infoPLC ++ / Tecnología / WOBI Forum: Inteligencia Artificial en marketing y ventas

WOBI Forum: Inteligencia Artificial en marketing y ventas


Durante el WOBI Forum de Barcelona se confirmó que la AI tiene mucho que aportar al marketing industrial. La predicción de casos en que el cliente está a punto de dejar de serlo o los asistentes de voz son algunas de sus aplicaciones.

WOBI Forum: Inteligencia Artificial en marketing y ventas

El pasado mes de junio se celebró en Barcelona el Foro World Marketing & Sales Forum que en esta ocasión estuvo dedicado a la digitalización de actividades en marketing y ventas. El evento fue organizado por el World of Business Ideas (WOBI), con varias presentaciones impartidas por figuras internacionales relevantes en este ámbito de actividad. Una de las conferencias estuvo a cargo de Mohanbir Sawhney, un experto en tecnología aplicada a la innovación y al marketing en empresa, con Inteligencia Artificial (IA) en el foco principal. InfoPLC++ tuvo la oportunidad de hacerle una entrevista y en las siguientes líneas se sintetiza la esencia de este encuentro.

Mohanbir Sawhney afirmó que, desde la perspectiva del marketing, la Inteligencia Artificial (IA) está revolucionando, transformando y afectando a toda la cadena de valor. La aplicación de AI también influye en la gestión de los consumidores, con un análisis completo, tanto del proceso de compra (operaciones logísticas, transporte y distribución) como de las funciones de soporte (recursos rumanos, finanzas o legalidad, entre otras áreas). Según Sawhney, la IA ayuda al ser humano, pero no lo sustituye. Pronosticó que el futuro especialista de marketing necesitará, más que nunca, ambos hemisferios del cerebro, en igualdad de importancia. El derecho aportará creatividad, contenido, storytelling e innovación. El izquierdo inducirá análisis, datos y automatización. En este contexto, su combinación con la IA será un factor potenciador y esencial. En cualquier caso, hay luces y sombras con IA.fsenti

Algunas sombras sobre la Inteligencia Artificial

Un lado más oscuro de la IA son algunos fracasos que se han registrado en su corto pasado. Según Sawhney, la mayoría se concentran en las primeras etapas de aplicación de la IA. Mencionó algunos de ellos. Por ejemplo, Amazon fallaba en determinadas predicciones y recomendaciones de compra, ofreciendo productos que no tenían interés para el usuario. Se investigaron algunos casos y se pudo determinar que ciertos clientes, adquirían, en ocasiones, productos para regalo y no para consumo propio. Actualmente, se ha reducido esta tasa de fallos sensiblemente, gracias a que se ofrece la posibilidad al cliente de marcar ese producto como regalo, identificando claramente esta opción en un paso prominente del proceso de compra. Además, se analizan otras variables, como un cambio de dirección de envío, el grupo de edad o patrones de conducta que se desvíen del comportamiento histórico observado.

También hizo mención a problemas que se han registrado y que están relacionados con la raza o el sexo. En muchas ocasiones, los algoritmos generaban falsos positivos y falsos negativos. Por ejemplo, las predicciones de riesgo para la devolución de créditos, en que las personas de color quedaban claramente desfavorecidas; esta situación muchas veces se originaba por el tamaño de las muestras y otros datos disponibles, los cuales no eran suficientemente representativos de la población africana en USA.

También se refirió a casos en que se habían ejecutado correctamente tareas de IA, pero que al final se convirtieron en un fracaso. En una ocasión, el padre de una adolescente observó que la cadena de tiendas Target les enviaba con insistencia cupones, para comprar productos pre y post-parto. Posteriormente, se supo que su hija estaba embaraza, pero el padre lo ignoraba.

Retos pendientes en IA

Mohanbir Sawhney reconoce que, a pesar de los avances que se están dando con IA, hay ciertos temas que no tienen una solución o respuesta clara a medio plazo. Uno de ellos, pasa por intentar mejorar, en lo que se refiere a decisiones que pueda adoptar un sistema, en el ámbito de la ética y/o que puedan tener consecuencias negativas para personas o entidades. Por ejemplo, un coche autónomo que en un momento determinado tenga que decidir entre poner en peligro la vida de peatones que cruzan la calzada o la de los pasajeros que viajan en el vehículo.

Otro punto en que se tendrá que avanzar es en la gobernanza de IA. En esto queda mucho por hacer. Como muchos sistemas IA van aprendiendo con el tiempo, se alejan del cumplimiento de reglas estáticas. Esto hace que cuando se registra un suceso, sea difícil averiguar el porqué el sistema tomó aquella decisión determinada. Este aspecto es importante para establecer responsabilidades de una acción, en que hay consecuencias legales para el propietario o para el responsable de la máquina. Aquí es clave poder explicar el porqué de esa determinada decisión y no de otra. Sawhney acepta que para este tema no hay una solución única. La línea de actuación actual se centra en intentar evitar, minimizar o mitigar los efectos negativos.

