de un año, ya que podemos pensar que el servicio puede haber mejorado. Así reducimos la incertidumbre y nuestra tasa aumenta. Sin embargo, según los estudios, influye más en el cambio un incentivo monetario objetivo que uno subjetivo relativo a la propuesta gastronómica, por poner un ejemplo. Al final, todo depende de la dopamina frontal en los circuitos cerebrales, la cual actúa más en estos incentivos monetarios objetivos.

Los factores subjetivos al final son interpretativos, algo que no ocurre con los objetivos, como los descuentos y los cupones. Los factores subjetivos, sin embargo, sirven para reafirmar la decisión tomada a través de estos factores objetivos.

Para confirmar esto, reunieron a una muestra de individuos que testaron diferentes tipos de mermeladas. Al seleccionar una de ellas, el equipo de investigación cambiaba la mermelada por otra diferente. En el momento de justificar su elección y volverla a testar, este no identificaba el cambio. Todas las razones de la elección que daban, iban encaminadas a justificar dicha elección. Este tipo de comportamiento de búsqueda de la coherencia, está en línea con la preferencia de la gente por la información que sea consistente con sus puntos de vista actuales y el comportamiento que han tenido.

Según el estudio, la exploración en el individuo es estructurada y no aleatoria como se podría pensar, variando la probabilidad de exploración en función de la historia reciente de elección. Esto quiere decir que se pueden sacar modelos predictivos. En relación al tiempo pasado necesario para explorar nuevas marcas, comentan que una vez realizan el cambio de marca o producto, ese “contador” se pondría a cero, y habría que volver a pasar por un proceso nuevo hasta llegar a otro punto óptimo para volver a explorar otra nueva opción.

Tesco, una importante cadena de supermercados del Reino Unido, proporcionó aproximadamente 283.000 conjuntos de datos totalmente anónimos, cada uno representando las compras de un consumidor, dentro de una categoría de producto específica, durante un período de 250 semanas, involucrando 152 visitas a la tienda de media. Examinaron cómo los compradores individuales exploran las opciones de producto dentro de seis categorías de productos diferentes: cervezas, panes, cafés, papel higiénico, detergentes de lavado y yogures.

Entre los resultados que obtuvieron, vieron que por ejemplo, un comprador puede preferir la cerveza y explotar (probar) la marca A para una serie de visitas a la tienda antes de explorar la marca B. Se comprobó que, minimizando la incertidumbre, el periodo de exploración de una nueva marca se reducía. Además, la tasa global de exploración era estable en el tiempo, siendo común a todos los individuos.

Otra conclusión que se sacó, fue que las personas exploran menos cuánto más tiempo han estado probando un producto y marca en concreto. Es decir, si consigues fidelizar a un cliente, su tiempo de exploración se alargaría indefinidamente.

gráfica tiempo exploración-prueba de producto

Fuente del gráfico: “Nature Human Behaviour”

 

Pero no todos los individuos somos iguales, aunque nos comportemos de manera similar. Para tener en cuenta esto, fue necesario integrar en el modelo, diferentes variables de comportamiento que influyen en el proceso exploratorio. Esto determinó que las estrategias que tienen los consumidores para explorar, suelen ser en general relacionadas con el grado de impulsividad, síntomas depresivos, la edad… que afectan para llegar de una manera u otra a la fase de cambio de marca o producto.

Los cupones como factor decisivo en el cambio de marca.

Los cupones y descuentos monetarios, como factores objetivos en el cambio de marca, son decisivos, tal y como vimos antes. Al analizarlo por separado, estudiaron cómo los consumidores reaccionaban hacia cupones de descuento de productos, donde recibían puntos en una tarjeta de bonificación o descuentos en los precios de compra de un producto promocionado.  Se observó que los consumidores canjean los cupones para explorar productos más rápidamente. Esto es normalmente, cuando llevan poco tiempo probando una marca concreta. Por el contrario, los consumidores que ya compran esa marca en concreto desde hacía poco (ya estaban inmersos en la fase de prueba de ese producto o marca), canjean los cupones para pasar la fase de prueba de la marca en menos tiempo y llegar así más rápido a la fase de exploración de nuevo.

