Todo lo que un especialista en marketing necesita saber sobre el machine learning
A medida que aumentan las expectativas de los consumidores en cuanto a experiencias más personalizadas, relevantes y asistivas, el machine learning se vuelve una herramienta invaluable para ayudar a satisfacer esas demandas. Este contribuye a que los especialistas en marketing segmenten a los clientes de manera más inteligente, publiquen campañas creativas más relevantes y midan el rendimiento con mayor efectividad. De hecho, el 85% de los ejecutivos cree que la inteligencia artificial permitirá que sus empresas obtengan o mantengan una ventaja competitiva.1
Creamos esta guía para ayudarte a optimizar la aplicación del machine learning en tus acciones de marketing, ya sea que recién estés comenzando a utilizar esta tecnología o que quieras descubrir todos los beneficios que ofrece.
Cómo trabaja para ti el machine learning
Una guía rápida sobre el machine learning para especialistas en marketing
En esencia, es una manera ágil para etiquetar y analizar enormes conjuntos de datos. Por supuesto que una persona es capaz de hacerlo manualmente, pero una máquina ayuda a completar la tarea a una velocidad y escala infinitamente mayores. De hecho, el 66% de los especialistas en marketing está de acuerdo en que la automatización y el machine learning permitirán que su equipo se enfoque principalmente en las actividades de marketing estratégico.2
Pero las máquinas no pueden aprender por sí solas: necesitan la ayuda de un ser humano. Responde el test interactivo sobre machine learning a continuación para conocer los principios básicos de esta tecnología.
Comenzar: es más fácil de lo que crees
Por qué dar el primer paso implica dar uno hacia atrás
Ahora que ya sabes qué es el machine learning, quizás te preguntes cómo comenzar a usarlo. Hemos visto a muchos especialistas en marketing lanzarse a diseñar un programa de machine learning desde cero. Pero es muy difícil. Hacerlo requiere de una importante inversión inicial y perfeccionarlo puede tomar años.
En lugar de zambullirte rápidamente en el tema, conviene dar un paso atrás. Hay empresas, incluida Google, que ya están haciendo el trabajo pesado al integrar el machine learning en los productos de marketing, tanto nuevos como existentes. Eso te ayudará a tener una visión más profunda y valiosa de tus datos sin un esfuerzo adicional por parte de tu equipo. Solo tienes que asegurarte de que tu organización está preparada para obtener el mayor valor de estos productos.
Mencionamos tres consideraciones clave que todo especialista en marketing debería tener en cuenta a fin de preparar a su organización para el machine learning.
Cómo comenzar
Define tu objetivo de marketing para el machine learning
De manera similar a las personas, las máquinas funcionan mejor cuando se les dan objetivos claros definidos. El objetivo, o resultado, establece un marco de trabajo. Esto ayuda a que un científico de datos pueda construir los modelos de machine learning ideales para ese objetivo y a identificar los datos adecuados que se utilizarán para entrenar tu modelo. Asegúrate de que tu objetivo sea cuantificable y medible. Hacer esto de antemano te ayudará a definir y medir el éxito de tu modelo.
Cómo comenzar
Un algoritmo es tan bueno como lo sean sus datos
Esta es una regla de oro para recordar: la eficacia de un algoritmo de machine learning depende de los datos con los que se alimenta. Por eso, para utilizar machine learning de un modo eficiente, debes contar con los datos correctos para el problema que estás intentando resolver. Y no es suficiente con unos pocos datos: para aprender, las máquinas necesitan cientos de miles de datos. Además, deberás formatear, limpiar y organizar tus datos para el algoritmo, y necesitarás dos conjuntos de datos: uno para entrenar el modelo y el otro para evaluar su rendimiento.
Cómo comenzar
Arma un equipo diverso con la mentalidad adecuada
Los equipos de marketing pueden identificar cuáles son los mejores casos donde poner en práctica el machine learning, pero los analistas y científicos de datos son fundamentales para su implementación. Por eso, formar un equipo multidisciplinario es esencial para el éxito de cualquier programa de machine learning. Pero, a fin de aprovecharlo al máximo en tu organización, tienes que tener el equipo adecuado con la mentalidad apropiada. Esto requiere de un cambio cultural que priorice y recompense las actividades de experimentación, medición y prueba en toda la organización.
Cómo potenciar el marketing con machine learning
Un análisis detallado de los beneficios y las oportunidades clave
Existen infinidad de maneras en que el machine learning puede ayudar a tu empresa. Explora las aplicaciones de marketing a continuación para ver qué productos pueden optimizar tus campañas y cómo algunas marcas ya están usando machine learning para potenciar sus acciones de marketing.
