Machine Learning aplicado al márketing. Por Bip Iberia. [Artículo de opinión]

CamilaP

Élite
Publicamos un artículo de opinión realizado por Manuel Armada, Gerente de Bip Iberia en el que hace referencia al Machine Learning aplicado al marketing.

Autor: Manuel Armada. Gerente de Bip Iberia.

Empresa: Bip Iberia

Aunque de reciente aplicación el concepto de machine learning está ligado a la evolución de los ordenadores desde que Alan Turing creó el “Turing test” para averiguar si un ordenador tenía inteligencia “real”.

¿Qué es “machine learning”? Es el diseño y desarrollo, dentro del campo de la inteligencia artificial, de complejos algoritmos concebidos para aprender por sí mismos en base a la identificación de patrones de comportamiento mediante el análisis de una gran cantidad de datos. Actualmente las aplicaciones del machine learning forman parte de nuestra vida cotidiana:motores de búsqueda en internet, diagnóstico médico, detección de fraudes con el uso de tarjetas de crédito, análisis del mercado de valores, Marketing, clasificación de secuencias de ADN, reconocimiento del habla, robótica, minería de datos, redes sociales, diseño de procesos industriales, control medioambiental,… entre otros.

El gran salto en los sistemas informáticos y el impresionante aumento de la potencia de cálculo unido a la ingente acumulación de datos por parte de las empresas han contribuido a que durante la última década se haya incrementado de forma exponencial la explotación comercial del Machine Learning. De este modo se está observando como muchas compañías están abordando una profunda transformación de sus negocios soportada por una gestión y gobernanza de su información y la aplicación de técnicas de machine learning a sus procesos.. Como dato en los últimos 10 años se crearon un promedio de 8 empresas por año que ofrecen plataformas y servicios de Machine Learning..

Se estima que hasta 2025 la aplicación del Machine Learning genere unos ingresos superiores a los 37.000 millones de euros frente a una inversión estimada para 2019 de 31.000 millones de euros.

En la actualidad prácticamente todas las empresas de “uso diario” (Bancos, Telefonía, Grandes superficies, Seguros, Servicios) utilizan técnicas basadas la gestión masiva de datos y en la predicción de comportamiento de los consumidores para sus modelos de propensión y marketing.

La utilización de las técnicas de Machine Learning sobre los inmensos volúmenes de información de los que disponen actualmente las grandes compañías permite definir acciones específicas para realizar las llamadas a nuestros clientes en la mejor hora, calcular los costes y precios adaptados a las mejores campañas o prever potenciales bajas de clientes de nuestros servicios. La tecnología permite, por tanto, anticipar que elementos del negocio serán atractivos para los clientes y dirigir los esfuerzos del negocio en esa línea y no en otros aspectos de menor rentabilidad, con la inversión y desgaste que ello implica.

Actualmente las empresas disponen de volúmenes ingentes de todo tipo de información sobre sus clientes, que capturan por múltiples canales: llamadas a un Servicio de Atención al Cliente, volumen de gastos en un periodo de tiempo específico, uso de tarjetas de crédito, acciones realizadas o páginas visitadas a través de dispositivos móviles (móviles o tabletas), etc. Toda esta información permite a las compañías emplear el Machine Learning para el diseño, lanzamiento y gestión de campañas de marketing personalizadas y adaptadas a los auténticos hábitos y patrones de consumo de sus productos y servicios, o el diseño de sus espacios físicos proporcionando experiencias de compra efectivas donde los productos están disponibles en el lugar y momento adecuados.

Las variables aplicables al Machine Learning utilizado en el marketing son tantas como las campañas que se quieran diseñar ya que actualmente todas las empresas disponen de un enorme espectro de información relativa al uso y consumo de sus productos y servicios por parte de sus clientes.

Por tanto, el Machine Learning aplicado al Marketing permite identificar, diseñar e implantar acciones orientadas a:

- Definir modelos de propensión, muy utilizado en entidades financieras, compañías de telecomunicaciones y aseguradoras

- Detección de fraude.

- Reducción de “churn” y aumento de la retención de clientes

- Fidelización preventiva y captación de nuevos clientes

- Aumento de las ventas de productos o servicios

- Diseño y lanzamiento de ofertas adaptadas a nichos concretos de mercado

- Predicción de incidencias, mejorando la experiencia del usuario y mejorando la eficiencia en el soporte al cliente

- Rediseño de exposiciones de productos, acercando al consumir aquellos productos que mejor se adaptan a sus gustos y necesidades

- Etc.

Por otro lado, la evolución de la tecnología ha permitido que la aplicación del Machine Learning se haya universalizado, y no solo sea aplicable en las grandes corporaciones. Por ejemplo en un conocido club de futbol aplican estas técnicas para aumentar los consumos en los bares de su estadio, en los descansos de los partidos. Han “aprendido” que según el resultado del encuentro en ese momento los consumos varían en los sectores de las gradas con mayoría de aficionados de un equipo u otro. En base a esto, emiten determinados anuncios en los paneles o envían SMS a los móviles disponibles ofreciendo ofertas sobre los productos más consumidos según el resultado (comida, bebida,…) o de acuerdo a sus consumos anteriores, informan del bar más cercano a su localidad, etc. En las primeras pruebas pilotos se redujeron las aglomeraciones en los puestos de venta en un 8% y se incrementaros las ventas un 12%.

En definitiva, las ventajas del machine learning están claras y, sabiendo que su implantación es imparable, toca decidir como y cuando implantarlo en cada organización.
 
Arriba