Para validar este estudio sobre los cupones, se realizó un cupón para café instantáneo en 8.623 hogares seleccionados al azar que compraban regularmente este tipo de producto. Utilizando un modelo de regresión logística se ajustó el grupo para predecir la probabilidad de canje de cupones, dependiendo de la fase de tiempo de prueba de producto en el que estuviera cada individuo. Aquí no hicieron otra cosa que confirmar que había relación en el uso del cupón, en función de si el individuo estaba en fase de exploración de productos o ya era consumidor de esta marca.

Conclusiones del estudio

Una lección básica que se desprende de esta investigación, es que las personas entran periódicamente en situaciones de exploración, con una probabilidad predecible, creando una ventana de oportunidad para modificar el comportamiento.

Este estudio ha borrado algunas creencias de muchos expertos en marketing, que decían que la principal reticencia a cambiar de producto o marca por parte del consumidor, se debía principalmente a la intensidad de la comunicación de la marca. Sin embargo, según los investigadores del London University College, nuestro pasado instintivo y animal es el que nos impide buscar nuevas marcas y productos.

Así, nuestros antepasados omnívoros se enfrentaron a un mundo en el que muchas de las cosas que podían comer eran perjudiciales. De este modo, lo único que les daba seguridad era repetir varias veces un mismo alimento para comprobar que no se producía ningún efecto negativo y, por tanto, era seguro.  Aunque las estanterías de los supermercados contienen poco peligro, ese miedo a lo desconocido sigue guiando nuestras elecciones, y se puede predecir.

La fidelización en este proceso, tiene una importancia extrema. Si conseguimos, a través de comunicación e incentivos objetivos, muy ajustados al perfil de esos consumidores que se encuentran en el proceso de cambio, y logramos prolongar el consumo de nuestra marca, podremos extender su periodo de consumo y por tanto fidelizarle. Todo va dirigido a hacer sentir seguro a nuestro consumidor, y así que le sea más arriesgado probar otra marca, permaneciendo con nosotros.

¿Tu empresa hace customer intelligence? Cuéntanos en qué estáis trabajando, seguro que podemos ayudaros.

 

¿Quieres predecir tus ventas?

Te ayudamos a conocer el comportamiento de tus clientes, a fidelizarlos y a predecir sus compras maximizando tus resultados.

MAS INFORMACIÓN AHORA
Cómo fortalecer la relación con los clientes de forma inteligente

Cómo fortalecer la relación con los clientes de forma inteligente

Qué perfecto sería poder conocer tanto a nuestros clientes, como el tendero del barrio conoce nuestros gustos, tras años y años de compras. ¿Qué mejor manera de fidelizar a las personas que creando estos fuertes lazos de unión? Sin embargo, cuando nos dirigimos a un número mayor de personas, perdemos ese feedback de relación entre clientes y comerciantes, que caracteriza a los pequeños comercios. No obstante, no estamos tan lejos de tratar de conseguir estos resultados. La manera más inteligente de obtener todo este sabio conocimiento es mediante el análisis de los hábitos del consumidor, saber con qué frecuencia compran, qué compran, etc.

Ya no se basa en segmentar a los clientes, sino en personalizarlos, identificando cuándo tienen una necesidad, pero no sólo eso, lo más importante es determinar bien con qué producto, canal y mensaje debemos impactarle. Por ejemplo, si estudiamos los posibles periodos de renovación de un vehículo, podemos saber qué individuos son susceptibles de compra. Sin embargo, no sirve de nada tener una necesidad, si no se sabe llegar adecuadamente al consumidor.

