Es habitualmente reconocido que el disparador del uso de la inteligencia artificial en el marketing fue el concurso lanzado por Netflix para mejorar sus algoritmos de recomendación, que llegó a su punto culminante cuando en 2009 ofreció (y otorgó) un millón de dólares a quien mejorara en por lo menos un 10 por ciento los algoritmos que ya tenían. Ahora bien, para qué sirven, cómo funcionan, cómo se especifican y desarrollan lo que, en general, se denominan sistemas de recomendación. Veamos.
Tomemos como primer ejemplo a Amazon. La tienda virtual tiene 6.000 millones de productos: ¿cuáles mostrarles a los clientes que ingresan? Las probabilidades de lograr una venta se incrementan sustancialmente si logra seleccionar en una «milésima de segundo» aquel o aquellos productos que son más deseables para ese cliente. Ahora bien, si es la primera vez que ingresa, la plataforma conoce muy poco sobre su potencial cliente, quizás sólo donde vive. En ese caso, tal vez lo mejor sea ofrecerle los productos más vendidos en su área. Pero cuando ese visitante empieza a hacer búsquedas la historia cambia por completo. El sistema ya sabe qué está buscando y puede ofrecerle productos similares; si selecciona uno puede mostrarle qué otras cosas compraron los que adquirieron el que está mirando; y si compra algo el sistema aprende sobre la dirección exacta, seguramente el sexo, probablemente la edad, el monto que está dispuesto a gastar y si seleccionó por precio o calidad.
El ejemplo es elocuente y muestra sólo la punta del iceberg de la invasión de la inteligencia artificial en el marketing y venta, y aquí se abren sus muchas variaciones. Volvamos al caso de Netflix: cuando un usuario ve una película, el sistema no sabe si la seleccionó por el género, el actor o actriz principales o la banda musical, pero luego de que ve varias el sistema va «aprendiendo» qué importancia le da a cada una de esas características, ¡aunque el mismo usuario no sabría decirlo! Y así sus recomendaciones son cada vez mejores. Si además les da una puntuación, mucho mejor.
Parecido pero distinto sería si pensamos en nuestras compras de supermercado, donde aquello que compramos lo hacemos, en general, una y otra vez de manera bastante repetitiva. Un sistema eficiente en este caso seguramente tomaría como base lo que compramos y la frecuencia con que lo hacemos, y recomendaría algunas variaciones y compras asociadas que hacen otros usuarios. Up-selling y cross-selling, básicamente.
Hablando de cross-selling, veamos un ejemplo sencillo para entender cómo funciona la inteligencia artificial. Pensemos en un productor de seguros con una cartera de clientes a los que les ha vendido distintas opciones para el auto y el hogar. Seguramente todo productor experimentado conoce una serie de «reglas» del negocio, como que quienes aseguran su auto contra todo riesgo es más probable que contraten un seguro de hogar, u otras por el estilo. Ahora bien, la computadora puede generar fácilmente miles de estas reglas y probar si son ciertas o no. En general, esto no sería suficiente ya que estaríamos encontrando una correlación y no una causalidad, problema habitual en el aprendizaje de máquina, pero que puede en este caso aunque sea parcialmente subsanarse valorando cada una de las reglas generadas no sólo por su «veracidad» sino también por el grado de impacto que tienen las condiciones o antecedentes de cada una sobre el resultado o consecuente, lo cual es parecido a una relación causal.
Para concluir, digamos que lo anterior es sólo el primer atisbo de lo que está ocurriendo con la «invasión» de la inteligencia artificial en el marketing; en otros aspectos es más profunda aún, como en la generación de contenidos, el marketing digital programático o el análisis de sentimientos.
Publicado en Infobae
.