Elegir es una operación costosa (en términos de tiempo y energía mental), por lo que la gente tiende a decidir rápidamente lo que quiere hacer. A menudo, si no encuentran inmediatamente lo que buscan o no reciben los estímulos adecuados, abandonan la empresa. Es en base a este supuesto que gigantes como Amazon o Netflix han desarrollado algoritmos de recomendación sobre productos y servicios, con el objetivo de mantener un alto compromiso del consumidor permitiéndole descubrir fácilmente productos de su interés.
Como dice Jeff Bezos:
«We don’t make money when we sell things. We make money when we help customers make purchase decisions.»
o sea «No ganamos dinero cuando vendemos productos. Ganamos dinero cuando ayudamos a los clientes a decidir qué comprar» y esto es tan cierto como siempre: la experiencia del usuario es mejor si también se reduce el tiempo de decisión, hasta el punto de que no sólo se habla de customer journey sino de decision journey.
Los usuarios, como bien explica Gianluca Diegoli en este post, con su comportamiento ahora totalmente trazable, «sueltan» suficientes datos para aspirar a experiencias personalizadas. Los algoritmos de inteligencia artificial sirven, por tanto, para eso: para proponer los contenidos más interesantes para el cliente individual, con el único objetivo de hacer fluido el proceso de elección (evitando así, entre otras cosas, que el usuario se vaya a otra parte).
Es evidente que esto contribuye en gran medida a aumentar las ventas y el valor de vida del cliente; una experiencia personalizada es, sin duda, uno de los principales componentes de la fidelización.
¿Cómo funciona un algoritmo de inteligencia artificial en marketing? El caso de Netflix
Gracias a la publicación de este artículo (ACM Transactions on Management Information Systems, Vol. 6, No. 4, Artículo 13, Fecha de publicación: diciembre de 2015), podemos explicar cómo Neflix utilizó la inteligencia artificial para mejorar la experiencia del usuario. Describiremos el razonamiento que hay detrás de algunos de sus algoritmos para entender cómo funciona la inteligencia artificial en la automatización del marketing.
La pregunta inicial de Netflix era la siguiente: ¿qué información debemos tener en cuenta para poder recomendar a nuestros clientes algo que les pueda gustar? Los primeros análisis, que se remontan a hace unos años, se detenían en la calificación: calculaban cuántas estrellas daban los usuarios a las películas que veían y, a partir de ahí, el algoritmo seleccionaba productos similares, en cuanto a género o características.
El cambio de paradigma se produce cuando Netflix empieza a tener en cuenta otros factores: por ejemplo, cuándo y cómo se han visto las películas (tipo de dispositivo, día de la semana, hora del día), cómo se han encontrado, etc. Incluso empieza a tener en cuenta qué contenido se recomendó pero no se hizo clic en él, utilizando el fallo del algoritmo como fuente de información para el propio algoritmo. La gente deja tanta información sólo por usar el producto… ¿por qué no usarlo?
Con esta idea en el tiempo se desarrollan varios algoritmos que «colaboran» entre sí. El primero se llama PVR (Personalized Video Ranker) y se basa principalmente en la personalización de las preferencias del usuario individual sobre el conjunto del catálogo. El segundo es el Top N video ranker y tiene como objetivo encontrar las mejores recomendaciones de todo el catálogo centrándose sólo en los primeros puestos del ranking general de todos los usuarios. Todos los algoritmos, junto con la cantidad de productos que se muestran, contribuyen a lo que ahora se llama la Experiencia Netflix.
¿Cómo funciona la inteligencia artificial en la marketing automation
El machine learning es un proceso de aprendizaje continuo. En el ámbito del marketing, en particular, tiene en cuenta todos los datos que el usuario deja en cada ocasión de interacción con la marca. ¿En qué se basan los algoritmos? En lo que ha comprado un cliente, en sus hábitos de compra (horarios, días, temporadas, dispositivos), en lo que ha visto mientras navegaba por la web, en el tipo de canal que ha utilizado para contactar con la empresa, en qué correos electrónicos ha pinchado y qué posts ha leído en Facebook, así como otras muchas variables que consideramos relevantes para la experiencia de cliente que queremos ofrecerle. Hoy en día la tecnología permite que las plataformas recojan y normalicen todo tipo de información, incluida la información offline, para que los algoritmos mejoren cada día.
No todas las plataformas de marketing automation son iguales y la gran diferencia radica en la inteligencia artificial. Algunas de ellas se mueven exclusivamente en base a patrones preestablecidos y no automatizan en base a un algoritmo sino exclusivamente en base a la ocurrencia o no de una regla. En cierto sentido, ejecutan órdenes después de que el usuario haya hecho o dejado de hacer algo (un ejemplo son las notificaciones por correo electrónico después de un clic). Las basadas en el aprendizaje automático viceversa autoaprenden constantemente y toman decisiones en lugar de las personas, agregando información entre ellas de una manera que sería imposible para un operador. La inteligencia artificial en el marketing automation es, por tanto, proactiva y utiliza los datos no solo para reaccionar a estímulos pasados, sino especialmente para predecir lo que querrán los usuarios.