Proceso de diseño de modelos de aprendizaje automático

No obstante, una opción interesante en que se está trabajando pasa por que al inicio de un diseño de algoritmos se tenga presente la responsabilidad. Se trata de ir hacia un building explanability. En definitiva, que el usuario tenga la posibilidad de que la máquina le suministre un histórico de pasos internos anteriores al juicio o decisión tomada. Una especie de caja negra integrada en la propia aplicación IA, capaz de aclarar cómo se ha llegado hasta allí.

Predecir abandonos de clientes

Una de las aplicaciones en que IA comienza a cosechar éxitos es en la predicción de casos en que el cliente está a punto de dejar de serlo (churning), especialmente en los sectores de telecomunicaciones, retail y financiero. Este es un aspecto importante a identificar dentro del Big Data. Los algoritmos IA llevan a cabo análisis cruzados de distintas variables y escenarios, como la frecuencia y fragmentación de las transacciones, el número de consultas o determinados cambios en patrones de actividad y comportamiento del cliente. Se trata de determinar si hay razones para cuestionarse si el cliente puede abandonar y porqué. Obviamente, cuando se detecta esta situación, la interacción humana es lo más apropiado.

Descubrir el 'viaje' y los momentos claves del cliente gracias a la AI

Respecto a los call centers, Sawhney afirmó que se están comenzando a automatizar varias de sus actividades con IA. Predice que para el año 2024, el 95% de las interacciones se llevarán a cabo entre máquina y cliente, dejando para los humanos temas que requieren habilidades especiales, ya sea en información o en trato del cliente.

Muchas luces en IA: aplicaciones en marcha

Cuando se utiliza IA en marketing y ventas, hay dos perspectivas principales: la del cliente y la de la compañía. Pueden efectuarse predicciones, recomendaciones, clasificaciones, inferencia casual u optimización. A ambas hay que prestar atención para conseguir satisfacción.

Sawhney define Sentient Marketing como la habilidad de crear una vinculación personalizada a escala y en tiempo real. El objetivo es intentar proporcionar una experiencia satisfactoria y sin esfuerzo para el usuario, desde principio a fin. La empresa intenta generar ventas y beneficios, maximizando el valor del tiempo empleado por el cliente.

Sentient Marketing: la habilidad de crear una vinculación personalizada a escala y en tiempo real

En este ámbito, para generar demanda, Netflix muestra pantallas personalizadas para cada cliente, haciendo sugerencias, ofertas o promociones,con tan sólo un click de distancia (matching content to intent). Se trata de aumentar la probabilidad de que, a continuación, el cliente haga otro click. Por lo general, estas propuestas se basan en patrones observados (estilo, gusto o edad por ejemplo). AirBnB hace algo similar y utiliza hasta 120 variables para determinar su propuesta de contenido en función de cada cliente.

AI aplicada a la personalización en la plataforma Netflix

En otro orden de cosas, en Pinterest se puede encuadrar un objeto determinado de una imagen (en la que puede haber muchos más); una lámpara, por ejemplo, y lanzar una búsqueda de lámparas iguales o muy similares, incluyendo precios y portales de compra.

Otra aplicación en que IA comienza a ser operativa es en los denominados seguros a la demanda. Se pueden contratar pólizas con primas por kilómetros u horas. El sistema calcula la prima automáticamente, en función del historial del conductor o su destino siguiente. Si el cliente se dirige hacia Chicago, por ejemplo, y encontrará una temperatura de -20ºC, el sistema avisará al conductor y le informará de su prima actualizada, teniendo en cuenta el aumento del riesgo asociado con ese itinerario.

Los asistentes de voz también cuentan

Un driver de conveniencia que está experimentando crecimiento para aplicaciones IA es el de los asistentes de voz. Ya se utilizan para hacer búsquedas, pedidos o sugerencias. En este ámbito, resulta clave el procesado de lenguaje natural (NPL), algo en que se ha avanzado significativamente. Este Agent as a Service puede desplegarse de forma seamless por distintas aplicaciones (WhatsApp, Facebook, Slack, etc). Un ejemplo de éxito es el asistente Julie, de la compañía ferroviaria Amtrak, capaz de hacer una planificación del viaje completo, con hoteles y otros servicios integrados en el billete de tren. UPS también utiliza el asistente virtual Alexa de Amazon, de forma que incluso llega a evitar que el cliente tenga que proporcionar el tracking number para conocer el estado de sus envíos.

En el evento también participaron otros conferenciantes, como Robbie Kellman, principal defensora de la economía de subscripción o afiliación (membership economy). Neil Rackham, por su parte, disertó sobre la importancia que adquiere la confianza de una organización y del vendedor como su figura clave. Rackman afirmó que, según los resultados de un estudio reciente en USA, un 83% de la población considera que la figura del vendedor es franca, un 66% que es competente, mientras que tan solo un 35% opina que la empresa muestra un interés y preocupación real por el cliente. Este es un aspecto clave a mejorar.




Leave a comment