Todo lo que creía saber sobre el modelado analítico ha cambiado

Nota del editor: la siguiente es una publicación invitada de David Baker, director de operaciones y cofundador de Cordial.

Las noticias del último año han sido difíciles para las personas en el negocio de la construcción de modelos analíticos. Algunas llamadas fallidas en el escenario mundial tendrán ese efecto. Pero aquellos que creen que es posible predecir un resultado específico deberían visitar las mesas de juego de Las Vegas. En el camino, harían bien en considerar las palabras de Peter Drucker, quien dijo: "Tratar de predecir el futuro es como tratar de conducir por una carretera rural de noche sin luces y mirando por la ventana trasera".

Drucker tenía razón. Es una locura creer que un modelo puede predecir el futuro, una lección que aprendí por primera vez en la Edad Media de la década de 1990, cuando el proceso tomaba semanas y nadie pensaba que era genial ser un cuantitativo. Por supuesto, en aquellos días teníamos relativamente pocos puntos de datos, por lo que nuestra imagen de un consumidor típico tenía un parecido sorprendente, aunque unidimensional, con el constructor del modelo. Pero dentro de unos años, para 2020, según un informe , cada persona del planeta generará 1,7 megabytes de nueva información por segundo. Para poner eso en perspectiva, Audible estima que una hora de audio representa alrededor de 28 megabytes de espacio de almacenamiento, lo que significa que una persona promedio en 2020 generará el equivalente a una hora de audio de alta calidad en aproximadamente 16,5 segundos.

¿Qué significa tener tanta información del consumidor? Podría decirse que el flujo de información está a punto de pasar de ser un goteo a un poderoso océano, pero incluso esa analogía minimiza cuán transformador es este momento. No estamos hablando de nuevos conocimientos sobre el mismo consumidor de siempre. Estamos viendo la llegada de un consumidor completamente nuevo, uno con el que los especialistas en marketing deben interactuar a través del aprendizaje automático. Lo cual puede ser un desafío, porque el aprendizaje automático cambia todo lo que ya sabemos, y mucho más que aún tenemos que aprender, sobre la práctica del modelado analítico.

Democratización de la toma de decisiones

Muchos especialistas en marketing piensan en la pila de marketing como un almacén de datos difícil de manejar que necesita coordinación. Pero la pila es también una forma de pensar sobre la democratización de la toma de decisiones. Cuanta más información ingieren los especialistas en marketing, más preguntas pueden plantear. Con más preguntas, los especialistas en marketing pueden desarrollar más escenarios. A medida que desarrollan más escenarios, los especialistas en marketing democratizan la toma de decisiones incremental. Eso no significa que todos tengan una decisión, simplemente significa que hay niveles en la empresa que poseen derechos de decisión para diferentes decisiones y, lo que es más importante, esos niveles pueden expandirse y coordinarse a medida que surja la necesidad de tomar más decisiones.

Un reciente La entrevista con el director de tecnología de marketing de eBay ofrece una idea de cómo el aprendizaje automático democratiza la toma de decisiones en este momento. Para eBay, el desafío es personalizar un mercado con miles de millones de artículos a la venta y 167 millones de compradores activos. La solución de la empresa fue empoderar a los especialistas en marketing de eBay para que crearan tratos como mejor les pareciera, pero luego colocar esos tratos en cubos específicos para que un modelo de aprendizaje automático pudiera aprovechar el historial de navegación del usuario, junto con otros datos presumiblemente, para predecir qué trato un cliente. encontraría más atractivo.

¿El equipo de marketing de eBay está prediciendo el futuro? Absolutamente no. Lo que están haciendo con el aprendizaje automático es darse a sí mismos un número exponencialmente mayor de mordiscos en la manzana proverbial. Piénselo de esta manera: el viejo adagio es fallar rápido, presumiblemente porque encontrará el éxito mucho antes. Pero una mejor manera de afirmar ese viejo adagio en el futuro es: "Fracasa de manera más inteligente". Las ofertas que crean los especialistas en marketing de eBay todavía son impredecibles (siempre lo serán porque la predicción no es perfecta), pero la empresa en general en eBay está acertando y fallando mucho más rápido que antes, lo que significa que también está aprendiendo a un ritmo exponencialmente más rápido.

Pero recuerde, la democratización es una calle de doble sentido.

Los clientes también tienen acceso a herramientas de aprendizaje automático. Ya confiamos en el aprendizaje automático para organizar nuestras bandejas de entrada, sugerir las películas que vemos y administrar nuestros hogares. Pronto, el aprendizaje automático escribirá nuestras respuestas y, eventualmente, el lado del consumidor de muchos compromisos también se automatizará o, como mínimo, se apoyará en el aprendizaje automático. Entonces, ¿qué sucede cuando las herramientas de aprendizaje automático de un vendedor chocan con las empleadas por los consumidores? La respuesta corta es que no lo sabemos. Pero si desea un contexto para comprender el dinamismo de la democratización, mire su aplicación de navegación.

Las funciones de mapeo de nuestros teléfonos son más que meros creadores de rutas. Hoy, esperamos que nuestros teléfonos nos indiquen la ruta más rápida dadas las condiciones de tráfico predominantes. Las aplicaciones de navegación son adaptables por naturaleza, lo cual es necesario ya que los patrones de tráfico son fluidos y las condiciones ambientales evolucionan (por ejemplo, el impacto del clima en las rutas y el tráfico).

Por supuesto, hay un número finito de rutas porque una ciudad dada tiene una cantidad finita de espacio. Los compromisos que preocupan a los especialistas en marketing son exponencialmente más complejos. Esa complejidad crecerá a medida que la toma de decisiones democratizada se integre aún más en el comportamiento del consumidor. Lo que significa que puede construir una empresa para que fracase de manera más inteligente, pero debe recordar que quienquiera que esté del otro lado de ese compromiso también está fracasando de manera más inteligente. Las ofertas de eBay, por ejemplo, ven enormes beneficios en relevancia, gracias al aprendizaje automático. Pero en el lado del cliente, una herramienta de aprendizaje automático similar podría filtrar las compras impulsivas porque ese modelo ha aprendido lo siguiente sobre un consumidor individual: el arrepentimiento de las compras impulsivas.

Pero, ¿cuándo predecirá el futuro el modelo, articulado a través del aprendizaje automático?

Nunca. El modelado analítico no se trata de la gran revelación predictiva. Es una disciplina creada para la toma de decisiones incrementales, la gestión de riesgos y la creación de escenarios para reaccionar a las condiciones del mercado. El aprendizaje automático abre nuevas capacidades en el modelado analítico, pero los especialistas en marketing deben recordar la advertencia de Drucker sobre la predicción del futuro. El aprendizaje automático no le dirá qué hay a la vuelta de la esquina en ese camino oscuro, pero le dará exponencialmente más opciones para reaccionar a lo que sea que le depare el futuro cuando llegue allí. Lo que es más importante, el aprendizaje automático no es algo que deba temerse, de hecho, solo acelera aquello en lo que los especialistas en marketing ya son buenos: el pensamiento creativo y la entrega de excelentes experiencias a sus clientes, y ese es realmente el objetivo final en el que debemos fijarnos.