Artculos 20 SEP 2017

Predictive marketing: soluciones de maana a desafos de hoy

Entender el pasado para conocer el futuro es, más que una frase hecha, una estrategia de negocios que hoy suscriben algunas de las empresas más grandes  del mundo. 

  • imagenes fotos

De esta forma, Walmart está utilizando marketing predictivo para organizar sus compras mayoristas y así competir más eficazmente con Amazon, una app de venta de pasajes estudia las tendencias de demanda para saber cuándo conviene comprar tickets, un parque zoológico de Washington sabe con 95% de exactitud qué cantidad de visitantes recibirá (y distribuye su personal con mayor eficiencia), IBM descubre cuántos y cuáles de sus empleados están pensando en dejar la compañía para aplicar políticas de retención, y la marca Under Armour detecta en qué perfiles de consumidores se justifica invertir en publicidad y cuáles serán dinero perdido. Y si hasta hace poco esas predicciones tenían mucho de intuición, la inteligencia artificial le está agregando rigor científico gracias al análisis de grandes volúmenes de datos.

El predictive marketing puede ser definido como una forma de data mining que utiliza modelos estadísticos para analizar los patrones históricos, y luego utiliza estos modelos para proyectar resultados futuros. El despliegue de la inteligencia artificial permite que las tecnologías de análisis detecten las relaciones entre las variables que la mente humana es incapaz de ver.

La evolución de las plataformas analíticas ya disponibles ha proporcionado acceso a sofisticados modelos estadísticos para empresas de todos los tamaños. Hoy el big data es utilizado por pequeñas y grandes empresas para mejorar sus funciones cotidianas, e incluso hay softwares de Microsoft que ya se comercializan como un pack de soluciones de fácil implementación por cualquier empresa.

1-Walmart y su optimización de supply chain

Mientras muchos otros minoristas están luchando por mantener las cifras de su negocio, Walmart ha registrado cifras de crecimiento en los últimos 11 trimestres consecutivos. En particular, esto ha sido impulsado por un aumento interanual del 63% en las ventas on line. La compañía ha recibido muchos elogios por su disposición a adaptarse a la eradigital y está apostando por su capacidad de vincular los mundos online yoffline para competir con Amazon. La inteligencia artificial y la analíticapredictiva están en el corazón de esta estrategia. Walmart toma los datos instantáneamente de sus puntos de venta y los incorpora dentro de sus pronósticos para evaluar qué productos pueden venderse más y cuáles han tenido un rendimiento inferior.

Combinado con los patrones de conducta en línea, esto proporciona una gran cantidad de puntos de datos (más de 40 petabytes de ellos) para ayudar a Walmart a prepararse para un aumento o caída en la demanda de los productos. Los datos se administran en la nube a través de Walmart "Data Cafe", sistema que es mantenido por el equipo de Walmart Labsen Silicon Valley. Se trata de una sofisticada operación a gran escala que se ajusta al número de variables requeridas para que un negocio de este tamaño realice proyecciones precisas a partir de datos fiables.

Por ejemplo, el uso de AI y la analítica predictiva por parte de Walmart es invaluable para la administración de inventario, ya que los gerentes pueden almacenar apropiadamente sin correr el riesgo de tener que hacer costosos ajustes de última hora para cubrir brechas cuando la demanda supera la oferta. Estas previsiones también permiten a Walmart personalizar su presencia en línea, presentando productos a clientes específicos basándose en su probabilidad prevista de realizar una compra.

La disciplina y el rigor que este enfoque trae significan que Walmart puede apegarse a fechas de entrega estrictas, ya que cada paso de su cadena de suministro se ha optimizado mediante el uso de análisis predictivo. Todas estas áreas pueden ser mejoradas por cualquier negocio a través de tecnología accesible en las plataformas de Google y Adobe.

Curiosamente, Walmart también ofrece incentivos a los clientes en forma de reducciones de precio o beneficios adicionales si retiran sus compras de una tienda física. Incluso con todos losbeneficios que la analítica basada en la IA puede aportar al negocio, competir con Amazon en los costos de envío sigue siendo un desafío importante.

A continuación, cinco soluciones que ya están ofreciendo resultados a empresas de diversos tamaños, que son ejemplos de cómo es posible “leer” el futuro de un negocio para tomar decisiones hoy mismo.

2-El negocio de pronosticar precios

La industria de viajes es notoriamente competitiva, con picos y valles volátiles en demanda y muchas rutas de bajo margen. Esto puede dejar a los viajeros en tinieblas, sin saber cuál es la mejor época para reservar.  Esto hace que sea un campo maduro para el poder de la analítica predictiva impulsada por la AI, un hecho que hizo que la  app de viajes Hopper creciera dramáticamente en popularidad desde 2015.

Hopper se mantiene un paso adelante al predecir los futuros patrones de precios y alertar a los viajeros de los momentos más baratos para comprar vuelos a sus destinos preferidos. Lo hace observando miles de millones de precios cada día y, sobre la base de datos históricos de cada ruta, anticipando cómo se desarrollará la tendencia. Los usuarios pueden configurar notificaciones para recordarles que deben reservar cuando se produzcan estos descensos de precios.

Aunque no es la única empresa que presta este servicio, Hopper reporta una tasa de exactitud del 95% con sus predicciones y afirma que ahorra a sus clientes un promedio de más de U$S 50 por vuelo.

