¿Qué es la Inteligencia Artificial? Aplicaciones de la Inteligencia Artificial en el Marketing

Actualmente no hay consenso sobre la forma en que se debe simular el cerebro. (Foto crédito: Wikipedia)

Artificial intelligence (AI) es la inteligencia exhibida por las máquinas. En informática, el campo de la investigación de la IA (Inteligencia Artificial) se define como el estudio de los 'agentes inteligentes': cualquier dispositivo que percibe su entorno y tome acciones que maximicen sus posibilidades de éxito en algún objetivo. Coloquialmente, el término 'Inteligencia Artificial' se aplica cuando una máquina imita funciones 'cognitivas' que los seres humanos asocian con otras mentes humanas, tales como 'aprendizaje' y 'resolución de problemas'.

A medida que las máquinas se hacen cada vez más capaces, las instalaciones mentales, una vez que se pensó que requieren inteligencia, se eliminan de la definición. Por ejemplo, el reconocimiento óptico de caracteres ya no se percibe como un ejemplo de 'Inteligencia Artificial', habiéndose convertido en una tecnología de rutina. Las capacidades actualmente clasificadas como AI incluyen la comprensión exitosa del habla humana, la competencia a un alto nivel en sistemas estratégicos de juego (como el ajedrez y Go), automovilismo, enrutamiento inteligente en redes de distribución de contenido, simulaciones militares e interpretación de datos complejos.

La investigación de la IA se divide en subcampos que se centran en problemas específicos, enfoques, el uso de una herramienta particular, o hacia la satisfacción de aplicaciones particulares.

Los problemas centrales (o metas) de la investigación de la IA incluyen el razonamiento, el conocimiento, la planificación, el aprendizaje, el procesamiento del lenguaje natural (comunicación), la percepción y la capacidad de mover y manipular objetos. La inteligencia general es uno de los objetivos a largo plazo del campo. Los enfoques incluyen métodos estadísticos, inteligencia computacional y AI simbólica tradicional. Muchas herramientas se utilizan en la AI, incluyendo versiones de búsqueda y optimización matemática, lógica, métodos basados en la probabilidad y la economía. El campo de la AI se basa en la informática, las matemáticas, la psicología, la lingüística, la filosofía, la neurociencia, la psicología artificial. el marketing y muchos otros.

El campo se fundó en la afirmación de que la inteligencia humana 'puede describirse tan precisamente que se puede hacer que una máquina la simule'. Esto plantea argumentos filosóficos sobre la naturaleza de la mente y la ética de crear seres artificiales dotados de inteligencia humana, cuestiones que han sido exploradas por el mito, la ficción y la filosofía desde la antigüedad. Algunas personas también consideran que AI es un peligro para la humanidad si progresa sin cesar. Los intentos de crear Inteligencia Artificial han experimentado muchos contratiempos, como el informe ALPAC de 1966, el abandono de las percepciones en 1970, el informe Lighthill de 1973, el segundo invierno de la IA 1987-1993 y el colapso del mercado de la máquina Lisp en 1987.

En el siglo XXI, las técnicas de la AI, tanto duras (usando un enfoque simbólico) como suaves (sub-simbólicas), han experimentado un resurgimiento tras los avances simultáneos en la potencia informática, los tamaños de los conjuntos de entrenamiento y la comprensión teórica. Se convierten en una parte esencial de la industria de la tecnología, ayudando a resolver muchos desafiantes problemas en informática. Los avances recientes en la AI, y específicamente en el aprendizaje de máquinas, han contribuido al crecimiento de las "Cosas Autónomas" como los drones y los automóviles autodirigidos o autónomos, convirtiéndose en el principal impulsor de la innovación en la industria automotriz.

Mapeo de las tecnologías de la AI más eficaces para el marketing en todo el ciclo de vida del cliente

La tecnología de la AI es un tema candente en el marketing en este momento, pero la AI es un término amplio que abarca una amplia gama de diferentes tecnologías. La Inteligencia artificial significa cualquier tecnología que busca imitar la inteligencia humana, que abarca una amplia gama de capacidades tales como el reconocimiento de voz e imagen, técnicas de aprendizaje automático y búsqueda semántica. A los profesionales de marketing les gusta leer sobre las últimas tecnologías y aprovechar la Inteligencia Artificial para el reconocimiento de imágenes, el reconocimiento de voz, la prevención de fugas de datos o incluso la orientación de los drones en comunidades remotas. Todo bien o muy bien. Pero, ¿cómo demonios se supone que los vendedores deben hacer algo con esa información? ¿Es sólo un bombo, o no se puede implementar?.

