Amplía el poder de la IA con nuevos datos
12 Abril 2019
12 Abril 2019
Imagínate esto: una librería online tiene como objetivo dar recomendaciones más personalizadas. Basándose en los datos internos de los consumidores -recogidos a través de registros, compras y otras interacciones directas- la librería sabe que tiene 1.000 clientes de entre 25 y 35 años, mujeres y lectores de novelas de ciencia ficción. Basándose sólo en estos datos, lo máximo que se puede hacer para este grupo es la personalización basada en la edad, el género y las preferencias de lectura.
Pero, ¿y si la librería supiera que 100 personas de este grupo han pasado recientemente varios fines de semana en senderos de bicicleta de montaña? ¿Y si supiera que a 300 les han gustado los mensajes de los medios sociales relacionados con un músico que acaba de publicar una biografía? La librería ahora tiene muchas nuevas opciones disponibles en la forma en que adapta sus productos y servicios para estos clientes, pero necesita el poder de la IA para hiperpersonalizar estas micro audiencias.
La IA puede utilizar estas nuevas fuentes de datos externas -recolectadas, anónimas y obtenidas con el consentimiento de fuentes como dispositivos móviles, medios sociales y servicios de geolocalización- para generar conocimientos precisos. Puede hacerlo gracias al poder de machine learning, que puede identificar el grado de asociación entre enormes colecciones de diferentes tipos y formatos de datos, ayudándonos a ver importantes patrones a través de, y las conexiones entre, todas las características de los datos.
Usando más de estos datos contextuales o de comportamiento para entrenar a los modelos de IA, la librería o cualquier negocio, puede anticipar y cumplir con los intereses de los clientes para segmentos muy pequeños. Como complemento, en lugar de sustituir las formas tradicionales de datos de los clientes, estas nuevas fuentes de datos pueden ayudar a las organizaciones a ser más sofisticadas en sus tácticas de personalización, lo que conduce a clientes más comprometidos y a mejores resultados comerciales. De hecho, nuestra investigación ha revelado que dos tercios de los consumidores tienen más probabilidades de comprar en el retail o en línea si el retailer recuerda sus compras anteriores.
2DE CADA3
encuestados en un estudio de Accenture dice que es más probable que compren en una tienda si recuerdan sus compras anteriores.
No es sólo con las ventas en el retail que las nuevas fuentes de datos para los modelos de IA pueden conducir a mejores resultados. Por ejemplo, trabajamos con una empresa del sector de servicios financieros que quería utilizar nuevas fuentes de datos para adquirir nuevos clientes en lugar de comprar clientes potenciales de un agregador o audiencias predefinidas de una plataforma del lado de la demanda (DSP), que es costosa y está abarrotada. Para ello, primero identificamos la necesidad subyacente de saber por qué la gente querría pedir dinero prestado, por ejemplo, para renovar su casa, pagar la matrícula de la universidad o comprar un coche.
A continuación, identificamos las perspectivas con las necesidades anteriores mediante el análisis de datos externos, como los datos de geolocalización de las visitas a los concesionarios de automóviles o los datos de navegación de los sitios web de las universidades. Aplicando la IA a las fuentes de datos externos, pudimos reducir el número de consumidores potenciales. Esto hizo posible que la organización llegara al segmento adecuado en el momento adecuado con la oferta adecuada para un préstamo al consumidor muy pronto en el proceso de toma de decisiones de los consumidores. También permitió a la empresa reducir el costo de adquisición de nuevos clientes en casi un 50 por ciento.
El uso de la IA en los datos internos junto con los datos de los clientes de terceros proveedores es sólo la punta del iceberg en lo que se refiere a lo que las organizaciones pueden hacer para impulsar su negocio. Podemos ayudar a incrementar el valor obtenido de la IA de manera significativa usando datos "nuevos" internos y externos. El uso de la IA en estas nuevas fuentes de datos puede impulsar múltiples casos de uso empresarial, como el aumento de las ventas cruzadas y de productos de calidad superior, el aumento de la retención de clientes, la mejora de los viajes y la experiencia de los clientes, y la optimización del gasto en marketing y medios de comunicación.
El uso de la IA en los datos internos junto con los datos de los clientes de terceros proveedores es sólo la punta del iceberg en lo que se refiere a lo que las organizaciones pueden hacer para impulsar su negocio.
Antes de que puedas desarrollar una visión procesable a partir de estas nuevas fuentes de datos, hay tres consideraciones clave que debes hacer.
Con las fuentes correctas, el gobierno y el enfoque sistemático, la IA puede aislar patrones fascinantes y valiosos entre sus datos internos y el número cada vez mayor de nuevos conjuntos de datos. Es una forma de proporcionar respuestas basadas en la evidencia a importantes cuestiones estratégicas, así como predicciones que podrían añadir un importante valor comercial. Como tal, no debes limitar tus proyectos a los datos internos, porque el uso creativo de nuevos conjuntos de datos es ahora una de las formas más poderosas de aumentar el valor de sus inversiones en la IA.