Inteligencia Artificial al Servicio del Marketing

A mediados del 2016 Forrester enumeró las cinco tecnologías emergentes que más impacto tendrían en el mundo empresarial en los próximos cinco años: el Internet of Things, la Inteligencia Artificial, la realidad aumentada, los agentes inteligentes y las redes inalámbricas híbridas.

Hoy en día gracias a la Inteligencia Artificial (IA) somos capaces de comprender el comportamiento de los consumidores, interpretar sus necesidades y tomar decisiones en tiempo real y, un ámbito donde su aplicación es ya imparable, es el mundo del Marketing. Las ventajas están claras y toca decidir cómo y dónde implantarlo en cada organización.

Las técnicas que pueden ser implementadas por empresas de cualquier tamaño -y que no están al alcance de los gigantes tecnológicos- se muestran en la imagen a continuación clasificadas a lo largo del ciclo de vida del cliente según Smart Insights.

Se agrupan en tres tipologías dependiendo de si utilizan técnicas de Machine Learning (ML) -aprenden de conjuntos de datos históricos y generan modelos de propensión-, modelos de propensión -predicen eventos como por ejemplo el scoring de un lead en base a su probabilidad de conversión- o aplicaciones de Inteligencia Artificial -realizan tareas que normalmente son desarrolladas por un operador humano como puede ser responder a preguntas de los clientes o crear nuevos contenidos.

FASE DE ATRACCIÓN

En esta fase los modelos de IA se encaminan a atraer a los visitantes a nuestro site y proporcionar a los que llegan de experiencias más atractivas.

Generación de Contenido

CrewMachine es una plataforma capaz de identificar gaps en los contenidos de un e-commerce (palabras clave, descripciones de productos, páginas de categorías, guías de estilo) y sugerir automáticamente el contenido allí donde falta para que pueda ser priorizado y modificado. A su vez aprende de las ediciones realizadas para mejorar sus sugerencias en sucesivas propuestas.

También existen herramientas que permiten definir templates de una forma muy sencilla para la generación de párrafos y frases y a partir de ellos crear contenidos de forma automatizada. Es el caso de Wordsmith con la que solo en 2016 se produjeron más de un millón y medio de piezas. La empresa de domótica digitalSTROM la utiliza para informar a sus clientes sobre su consumo de energía e informar sobre alternativas de ahorro energético. Del mismo modo Bodybuilding.com transforma los datos de entrenamiento de sus usuarios en correos electrónico con planes personalizados y mensajes estimulantes.

«Curación» de Contenidos

La «curación» de contenidos (Content Curation) potenciado por IA permite atraer más eficientemente a los visitantes hacia el site al mostrarles contenidos relevantes para ellos. Las sugerencias que vemos en Amazon del tipo ‘los clientes que compraron este producto también compraron’ o ‘productos comprados juntos habitualmente’ utilizan este tipo de técnicas pero también son útiles para mostrar los contenidos en un blog o newsletter.

Curata y PublishThis son soluciones empresariales con motores de descubrimiento y recomendación de contenidos personalizados.

Búsquedas por Voz

Hoy en día el20% de las búsquedas en los móviles se realiza oralmente, ya no resulta tan extraño dirigirse a Siri, Google Now o Cortana. Esta tecnología cambiará las futuras estrategias de SEO y las empresas deben prepararse para contemplar estas nuevas fuentes de tráfico orgánico y aparecer cuando las personas las invoquen. Sherry Bonell proporciona en este artículo las claves para ello: identificar las preguntas que se pueden realizar sobre el negocio, producto o servicio (herramientas como Answerthepublic.com, StoryBase, Question Samurai o SemRushque pueden ayudar a ello); dar prioridad a las keywords long-tail; crear contenidos que den respuesta a esas preguntas, etc.

Compra Programática

En la compra programática de medios los modelos de propensión orientan de una manera más eficaz los anuncios a los usuarios más relevantes. Además, la IA puede ayudarnos a reconocer lo sites en los que el anuncio tendrá un menor impacto y eliminarlos de la lista de sites susceptibles de colocar anuncios.

FASE DE ACCIÓN

En la fase de Acción los modelos de propensión nos sirven para realizar predicciones sobre cómo es el lead o cliente, cómo se puede comportar y cuáles de nuestros productos o servicios se adaptan mejor a sus necesidades.

Análisis Predictivo

Consiste en el uso de datos, algoritmos estadísticos y técnicas de aprendizaje automático para identificar la probabilidad de resultados futuros basados en datos históricos. Cuanto más exactos y precisos sean los datos proporcionados al modelo mejor será éste. El análisis de regresión en sus diversas formas es la principal herramienta que las empresas utilizan para el análisis predictivo.

Los modelos más comunes incluyen la predicción del comportamiento y las preferencias de los clientes, la probabilidad de conversión, la propensión a la repetición o al churn, la venta cruzada o la próxima venta. Empresas como Amazon o Netflix son el claro referente en este ámbito.

IBM Analytics, Optimove, AgilOne, Infogix son algunos de los proveedores en este ámbito.

Scoring de Leads

Los modelos de propensión también son utilizados para:

• calificar a los leads atendiendo a distintos criterios de tal forma que pueda determinarse su potencial en el momento de captación o de realizar una acción y la rentabilidad de dedicar esfuerzos y recursos en él,
• identificar y adquirir leads con características similares a los clientes existentes,
• segmentar de forma automática a leads o clientes para el envío de mensajes personalizados o para el siguemiento de distintas estrategias de comunicación y atención.

Estas técnicas requieren grandes volúmenes de ventas para construir y formar adecuadamente los modelos predictivos y cabe señalar que esto potencialmente favorece a las empresas más grandes frente a otras más pequeñas o nuevas por los volúmenes de datos disponibles.