Es por eso que hemos identificado quince técnicas de Inteligencia Artificial que las empresas de todos los tamaños pueden implementar, en lugar de técnicas a las que sólo los grandes gigantes tecnológicos pueden dedicar recursos. También hemos trazado las técnicas en todo el ciclo de vida del cliente para que pueda ver cómo cada táctica de la AI puede ayudar a llevar a sus clientes por el embudo de la comercialización.

Todas las técnicas son de 'AI' en el sentido de que involucran la inteligencia informática, pero las hemos dividido en 3 tipos diferentes de tecnología: Las Técnicas de Aprendizaje Automático, los Modelos de Propensión Aplicada y las Aplicaciones de la AI. Las técnicas de aprendizaje automático implican el uso de algoritmos para 'aprender' a partir de conjuntos de datos históricos, que pueden crear modelos de propensión. Los Modelos de Propensión Aplicada son cuando estos modelos de propensión se ponen a trabajar la predicción de los acontecimientos dados, tales como la puntuación de los conductores basados en su probabilidad de convertir. Las aplicaciones de AI son otras formas de AI, que realizan tareas que normalmente se asocian con un operador humano, como responder a preguntas de los clientes o escribir nuevos contenidos.

Cada aplicación tiene implicaciones importantes para los vendedores, pero las aplicaciones tienen diferentes funciones que desempeñar a lo largo del viaje del cliente. Algunos son mejores para atraer a clientes, mientras que otros son útiles para la conversión o volver a comprometer a los clientes pasados. Es por eso que hemos dividido las técnicas en todo el marco RACE (Estrategias del Proceso de su Táctica de Marketing Digital).

RACE es un marco práctico para ayudar a administrar y mejorar los resultados de su marketing digital. En última instancia, se trata de utilizar las mejores prácticas técnicas de análisis web para obtener más valor comercial de las inversiones en marketing digital. Esperamos que ayude a simplificar su enfoque para revisar el rendimiento de su marketing en línea y tomar acciones para mejorar su eficacia.

Alcance - Atrae a los visitantes con una gama de técnicas entrantes

Alcance implica el uso de técnicas tales como el marketing de contenido, el SEO y otros 'medios ganados' para llevar a los visitantes a su sitio e niciarlos en el viaje del comprador. La AI & amp; Los modelos de Propensión aplicados se pueden utilizar en esta etapa para atraer más visitantes y ofrecer a aquellos que llegan a su sitio con una experiencia más atractiva.

1. Contenido generado por la AI

Esta es una zona muy interesante para la AI. La AI no puede escribir una columna de opinión política o una publicación de blog sobre consejos de las mejores prácticas específicas de la industria, pero hay ciertas áreas en las que el contenido generado por la AI puede ser útil y ayuda a atraer visitantes a su sitio.

Para ciertas funciones, los programas de escritura de contenido de la AI son capaces de seleccionar elementos de un conjunto de datos y estructurar un artículo de 'sondeo humano'. Un programa de escritura de la AI llamado 'WordSmith' (Produce un contenido perspicaz y personalizado a partir de sus datos que se comunica con cada individuo en la forma en que todos entienden: la palabra escrita)  produjo 1,5 mil millones de pedazos de contenido en 2016, y se espera que crezca más lejos en renombre en los años que vienen.

Los escritores de la AI son útiles para reportar eventos regulares y centrados en los datos. Los ejemplos incluyen informes de ganancias trimestrales, partidos deportivos y datos de mercado. Si opera en un nicho relevante, como los servicios financieros, el contenido generado por la AI podría formar un componente útil de su estrategia de marketing de contenido. La buena noticia es que las ideas automatizadas, la empresa que está detrás de Wordsmith, ha anunciado una versión beta gratuita de su aplicación de escritura de AI, para que pueda probar la tecnología y ver si podría ser útil para su marca.

2. Curación de contenido inteligente

La restauración de contenidos de la AI le permite participar mejor a los visitantes en su sitio mostrándoles contenido relevante. Esta técnica se encuentra más comúnmente en la sección 'clientes que compraron X que también compraron' en muchos sitios, pero también puede aplicarse al contenido del blog y personalizar la mensajería del sitio de forma más amplia. También es una gran técnica para las empresas de suscripción, donde más que uno utilizan el servicio, más datos que el algoritmo de aprendizaje de la máquina tiene que utilizar y mejores son las recomendaciones de contenido. Piense en el sistema de recomendación de Netflix para poder recomendar consistentemente y que muestre lo que le interesaría.

