¿Qué se puede hacer con la inteligencia artificial?
La IA lleva aproximadamente diez años funcionando en sectores como la salud, la energía,
las aseguradoras o la banca, pero también en marketing, comunicación, atención al cliente y ventas. Aunque
cada solución es única, los casos de uso más demandados que utilizan esta tecnología pueden agruparse. Suelen
tener que ver con la predicción del futuro, la lectura masiva de datos o la optimización de presupuestos.
01
Analítica predictiva
Aprender del pasado para predecir el
futuro
Minería de grandes datos y modelos predictivos
Los modelos predictivos son una
de las principales aplicaciones de la inteligencia artificial: a partir de la observación de grandes datos ya
existentes, pueden sugerir cuál va a ser la evolución de esos datos en un escenario de condiciones similares.
Lo más parecido que existe a predecir el futuro.
Predicción de abandono de estudios en la UDIMA
El sistema de predicción de abandono de la Universidad a Distancia de Madrid
permite cuantificar, desde el mismo momento de la matrícula, el riesgo que tiene cada estudiante de no
graduarse. El objetivo es evitar que los alumnos dejen la universidad antes de terminar a través de
sistemas de apoyo para asegurar que finalizan sus estudios. El modelo aprende a calcular el riesgo de cada
estudiante al contrastar sus datos con ese histórico acumulado en cursos anteriores. Se examinan unas 120
variables de su actividad, y cada año el modelo se re-entrena con los datos del último curso académico. El
riesgo de abandono se analiza mensualmente en base a las interacciones y resultados de cada estudiante, y
se sugieren acciones que van, desde la atención y resolución de dudas, hasta el apoyo personalizado y la
asistencia con técnicas de estudio ante dificultades del programa.
En activo desde 2017
Datos de comportamiento de
11.000
alumnos
5.700
pre-alertas de posible abandono en 2 años
13.000 acciones de reorientación al alumno
02
Segmentación automática
El producto adecuado a la persona
adecuada
Aprendizaje automático y análisis de segmentación
La segmentación de clientes es
un ejemplo clásico de utilidad del aprendizaje automático: consiste en utilizar los datos del CRM para que un
modelo no supervisado los agrupe en segmentos caracterizados. De este modo la compañía sabe qué
características tienen sus distintos grupos de clientes y cómo debe dirigirse a cada grupo en sus acciones de
marketing y venta.
El protector solar de Neutrogena
Cuando Neutrogena se propuso lanzar su nueva línea de protección solar, Beach
Defense, tenía el reto de abrirse paso en un mercado saturado, por lo que se centró en activar su campaña
móvil basándose en las condiciones meteorológicas ideales. El sistema lanzaba los anuncios de Neutrogena
Beach Defense al usuario en función de la intensidad de los rayos UVA en su localización, cuando el sol
brillaba durante el día, y solo si se encontraba en lugares como la playa o el campo. Combinando las
señales meteorológicas y de ubicación, la marca podía adaptarse a los factores desencadenantes en tiempo
real, dirigiendo los anuncios a su público solo en los momentos adecuados.
El user awareness del protector solar aumentó desde cero (la
cifra original) hasta un 63%
La intención de compra se incrementó en más de un
40%
03
Sistema de recomendación
Si te gustó esto, te gustará
también…
Datos de comportamiento del usuario y sugerencias personalizadas
Las aplicaciones de ocio
musical y audiovisual hoy ya no se entienden sin los sistemas de recomendación. Analizan los datos de
comportamiento del usuario en la aplicación sobre aquello que consumen, guardan y comparten, y generan listas
de sugerencias que priorizan contenido similar. Cuanto más se usa la aplicación, más datos recoge y más eficaz
es el aprendizaje, por lo que tendrá una tasa de acierto mayor.
BBVA Opportunity
Opportunity es una herramienta basada en datos que aprende de cada interacción
del empleado y le permite visualizar posibles trayectorias profesionales dentro de la marca. El empleado
puede comparar sus capacidades con las de otras personas en su mismo nivel para identificar áreas de
mejora. El sistema le sugiere la formación necesaria para avanzar en su proyecto profesional, además de
distintos roles en función de su perfil y sus intereses. El empleado puede navegar desde su situación
actual hasta el puesto en el que está interesado, grabar una meta profesional y fijarse objetivos para ir
formándose hacia el puesto que desee y poder postularse cuando haya una vacante disponible. Las
recomendaciones propuestas tienen en cuenta un histórico de movimientos internos, es decir, qué ha hecho
un determinado empleado para llegar a un determinado puesto.
9.000
empleados accedieron a la herramienta en los 8 primeros días de su
lanzamiento
+2M
de recomendaciones personalizadas al día
04
Análisis automático de contenido
La voz del
pueblo
Minería de textos y comprensión de lenguaje natural
La imposibilidad de revisar a
mano miles de respuestas a una encuesta o millones de mensajes publicados en redes sociales es la motivación
principal para los sistemas de procesamiento de lenguaje natural. Dada una cantidad de texto libre, en
cuestión de segundos es posible extraer de manera automática las entidades nombradas, las relaciones entre
ellas, las ideas principales expresadas y el sentimiento (opinión o emoción) de los autores de los textos
hacia un objeto determinado.
El Servicio de Atención al Empleado (SAE) de Naturgy
Al analizar las encuestas de su Servicio de Atención al Empleado, Naturgy se
había dado cuenta de que muchas veces la valoración cuantitativa (puntuación de 1 a 10) no coincidía con
lo que el usuario afirmaba en el comentario en texto libre. El departamento necesitaba un motor semántico
que analizase de manera automática si el sentimiento de las quejas, sugerencias, comentarios y
reclamaciones era realmente positivo o negativo, además de clasificarlos según el atributo al que se
referían: rapidez, atención, satisfacción...
El sistema no solo aporta un seguimiento automatizado
de los comentarios realizados por los empleados, sino que la estadística posterior también puede descubrir
insights que de otra manera pasarían desapercibidos, fomentar la toma de decisiones basadas en
datos y optimizar el tiempo del personal del SAE.
Naturgy cuenta con 11.847 empleados en más de
20
países
El SAE lleva activo más de seis años, consolidándose como punto único y
centralizado de atención al empleado
05
Modelo de atribución
Al César lo que es del
César
Analítica descriptiva, prescripción y optimización
Los modelos asignan un
determinado valor a los canales por los que un usuario ha transitado (mail, web, tienda física) antes de
realizar una conversión (compra, reserva, contacto). Esto permite a la compañía conocer la efectividad de sus
campañas en los diferentes segmentos y optimizar el reparto del presupuesto para conseguir llegar a sus
clientes de manera más eficaz. Estos modelos requieren una gran cantidad de datos de cliente organizados para
poder atribuir méritos a las diferentes acciones
Geox y el ‘paid media’
Geox quería saber en qué medida contribuían las campañas de pago en redes
sociales a las ventas para poder optimizarlas. En primer lugar, recogió grandes cantidades de datos de
todas sus redes sociales para determinar cuáles eran las mejores decisiones de puja por espacios
publicitarios. Además, basándose en este análisis decidieron poner en marcha una estrategia de promoción
cruzada: los consumidores que veían las campañas de pago en redes sociales también veían anuncios de pago
en la búsqueda, y viceversa. La integración de las redes sociales les permitió conocer mejor el impacto de
las acciones de marketing en los diferentes canales, además de llegar a nuevas audiencias, aumentar la
fidelización de clientes y la compra recurrente.
6%
de incremento en el retorno de la inversión publicitaria
30%
de reducción en la inversión de tiempo para gestionar las campañas