Imaginemos que sabemos a qué personas nos tenemos que comunicar, pero, decidimos comunicarnos de manera uniforme a todos ellos, sin estudiar qué canales nos acercan más a ellos. Por ejemplo, por email. Quizá el señor García, que está pensando en renovar su vehículo, no utiliza el correo electrónico. Es posible que nuestra competencia tenga esto en cuenta, y sepa que el señor García está disponible únicamente al medio día, porque tiene su descanso laboral. Nuestro competidor acaba satisfaciendo la necesidad del cliente y haciendo que deje de formar parte “de los nuestros”.

¿Y si pudiéramos invertir esta situación y adelantarnos a nuestros competidores?, pero ¿cómo se puede hacer esto? Muy simple, sabiendo, por ejemplo, que nuestro cliente no lee los emails, pero sí responde al teléfono. Esto lo averiguamos con un estudio que analice las preferencias de canal de comunicación por cliente. Ya sabemos que su canal preferido de comunicación es la llamada telefónica. Cuando le llamemos por teléfono, si además le invitamos a asistir al concesionario más cercano, porque sabemos por nuestros análisis que ha entrado en su periodo de renovación de vehículo, le daremos un empuje más. ¿Y si justo en ese momento hay una feria del automóvil? Podemos invitarle a dicha feria y que nos visite allí. Pero todavía podemos ir más lejos. El señor García asiste a la feria y allí le ofrecemos un servicio de wifi gratuito logándose a nuestra red. Él podrá usar su Smartphone, y nosotros podremos saber, gracias a herramientas de Marketing wifi, que el señor García es hombre, vive en Barcelona y le interesa la tecnología y el deporte (gracias a sus perfiles sociales) y además, y esto es aún mejor, podemos saber que ha estado mucho tiempo cerca de uno de nuestros preciosos vehículos rojo pasión que tenemos expuesto en la feria. En ese preciso instante podremos impactarle con información relevante sobre ese mismo vehículo que ha estado mirando más de la cuenta, e influir así en su decisión final de compra.

Este es sólo uno de los ejemplos que se pueden hacer para fortalecer nuestra relación con los clientes.

Relación empresa con cliente

Un ejemplo interesante es lo que hace el gigante Amazon con sus recomendaciones personalizadas para cada cliente. Lógicamente los resultados que aparecen no son por pura suerte, existen algoritmos que consiguen obtener los gustos de los consumidores, y además, buscar productos relacionados o complementarios. De esta manera incentivan el crosselling, e incluso a veces, el upselling.

Dentro de todo este mundo que parece adivinar nuestro próximo paso, se encuentra una cantidad masiva de datos, la cual, se necesita almacenar y procesar. Esta parte es lo que se conoce como Big Data. Una vez procesada toda la información, gracias a los nuevos algoritmos de Machine Learning y Deep Learning, los científicos de datos, o data scientist, nos encargamos de obtener conocimiento de toda esa cantidad de datos, para poder tomar decisiones, cada vez más acertadas.

El siguiente paso, y en lo que estamos trabajando, es en modelos predictivos que nos ayuden, ya no sólo a conocer los deseos y necesidades de los clientes, si no a adelantarnos a ellos. Parece ciencia ficción, pero ¿no lo parecía hace décadas, poder tener acceso a millones de sitios con información de todo tipo, desde tu propia casa?

¿Quieres predecir tus ventas?

Te ayudamos a conocer el comportamiento de tus clientes, a fidelizarlos y a predecir sus compras maximizando tus resultados.

MAS INFORMACIÓN AHORA
Los 5 mejores posts de Marketing del 2016

Los 5 mejores posts de Marketing del 2016

Se nos ha ido un año: un año lleno de retos, proyectos únicos y crecimiento junto a nuestros clientes. En nuestro blog hemos ido reflejando nuestras inquietudes sobre crm, las tendencias del sector, los últimos avances y novedades sobre el marketing digital, así como nuestros últimos descubrimientos sobre customer intelligence.