Hopper proporciona un gran ejemplo de un negocio que toma el machine learning y el análisis predictivo como los principios centrales de su estrategia de negocio. Sin análisis predictivo, no existiría Hopper.

Sin embargo, los modelos estadísticos que utiliza con tan buen resultado tienen lecciones para todos los negocios. El éxito de Hopper proviene de su fiabilidad como plataforma objetiva de asesoramiento al consumidor, esencialmente. Como tal, muchas otras compañías podrían asumir este papel usando las estadísticas para proporcionar pronósticos que resultan en el mejor interés del cliente.

3-Conocer el volumen de clientes

Una encuesta realizada por SAP a finales de 2016 encontró que más del 70% de los managers de pequeñas empresas creían que todavía estaban en las "primeras etapas" de trabajo sobre sus datos. Pero un pequeño zoológico en Tacoma, Washington, se resistió a esa tendencia al asociarse con el Servicio Meteorológico Nacional para identificar los factores que causaron que las cifras de asistencia aumentaran y bajaran de manera impredecible. Esto creó problemas para la administración, al estimar  personal del parque para atender a una gran concurrencia, pero más de una vez terminó por gastar en exceso en los salarios debido a la baja asistencia.

Intuitivamente, podríamos asumir que la asistencia es más alta en días cálidos y secos, pero más baja cuando está fría o húmeda. Sin embargo, al incorporar los datos del Servicio Meteorológico Nacional a la plataforma Watson de IBM, el zoológico fue capaz de determinar con precisión qué condiciones causaron que más personas lo visitaran.

Este conocimiento se utilizó entonces para modelar los patrones futuros de visitantes, utilizando las cifras históricas de asistencia y las estadísticas meteorológicas proyectadas. El proyecto fue un gran éxito y ahora es una parte central de la planificación de negocios del parque. Point Defiance puede predecir las cifras de asistencia con una precisión superior al 95%, lo que permite a los gerentes administrar el personal del parque adecuadamente. Esto no tiene un impacto negativo en cómo los visitantes experimentan la visita al parque (quizás incluso lo contrario), y crea algunas eficiencias que resultan vitales para el negocio.

Por supuesto, las aplicaciones de esta metodología van mucho más allá de las simples cifras de asistencia. Port Defiance puede controlar cómo los visitantes interactúan con el zoológico, ayudando a proporcionar una mejor experiencia al cliente. También existen planes para utilizar análisis predictivos controlados por la AI para monitorear los datos de salud y diagnosticar problemas con los animales del parque para proporcionar tratamiento preventivo.

4-IBM: cómo retener al personal

La ventaja fundamental de la analítica predictiva es la posibilidad de obtener mejores resultados frente a los objetivos de la organización. Éstos a menudo están claramente basados ​​en los beneficios, pero la analítica predictiva también puede ayudar a identificar problemas de retención del personal y sugerir soluciones.

Al cargar un archivo de datos estructurado, el sistema Watson puede detectar los factores comunes que contribuyen a la deserción del personal. Esto entonces se alimenta en la generación de un "puntaje de calidad" para cada empleado, basado en su probabilidad proyectada de dejar la compañía a corto plazo.

De manera similar a la nueva función de Google Analytics, que busca datos en respuesta a las preguntas de los usuarios, Watson puede responder a consultas específicas y crear visualizaciones de datos basadas en las preferencias del usuario.

Este es un gran ejemplo de una plataforma que se mueve rápidamente desde el análisis exploratorio al diagnóstico, en el ámbito de la predicción analítica. Cualquier empresario o gerente puede hacer uso de estas herramientas para identificar con precisión lo que hace que el personal abandone la empresa, pero también pueden ver lo que hay detrás de esos factores y poner en marcha medidas preventivas para prevenir cualquier salida potencial. Dado el costo de la contratación de nuevo personal frente a la retención en puestos de alto rendimiento, esto conduce directamente a la disminución de los costos operativos.

5-Under Armour y el estudio sobre la audiencia de marca

El análisis de audiencias es otro campo del marketing que se beneficia enormemente del uso de la AI y la analítica predictiva. Mediante la comprensión de las características cuantitativas de los clientes de alto valor, es posible identificar a individuos similares y orientarlos con mensajes personalizados que tengan mayor probabilidad de generar respuesta.

Saber dónde gastar el presupuesto de publicidad es esencial, pero también lo es saber dónde no gastarlo. La analítica predictiva permite a empresas como Under Armour aprovechar las áreas que ofrecerán los mayores rendimientos y reinvertir el presupuesto que de otro modo habría sido gastado de manera inexacta. La inteligencia artificial es utilizada por Under Armour para realizar tareas como el “análisis de sentimientos” vinculados a su marca y la escucha social para entender lo que los clientes piensan de la empresa y dónde se ubican los gaps en el mercado. Esto ha llevado a la compañía a centrarse en convertirse en una marca de fitness digital, una iniciativa que ya le ha permitido cosechar nuevos negocios en un mercado saturado.

Under Armour produce productos de aptitud física, pero también aplicaciones y dispositivos portátiles para unir los mundos offline y digital. Cuanto más personas usan los productos, más datos puede reunir para mejorar su oferta. Y con más de 200 millones de usuarios registrados y más de 10 mil millones de interacciones digitales por año, cuenta con una enorme masa de información para refinar sus estrategias.

 

Comentarios

Deja tus comentarios

 
Enviar








Espacio de Publicidad

Espacio de Publicidad

La AAM y Webcall te ofrecen un nuevo servicio de llamadas gratuitas