Descubrimiento de la audiencia
Identifica a los clientes más valiosos.
Cómo machine learning puede ayudarte a llegar a los usuarios correctos de tu aplicación
Supongamos que deseas comercializar tu aplicación y que tu principal objetivo es que llegue a usuarios que paguen por ella y la utilicen a largo plazo. Pero descubres que los usuarios no abren la aplicación después de la descarga inicial. No serías la primera persona en enfrentar ese problema. De hecho, solo el 37% de las aplicaciones que se instalan siguen en uso después de 7 días. Entonces, ¿cómo puedes encontrar los usuarios adecuados?
Recurrir a fuentes aisladas para identificar a tu audiencia puede no ser el camino correcto. El machine learning puede ordenar y analizar las fuentes de información para ayudarte a identificar qué usuarios son los más valiosos para tu aplicación. También te permitirá aprovechar al máximo tu presupuesto, ya que solo mostrará los anuncios a los usuarios que tengan más posibilidades de descargar y utilizar tu aplicación. Así funcionan las Campañas de aplicaciones de los productos de Google: ayudan a que los especialistas en marketing extiendan su alcance de manera eficiente.
Maven, la aplicación de alquiler de autos a pedido de GM, se lanzó rápidamente en 2016. Uno de los mayores desafíos que encontró la empresa fue identificar a los usuarios adecuados y conectar con ellos. El equipo de marketing de Maven pronto se dio cuenta de que una descarga no era suficiente. Necesitaban miembros de alto valor que siguieran interactuando con su servicio.
Hace todo el trabajo pesado por nosotros. Con el machine learning, la optimización es continua para que podamos concentrar nuestro tiempo, esfuerzo y energía para encontrar nuevas formas de seguir conectándonos con nuestros miembros
Kristen Alexander, gerente de Marketing de Maven
A fin de descubrir y llegar a los clientes valiosos, el equipo de marketing de Maven integró el machine learning en su estrategia de campaña con las Campañas de aplicaciones. Como resultado, Maven aumentó un 51% los registros y disminuyó un 74% el costo por registro. Eso le permitió destinar los recursos para iniciativas más estratégicas.
Creatividad
Publica rápidamente el mensaje adecuado para cada momento.
El machine learning ayuda a los especialistas en marketing a desarrollar la creatividad a medida
Los usuarios de hoy esperan que las marcas los asistan y les brinden experiencias sumamente relevantes. Eso también es válido para los anuncios. De hecho, que un anuncio sea relevante o no tiene un impacto enorme sobre la decisión de compra del usuario. Nuestra investigación nos demostró que el 91% de los propietarios de smartphones compró o planeó comprar un producto o servicio después de haber visto un anuncio que ellos describieron como relevante.3
Si piensas que crear un anuncio para cada uno de tus clientes parece un desafío enorme, no desesperes. El machine learning ayuda a los especialistas en marketing a desarrollar creatividades únicas y adaptadas a los clientes. Los anuncios de búsqueda responsivos mezclan y combinan diferentes títulos y descripciones para encontrar la mejor combinación posible para un usuario, lo que simplifica el proceso de creación de los anuncios y permite obtener mejores resultados.
Cuando Apartments.com, un sitio web líder en alquileres de casas y departamentos, quiso optimizar las creatividades para su público en crecimiento, recurrió a los anuncios de búsqueda responsivos de Google.
En promedio, los anunciantes que usan el machine learning de Google para probar la creatividad de diferentes campañas obtienen hasta un 15% más de clics.
Datos de Google de marzo de 2018
Al utilizar los anuncios de búsqueda responsivos, la marca fue capaz de crear anuncios más relevantes para cada usuario en el momento clave del proceso de alquiler. La iniciativa fue muy exitosa: Apartment.com obtuvo un 10% más de clics. Y ForRent.com, otra marca de la familia Apartments.com, obtuvo un 16% más de clics con una estrategia similar.
Optimización
Encuentra a los usuarios adecuados en los momentos clave.
La oferta correcta está al alcance gracias al machine learning
Las personas están buscando con mayor frecuencia y de manera más específica. Para los especialistas en marketing, esto significa que conseguir la oferta adecuada en las subastas de búsqueda es más importante que nunca. También, implica que lograrla sea más difícil, ya que deben lidiar con una creciente cantidad de datos que complejizan la posibilidad de establecer ofertas en función del contenido de cada usuario.