En el post de hoy os recopilamos “lo mejor del 2016”, ya que no queremos dejar pasar aquellos contenidos que más os han gustado y que más habéis visitado y compartido. Os presentamos nuestros 5 mejores posts sobre marketing del 2016.

 

1. Principales diferencias entre Business Intelligence y Big Data

Diferencias entre Big Data y Business IntelligenceEn los últimos años una de las palabras que más se escucha en el sector es sin duda “Big Data”. Mucha gente la relaciona inmediatamente con el Business Intelligence, pero ¿tienen realmente algo que ver? Nuestra compañera Desiree Martínez nos aclara cualquier duda que pudiéramos tener, sin dejar de lado la gran importancia que tienen ambas para cualquier empresa que quiera servirse de los datos para aumentar sus ventas. Sin duda un “must” para quien quiera ordenar mentalmente conceptos.

Leer más >>

 

2. Prioridades de tecnología para el CIO en el 2016 según Gartner

Prioridades tecnológicas 2016Abrimos el 2016 con este post, informando a todos nuestros lectores sobre cuáles podrían ser las tendencias tecnológicas más predominantes para ese año. Un año después, nos damos cuenta que nuestras predicciones, basadas en Gartner, tenían mucho fundamento. ¿Quieres comprobarlo? Échale un vistazo.

Leer más >>

 

3. ¿Sabes qué es el Social Profiling? ¿Y el Social Listening?

Social profiling y social listeningOtro artículo de nuestra compañera Desiree Martínez, donde nos ayuda a conocer qué son el Social Profiling y el Social Listenig. En este post nos descubre sus diferencias, y además nos enumera cuáles son las principales ventajas de usar uno u otro, para cualquier empresa. Ambas esenciales para completar el Social CRM de cualquier empresa interesada en sacar provecho a los datos de sus clientes.

Leer más >>

4. El presidente de InfoAdex: “2016 y 2017 van a ser años de recuperación”.

Estudio Infoadex 2016

En este post en el que nos hacemos eco del Estudio Infoadex sobre inversión y consumo en los medios de comunicación durante el año 2015, reflejamos todas las cifras relevantes para el sector de la comunicación publicitaria. Como bien dice el titular del mismo, son el reflejo de una recuperación económica, la cual deja entrever la coexistencia entre los medios convencionales y los digitales, obligando a los departamentos de marketing de las empresas anunciantes, a realizar planes globales de comunicación. Si ya conoces los datos del 2016 y necesitas compararlos con los del año pasado, no dejes de leer nuestro quinto post más visto.

Leer más >>

 

5. Cómo el machine learning está detrás de las cosas más cotidianas

Machine learning y customer intelligenceSi queréis saber qué hay detrás del Business Intelligence, este es el post que estáis buscando. En él os contemos un resumen de la intervención de dos de nuestras especialistas en Customer Intelligence en el curso de la UCM “Matemáticas para el mundo y para la sociedad”. En su ponencia hablaron de redes bayesianas, “Machine learning” y las matemáticas que hay detrás, todo con el fin de demostrar como afectar a la toma de decisiones en las empresas que saben utilizarlo. Sin lugar a dudas un post muy técnico, pero que te ayudará a entender todo lo que hay detrás del dato inteligente, y lo importante que es disponer de personal cualificado que sepa traducir estos datos en negocio.

Leer más >>

 

Un año más, nuestro post más leído del año 2016 sigue siendo “Barreras de la comunicación“, escrito en el 2013. No podemos dejar de incluirlo en nuestra lista, a pesar de no estar escrito este pasado año, ya que sigue estando de total actualidad. A la vista está…

Barreras de la comunicación

Barreras de comunicaciónEn este post nuestro compañero Juan Carlos de la Torre, hace un repaso a qué supone la comunicación y el entorno social para el ser humano, y cómo influye en nuestro día a día. Nos acerca al sentido más amplio de lo que es la comunicación, qué tipos de comunicación nos podemos encontrar, así como las barreras más frecuentes que tenemos para comunicarnos. Su conclusión nos acercará a conocer cómo influye en nuestro Social CRM o Social business, y en definitiva, todo lo referente a nuestro Big Data. Un post que merece la pena repasar.

