Qué es más importante: ¿el dinero que tiene o el que gana?

20 Mayo 2019 | 1299 0

En general, los equipos suelen mostrarse bastante entusiasmados cuando empiezan a probar el aprendizaje automático, la inteligencia artificial, los análisis predictivos y los algoritmos que podrían impulsar su rendimiento. Sin embargo, los comentarios de la prensa sobreestiman muy a menudo los resultados y dan la impresión de que las máquinas pronto lo harán absolutamente todo.

Por desgracia, los especialistas en marketing que han probado el software de marketing de inteligencia artificial se sienten decepcionados. Nuestro equipo, sorprendido al oír esto, empezó a conversar con los primeros usuarios de soluciones de inteligencia artificial, principalmente estadounidenses.

La primera lección que extrajimos de este taller fue la sensación de «caja negra». Este término abarca muchas cosas diferentes, pero el problema principal es que buscaban saber y comprender cómo funcionaba la máquina. Así que, aunque la herramienta estuviera comportándose bien, ignoraba el hecho de que los equipos de marketing no están ahí simplemente para copiar y pegar la decisión que ella había tomado, al menos no en nuestro nivel de madurez actual. Y no podemos olvidar que los resultados ni siquiera estaban a la altura de las expectativas de los equipos de gestión.

No obstante, esta situación nos brindó la oportunidad perfecta para replantearnos nuestra estrategia de I+D. Lo primero que decidió nuestro equipo fue ayudar a los profesionales de marketing a comprender los criterios que afectan a una conversión. Con conversión nos referimos a cualquier tipo de valor que ocasione acciones como efectuar una compra, rellenar un formulario, suscribirse a un boletín, participar en las redes sociales o consultar páginas.

El aprendizaje automático es un asunto amplio, pero decidimos aplicar un enfoque bastante clásico y popular denominado «árbol de decisión». Se utiliza en el análisis de decisiones para ayudar a los responsables de la toma de decisiones a identificar la estrategia que más podría lograr un objetivo.

Un árbol de decisión es una especie de diagrama en el que el nodo interno representa la prueba de un atributo (por ejemplo, si sale cara o cruz al tirar una moneda al aire), cada rama representa el resultado de la prueba, y cada hoja simboliza una etiqueta de categoría (decisión tomada tras computar todos los atributos). Los caminos de la raíz a la hoja representan las normas de clasificación.

Para no perder ninguna de las últimas noticias de Commanders Act, ¡suscríbase a nuestro newsletter!