jueves, noviembre 21, 2024
Mercadeo

Estrategia de datos con Inteligencia Artificial: de la planeación a la acción

IA

Es claro que la tecnología en general y la Inteligencia Artificial en particular, están inundando todas las actividades cotidianas, pero como toda nueva herramienta, llegará el momento en que esa inundación se convierta en un proceso más claro, más entendible y menos abrumador.

Quiero iniciar con una invitación a iniciar, o dar continuidad, a la estrategia de datos. Se tiene claro que los datos son el flujo vital de las decisiones de las empresas, pero pocas tienen hoy la capacidad real de ejecutarlas. Los procesos en las empresas generan en ocasiones una prisa desmedida para estar a la par de los competidores lo que genera, casi sin excepción, una serie de aplicaciones que no solucionan mucho o casi nada. La salida abrupta de cualquier aplicación o solución muestra desde hace ya unos años que estar al aire sólo por mostrar algo no es precisamente el mejor camino. ¿El resultado? Las salidas en falso generan frustración y un mal posicionamiento en el cliente.

¿Cómo lo evitamos? Una solución real para el cliente será el resultado de comprender sus necesidades y tener opciones para satisfacerlas. Comprender sus necesidades se refiere a que usualmente nos olvidamos que el ritmo de lo pone el cliente, la línea que divide un cliente feliz de uno frustrado es muy delgada, y eso obliga a tener siempre una lista de espera de soluciones que están en diferentes etapas de desarrollo, listas para cuando el cliente alce la mano y lo requiera.

¿Cómo logramos un balance? Por un lado, de la mano de una estrategia de datos concreta y ejecutable, así como de un sentido de curiosidad apalancado en investigación de mercados y evaluación de tendencias, hay que pasar de la reacción a la proposición. No podemos dejar de recolectar, cultivar y trabajar con el conocimiento que se requiere para que, cuando el momento llegue, se pueda activar de inmediato una solución que permita satisfacer las siempre cambiantes necesidades.

Hay algo muy claro: el cliente pocas veces sabe lo que quiere, entonces el papel que debe desempeñarse desde las empresas es el de brindar opciones, lo que, unido a lo anterior, nos da una fórmula muy interesante que consiste en imaginar este proceso como una acción constante que busca soluciones de valor.

Ahora, con esos datos recolectados y con la estrategia apuntando al cliente, el siguiente paso es el de apalancarse en inteligencia artificial, para lo cual hay varios caminos, pero voy a poner aquí uno que tiene mucho sentido en el mundo de negocios actual: el Machine Learning. Muchas definiciones y aplicaciones tiene esta tecnología, pero para la temática que se está desarrollando es imprescindible aterrizarla a la búsqueda de respuestas del cliente. Para tal efecto, vamos a entender el aprendizaje de máquina como una herramienta que nos permite buscar evidencia en los datos sobre características de los clientes que están allí, pero que para el ojo humano pueden pasar desapercibidas.

El aprendizaje de máquina no supervisado es aquel que va a ir a darse “un piscinazo” en los datos sin mayor objetivo que encontrar grupos de esas características que pueden llegar a ser disruptivas y por ende, pueden hacer que su negocio plantee nuevas estrategias, incluso poco vistas en su categoría. Este tipo de ejercicio hace una exploración profunda, sin restricciones, que después de varios intentos o iteraciones le va a entregar una serie de Insights disruptivos.

De esa primera herramienta podrá deducir que su estrategia de experiencia del cliente estaba asociada a muchas variables, menos una, que era la generadora de cambio. Para dar un caso concreto, imagine que una empresa de eventos que siempre ha segmentado a sus clientes como grandes, medianos y pequeños por número de empleados encuentre desde los datos que su siguiente paso es entenderlas desde las profesiones que predominan en esas empresas que atiende porque el proceso de aprendizaje le permitió entender que ciertas empresas con unas profesiones hacen más eventos o están dispuestos a pagar más por éstos.

Más que la frecuencia, será más interesante trabajar sobre la propensión a pagar. A veces menos es mejor, si esto significa mayor rentabilidad. Para seguir con el planteamiento, supongamos que el algoritmo encuentra que las empresas con predominancia de profesiones creativas requieren de espacios más amplios, de lugares más retirados de la ciudad y de actividades no convencionales para poder lograr sus objetivos de negocio. Las personas creativas se inspiran mejor allí, así que si quiere crear cosas nuevas con su equipo, será mejor que invierta en algo muy lejano a una acartonada reunión en un salón del edificio de sus oficinas.

Como resultado tiene un nuevo camino para sus ventas, buscando empresas con las características mencionadas y, por otro lado, una operación que pude ser al principio más compleja, pero al final será más rentable. Su fuerza comercial va a empezar a traer oportunidades calificadas, mejor escogidas, con empresas que se acomodan mejor a un presupuesto bien ejecutado, unos interlocutores que valoran su trabajo y un proceso de decisión que seguro será más corto.

La fórmula mágica es entonces: primero, plantear una estrategia de datos; luego, recolectar u ordenar sus datos para que sean aprovechables con el foco en contestar una pregunta de negocio; en tercer lugar, ejecutar desde sus capacidades de análisis y, para finalizar, avanzar con unas acciones dirigidas, pasando de pescar con atarraya, que traerá poco pez y mucho relleno, a pescar con anzuelo.

También le puede interesar: Fusionar equipos In-House y agencias audiovisuales para el éxito

TAGS