Inteligencia artificial, análisis y marketing digital

Datos, datos, datos. Tenemos mucho, pero ¿conocemos todo el poder de toda la información que tenemos al alcance de la mano? Con la creciente complejidad y el gran tamaño de los conjuntos de datos y las capacidades de marketing, la inteligencia artificial (IA) y sus subconjuntos (procesamiento del lenguaje natural, visión por computadora y aprendizaje automático) presentan una forma eficiente de organizar y utilizar todos estos datos para recopilar información. Percepciones de la analítica digital. Estos subconjuntos se han vuelto cada vez más populares en los últimos años para mejorar el ROI y aumentar las ganancias generales debido a su naturaleza predictiva precisa. Estas son solo algunas de las formas en que las organizaciones ya están aprovechando las soluciones de aprendizaje automático.

Procesamiento natural del lenguaje

Si alguna vez ha usado un chatbot o Siri, ha estado expuesto al procesamiento del lenguaje natural (NLP). El lenguaje humano es extremadamente complejo y variado. Aunque en teoría el lenguaje está estructurado, en realidad existen variaciones sintácticas, semánticas y fonéticas dentro de los lenguajes, lo que significa que puede ser difícil asignar objetivos establecidos para la extracción textual o verbal. En este caso, la PNL es importante porque podemos 'enseñar' a un programa a identificar patrones sintácticos, semánticos y fonéticos para organizar los datos de esa manera.

¿Por qué nos importa?

Procesar millones de palabras llevaría a las personas demasiado tiempo cuando, en cambio, podemos entrenar un programa para estructurar datos en una forma que podamos usar para informar estrategias de marketing.

Gráfico de procesamiento de NLP: muestra el proceso en el que se organizan los datos para que se procesen más fácilmente

Visión por computador

La visión por computadora está cambiando no solo la forma en que compramos, manejamos e iniciamos sesión en los dispositivos, sino que también está cambiando la forma en que comercializamos. Una de las principales formas en que podemos utilizar los programas de visión es mediante la implementación de anuncios contextuales. Por ejemplo, supongamos que está publicitando un estudio de yoga. Los socios externos pueden escanear sitios para buscar imágenes similares al yoga, por ejemplo, un sitio que muestre posturas de yoga. Lo hacen mediante el uso de la segmentación de imágenes (proceso abreviado que se ve a continuación). En este punto, se puede colocar un anuncio para su estudio de yoga, asegurándose de que está llegando a una audiencia más relevante de lo que podría hacerlo con una orientación de audiencia estricta.

Otro uso de la visión artificial es para la escucha social. Estos tipos de programas pueden identificar cuándo se ha mencionado su marca o se han utilizado sus fotos, lo que puede brindarle más información sobre cómo le está yendo a la marca. La visión por computadora es relativamente nueva en el espacio de marketing y de ninguna manera es perfecta, ya que la segmentación de una imagen es mucho más difícil que la segmentación de una palabra. Actualmente, empresas como GumGum y Vibrant Media son pioneras en iniciativas que aprovechan la visión artificial. En general, las tendencias en la publicidad no indican que este tipo de publicidad reemplace la orientación contextual y de usuario, sino que será una opción adicional para la orientación. La audiencia y la orientación contextual seguirán siendo cruciales debido a la confiabilidad de los datos de primera y segunda parte.

¿Por qué nos importa?

Como profesionales del marketing, debemos actuar con rapidez para captar la audiencia adecuada en el momento adecuado. Con la naturaleza visual de nuestra sociedad, podemos utilizar las habilidades de la tecnología de visión para diversificar nuestras opciones de orientación cuando se trata de marketing digital.

Procesamiento de la visión: el proceso en el que se toma la imagen y se extraen las partes de la imagen para desarrollar partes más organizadas y estándar.

Aprendizaje automático

Si bien el aprendizaje automático y el NLP son muy similares en la forma en que extraen datos, la principal diferencia es que el NLP se enfoca lingüísticamente, lo que significa que los datos deben estructurarse primero. Sin embargo, el aprendizaje automático se enfoca más en el lado estadístico del procesamiento de datos estructurados. El aprendizaje automático se utiliza con frecuencia en las prácticas de PNL. La forma más común en que vemos que el aprendizaje automático se usa en marketing se relaciona con la selección de objetivos y las estrategias de oferta. Para la licitación se numeran los días de venta y compra manual de inventario. Ahora usamos algoritmos de aprendizaje automático tanto como sea posible para determinar la oferta más óptima y eficiente para el inventario.

Esto ha ido aún más lejos con el desarrollo de multiplicadores de ofertas dentro del panorama programático. Puede configurar multiplicadores que, si se llama un determinado aspecto (tipo de dispositivo, audiencia, ubicación geográfica, etc.), pueden exceder su oferta máxima establecida en un cierto porcentaje si el algoritmo detecta que el inventario por el que está ofertando es muy probable que supere el KPI.

En cuanto a las audiencias, estos algoritmos pueden hacer segmentos de audiencia basados ​​en patrones vistos. Por ejemplo, así es como se crean las audiencias similares a Facebook. Después de que el algoritmo determina el segmento de audiencia, puede buscar patrones que se ven fuera de ese segmento (instancias que ocurren con menos frecuencia) y determinar que podría ser similar y tener un desempeño cercano previsto del segmento determinado anteriormente.

¿Por qué nos importa?

El aprendizaje automático nos acerca a una oferta eficiente y a una audiencia más relevante. Dado que el mercado se vuelve cada vez más competitivo debido a los niveles adicionales de ofertas (preferidas, ofertas de encabezado, etc.) a medida que más marcas aprovechan los medios digitales, debemos hacer todo lo posible para seguir siendo competitivos y rentables con nuestra estrategia de ofertas y audiencia.

Proceso de aprendizaje automático: arriba se muestra el proceso en el que los datos sin procesar se convierten en datos estructurados y los datos estructurados se convierten en datos que se pueden analizar.

El futuro está lleno de oportunidades para la IA y el marketing. Un ejemplo interesante que ya existe es el uso de publicidad geodirigida dentro de los automóviles: con la creación y mayor desarrollo de los automóviles autónomos, los consumidores podrán ver publicidad geo-relevante mientras están en el automóvil.

Mirando hacia el futuro, habrá más opciones de ofertas automáticas. Aunque las ofertas ya están automatizadas hasta cierto punto, los anunciantes están algo limitados a la hora de definir los KPI hacia los que se optimizará el algoritmo. Es posible que veamos algo que permita que un algoritmo planifique y establezca ofertas para KPI más específicos más allá de los CPM y CTR. Con todos los datos granulares que podremos adquirir y organizar con el uso de IA, será posible una mayor personalización de los anuncios. Mediante el uso de datos y creatividades dinámicas, podremos mostrar creatividades que resuenen más de cerca con el público objetivo.

En general, como especialistas en marketing, debemos aprovechar al máximo los desarrollos tecnológicos que tenemos delante para tomar decisiones de marketing informadas, eficientes y efectivas.

Otras lecturas:

Forbes, TechEmergence y AI4Marketing