Si estás en el mundo del Marketing Digital seguramente has escuchado sobre Inteligencia Artificial y Machine Learning. Hoy te voy a detallar qué significan estos conceptos y cómo, según muchos especialistas, representan el futuro del Marketing Digital (y de muchas otras industrias).
Machine Learning
Primero hay que aclarar que el Machine Learning es un concepto en desarrollo, sus usos y aplicaciones todavía están siendo probados alrededor del mundo, pero eso no hace que su potencial deje de ser sorprendente.
El Machine Learning es una forma de Inteligencia Artificial que crea sistemas que aprenden automáticamente. Esto se logra a partir del análisis y el procesamiento de grandes cantidades de datos, para que el sistema pueda hacer predicciones, recomendaciones y sugerencias. Esto se considera aprendizaje ya que el mismo sistema plantea conclusiones en base a lo analizado. Actualmente, este tipo de sistemas es usado por compañías telefónicas, bancos y el mercado de valores, donde la cantidad de información gestionada es demasiado grande para un operador humano. Un programa de sistematización de información no sabría qué rescatar de la misma.
¿Y en Marketing Digital?
Usar técnicas de Machine Learning tiene usos bastante interesantes si se les sabe sacar provecho y se afinan en el contexto de una estrategia digital más grande y completa. Por ejemplo, se puede definir automáticamente acciones como hacer llamadas a clientes en las mejores horas, hacer cálculos de costes y precios, hacer optimizaciones de campañas de e-mail marketing o de publicidad en Facebook.
Más usos del Machine Learning
Teniendo claro que se trata de un programa de inteligencia artificial desarrollado para mejorar con la experiencia, datos y tiempo. Una vez empezado el camino del uso del Machine Learning se irá afinando y mejorando con el tiempo. Con los datos suficientes este tipo de programas pueden ayudarte a:
- Definir modelos de captación de prospectos.
- Definir modelos de retención y captación de clientes.
- Diseño y lanzamiento de ofertas o campañas adaptadas a nichos concretos.
- Podrá anticiparse a acontecimientos de tu campaña digital y te ayudará a crear planes de contingencia para evitarlos.
¿Qué tan preciso es el Machine Learning?
Existen una serie de métricas que se utilizan para dar seguimiento a la efectividad real de las predicciones de la máquina: Matriz de confusión o error, Precisión, Recall o sensibilidad o TPR (Tasa positiva real), Precisión, Especificidad o TNR (Tasa negativa real), F1-Score, Área bajo la curva de funcionamiento del receptor (ROC) (AUC), Pérdida logarítmica y el Cohen’s Kappa. Como recién estamos iniciando en este tema solo abordaremos la primera: la Matriz de confusión. Esta es una tabla simple que sirve para detectar si el sistema está confundiendo valores.
Un ejemplo práctico de la Matriz de Confusión es el siguiente: supongamos que tenemos un [PERRO] y la máquina le da el valor [GATO] o, peor aún, le da el valor [DEFINITIVAMENTE NO ES UN PERRO] En ese caso, el programador puede hacer un test con el Matriz de Confusión para llegar al fondo de las predicciones erróneas de la máquina y de esa forma aumentar su índice de precisión futuro.
Si deseas obtener mayor información respecto al tema no dudes en escribirme. Estaré encantado de solucionar todas tus dudas.
Luis Rojas
CEO & Strategy Director PLAY Group
