\u00bfMachine learning ? En Julio de 2017 un dispositivo basado en comandos de voz o asistente personal escuch\u00f3 una ri\u00f1a dom\u00e9stica en el estado de Nuevo M\u00e9xico y llam\u00f3 al 911 para pedir ayuda. Esto suena como leyenda urbana, \u201cfake news\u201d o conspiraci\u00f3n, pero no importa si fue verdad o no, dado que la tecnolog\u00eda para hacer algo as\u00ed es viable el d\u00eda de hoy gracias al c\u00f3mputo cognitivo o mejor conocido como \u201cMachine Learning\u201d.<\/p>\n
Seg\u00fan un estudio de Statista los proyectos de emprendimiento que reciben mayor fondeo de empresas tipo Venture Capital son aquellos que involucran Machine Learning en sus conceptos de innovaci\u00f3n. El producto m\u00e1s com\u00fan con dicha tecnolog\u00eda es el ya conocido \u201cchatbot\u201d, un protocolo para automatizar respuestas a mensajes de texto basado en patrones predictivos y algunas cosas m\u00e1s. Sin embargo, la mercadotecnia tiene a\u00fan mucho que aprovechar de esta tecnolog\u00eda, m\u00e1s all\u00e1 de automatizar mensajes. Aqu\u00ed algunas ideas:<\/p>\n
1. Segmentaci\u00f3n inteligente: <\/strong> Adicionalmente, los algoritmos que utilizan varias de nuestras plataformas de entretenimiento como Spotify o Netflix, podr\u00edan utilizar m\u00e1s recursos de Machine Learning para predecir nuestros gustos y quiz\u00e1s sugerirnos contenido que saben nos gustar\u00e1 en el futuro. Y ni hablar de lo que podemos lograr con los dispositivos de geolocalizaci\u00f3n<\/p>\n 2. Precios din\u00e1micos.<\/strong> 3. Reconocimiento visual.<\/strong> 4. Programmatic trading<\/strong> 5. Adyacencias en eCommerce <\/strong> <\/p>\n
\nLa necesidad de segmentar a nuestras audiencias a partir de intereses, usos y h\u00e1bitos puede adicionar informaci\u00f3n sobre la personalidad, rasgos emocionales y deseos de dichas audiencias, a trav\u00e9s de utilizar el c\u00f3mputo cognitivo para obtener dichos insights, quiz\u00e1s con mayor precisi\u00f3n que un focus group.<\/p>\n
\nLas empresas del sector tur\u00edstico manejan desde tiempo atr\u00e1s precios din\u00e1micos basados en oferta\/demanda, as\u00ed como tambi\u00e9n Uber nos ofrece \u201ctarifas din\u00e1micas\u201d en momentos de alta demanda. Lo nuevo puede venir de agregar nuevas variables m\u00e1s justas y predictivas para hacer de estas tarifas din\u00e1micas algo m\u00e1s justo para el usuario final.<\/p>\n
\nLa tecnolog\u00eda, nada nueva, de reconocimiento visual empleada con fines predictivos puede representar la posibilidad de llevar el \u201csentiment analysis\u201d fuera del mundo digital, en adici\u00f3n a funcionalidades de seguridad y anticipaci\u00f3n de tr\u00e1fico en espacios p\u00fablicos.<\/p>\n
\nEl uso de publicidad digital orientada hacia audiencias en lugar de medios puede potencializarse a trav\u00e9s de la predicci\u00f3n de patrones y las negociaciones en tiempo real.<\/p>\n
\nFinalmente, uno de los usos m\u00e1s interesantes del Machine learning en mercadotecnia digital tiene lugar en los motores de comercio electr\u00f3nico que permiten detectar patrones de comportamiento y ofrecernos como consumidores productos adecuados a nuestros intereses futuros. No se trata de un algoritmo predictivo, pero si de anticiparnos por aprendizaje a lo que pudi\u00e9ramos necesitar y comprar.<\/p>\n