Cómo hacer Customer Intelligence con inteligencia artificial

Si eres de los que no se pierde un congreso de Marketing, te gusta asistir a ponencias en las que se hable de tendencias e innovación, o sigues posts relacionados con el Marketing y las nuevas tecnologías, seguro que ya has oído hablar y mucho, de la inteligencia artificial como herramienta en el marketing. Sin embargo, ¿te ha quedado claro qué es y cómo se puede utilizar de una manera realmente eficaz en nuestro sector? Sus aplicaciones son variadas. En este post te quiero contar qué es la AI, qué usos tiene y cómo hacer Customer Intelligence a través de ella.

Todo se remonta al año 1956, cuando se oyó hablar por primera de vez del término “Inteligencia Artificial”. Fue el informático estadounidense John McCarthy quien acuñó dicho término durante la Conferencia de Dartmouth.

La AI intenta comprender y explicar el funcionamiento mental de las personas, a través de algoritmos. De este modo, en el caso de las empresas, la AI permite mover grandes cantidades de datos, comprendiéndolos, identificando patrones, y obteniendo más información sobre esos datos, los cuales no se podrían gestionar del mismo modo por un ser humano.

La Inteligencia Artificial se puede clasificar en dos tipos: débil y fuerte. La débil es aquella que está diseñada y entrenada para realizar una tarea específica sencilla, tal y como hacen por ejemplo los asistentes personales virtuales (por ejemplo, Siri de Apple). En cambio, una fuerte es aquella que dispone de habilidades cognitivas, es decir, aquella que cuando se le presenta una tarea desconocida y compleja, aprende el modo de solucionarla, y lo realiza bien.

Un ejemplo claro en el campo del marketing, sería la automatización de procesos y la automatización de la analítica predictiva. No quiero meterme demasiado en tecnicismos, pero es necesario destacar la existencia de tres tipos de algoritmos, para así poder entender el proceso real del “Deep Learning”, fundamental en la AI en nuestro sector. Estos son los algoritmos:

  • De aprendizaje supervisado. En este tienes los datos etiquetados para que los patrones puedan ser detectados y utilizados para etiquetar nuevos conjuntos de datos.
  • De aprendizaje no supervisado. Aquí los conjuntos de datos no están etiquetados, siendo clasificados en función de similitudes o diferencias entre ellos.
  • De aprendizaje de refuerzo. En este último, los datos tampoco están etiquetados, pero el sistema de inteligencia artificial recibe retroalimentación después de realizar una o varias acciones. Este es el más potente de todos ellos, y el que más se está utilizando hoy día para el customer intelligence de esta nueva Era.

Como te puedes imaginar, las aplicaciones de la inteligencia artificial son amplias. Desde la sanidad, hasta la educación, pasando por el sector financiero y los negocios. Es de destacar en esta última, la importancia que está teniendo en las plataformas de CRM. Los algoritmos de aprendizaje automáticos, integrados en dichas herramientas de CRM, están permitiendo conocer mejor a los clientes, identificar de una manera más rápida y exacta sus patrones de conducta y predecir su comportamiento. El campo de los chatbots es otro en el que la AI está fuertemente introducida, siendo ya muchas páginas webs las que cuentan con estos para ofrecer respuesta automática a sus usuarios.

La inteligencia artificial en el campo del Customer Intelligence.

Customer intelligence para eCommerce

Todos tenemos claro que Internet lo ha cambiado todo. Los consumidores se han convertido con la democratización de Internet, en prosumidores, es decir, han dejado de consumir únicamente, para además, expresar su opinión y actuar como prescriptores de marcas y productos ante sus seguidores. Este nuevo consumidor, está más informado que nunca, es mucho más decidido, sabe lo que quiere, lo busca y lo compra, es internauta declarado, y sumamente participativo. Hoy día las compras son cada vez más accesibles, sin embargo, conocer qué ha llevado a esa persona a comprar, debido a todo esto, es algo mucho más complejo que antes.

Para conseguir conocer “la personalidad de compra” de un consumidor, necesitamos tener información de qué productos han comprado o visualizado anteriormente, lo que otros usuarios con perfiles similares han comprado y consultado, así como cuándo exactamente. Estos son algunos de los datos que se tienen en cuenta a la hora de hacer las recomendaciones de productos. Para llegar a ello, se recogen y analizan millones de datos sobre su comportamiento y sus preferencias, pudiendo llegar así a sugerencias “super exactas”, conociendo el sistema lo que nos gusta, incluso más que nosotros mismos.