Afortunadamente, hay productos para ayudarte a automatizar este proceso. La estrategia de Ofertas inteligentes utiliza el machine learning para analizar millones de indicadores y hacer ajustes en tiempo real. Solo hace falta elegir una estrategia diseñada para lograr el objetivo específico de tu empresa. Luego, las Ofertas inteligentes consideran una amplia variedad de factores e indicadores sobre la intención y el contexto de cada búsqueda.
Cuando la agencia OMD quiso potenciar las visitas calificadas al sitio web de Nissan, recurrió a la ayuda de los productos de ofertas automáticas de Google. OMD utilizó estos algoritmos junto con su propia configuración personalizada, como las listas de posición seleccionadas y los acuerdos privados, y creó una estrategia que podría llegar a los segmentos de clientes clave.
Los algoritmos actúan como extensiones de los analistas de OMD. Analizan el rendimiento de la campaña a un nivel detallado a fin de garantizar que las optimizaciones sean más exactas y obtener resultados más rápidos basados en nuestros parámetros
Alex Kraft, socio gerente de Omnicom Media Group
Como resultado de esta iniciativa, OMD optimizó los anuncios de Nissan en tiempo real, permitió controlar dónde se mostraron los anuncios y llegó a más clientes valiosos. La agencia aumentó su porcentaje de conversiones en un 67% y redujo el costo por visita calificada en un 33% y el costo por clic en un 14%. Nissan obtuvo tanto éxito con las ofertas automáticas que la marca ahora utiliza esta estrategia en muchas de sus otras campañas.
Medición
Descubre el verdadero valor de cada paso en la ruta de compra.
Cómo una estrategia de medición basada en datos puede ayudarte a descubrir la intención de los usuarios
Digamos que, antes de hacer una compra en tu sitio, el usuario investigó, comparó precios e hizo clic en algunos anuncios en diferentes plataformas o dispositivos. Por lo general, el crédito de una conversión se otorga al último anuncio en el que un usuario hizo clic. Pero, ¿cómo puedes estar seguro de que el último clic es el más valioso? Los consumidores de hoy interactúan con las marcas a través de un número cada vez mayor de pantallas y canales, por lo que resulta difícil identificar qué partes de tu estrategia de marketing están funcionando.
La atribución basada en datos emplea los algoritmos de machine learning para analizar los clics en los diferentes anuncios de búsqueda. Mediante la comparación de las rutas de clics de los consumidores que compraron tu producto con las de quienes no lo hicieron, el modelo de atribución basada en datos identifica patrones entre los clics que generan conversiones, así como los puntos de contacto más valiosos en el recorrido del consumidor.
Las personas pasan semanas o incluso meses investigando en línea y planificando cada detalle de su viaje y, a lo largo de este proceso, interactúan cientos de veces. Para entender cuál de esos puntos de contacto estaba realmente generando crecimiento a largo plazo, HomeAway, un mercado digital de alquileres de casas para vacaciones, supo que debía adoptar una estrategia de medición basada en datos.
La automatización nos ayudó a saber quién ve nuestros anuncios. No solo mejoramos nuestra capacidad para encontrar a los clientes adecuados, sino que desarrollamos grandes habilidades para evitar invertir en los clientes que no lo son
David Baekholm, vicepresidente sénior de Marketing de Crecimiento de HomeAway
HomeAway comenzó a prestar más atención a los indicadores del comportamiento de los consumidores a fin de determinar qué comportamientos se relacionaban con la probabilidad de lograr una conversión. La estrategia anterior de la empresa solo medía las conversiones del último clic y en el mismo dispositivo. La atribución basada en datos ayuda a los equipos de marketing de HomeAway a comprender la intención, las interacciones y los indicadores que generan el crecimiento a largo plazo.
Fuentes (3)
1 The Boston Consulting Group, "Is Your Business Ready for Artificial Intelligence" (¿Su empresa está lista para la inteligencia artificial?), septiembre de 2017.
2 Google/MIT, datos globales, Technology Review Insights, líderes y rezagados en la adopción del AA: líderes (n = 186), que se definen como aquellos que obtuvieron un aumento mayor al 15% en los ingresos o un incremento de más de 15 puntos en la participación de mercado, y rezagados (n = 176), que se definen como aquellos que obtuvieron un crecimiento inferior al 0% en los ingresos o un incremento inferior a 0 puntos en la participación de mercado durante 2018.
3 Comprado por Google, abril de 2017.
Explora más artículos sobre machine learning y marketing