Lattice Engine, 6sense, InsideSales, Angoss Predictive Analytics son algunas de las compañías que ofrecen soluciones de lead scoring pero también se pueden desarrollar procesos propios que los calculen.

Las plataformas de Marketing Automation por su parte suelen incorporar dentro de sus funcionalidades la creación de modelos de scoring pero también existen aplicaciones para CRM como puede ser SalesWings para Salesforce que realizan el seguimiento de la actividad en el site, se integran con los sistema de emailing (MailChimp, Autopilot, Gmail, Outlook ) y califican a los leads o clientes según su comportamiento.

Segmentación de Anuncios

Los algoritmos de ML utilizan grandes cantidades de datos históricos para establecer qué anuncios funcionan mejor, con qué personas y en qué etapa del proceso de compra y se pueden utilizar para informar, inspirar y guiar acciones basadas en el comportamiento del cliente u otra información comercial.

Estas técnicas son más eficaces que herramientas de Test A/B más tradicionales, ya que permiten probar simultáneamente una variedad de elementos de página y variaciones con menos tráfico que lo que normalmente se requiere para que un Test A/B pueda ser estadísticamente significativo.

Gigantes como Facebook y Google han puesto el pie en el acelerador para hacer cada vez más relevante el contenido que le llega a cada usuario. Todo esto mediante algoritmos basados en ML que realizan rankings de feeds, contenidos, interacciones con las publicaciones, búsquedas y por supuesto, anuncios publicitarios.

FASE DE CONVERSIÓN

En esta fase conseguiremos que los leads se conviertan en clientes aplicando distintas técnicas de personalización y recomendación.

Precios Dinámicos

A través de la fijación de precios dinámicos el precio de un producto o servicio cambia en función de la oferta y la demanda en tiempo real y permite dirigir ofertas especiales sólo a aquellos leads que probablemente las necesiten para convertir. Con técnicas de ML se pueden construir modelos de propensión con las características de los leads que requieren una oferta para convertir frente a los que convertirán sin necesidad de la misma, o clientes dispuestos a pagar precios distintos por el mismo producto/servicio según la época del año, situación, lugar, etc. Esto posibilita aumentar las ventas sin reducir los márgenes de beneficio.

Herramientas como Competera, Wiser (QuadAnalytics), Market Track o Upstream commerce permiten monitorizar los precios de los productos de catálogo y en algunos casos comparar con los productos de la competencia y ver los cambios arriba o abajo para poder igualarlos o mejorarlos.

Personalización de Aplicaciones y Web

Utilizar un modelo de propensión para predecir la etapa de un cliente en el viaje del comprador permite proporcionar el contenido más relevante en el site, en una aplicación o a través del Call Center.

Asimismo desde el punto de vista de la experiencia de usuario (UX) el ML aprende de los datos que el propio usuario va generando en distintas interacciones para transformar y personalizar su experiencia cuando interactúa con el producto o la marca.

ChatBots

Los Chatbots están comenzando a sustituir funcionalidades que hasta la fecha cubrían las Apps y el crecimiento a pasos agigantados de su uso se atribuye claramente a un mayor uso de aplicaciones de mensajería por parte de la población. Pueden interpretar las consultas que formulan los clientes, proporcionar información, completar pedidos.

En el mercado encontramos todo tipo de herramientas para codificar Bots desde las que están diseñadas para personas sin prácticamente conocimientos de codificación como ManyChat y Chatfuel, o Conversable, un servicio SaaS para diseñar, construir y distribuir experiencias de mensajería y voz mejoradas por IA a través de múltiples plataformas, incluyendo Facebook Messenger, Twitter, SMS, Amazon Echo, Google Home y muchas otras.

Retargeting

Del mismo modo que en la segmentación de anuncios se pueden definir modelos que establezcan con qué contenidos es más probable que los usuarios vuelvan a un site basándonos en los datos disponibles.

FASE DE VINCULACIÓN

En la fase de vinculación la IA nos ayuda a generar mayor fidelización y engagement con los clientes.

Servicio al Cliente

Como ya se ha comentado previamente, se pueden desarrollar modelos que caractericen a los clientes con mayor propensión a la baja para poder actuar con celeridad y activar alertas que permitan retenerlos en cuanto se identifiquen.

Marketing Automation

En un entorno donde el usuario recibe multitud de impactos a través de diferentes canales, es fundamental que estos se realicen con el mensaje adecuado, en el momento idóneo y en el lugar donde espera encontrarlo.

Las técnicas de Marketing Automation ayudan a ello fomentando la generación de leads y la fidelización y vinculación con los clientes.

Para ello se definen una serie de reglas que ante la interacción o no interacción con el cliente se activan y gracias al ML por ejemplo deciden cuándo es más efectivo interactuar o enviar un mensaje y qué contenidos son más relevantes en base al aprendizaje obtenido del comportamiento del cliente o lead.

Pardot, Marketo, IBM Watson Campaign Automation, HubSpot son algunas de las herramientas más conocidas que incorporan IA a sus soluciones.

Emails con Contenido Dinámico

El análisis predictivo también puede ser de utilidad para establecer la tendencia de los clientes a comprar ciertas categorías, tamaños y colores a través de su comportamiento y de este modo poder generar emails o newsletter absolutamente personalizados con los productos o información más relevantes y que además contienen la información más actualizada del stock de productos, las ofertas o los precios en el momento de abrir el correo electrónico.

En resumen, la Inteligencia Artificial supone una nueva era en el conocimiento y la interacción con el consumidor para el Marketing y constituye una realidad de la que las empresas no pueden mantenerse ajenas.