¿Cómo pueden la analítica y la inteligencia artificial permitir a los especialistas en marketing predecir el futuro?

Nunca haga predicciones, especialmente sobre el futuro.

No tenemos exactamente un gran historial de predicciones del futuro, por lo que este parece un consejo sabio.

Desde que el presidente de IBM, Thomas Watson, declaró a principios de la década de 1940 que habría un mercado mundial para "alrededor de 5 computadoras" (es cierto, es posible que solo hubiera espacio en el planeta para 5 de las primeras máquinas de IBM), hasta el alboroto del Y2K, la gente no puede resistirse a meterse con predicciones grandiosas, a menudo tremendamente inexactas.

Las recompensas por conocer el futuro de antemano son demasiado grandes como para resistirnos a intentarlo, pero confiamos en gran medida en la intuición humana para formar nuestras proyecciones. Como tal, las recompensas con demasiada frecuencia no se reclaman.

Sin embargo, esta es una industria en rápida evolución, y los avances en inteligencia artificial (IA) pronto podrían hacernos basar nuestras proyecciones futuras en modelos estadísticos confiables en lugar de nuestra intuición familiar pero defectuosa.

Dentro de esta serie de tres partes, exploraremos el papel potencial de lo artificial en

inteligencia en el desarrollo de análisis predictivos precisos y accesibles que conduzcan a un mejor rendimiento empresarial.

Este artículo comenzará con un análisis de la situación actual de la industria del análisis predictivo, junto con algunos consejos para ayudar a las empresas a aprovechar al máximo la tecnología y los datos disponibles.

¿Qué entendemos por "análisis predictivo"?

El análisis predictivo es una forma de minería de datos que emplea el aprendizaje automático y el modelado estadístico para predecir situaciones futuras, basándose en datos históricos.

Ya hay ejemplos de análisis predictivo en acción a nuestro alrededor. Si su banco le notifica de una actividad potencialmente sospechosa en su tarjeta de crédito, es muy probable que se haya utilizado un modelo estadístico para predecir su comportamiento futuro en función de sus transacciones pasadas. Las desviaciones graves de este patrón se marcan como sospechosas.

Como un simple proxy para comprender el nivel de interés en el campo, podemos ver en Google Trends que el volumen de búsqueda para el tema 'análisis predictivo' ha aumentado significativamente en los últimos 5 años:

Podemos mirar esta línea y predecir que seguirá creciendo. Pero eso se basa realmente en la tendencia histórica reciente, o en el hecho de que hemos escuchado muchos rumores sobre el tema en la industria. Se necesitaría mucha más investigación para afirmar con certeza real hacia dónde irá la línea a continuación.

Tiene sentido que tantas empresas también estén intrigadas por el tema. Se predice que se gastarán más de $ 76 mil millones anualmente en tecnología de 'Big Data' para 2020. La mejor manera de obtener un retorno de esta inversión sería usar todos esos datos para anticipar las tendencias futuras de la demanda.

Esta es una tarea difícil de dominar para la gente, como hemos visto. Necesitamos un poco de ayuda si queremos comenzar a hacer predicciones correctas.

Como resultado, en el 'Modelo de ascendencia analítica' de Gartner, la analítica predictiva se considera un salto evolutivo tanto de la analítica descriptiva como de la analítica de diagnóstico.

Dicho esto, el deseo de un análisis predictivo preciso no es nuevo, ni tampoco los intentos de utilizar el análisis para modelar los comportamientos futuros de los consumidores. Muchos profesionales de la analítica se involucran en este campo todos los días para calcular cifras como el valor de por vida (LTV) de su cliente típico, por ejemplo. La disponibilidad de conjuntos de datos vastos y variados ha ayudado a mejorar considerablemente la precisión de estos cálculos.

Lo que es relativamente nuevo es la aplicación de la inteligencia artificial para cubrir las lagunas en nuestro conjunto de habilidades y ampliar lo que es posible con el análisis predictivo.

Esta combinación ha llevado a modelos estadísticos más sofisticados que detectan patrones en comportamientos pasados ​​de los consumidores y los utilizan para trazar posibles acciones futuras.

Pero, ¿por qué la inteligencia artificial, en particular, es tan eficaz para lograr lo que hemos encontrado casi imposible por nuestra cuenta?

Criaturas del hábito: ¿Cómo se aplica la analítica predictiva en el mundo real?

La analítica predictiva se ve favorecida en gran medida por lo predecibles que son las personas.

Por más únicos y de libre albedrío que nos gustaría creer que somos, la IA puede predecir con bastante precisión lo que continuaremos haciendo en función de nuestras acciones pasadas y las acciones de personas similares.

Un estudio realizado por científicos del Media Lab del Instituto de Tecnología de Massachusetts en 2007 descubrió que "un buen 90 por ciento de lo que la mayoría de la gente hace en un día sigue rutinas tan completas que su comportamiento se puede predecir con unas pocas ecuaciones matemáticas".

Muchas campañas de marketing se han basado en esta suposición, pero ahora podemos aplicar este principio con mayor precisión y responsabilidad.

Donde la IA se destaca en este campo es en su capacidad para identificar patrones más amplios que los humanos simplemente no verían. Seleccionamos áreas para la investigación en función de lo que creemos que son suposiciones seguras, pero la IA puede identificar otras variables que, cuando se modifican, tienen un impacto entre sí.

Este enfoque (moldeado en gran medida por el uso del análisis de regresión) es un reflejo adecuado del mundo en constante cambio en el que viven los consumidores.