Leer más >>

 

 

¿Qué predecimos con el Marketing?

¿Qué predecimos con el Marketing?

El poder que aporta conocer con antelación los pasos que van a seguir tus clientes antes de que los realicen, es esencial para contemplar la reacción de los usuarios hacia mensajes promocionales o adelantarse a la pérdida de los mismos. Es una tendencia que el marketing lleva años trabajando y se han conseguido varios logros en este campo.

El análisis de los mercados, los productos y los usuarios ha conseguido ir más allá, gracias a la aplicación de métodos científicos, con el fin de conocer y predecir la conducta del usuario. En este sentido la información histórica y los antecedentes combinados con la implementación de algoritmos nos ayuda a descubrir predicciones de las futuras tendencias.

Estas técnicas aportan muchas ventajas a las empresas a la hora de tomar decisiones estratégicas, basadas en el conocimiento del comportamiento del usuario y la probabilidad de éxito de cada acción. A continuación, vamos analizar qué podemos llegar a predecir con el Marketing:

La conducta del consumidor: A los datos genéricos como la edad, sexo, lugar de procedencia…, se le suman matices psicológicos como el comportamiento social, el tiempo expuesto ante un producto o impacto publicitario o variables emocionales como el tono utilizado, colores o música.

Este análisis tan avanzado de la conducta del consumidor nos posibilita identificar y potenciar los pasos claves en el proceso de compra, definiendo así un Customer Journey que optimice la experiencia de los usuarios.

Resultados de campañas: Entendiendo los resultados de campañas anteriores y teniendo en cuenta cada variable implicada en cada acción (medio, tipo de comunicación, canal, día de la semana…), podemos llegar a optimizar las campañas y conocer la reacción del público ante los mensajes promocionales en cada momento y, por lo tanto, el éxito o fracaso de las campañas.

Aceptación de contenido en Redes Sociales: El contenido es una pieza clave en cualquier estrategia de Marketing, por ello, observar y analizar cómo actúan con determinados textos, imágenes, vídeos, … Puede ayudarnos a conseguir más engagement con nuestros seguidores y aportarles experiencias positivas a través de nuestro contenido en Social Media.

Real Time Marketing: El RTM consiste en ser capaz de predecir las necesidades del consumidor o potencial cliente y anticiparse a ellas. Darle lo que necesita, justo en el momento en que lo necesita.  Gracias al conocimiento que tenemos de la actuación previa de los usuarios somos capaces de interactuar en el momento adecuado, con un mensaje relevante y personalizado.

Estas son las ventajas más destacadas de la predicción del Marketing, aunque todavía quedan muchas áreas que explorar. Estamos seguro que el 2017 esta tendencia se convertirá en uno de los puntos clave en cualquier estrategia de Marketing. En ARTYCO el equipo de Customer Intelligence ya trabaja con nuestros clientes para ofrecer análisis de gran cantidad de datos con el fin de aportar una base científica a las decisiones estratégicas.

¿Y si una máquina pudiera tener una inteligencia igual o superior a la de un ser humano?

¿Y si una máquina pudiera tener una inteligencia igual o superior a la de un ser humano?

El tan de “moda” concepto de inteligencia artificial IA, fue acuñado por el matemático Jhon McCarthy en 1956, como “la ciencia e ingeniería de hacer inteligentes a las máquinas”, sin embargo, aunque no se hablara antes de este término como tal, podría decirse que todo empezó con el más que famoso científico británico Alan Turing. Considerado el padre de la IA y de la informática moderna, más conocido por su trabajo de desencriptación de los mensajes de enigma en la segunda guerra mundial. Turing, ideó un test en los años 50, denominado Test de Turing, por el cual una máquina trata de demostrar un comportamiento inteligente (humano).