3. Búsqueda por voz

La búsqueda por voz es otra tecnología de la IA, pero cuando se trata de usarla para comercializar, se trata de utilizar la tecnología desarrollada por los principales actores (Google, Amazon, Apple) en lugar de desarrollar su propia capacidad. La búsqueda de voz cambiará las estrategias futuras del SEO, y las marcas deben mantenerse al día. Una marca que añade la búsqueda de voz puede aprovechar grandes ganancias en el tráfico orgánico con una alta intención de compra gracias al aumento del tráfico de búsqueda de voz debido a los asistentes personales virtuales dirigidos por la IA.

4. Compra de medios programáticos

La compra programática de medios puede utilizar modelos de propensión generados por algoritmos de aprendizaje automático para orientar más eficazmente los anuncios en los clientes más relevantes. Los anuncios programáticos deben ser más inteligentes a raíz del reciente escándalo de seguridad de Google. Se reveló que los anuncios colocados de forma programática a través de la red publicitaria de Google aparecían en los sitios web de terroristas. La AI puede ayudar aquí reconociendo los sitios dudosos y eliminándolos de la lista de anuncios de sitios que se pueden colocar.

La acción - atraer a los visitantes y hacerlos conscientes de su producto

5. Modelado de propensión

Como ya se mencionó, el modelado de propensión es el objetivo de un proyecto de aprendizaje automático. El algoritmo de aprendizaje de máquina se alimenta de grandes cantidades de datos históricos, y utiliza estos datos para crear un modelo de propensión que (en teoría) es capaz de hacer predicciones precisas sobre el mundo real. El siguiente diagrama muestra las etapas de este proceso.

6. Análisis predictivo

El modelado de la propensión puede aplicarse a un número de áreas diferentes, tales como predecir la probable protección de un cliente dado para convertirse, predecir en qué precio un cliente es probable que se convierta o qué clientes tienen más probabilidades de hacer compras repetidas. Esta aplicación se denomina análisis predictivo, ya que utiliza datos analíticos para hacer predicciones sobre cómo se comportan los clientes. Lo más importante a recordar es que un modelo de propensión sólo es tan bueno como los datos proporcionados para crearlo, por lo que si hay errores en sus datos o un alto nivel de aleatoriedad, será incapaz de hacer predicciones precisas.

7. Puntuación del Lead

Los modelos de propensión generados por el aprendizaje automático pueden ser entrenados para puntuar los resultados basándose en ciertos criterios para que su equipo de ventas pueda establecer la potencia de un liderazgo dado y si vale la pena dedicarle tiempo. Esto puede ser particularmente importante en los negocios B2B con procesos de venta consultivos, donde cada venta toma una cantidad considerable de tiempo por parte del equipo de ventas. Al ponerse en contacto con los clientes más relevantes, el equipo de ventas puede ahorrar tiempo y concentrar su energía donde es más eficaz. Las ideas sobre la propensión de los clientes potenciales a comprar también pueden utilizarse para orientar las ventas y los descuentos donde son más eficaces.

8. Orientación de anuncio

Los algoritmos de aprendizaje de máquina pueden ejecutar a través de grandes cantidades de datos históricos para establecer qué anuncios funcionan mejor en qué personas y en qué etapa del proceso de compra. Usando estos datos pueden servirles con el contenido más efectivo en el momento adecuado. Al utilizar el aprendizaje automático para optimizar constantemente miles de variables, puede lograr una colocación y un contenido de anuncios más eficaces que los métodos tradicionales. ¡Sin embargo, todavía necesitará a seres humanos para realizar las piezas creativas!

Convertir - empujar a los consumidores interesados a convertirse en clientes

9. Precio dinamico

Todos los vendedores saben que las ventas son eficaces en cambiar el precio de su producto. Los descuentos son extremadamente poderosos, pero también pueden perjudicar su línea de fondo. Si hace dos veces más ventas con un margen más pequeño de dos tercios, ha hecho menos beneficio si no tuviera una venta.

Las ventas son tan eficaces porque hacen que la gente compre su producto que previamente no se habría considerado capaz de justificar el costo de la compra. Pero también significa que las personas que hubieran pagado el precio más alto pagarían menos de lo que tendrían.
La fijación de precios dinámicos puede evitar este problema, dirigiendo sólo las ofertas especiales sólo a aquellos que puedan necesitarlas para convertirlas. El aprendizaje de la máquina puede construir un modelo de propensión de los rasgos que muestra un cliente que es probable que necesite una oferta para convertir, y que son propensos a convertir sin necesidad de una oferta. Esto significa que puede aumentar las ventas sin reducir sus márgenes de ganancias por mucho, maximizando así los beneficios.

