Pablo Beramendi

Director General de Google Argentina

El obsoleto enfrentamiento humanos vs. máquinas ha dado paso a una interesante colaboración entre ambos universos. Ese abordaje es posible a través de la simulación de procesos que permite la Inteligencia Artificial, una herramienta que estudia cómo lograr que las máquinas sean inteligentes o capaces de resolver problemas de la misma forma en que lo haría una persona. A su vez, la tecnología de machine learningactúa como activador de la Inteligencia Artificial, ya que habilita a las máquinas a identificar patrones y aprender por sí mismas, sin necesidad de seguir pautas preestablecidas.

Un estudio realizado en septiembre de 2017 indicaba que el 85% de los ejecutivos creían que la Inteligencia Artificial les permitiría a sus compañías obtener o mantener una ventaja competitiva1. A casi dos años, esa idea con sabor a futuro puede palparse en el día a día: soluciones como el Asistente de Google, Google Fotos y las respuestas inteligentes de Gmail demuestran la asistencia constante que la Inteligencia Artificial ofrece a los usuarios.

Cada día, los algoritmos que alimentan a la Inteligencia Artificial y al machine learning se vuelven más precisos y exhaustivos para dar respuestas relevantes entre millones de opciones. Son muchos los servicios y aplicaciones que, potenciados por esas tecnologías, resultan ser capaces de encriptar, procesar, administrar y diferenciar, con extrema eficiencia, la gran cantidad de datos disponibles.

Y así como ayudan a resolver los problemas cotidianos de los usuarios, la Inteligencia Artificial y el machine learning se han convertido en grandes aliados de los especialistas en marketing, ya que les permiten optimizar la información disponible y elegir la mejor estrategia. De este modo, desde el punto de vista de los objetivos de negocio, la utilización de la tecnología permite dos enfoques:

  • La aplicación de lo disponible: es el elegido por aquellas empresas que se dedican fundamentalmente a aplicar muchas de las soluciones de machine learning que ya existen.
  • El desarrollo de soluciones a medida: es el de las compañías que encaran desarrollos de algoritmos a medida.

Ya sea que elijan uno de esos enfoques, o ambos, lo cierto es que los protagonistas de la industria que mejor están aplicando estas tecnologías se sustentan en tres pilares:

  • Foco: a la hora de aplicar machine learning, la clave está en anticiparse a las necesidades de los clientes. Entre los ejemplos regionales, podemos mencionar a Plataforma 10, la empresa argentina que comprobó la efectividad de Discovery Campaigns. Esta solución interpreta los intereses de las audiencias y crea de forma automática anuncios personalizados en las propiedades más populares de Google, como Gmail y YouTube. De manera similar, Jumbo Colombia y Puma Chile recurrieron a campañas de Shopping inteligentes para mejorar el rendimiento de sus e-commerces. Esa herramienta les permitió crear ofertas automáticas y colocar anuncios para promocionar sus productos en las distintas redes disponibles de Google, como YouTube, Gmail y las Redes de Búsqueda y Display.
  • Eficiencia: las empresas que mejor usan la Inteligencia Artificial en sus negocios son aquellas que generan eficiencias automatizando sus procesos de marketing, de producción, de logística y de ejecución, entre otros. No se trata solo de reducir costos, sino de recurrir a la automatización para simplificar las operaciones y conectar con las audiencias más valiosas y a gran escala. Con ese objetivo, empresas como Despegar Argentina y Next U utilizaron los anuncios dinámicos de búsqueda para complementar sus estrategias de palabras clave y generar avisos que se actualizan de manera automática, teniendo en cuenta los intereses de los usuarios. Eso les permitió aumentar el alcance y la eficiencia. Por otro lado, como sostiene McKinsey, construir un ecosistema —una red interconectada de servicios que permite que los usuarios satisfagan sus necesidades en una única experiencia integrada—permite alcanzar mayor eficiencia e impacto a través de una plataforma tecnológica.
  • Acción: luego de enfocarse en anticipar las necesidades de sus clientes y llevar eficiencia a sus procesos, las empresas deben pasar a la acción. Uno de los grandes aliados en ese sentido es la atribución basada en datos, una solución que utiliza la información de las conversiones para calcular la contribución real de cada palabra clave a lo largo de todo el recorrido de los consumidores. Tras conocer cuáles son los puntos de contacto más valiosos con la audiencia, empresas como Despegar, por ejemplo, lograron pasar a la acción con las estrategias de Smart Bidding, que ajustan de manera instantánea en cada subasta el monto de la oferta y calculan las probabilidades de conversión de cada usuario.

Nuevos ecosistemas

En esta era de fuertes cambios en el comportamiento de los consumidores y en las tecnologías disponibles, el desafío de las organizaciones será definir qué rol ocuparán dentro del nuevo paradigma de ecosistemas, como sostiene Francisco Ortega, Socio Senior de McKinsey & Company. Las empresas podrán participar de este cambio (asociarse con otros jugadores), orquestarlo(integrar actores y facilitar la interacción entre ellos) o construirlo (armar nuevos negocios). Pero en cualquiera de estos roles, deberán necesariamente desarrollar ciertas capacidades como la velocidad y la agilidad, para responder al dinámico mundo de ecosistemas. Herramientas como la Inteligencia Artificial y el machine learning facilitan enormemente la toma de decisiones relevantes.

Así, el escenario está planteado para que cada empresa y cada especialista en marketing determine cuál es el método de implementación de estas soluciones que mejor se amolda a sus objetivos. La forma en que usuarios y marcas interactúan con la tecnología ha cambiado y los productos se reinventan para optimizar las experiencias: eso plantea una oportunidad que vale la pena aprovechar.

WhatsApp chat