Mediante mensajes escritos en una pantalla, un juez interacciona (conscientemente) con dos sujetos, uno de ellos artificial, el objetivo de la computadora es convencer al juez de que es un humano. Cabe destacar que este test no mide tanto la capacidad coherente de respuesta de la máquina, sino que se basa en estudiar la capacidad de la máquina para responder de tal manera, como si de una persona humana se tratara.

Para Alan Turing la posibilidad de que este test fuera superado, significaba que las maquinas pueden ser capaces de pensar por sí mismas. De hecho, en la actualidad un programa informático llamado Eugene Goostman ha logrado superar este test, convenciendo a una parte del jurado de que es un adolescente de 13 años de origen ucraniano. Sin embargo, hay quien discrepa la opinión de la capacidad de las máquinas para generar consciencia tal y como lo hace el cerebro humano.

Ejemplo de ello es el filósofo estadounidense John Searle, en contra de este pensamiento, crea un experimento mental, conocido como La Habitación China, la idea de este experimento es la siguiente: imaginemos a una persona encerrada en una habitación, esta persona recibe por debajo de la puerta escritos en chino, él no entiende ni conoce el lenguaje chino, pero cuenta con manuales y diccionarios de tal idioma, utiliza estas herramientas para responder a las notas en chino, de tal modo que la persona que queda fuera de la habitación, creerá que quien le contesta a las cartas conoce el idioma, y por tanto, superaría el test de Turing, haciendo pensar al juez que conoce el idioma sin ser esto cierto. La idea que Searle quiere demostrar es que la capacidad de inteligencia no consiste en ser capaz de generar respuesta, sino en entenderla.

Sin embargo, los seres humanos recibimos una gran cantidad de estímulos diarios a los que damos respuesta sin comprenderlos previamente, significa eso que ¿actuamos de manera no inteligente? probablemente ambas partes sean ciertas, las máquinas no son capaces de sentir, pero a favor a los defensores de la IA, se ha demostrado que son capaces de extraer patrones de comportamientos y relación entre variables que el ser humano es incapaz de percibir, sobretodo en grandes volúmenes de datos, Big Data.

Esta idea de la inteligencia artificial ha llegado a las empresas, con el nombre de Data Mining o Minería de Datos. Este concepto engloba todas las técnicas estadísticas que tratan de descubrir patrones de comportamiento entre variables dentro de una gran cantidad de datos, lo que describíamos anteriormente como Big Data. Estas técnicas se basan no sólo en métodos de inteligencia artificial, sino que también en algoritmos de aprendizaje, cálculos de probabilidad etc. Algunos ejemplos de modelos que se emplean estas técnicas son las redes neuronales artificiales, redes bayesianas, los clústers, algoritmos de clasificación, regresiones, etc.

Procesos por los cuales, de una gran cantidad de datos, se buscan patrones y tendencias de comportamiento, para poder conocer un poco más sobre nuestro negocio, nuestros clientes, nuestro entorno y, por consiguiente, sobre nosotros mismo.
Una vez profundizado en ese conocimiento tenemos la capacidad de entender cómo actúan en general nuestros clientes antes de la compra de un producto, con el fin de poder comunicarle en el momento preciso en el que esa comunicación surja el efecto deseado, y así aumentar nuestras ventas con un menor coste. Incluso llegar a predecir qué cantidad de productos vamos a vender con una proyección de unos meses, con el objetivo de tener el suficiente stock disponible para abastecer la posible demanda, entender qué productos son los que más se venden y a quién deben ir dirigidos, etc.

Quién sabe si en un futuro los cerebros artificiales superaran a los humanos, y serán capaces de pensar y sentir, hasta que ese momento llegue, tendremos que conformarnos con ver qué sueñan las redes neuronales de Google.

¿Quieres predecir tus ventas?

Te ayudamos a conocer el comportamiento de tus clientes, a fidelizarlos y a predecir sus compras maximizando tus resultados.

MAS INFORMACIÓN AHORA