Por ejemplo, según mi ubicación, edad, compras anteriores y sexo, ¿qué probabilidades hay de que compre leche si acabo de agregar pan a mi canasta? Un supermercado en línea puede usar este tipo de información para recomendarme productos automáticamente, en función de mi propensión prevista a comprar estos artículos.

Además, un proveedor de servicios financieros puede usar miles de puntos de datos creados por mis interacciones en línea y las de personas similares para decidir qué tarjeta de crédito ofrecerme y cuándo. Un minorista de moda puede usar mi perfil digital para decidir qué zapatos recomendar como mi próxima compra, en función de los jeans que acabo de comprar.

Esto ayuda a las empresas a mejorar su tasa de conversión, pero las implicaciones son mucho más amplias. El análisis predictivo permite a las empresas establecer estrategias de precios basadas en las expectativas del consumidor y los puntos de referencia de la competencia. Permite a los minoristas anticipar la demanda y, por lo tanto, asegurarse de tener el nivel adecuado de existencias para cada producto.

El análisis predictivo puede incluso sugerir ideas para nuevas líneas de productos al detectar cambios en las preferencias de los clientes. Esto marca la transformación de la analítica de una herramienta retrospectiva para especialistas en datos a una función predictiva esencial que da forma a la estrategia comercial, mejora las relaciones con los clientes y crea eficiencias operativas.

De hecho, un informe reciente de Forrester señaló que "los especialistas en marketing predictivo tienen 2,9 veces más probabilidades de informar un crecimiento de los ingresos a tasas más altas que el promedio de la industria".

La evidencia de esta revolución ya está a nuestro alrededor. Cada vez que escribimos una consulta de búsqueda en Google, Facebook o Amazon, por ejemplo, estamos introduciendo datos en la máquina. La máquina se nutre de los datos y se vuelve cada vez más inteligente a medida que recibe estas señales de retroalimentación.

Este fenómeno trae consigo una serie de beneficios para los especialistas en marketing. Google ha estado utilizando esta tecnología durante algún tiempo, a través de su producto Smart Goals en Analytics, y su función Session Quality Score, lanzada a fines del año pasado. Estos son ejemplos de análisis predictivo en acción, impulsados ​​por tecnología de aprendizaje automático.

Existe el argumento de que la predicción es la base de la inteligencia, por lo que esta es una gran hazaña para la IA.

Sin embargo, esto es solo el comienzo. Gran parte del trabajo actual en análisis predictivo se centra en hacer sugerencias o recomendaciones, pero hay margen para que las proyecciones basadas en IA formen el punto de apoyo de las estrategias de marketing.

Los acontecimientos recientes proporcionan muchos motivos para el optimismo (o la inquietud, dirían algunos) a este respecto. El equipo DeepMind de Google acaba de crear una IA que es capaz de planificar el futuro y considerar diferentes resultados antes de actuar.

Esto es relevante dentro del alcance de la analítica predictiva, ya que la imaginación es un aspecto fundamental en la creación de proyecciones. Esta capacidad solo afianzará el papel de la IA como un componente esencial de una campaña de análisis predictivo exitosa.

¿Cómo pueden las empresas integrar el análisis predictivo?

Para capitalizar el potencial de la inteligencia artificial y el análisis predictivo, hay cuatro elementos que las organizaciones deben implementar.

1. Las preguntas correctas

Los mejores proyectos de análisis predictivo comienzan con una hipótesis sólida para probar. Aunque deberíamos proporcionar a los algoritmos de aprendizaje automático el espacio para hacer sus propias asociaciones objetivas entre puntos de datos, tenemos que plantearnos un desafío empresarial que buscamos superar. Esto ayuda a dar forma al esfuerzo.

2. Los datos correctos

Los avances en la ciencia de datos durante la última década significan que podemos obtener conocimientos de grandes volúmenes de datos no estructurados con mayor precisión, pero aún necesitamos conjuntos de datos completos para llegar a conclusiones convincentes.

Por lo tanto, la siguiente etapa después de definir las preguntas que desea responder con análisis predictivo es averiguar qué datos están disponibles para usted y si serán suficientes para responder sus preguntas de manera convincente.

3. La tecnología adecuada

Como implica el valor proyectado de $ 76 mil millones para 2020, la tecnología de big data es una industria en auge. Los datos se crean a un ritmo tal que necesitamos capacidades tecnológicas en constante mejora solo para capturarlos, almacenarlos y darles sentido.

Muchos de los paquetes de software de análisis líderes ya han lanzado herramientas de análisis predictivo, pero varían en sus metodologías. Para decidir qué solución es la mejor para su negocio, es más importante que nunca contar con un equipo que tenga experiencia en cada uno y pueda identificar la opción más adecuada.

4. Las personas adecuadas

Esto nos lleva de regreso al paso uno, esencialmente. Sin las personas adecuadas, es muy difícil plantear las preguntas adecuadas. También es difícil saber qué datos podrían ser necesarios para responderlas o para aprovechar al máximo la última tecnología. A pesar de todo lo que se habla de que la IA reemplaza a las personas, solo ha agudizado el enfoque en lograr que las personas adecuadas aprovechen al máximo las nuevas oportunidades que crea.

Las aplicaciones de esta tecnología ya están muy extendidas, pero todavía estamos rascando la superficie. En el próximo artículo de esta serie, analizaremos cinco empresas que utilizan el análisis predictivo para impulsar un mejor rendimiento empresarial en la actualidad.

Continúe leyendo la Parte 2 de la serie: 5 empresas que utilizan IA para predecir el futuro y las ganancias