Cómo implementar una estrategia de Machine Learning en cinco pasos

Machine Learning e Inteligencia Artificial fueron probablemente los términos más utilizados en el mercado digital en 2017 y estadísticas de diferentes reportes -como este de Adobe- confirman que existe una creciente tendencia por adoptar alguna de estas tecnologías, especialmente por parte de las grandes empresas.

Sin embargo, para muchas compañías este permanece siendo un desafío mayúsculo y distante, y se ven inmóviles ante la abrumadora pregunta ¿por dónde empezar? Pues bien, para ayudarles en ese tránsito y desmitificar ciertos conceptos, hemos armado una pequeña guía con algunos conceptos básicos que nos permitirán desarrollar una estrategia de Machine Learning (ML) desde cero.

1.- Definir objetivos de negocio

Antes de pensar en la solución tecnológica, es necesario abordar primero el objetivo de negocios que se busca resolver con una herramienta de ML. Los objetivos pueden ser tan diversos como mejorar las conversiones, reducir el churn o aumentar la satisfacción del usuario. Lo relevante es tener claro qué elemento se quiere optimizar para enfocar nuestros recursos en ello y no implementar una solución demasiado grande que finalmente no ayude a alcanzar el objetivo propuesto.

2.- Seleccionar y ordenar la data

El siguiente paso es identificar el tipo de data que será útil para solucionar el problema propuesto. Las fuentes pueden ser infinitas: desde información proveniente del ERP, hasta canales offline, emailing, redes sociales o dispositivos IoT. Luego, buena parte de los esfuerzos para setear una estrategia de ML se basan en el ordenamiento, transformación y “limpieza” de los datos con los que contamos, lo que implica un proceso de homologación de distintas fuentes de información para que puedan ser procesadas simultáneamente.

3.- Crear un data mining

Una buena forma de comenzar con la estrategia de ML como tal es usar data mining, práctica que busca encontrar “oportunidades” en la data. Para ello es necesario crear un algoritmo que sirva para detectar patrones de comportamiento que puedan ser explotables en el futuro inmediato. Por ejemplo, un algoritmo puede descubrir que las conversiones del sitio web de un retail aumentan la última semana del mes, información que les serviría para adaptar sus campañas a ese timing. Una herramienta de data mining no proveerá de la solución, sino que entrega insights que luego el equipo de marketing puede explotar experimentando con nuevas implementaciones.

4.- Desarrollar un test A/B inteligente

Un siguiente paso en complejidad sería la incorporación de un elemento de Inteligencia Artificial al clásico test A/B. Esta herramienta permite que, una vez implementada la prueba, el algoritmo reconozca de inmediato cuál de las dos variables propuestas ha sido más exitosa entre los usuarios, redirigiendo el tráfico directamente hacia esa opción. Al automatizar este proceso, el equipo de marketing puede enfocarse en experimentar con otros mensajes o diseños para futuros eventos.

5.- Crear algoritmos predictivos

La evolución de todo este camino sería el diseño de algoritmos predictivos, aquellos que en base al comportamiento del usuario y otros como él, logra predecir lo que el potencial cliente necesita. Es el que se asocia con la famosa frase “Quienes compraron este ítem también compraron…”. Este es un formato de personalización más sofisticado y es utilizado por gigantes de la industria como Amazon, que le debe más del 50% de sus ventas a dicha aplicación de ML. Aunque este paso es el más complejo, porque requiere de grandes cantidades de información, también es el más efectivo en términos de su capacidad para influir en las conversiones y finalmente en aumentar el ROI.

Como sea que se aborde un proyecto de este tipo, lo importante es tener en consideración que una estrategia de Machine Learning bien desarrollada es aquella que se construye de forma escalonada, considerando los recursos de la organización y los objetivos de negocio que se persiguen. Se puede partir de manera discreta, experimentando con ciertos elementos de la web para luego avanzar a otras etapas más complejas que requieran la integración con otros sistemas. Lo importante, como siempre, es dar el primer paso.

Fusiona Avatar

Si quieres saber cómo podemos ayudarte

Contactanos

Artículos Relacionados