Sin embargo, podemos utilizar toda esta información, y haciendo uso de otro de las grandes tendencias de nuestra época, como la inteligencia artificial, dotarle de un valor valor añadido mayor. Almacenar y analizar toda la información disponible, ya sean términos de búsquedas, perfiles de usuarios o históricos de compra, nos puede ayudar a entender comportamientos y tendencias. Este es uno de los principales usos que se le está encontrando a la inteligencia artificial (normalmente, mediante técnicas de Machine learning) . De hecho, fue esta empresa tecnológica americana quien empezó con una magnífica iniciativa como Google Flu .
Pensemos en nuestro comportamiento habitual como individuales. Lo primero que hacemos cuando oímos hablar de una enfermedad, sobre todo si no estamos familiarizados, es ir directos a Google (la gran mayoría de las veces por medio de nuestro Smartphone) y ¨googlear¨ esa palabra. Lo que esperamos encontrar es, en que consiste esa enfermedad y que síntomas, diagnóstico y tratamiento tiene. Pero también puede pasar que empecemos buscando directamente por los síntomas, cuando sabemos que nos pasa algo, pero no sabemos que es. Este comportamiento, fue el que se utilizó en el proyecto Google Flu para poder identificar en que áreas podía haber un brote de gripe. Si una parte de la población empezaba a interesarse por la enfermedad, ya sea empezando por buscar posibles causas de sus síntomas, o por tratamientos para una situación conocida, es muy posible que nosotros, o algún familiar directo esté afectado. Es muy raro que nos interesemos por una enfermedad si no nos toca de cerca. Esta iniciativa, pretendía poder adelantarse a prevenir situaciones no deseables en centros sanitarios, alertando a los especialistas de ciertos brotes para que se pudiera trabajar con cierta antelación (la intención era adelantarse hasta 10 días al brote). Si pensamos en la información a lo largo de los años, y esos patrones de búsqueda, podríamos incluso definir de forma más precisa estados más iniciales, y establecer patrones de comportamiento más ajustados. Este motor se utilizó también para recopilar datos para el virus del Zika (que fue una gran preocupación unos cuantos años atrás).
Esta iniciativa se paró, debido a que su predicción no era todo lo buena que debería. Lo que parecía un gran éxito del big data, pasó a ser el primer gran fracaso de Google. Hay muchos motivos para ellos, por un lado el conjunto de datos que se recogían no eran limpios (cuando hablamos de datos no estructurados y en tiempo real ésto es muy complejo), y eso llevaba a conclusiones erróneas. Por otro lado, promocionar demasiado pronto por todos los medios el proyecto, llevó a miles de usuarios a entrar en la plataforma por curiosidad, realizar búsquedas de prueba y por ello alterar el resultado. Y por otro, la interpretación y transformación de los datos no fue como debía. Si mi abuelo tenía fiebre, y quería buscar ¨gripe en ancianos¨, lo mismo al empezar a teclear, me surgía alguna recomendación de búsqueda como ¨gripe en Andorra¨, que cambiaba por completo el significado y la intención. Este tipo de búsquedas habría que limpiarlas y ver que otras búsquedas hacía el usuario para entender el objetivo real y final (lo que incluye identificación del usuario en varios dispositivos, entender el contexto,…), vamos una tareas que es no fácil de definir, ni ejecutar.
No digo con esto que sea tarea imposible y no deba intentarse de nuevo. Es posible que haya que definir un objetivo más concreto, y tener reglas más definidas de transformación de datos. Soy conscientes que muchas organizaciones están trabajando en este campo y no dentro de mucho veremos los primeros resultados fiables. El impacto en el bienestar de la sociedad puede ser increible.
En estos días de cuarentena donde Internet se ha vuelto nuestro gran aliado, muchos lo utilizamos para buscar información más concreta sobre temas, o para entender ciertas palabras con las que no estamos familiarizados (¿quien sabía, fuera del personal sanitario, lo que era un EPI, hace 6 meses? (link a la búsqueda Google y Wikipedia). Este hecho me hizo utilizar otra de las herramientas de Google para ver la cronología de la búsqueda de ciertas palabras y su uso a lo largo del tiempo. Para ello utilicé Google Trends. Esta herramienta ayuda a entender las búsquedas realizadas (mediante un conjunto limitado de búsquedas) a la largo del tiempo, pudiendo filtrar por diferentes criterios como región, periodo de tiempo, categoría,..
Mi primer intento fue ver las búsquedas realizadas en España, de la palabra EPI en el último mes. Como todos podemos esperar, todas las búsquedas iban relacionadas al material sanitario, al coronavirus, a medidas de protección, incluso los más avanzados buscan combinando términos más técnicos como FFP2.. Sin embargo, ampliando el plazo de búsqueda a los últimos 12 meses, vemos que el interés que generaba esta palabra estaba más relacionado con la antigua sería infantil Barrio Sésamo (Sesame Street en inglés) o con el gran jugador de baloncesto. Muy grandes diferencias para una cadena de palabras de 3 letras.
Otra de las búsqueda que he hecho es con la palabra Virus. Indudablemente, el rey de las búsqueda en los últimos 30, incluso 90 días, es el coronavirus. Pero si nos vamos a los últimos 5 años, se amplia el rango. Encontramos búsquedas relacionadas con otros virus como el Ebola, el Zika, el SARS. Pero virus de otro tipo cómo informáticos entraban en la lista.
Interesante es también si hacemos la búsqueda desde el año 2004 con la palabra crisis. Encontramos búsquedas sobre la crisis del coronavirus, pero también crisis de refugiados, crisis económica, crisis medioambiental. Combinar tipos de búsquedas también es posible, podemos ver la relación actual sobre el miedo a la perdida de trabajo y esta crisis, o crisis económicas pasadas con otro tipo de impactos.
La inteligencia artificial, y el big data tienen mucho trabajo por hacer en este campo, pero volviendo al punto inicial de este artículo, es decir, el puro SEM y SEO. ¿Hemos cambiado o al menos revisado las palabras clave que estamos utilizando en nuestras campañas? Cómo hemos visto en los ejemplos descritos, una palabra por si misma tiene un valor muy limitado, incluso erróneo. Si confiamos es una palabra como vector de dirección para nuestra audiencia, lo mismo estamos perdiendo mucho potencial o atrayendo a la audiencia incorrecta (con la pérdida de inversión correspondiente). Una palabra clave tiene el valor del contexto en el que se utilice, y el momento actual en el que la sociedad se encuentre. Todos los calificadores, o términos excluyentes nos pueden ayudar a ajustar lo que queremos conseguir y por lo tanto trabajar de forma mucho más eficiente. Por último otro ejemplo, la palabra visa puede estar relacionada con Visados (pensemos en crisis de migración o discusiones políticas sobre política exterior), o Visa como la empresa americana de medios de pago, cuando los términos económicos sean los que se impongan. ¿Cúal de las palabras clave que utilizas actualmente puede darte un resultado incorrecto?
marketingstorming 