Glosario de términos de inteligencia artificial

Algoritmo

En pocas palabras, un algoritmo es un conjunto de instrucciones matemáticas. Cada algoritmo actúa como las instrucciones paso a paso de un programa informático. Aunque antaño los algoritmos debían programarse explícitamente, hoy en día algunos están diseñados para que los ordenadores aprendan de forma autónoma (véase más adelante la definición de aprendizaje automático). Los algoritmos ya impregnan nuestra vida cotidiana. Por ejemplo, determinan el contenido que vemos en Facebook, Netflix, Amazon y Google. Los expertos calculan que un algoritmo sugiere el 75% de lo que vemos en Netflix.

Los profesionales del marketing ya han puesto en práctica los algoritmos de muchas maneras, porque pueden reunir datos de diversas fuentes para predecir e influir en el comportamiento de los consumidores. La aplicación de algoritmos también aportará una nueva responsabilidad a las iniciativas de marketing y medios de comunicación, ya que los profesionales del marketing estarán cada vez más capacitados para vincular sus esfuerzos a los objetivos empresariales.

Automatización

La Sociedad Internacional de Automatización (ISA) define la automatización como "la creación y aplicación de tecnología para supervisar y controlar la producción y entrega de productos y servicios". La introducción de la automatización en el marketing ha revolucionado el sector, liberando a los profesionales para que dediquen su tiempo a actividades significativas y de valor añadido en lugar de a tareas repetitivas.

Pero incluso el enfoque de la automatización convencional de "configúralo y olvídalo" sigue siendo bastante manual. Un ser humano debe configurar el proceso que se va a automatizar, y los cambios en ese proceso también deben ser definidos, iniciados y ejecutados por un ser humano. El futuro de la automatización estará impulsado por la inteligencia artificial, que eliminará la necesidad de supervisión humana adicional (véase más adelante la definición de automatización inteligente).

Grandes datos

2001 Gartner definió Big Data como "datos que contienen una mayor variedad que llegan en volúmenes cada vez mayores y con una velocidad cada vez mayor". Esa definición de las "tres V" sigue siendo la más utilizada y aceptada. En los años siguientes, los profesionales del marketing se han enfrentado a un volumen cada vez mayor de datos procedentes de fuentes cada vez más diversas; el 90% de todos los datos del mundo se han creado en los últimos dos años, y ese volumen sigue aumentando a velocidades aceleradas.

De hecho, el Big Data ha obligado a los profesionales del marketing a replantearse cómo asimilar de forma significativa una información aparentemente interminable. En los próximos años, es probable que los equipos de marketing colaboren más estrechamente con los equipos de TI para implantar las tecnologías necesarias para gestionar grandes cantidades de datos. También tendrán que tomar decisiones sobre qué datos contribuyen realmente a mejorar la información.

Bots

Los bots tienen mala fama. Los vendedores poco éticos utilizan bots para inflar el tráfico de un sitio web imitando páginas vistas o haciendo clic en anuncios. Pero los bots tienen mucho poder positivo para los profesionales del marketing. Un bot es simplemente una aplicación de software que ejecuta tareas automatizadas a través de Internet, y es probable que encuentres bots en línea todos los días. Los chatbots han aparecido en sitios web de todo Internet y han demostrado ser una forma excelente de captar clientes. Pero también puedes utilizar bots para llevar a cabo investigaciones, realizar el seguimiento de proyectos e incluso vender productos por sí mismos.

Los bots son cada vez más sofisticados gracias a la IA. Por ejemplo, implementar un chatbot que pueda mantener conversaciones cada vez más naturales dará a las organizaciones el poder de interactuar con más visitantes del sitio web y recopilar aún más información sobre esos visitantes antes de que un humano intervenga en la conversación.