Como ya he adelantado, para ello se utiliza el ‘Deep Learning’, a través del cual se pueden obtener con éxito grandes volúmenes de datos para el descubrimiento y la aplicación de conocimiento, así como para realizar predicciones, con entrenamiento “no supervisado”. Actualmente se está utilizando ‘Deep Learning’ para:

  • Encontrar artículos o productos, sólo a través de una imagen, en lugar de palabras clave.
  • Identificar logotipos en imágenes compartidas por los usuarios en las diferentes redes sociales.
  • Monitorización del comportamiento de los usuarios en un eCommerce ante cualquier evento, por ejemplo, el “Black Friday”.
  • Predecir las preferencias de los usuarios y en función de ellas, orientar la publicidad de esa plataforma online.
  • Identificación de clientes potenciales.
  • Recomendaciones a clientes, sugerencias y gestión de la relación con estos.
  • Identificación de sentimientos positivos y negativos, temas y palabras clave en textos.
  • Reconocimiento de rostros y emociones faciales.
  • O clasificación de vídeos entre otras muchas cosas.

De todas ellas, quizás a la que estamos más acostumbrados sea a las sugerencias y recomendaciones basadas en datos de comportamiento y navegación. Si tenemos que pensar en una plataforma online que hace esto, lo más probable es que la mayoría de nosotros pensamos inmediatamente en Amazon. Esto seguro que te suena: “Los clientes que compraron este producto también compraron”, o has encontrado amigos en Facebook a través de “Gente que podrías conocer”. Como puedes ver, son muchas las empresas que utilizan de alguna manera este recurso.

Sin embargo, esta técnica es cada vez más potente. Lo último que se está haciendo es utilizar el ‘Deep Learning’ para personalizar la experiencia del usuario al entrar de nuevo en una web, con la información de tan sólo una visita anterior. Junto con la analítica en tiempo real, los algoritmos de autoaprendizaje pueden mejorar las sugerencias hasta el punto de la predicción. YouTube por ejemplo, pone en cola los vídeos recomendados basados únicamente en el que actualmente estés viendo.

Seguro que ahora mismo te estás preguntando, pero ¿cómo funciona el ‘Deep Learning’? Imagina que estás buscando unos zapatos elegantes para el próximo evento que tienes a la vista. Los que utilizas habitualmente están un poco desgastados y crees que es buen momento para comprarte unos nuevos. Entras en la tienda online y buscas unos zapatos de vestir concretos. Una vez seleccionas un modelo de zapatos, el mecanismo de recomendaciones del eCommerce empieza a trabajar, recogiendo cada pieza de información. Comprueba el color del zapato, detalles de este, precio, talla, y otras muchas acciones posibles más. Esto se está midiendo y analizando en tiempo real, estudiando el sistema incluso el estado de ánimo para así poder además, realizar predicciones precisas de otros productos que puedan ser interesantes para ese usuario en concreto. De este modo, puede incluso hacerte sugerencias de venta cruzada y up-selling. Lo bueno es que todo esto sucede sin la intervención de ninguna persona, y en tiempo real.

Todos conocemos los plugins de fácil uso que se han venido utilizando en los últimos años para recomendar productos, en los que una persona establecía ciertos filtros como “Sugerir bolsos de cuero marrón estilo clásico para aquellas personas que estén viendo unos zapatos de vestir marrones de cuero”. Con inteligencia artificial, sustituiríamos esto por “nuestro sistema sabe que alguien que visita ropa femenina, compra joyas, pero además, aprende a detectar por sí mismo, a los hombres que desean comprar joyas para regalar”. Estos algoritmos simulan la forma de pensar de las personas, y aprenden en función del comportamiento que van observando, y todo sin ninguna intervención del ser humano.

Esta herramienta del Customer Intelligence, analizará innumerables datos, ininterrumpidamente, sin cansarse y dejando de lado cualquier emoción o prejuicio. Además, aprenderá y producirá decisiones lógicas, obedeciendo las órdenes de la marca, y siendo proactivo.

De acuerdo con Janrain & Harris Interactive, el 74% de los consumidores online se ven frustrados por el contenido que es irrelevante para sus necesidades en un sitio web. Es más, Infosys encontró que el 86% de los consumidores dicen que la personalización juega un papel relevante en sus decisiones de compra.

Este uso de la inteligencia artificial, el ‘Deep Learning’ y en definitiva, las recomendaciones en el entorno online, hace que se refuerce la relación de los usuarios con las marcas, y por tanto redunde en fidelización, mejorando la tasa de conversión y aumentando las ventas.

Como dijo Steve Jobs, “la gente no sabe lo que quiere hasta que se lo muestras”. Mostrémosle lo que necesitan y utilicemos esta inteligencia de negocio a favor de las ventas. En Artyco disponemos de un equipo especializado de Customer Intelligence dedicado a ‘Machine Learning’ y ‘Deep Learning’ con el cual ayudamos a clientes de primer nivel a aumentar sus ventas online, a través de las recomendaciones y las sugerencias. Si quieres aprovecharte de ello para tu negocio, ponte en contacto con nosotros, seguro que podemos aumentar mucho tus ventas.

 

¿Quieres predecir tus ventas?

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

MAS INFORMACIÓN AHORA
Emilio Fernández Lastra

Emilio Fernández Lastra

"Después de la hipoteca, el inbound marketing es la mejor herramienta para asegurar una relación a largo plazo."
Emilio Fernández Lastra
Share This