En Julio de 2017 un dispositivo basado en comandos de voz o asistente personal escuchó una riña doméstica en el estado de Nuevo México y llamó al 911 para pedir ayuda. Esto suena como leyenda urbana, “fake news” o conspiración, pero no importa si fue verdad o no, dado que la tecnología para hacer algo así es viable el día de hoy gracias al cómputo cognitivo o mejor conocido como “Machine Learning”.

4

Según 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 innovación. El producto más común con dicha tecnología es el ya conocido “chatbot”, un protocolo para automatizar respuestas a mensajes de texto basado en patrones predictivos y algunas cosas más. Sin embargo, la mercadotecnia tiene aún mucho que aprovechar de esta tecnología, más allá de automatizar mensajes. Aquí algunas ideas:

1. Segmentación inteligente:
La necesidad de segmentar a nuestras audiencias a partir de intereses, usos y hábitos puede adicionar información sobre la personalidad, rasgos emocionales y deseos de dichas audiencias, a través de utilizar el cómputo cognitivo para obtener dichos insights, quizás con mayor precisión que un focus group.

Adicionalmente, los algoritmos que utilizan varias de nuestras plataformas de entretenimiento como Spotify o Netflix, podrían utilizar más recursos de Machine Learning para predecir nuestros gustos y quizás sugerirnos contenido que saben nos gustará en el futuro. Y ni hablar de lo que podemos lograr con los dispositivos de geolocalización

2. Precios dinámicos.
Las empresas del sector turístico manejan desde tiempo atrás precios dinámicos basados en oferta/demanda, así como también Uber nos ofrece “tarifas dinámicas” en momentos de alta demanda. Lo nuevo puede venir de agregar nuevas variables más justas y predictivas para hacer de estas tarifas dinámicas algo más justo para el usuario final.

3. Reconocimiento visual.
La tecnología, nada nueva, de reconocimiento visual empleada con fines predictivos puede representar la posibilidad de llevar el “sentiment analysis” fuera del mundo digital, en adición a funcionalidades de seguridad y anticipación de tráfico en espacios públicos.

4. Programmatic trading
El uso de publicidad digital orientada hacia audiencias en lugar de medios puede potencializarse a través de la predicción de patrones y las negociaciones en tiempo real.

5. Adyacencias en eCommerce
Finalmente, uno de los usos más interesantes del Machine learning en mercadotecnia digital tiene lugar en los motores de comercio electrónico 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 pudiéramos necesitar y comprar.