Marketing predictivo e inteligencia artificial para minoristas electrónicos

¿Qué es el marketing predictivo?

El marketing predictivo es una forma moderna de automatización del marketing que predice las acciones de sus contactos en función de la información recopilada de sus perfiles y de su historial de visitas a su tienda e interacciones con su empresa.

‍

Con el fin programado de las cookies, que identifican los movimientos de los visitantes en los sitios web de comercio electrónico, el retargeting actual será cada vez menos pertinente, ya que las visitas dejarán de ser rastreables (salvo para Google).

Para seguir enviando correos electrónicos hiperpersonalizados a sus clientes, tendrá que predecir sus expectativas y deseos en lugar de reaccionar en función de las visitas a su sitio web.

Para hacer una predicción, es necesario recopilar una enorme cantidad de datos de clientes, y procesar estos datos requiere una potencia de cálculo considerable. Por tanto, es impensable procesar esta información manualmente. Pero la IA está ahí para procesarla.

Para ser más precisos, las predicciones las realizan algoritmos de aprendizaje automático (un subdominio de la IA). Estos algoritmos pueden clasificar las actividades de un cliente, identificar similitudes con otros clientes, predecir una acción y modificar su funcionamiento en función de los resultados reales de la predicción.

¿Cuál es la diferencia entre IA, aprendizaje automático, aprendizaje profundo y aprendizaje por refuerzo?

La inteligenciaartificial(IA) se confunde a menudo conel aprendizaje automático. Peor aún, algunas empresas web afirman falsamente dedicarse a la inteligencia artificial.

La inteligencia artificial se refiere a la capacidad de diseñar ordenadores que se comporten de la misma manera que los humanos. Se trata de una tecnología muy amplia y compleja para las empresas, porque el cerebro humano es difícil de entender y, por tanto, de reproducir.

Por lo tanto, en estos momentos es presuntuoso afirmar que se utiliza la IA en el marketing digital.

Entre los diversos campos de la IA, el aprendizaje automático es la capacidad de crear algoritmos que utilizan una gran cantidad de datos para predecir acontecimientos. Esta tecnología predictiva es muy útil en el campo del marketing digital, ya que permite anticipar el comportamiento de los consumidores a partir de información sobre sus perfiles y su historial de acciones en tu sitio web.

‍

El tema genera muchas fantasías, cuando en realidad se trata simplemente de programas de venta más o menos inteligentes (algoritmos).

Estos algoritmos tienen la capacidad de aprender, de forma más o menos guiada. Existen 3 familias principales de aprendizaje:

• aprendizaje supervisado, que utiliza conjuntos de datos categorizados,
• aprendizaje no supervisado, en el que el algoritmo aprende por sí solo creando "paternas" a partir de los datos,
• aprendizaje por refuerzo, en el que el algoritmo mejora en función de las interacciones en el entorno;

Kiliba utiliza una serie de algoritmos para predecir el comportamiento de los usuarios y enviar correos electrónicos hiperpersonalizados:

• Clasificación: asignar una categoría a cada cliente a partir de los datos de usuario recopilados (los datos son conocidos y están etiquetados, por lo que se denomina aprendizaje supervisado).
• Clustering: asignación de una categoría de cliente en función de las acciones y resultados observados (no supervisado, los datos no se etiquetan de antemano).
• Recomendación: recomendación de productos basada en las visitas y compras de los clientes.

Estos algoritmos utilizan la lógica codificada por un desarrollador para predecir el comportamiento.

El aprendizaje profundo es un subconjunto de algoritmos de aprendizaje automático. A diferencia de las técnicas anteriores, estos algoritmos aprenden por sí mismos cómo funcionan para hacer las mejores predicciones y mejorar con el tiempo. Prueban múltiples combinaciones a partir de datos brutos y comparan los resultados obtenidos para perfeccionar su lógica de funcionamiento. En realidad, nadie es capaz de explicar la lógica que hay detrás del algoritmo que han creado, sólo somos capaces de medir que funciona. Y esa es la belleza de la tecnología, y la preocupación por cómo se puede controlar.

El aprendizaje por refuerzo es un subconjunto distinto de algoritmos basados en la comparación de estas predicciones con la realidad. Al "recompensar" las predicciones correctas y "castigar" las incorrectas, este tipo de algoritmo es capaz de mejorar con el tiempo modificando su lógica para optimizar el número de predicciones correctas.

¿Cuáles son las ventajas del aprendizaje automático?

Estos algoritmos pueden utilizarse para recomendar productos de una tienda en línea basándose en los perfiles de los consumidores. Estas recomendaciones permiten crear correos electrónicos hiperpersonalizados, en los que cada correo es único y el contenido responde a las expectativas de los compradores.

Por ejemplo, Kiliba optimiza las tasas de conversión del correo electrónico utilizando múltiples análisis, entre ellos :

• Recomendación predictiva de productos basada en el historial de visitas y compras del cliente
• Identificar productos para complementar una compra
• Identificación del sexo (masculino/femenino) por agrupación cuando el cliente no facilita esta información
• Análisis de la satisfacción del cliente (nivel de acoso por correo electrónico) para reducir la presión de marketing si es necesario (Kiliba envía menos correos electrónicos a un cliente si el algoritmo predice que el destinatario se siente acosado).

¿Cuáles son las ventajas del aprendizaje profundo?

El aprendizaje automático requiere codificar la lógica de funcionamiento de un algoritmo, basándose en el dominio por parte del equipo de desarrollo del proceso mental que interviene en la decisión de compra de un cliente. Dado que el comportamiento humano es complejo, es intrínsecamente difícil de comprender y anticipar.

Codificar un algoritmo requiere medir periódicamente los resultados obtenidos para modificar la lógica del algoritmo y volver a probarlo. El aprendizaje profundo puede utilizarse para llevar aún más lejos la recomendación de productos. El algoritmo de aprendizaje profundo decidirá su propia lógica de toma de decisiones y mejorará por sí solo con el tiempo.

¿Cuáles son las ventajas del aprendizaje por refuerzo?

El refuerzo es un enfoque que tiene en cuenta las interacciones del entorno.

En el caso de la automatización del correo electrónico, el refuerzo permite mejorar automáticamente las recomendaciones futuras aprendiendo del comportamiento real de los destinatarios del correo electrónico: correo abierto, clic, tienda visitada, compra.

Si el comportamiento real coincide con las predicciones, no hay razón para que el algoritmo cambie porque es eficaz. Pero si el destinatario del correo electrónico no hace clic en los productos propuestos, el algoritmo intentará mejorar para futuras recomendaciones modificando su lógica de funcionamiento.

Artículos relacionados

¿Cómo se configura un software de automatización del marketing?

5 pasos para el éxito de una campaña de correo electrónico

¿Cuáles son los mejores activadores para los escenarios de Automatización de Marketing?

Optimizar el rendimiento del marketing por correo electrónico