Aprendizaje profundo

El aprendizaje profundo es una técnica de aprendizaje automático que se basa en una red neuronal para ayudar a un ordenador a aprender mediante el ejemplo, igual que lo haría un ser humano. La tecnología de aprendizaje profundo es la base de los coches sin conductor y los dispositivos de consumo controlados por voz. Los "ejemplos" necesarios para el aprendizaje profundo son conjuntos de datos etiquetados increíblemente grandes, que el ordenador utiliza para aprender clasificaciones relevantes.

El rendimiento de los dispositivos de aprendizaje profundo puede superar al de los humanos. En el mundo del marketing, es probable que el aprendizaje profundo revolucione nuestro enfoque del SEO, ya que las máquinas serán cada vez mejores a la hora de predecir algoritmos de clasificación.

Automatización inteligente (AI)

La automatización inteligente (AI) es el resultado de combinar la automatización con la inteligencia artificial, lo que da lugar a la recopilación automatizada de datos, el análisis y la toma de decisiones. Por ejemplo, supongamos que alguien rellena el formulario de contacto de su sitio web e incluye una breve nota o comentario.

La automatización por sí sola permite a su equipo de marketing notificar a las personas adecuadas cuando se envía el formulario y enviar una autorespuesta de inmediato. Pero si unimos esa capacidad a la IA, ahora el software puede "leer" realmente la nota para decidir lo urgente que es y quién debe hacer el seguimiento. En algunos casos, gracias al procesamiento del lenguaje natural (definido más adelante), el software puede incluso responder adecuadamente.

Gracias a la AI, la personalización no se limitará a incluir el nombre de pila de los destinatarios en el asunto o el saludo. Podrá ir mucho más allá. Imagínese que envía un correo electrónico a cada contacto a su hora ideal basándose en comportamientos anteriores. O piense en enviar automáticamente la oferta adecuada basándose en el historial de búsqueda reciente de una persona.

Tendemos a pensar en la inteligencia artificial (IA) como tecnologías tangibles, como robots o incluso Watson. Pero la mayor parte de la tecnología basada en IA existe de forma mucho más abstracta, en forma de algoritmos. Y esa tecnología es esencial para los profesionales del marketing que deseen mantenerse a la vanguardia del sector.

Internet de las cosas (IoT)

El Internet de las Cosas (IoT) se refiere a la conexión de dispositivos cotidianos a Internet. Ya ha tenido un impacto significativo en la cadena de suministro global porque permite que las máquinas y otros dispositivos "hablen" entre sí. Para los profesionales del marketing, IoT promete proporcionar mucho más contexto para los hábitos, necesidades, deseos, uso de productos e intención de compra de los clientes.

Este año, los dispositivos IoT han superado los 7.000 millones, según IoT Analytics. Esto es una bendición para los profesionales del marketing, que pueden obtener una información increíble sobre sus clientes en cada etapa del buyer journey. Pero también plantea un reto importante: todos estos dispositivos conectados ya producen montañas y montañas de datos. A medida que aumente el número de dispositivos, también lo hará la cantidad de datos. Los expertos en marketing recurrirán a la tecnología basada en IA para filtrarlos todos y extraer conclusiones significativas.

Aprendizaje automático

En el pasado, los robots y los ordenadores podían automatizar tareas que se ajustaban a un conjunto específico de reglas. El dispositivo se programaba para funcionar dentro de las reglas, ni más ni menos. Pero el aprendizaje automático es exactamente lo que parece: las máquinas pueden aprender de los datos que analizan, haciendo predicciones y pronósticos utilizando muchos más puntos de datos de los que podrían hacer los humanos por sí solos. Por ejemplo, mientras que los humanos pueden analizar los datos de una sola fuente, dice el sitio web, el aprendizaje automático significa que se puede extraer información de los patrones de uso del sitio web, las redes sociales, el correo electrónico y las redes sociales, junto con las respuestas de los clientes a campañas anteriores.

