Redes neuronales en acción para servir mejor al cliente

IA, inteligencia artificial, redes neuronales o aprendizaje automático son conceptos muy conocidos en el mundo tecnológico, pero poco a poco han ido calando profundamente en otros sectores, y son parte del vocabulario habitual de algunos profesionales de negocio. El marketing no se escapa a esta ¨moda¨, y los responsables de estos equipos intentar ver que beneficios pueden traer la adopción de estas técnicas.

La inteligencia artificial no es nueva. Surgió en los años 60, para dar respuesta a una de las preguntas más interesantes que la ciencia trata de resolver: podrán las maquinas remplazar al ser humano, y si fuera posible en que condiciones y para en que temas se trabajará. Desde entonces estos principios se han aplicado a muchos casos, generando tecnologías que han tenido un gran impacto en nuestras vidas. La evolución ha sido enorme, y las facilidades para seguir avanzando han ayudado. La potencia de computación, el coste del almacenamiento o rapidez en la transmisión de datos ya no son problemas o trabas que haya que tener en cuenta.

El marketing no se ha quedado atrás y hace tiempo que se pudo a analizar como estas técnicas podrían ayudar. Muchos de las soluciones o plataformas existentes en el mercado ofrecen estas herramientas, con diferentes usos. En casi todas ellas, para la predicción y presentación de sugerencia tanto desde el punto de vista del cliente como de la propia empresa. Estas herramientas puede ayudar al cliente en la sugerencia de productos que pueden ser de su interés o puede ser predicción de ventas en los próximos meses.

Al igual que las máquinas necesitan de combustible para funcionar, las redes neuronales necesitan de datos. Durante mucho tiempo las empresas han visto los datos como algo operativo, es decir entradas o salidas de procesos, que eran importantes para la ejecución de las actividades, pero se había resaltado la importancia de los mismos como vehículo estratégico en la organización. Actualmente el mensaje está calando hondo, y las empresas empiezan a entender que la información es poder (no en vano los datos son el petroleo del siglo XXI). El análisis de estos datos, para tomar decisiones basados en ellos es lo que hará que estemos, como organización, a la cabeza de la competición. No hay una formula secreta, pero lo más aproximado que tenemos es intentar conocer al cliente lo mejor posible, e intentar predecir sus movimientos para adelantarnos, en la medida de lo posible a los mismo, proporcionando una experiencia de usuario personalizada que nos ayuda a crear ese vínculo personal

Pongamos un ejemplo. No vamos a descubrir ahora la importancia del desarrollo de negocio para la adquisición de nuevos clientes, y la relevancia que tienen los canales digitales. La web de cualquier empresa es el mejor escaparate, y será uno de los puntos de contacto principales con nuestros clientes. Casi todas las webs cuentan con formularios para dejar los datos y ponerse en contacto con la empresa. Todo depende del ¨call-to-action» (que reclama el cliente) y por otro lado de la gestión que hagamos de estas acciones. Pero hablando de forma genérica, todos estos leads tienen que ser considerados clientes potenciales y por lo tanto debemos atenderles como se merecen. Pero está claro que no todos ellos tendrán el mismo interés o intención de compra. Y en el caso de aquellos que realmente quieran comprar, no todos será rentables. o al mismo rentables de la misma forma. Saber diferenciar quien serán potenciales clientes y separando aquellos que realmente sean relevantes por su rentabilidad.

La inteligencia artificial puede ser muy útil en este caso, sobre todo las redes neuronales. Pueden ayudar a discriminar esos clientes que hemos mencionado arriba. En este caso vamos a seleccionar una red neuronal porque lo que vamos a intentar es simular el comportamiento del cliente y hacer una predicción. La redes neuronales artificiales tratan de emular el cerebro humano, o mejor dicho la forma de

Pero habrá que realizar varios cosas. Por supuesto, tener el conocimiento de negocio y los profesionales adecuados será clave:

• Análisis  de los clientes, datos y actividad de los mismos: Como mencionaba arriba los datos han dejado de ser algo transaccional, para tener una relevancia estratégica. La forma en la que los clientes se relacionan con nosotros, el perfil de los mismos, y los datos históricos transaccionales que disponemos pueden servir para hacer una segmentación de clientes en base a todos esos atributos. Con esto conseguiremos no solo conseguir saber quien es nuestro cliente (su perfil) sino también que tipo de interacciones tiene con nosotros. Todos estos datos serán los que utilicemos como combustible para el algoritmo y por lo tanto todas decisiones basada en datos. No obstante cuanto más datos, de diferentes fuentes incluyamos, más completa y amplia será la visión que conseguiremos.

• Modelo neuronal: se trata del paso más técnico, y más complejo. El diseño de una red neuronal requiere conocimientos específicos. Existen diferentes modelos, pero todos cumplen un cierto criterio: una capa inicial que recogerá los datos de entrada, una capa de salida que dará el resultado final y las capas intermedias que procesaran los datos. Las conexiones entre neuronas tiene un peso específico, que será el que habrá que ir ajustando durante su entrenamiento.

• Entrenamiento del modelo: Los datos son fundamentales, ya que representarán como se han comportado los clientes históricamente, y por lo tanto podemos sacar un patrón de comportamiento común (o por segmento). Con estos datos entrenaremos el modelo de red neuronal creado. Se trata de ajustar, de forma matemática una función de distribución en la que consigamos reducir el error, y la distribución de dichos puntos.

• Aplicación al negocio: volviendo a nuestro caso, lo que queremos es poder predecir que tipo de cliente tenemos delante y como de rentable es para nuestra empresa. Mediante el algoritmo creado vamos predecir este resultado. Los datos que introduciremos serán los datos que tengamos de ese cliente, mas todos los datos históricos que hemos utilizado para entrenar el modelo. El resultado será el que aplicaremos. Con esta red neuronal, podemos saber que correlación tienen los diferentes atributos de cliente, y su lenguaje corporal digital pudiendo establecer un sistema de puntuación de clientes (lead scoring)

Muchas veces utilizamos palabras que no sabemos bien como utilizar, o que aplicación real puede tener en nuestro negocio. Como hemos visto en estas líneas, la inteligencia artificial, y en concreto las redes neuronales, pueden ayudarnos a predecir que tipo de cliente está interactuando con nosotros y cual es la probabilidad de compra y su potencial rentabilidad. Estaremos tomando decisiones basadas en datos (data-driven) y no solo guiados por nuestra intuición, que puede fallar.