10. Personalización de la Web y las aplicaciones

El uso de un modelo de propensión para predecir la etapa del cliente en el viaje del comprador puede permitirle servir a ese cliente, ya sea en una aplicación o en una página web, con el contenido más relevante. Si alguien sigue siendo nuevo en un sitio, el contenido que los informa y los mantiene interesados será más eficaz, mientras que si han visitado muchas veces y están claramente interesados en el producto, entonces un contenido más profundo sobre los beneficios de un producto tendrá un mejor rendimiento.

11. Chatbots

Los Chatbots imitan la inteligencia humana por ser capaces de interpretar las consultas del consumidor y completar los pedidos para ellos. Puede pensar que los chatbots son extremadamente difíciles de desarrollar y sólo las grandes marcas con presupuestos masivos podrán desarrollarlos. Pero en realidad, utilizando las plataformas abiertas de desarrollo de chatbot, es relativamente fácil crear su propio chatbot sin un gran equipo de desarrolladores.

Facebook está interesado en facilitar el desarrollo de los chatbots para las marcas. Quiere hacer que su aplicación Messenger sea el lugar para que las personas tengan conversaciones con los embajadores virtuales de la marca. La buena noticia para las marcas es que esto significa que pueden utilizar algunas de las poderosas herramientas de desarrollo del bot de Facebook. Usando las lecciones que han aprendido de las pruebas beta de 'M' (Facebook Messenger con su propio chatbot), Facebook ha creado un motor de bot (wit.ai) que le permite entrenar bots con conversaciones de ejemplo y que sus robots continuamente están aprendiendo a interactuar con los clientes. Si está interesado en construir un chatbot para su marca dentro de la plataforma Messenger, Facebook ha creado instrucciones útiles para saber cómo hacerlo, que lo puede encontrar en su sitio de Facebook para desarrolladores.

12. Re-targeting

Al igual que con la orientación de anuncios, el aprendizaje automático puede utilizarse para establecer qué contenido es más probable que traiga clientes de vuelta al sitio basándose en datos históricos. Mi construcción de un modelo de predicción precisa qué contenido funciona mejor para recuperar a los diferentes tipos de clientes, el aprendizaje automático puede utilizarse para optimizar los anuncios de reorientación para que sean lo más efectivos posible.

Atraer - Mantenga a sus clientes de regreso

13. Servicio de atención al cliente predictivo

Es mucho más fácil hacer ventas repetidas a su base de clientes existente que atraer a nuevos clientes. Así que mantener a sus clientes existentes felices es clave para su línea de fondo. Esto es particularmente cierto en el negocio basado en la suscripción, donde una alta tasa de bajas puede ser extremadamente costosa. La analítica predictiva se puede utilizar para determinar qué clientes tienen más probabilidades de cancelar la suscripción de un servicio, evaluando qué características son más comunes en los clientes que se dan de baja. Entonces es posible llegar a estos clientes con ofertas, avisos o asistencia para evitar que se agiten.

14. Automatización del Marketing

Las técnicas de automatización del marketing generalmente implica una serie de reglas, que cuando se desencadenó la interacción de la iniciativa con el cliente. Pero, ¿quién decidió estas reglas? En general, un vendedor que es, básicamente, el que adivina lo que será más eficaz. El aprendizaje de máquina puede funcionar a través de miles de millones de puntos de datos de los clientes y establecer cuándo son los momentos más eficaces para hacer el contacto, qué palabras en las líneas de asunto son más eficaces y mucho más. Estos conocimientos se pueden aplicar para aumentar la eficacia de sus esfuerzos en la automatización de marketing.

15. 1:1 emails dinámicos

De manera similar a la automatización de marketing, la aplicación de conocimientos generados a partir de la máquina de aprendizaje puede crear de forma eficaz 1:1 mensajes de correo electrónico dinámicos. La analítica predictiva que utiliza un modelo de propensión puede establecer una propensión de los suscriptores a comprar ciertas categorías, tamaños y colores a través de su comportamiento anterior y muestra los productos más relevantes en los boletines. El stock del producto, las ofertas, los precios deben ser correctos en el momento de abrir el correo electrónico.

Fuentes:

- Jeffrey Strickland, “Predictive Analytics Using R“
- "Artificial Intelligence Marketing and Predicting Consumer Choice: An Overview of Tools and Techniques" (28 Abril, 2017 por Dr Steven Struh)