El aprendizaje automático tiene múltiples y prometedoras aplicaciones para los profesionales del marketing. Es la tecnología ideal para la segmentación sofisticada de clientes, lo que le permite identificar pequeños grupos de clientes que comparten preferencias y tienden a tener patrones de comportamiento similares. El aprendizaje automático también puede predecir la pérdida de clientes, lo que permite a los profesionales del marketing llegar de forma proactiva a los clientes de alto riesgo y reducir la probabilidad de que abandonen.

Procesamiento del lenguaje natural

Antes, las máquinas sólo eran capaces de entender código. Pero eso ha cambiado gracias al Procesamiento del Lenguaje Natural (PLN), que se refiere a la capacidad de una máquina para entender el lenguaje humano a través del aprendizaje automático y la IA. El PLN ha evolucionado en los últimos años y, en algunos casos, esta tecnología puede entender la emoción o la connotación que hay detrás del lenguaje humano. La PNL suele ir acompañada de la Generación de Lenguaje Natural (GNL), en la que la máquina procesa el lenguaje humano y genera una respuesta en lenguaje humano: los sistemas de reconocimiento de voz como Alexa de Amazon y Siri de Apple funcionan de este modo.

Muchos profesionales del marketing ya utilizan algún tipo de PLN para el análisis de opiniones. Pero también es prometedor para la personalización. La mayoría de las organizaciones se dirigen a un público geográficamente -y, por tanto, lingüísticamente- diverso. Esas diferencias lingüísticas pueden ser sutiles (como las variaciones regionales del inglés estadounidense), más evidentes (como las diferencias entre el inglés estadounidense y el inglés de la Reina) o incluso tratarse de lenguas totalmente distintas. La PNL puede ayudarle a personalizar las comunicaciones en función de estas diferencias para transmitir mensajes con más probabilidades de captar la atención de cada destinatario.

Red neuronal

Una red neuronal está diseñada esencialmente para imitar el cerebro humano. La red se compone de una serie de capas. Cada capa incluye muchos nodos, o unidades de procesamiento individuales, conectados a otros nodos de esa capa junto con nodos de las capas superior e inferior. La capa más baja de la red recibe los datos y los transmite a la siguiente. Aunque el propósito de una red neuronal es simular un cerebro, la red no funcionará exactamente como lo haría una mente humana. Se utilizan mejor para el reconocimiento de patrones, la previsión, la predicción de tendencias e incluso la generalización.

Microsoft utilizó BrainMaker, un sistema de software de redes neuronales, para optimizar sus campañas de correo directo. El software identificó las variables más críticas en el éxito de las campañas de correo directo para poder optimizar las campañas futuras. Según un portavoz de la empresa, el uso de BrainMaker aumentó la tasa de respuesta de alrededor del 4,9% al 8,2%, una mejora considerable. Este uso de redes neuronales para la optimización de campañas es muy prometedor para los profesionales del marketing.

Análisis predictivo

Una rama de la analítica avanzada, la analítica predictiva, se utiliza para predecir acontecimientos futuros mediante técnicas de minería de datos, modelización estadística y aprendizaje automático. Para maximizar los beneficios del análisis predictivo, debe comenzar con un amplio conjunto de datos históricos. La recopilación rigurosa de datos en marketing es relativamente nueva -piense en cómo ha cambiado el papel de la analítica sólo en la última década-, por lo que ahora la analítica predictiva sólo ha surgido como una tecnología ampliamente aplicable en los últimos años.

Amazon y otros minoristas en línea utilizan ampliamente el análisis predictivo para modelar el comportamiento probable de los clientes. También se puede utilizar para la puntuación predictiva de clientes potenciales, de modo que los equipos de marketing y ventas puedan adaptar las campañas y ofertas a los clientes potenciales con más probabilidades de conversión. Por otra parte, la aplicación del análisis predictivo a los datos sobre sus clientes actuales de alto valor puede ayudarle a desarrollar estrategias para llegar a más clientes nuevos como ellos.

¿Tiene alguna pregunta sobre cómo la IA puede impulsar su marketing?