Un nuevo analista virtual de Adobe Analytics permite a las marcas mejorar las experiencias de cliente

Facebooktwittergoogle_pluslinkedinyoutube

adobe.analyticsPor Guillermo Sierra, Gerente General para América Latina de Ofir LATAM, Partner PLATINUM de Adobe

La inteligencia artificial profunda y el aprendizaje automático se utilizan para descubrir información poderosa que se encuentra en los datos, y que permite a las empresas mejorar las experiencias de compra e interacción de sus consumidores, en tiempos en los que poner el foco en el cliente es vital para mantener la competitividad.

Las marcas se esfuerzan por dar sentido a una interminable cantidad de datos provenientes de diversas fuentes, incluidos sitios web y aplicaciones, junto con los mensajes de voz y transmisiones de audio, entre otros. Pero es imposible contratar suficiente talento humano para realizar un análisis exhaustivo sobre un enorme e incremental volumen de información, con el riesgo de dejar muchos datos sin analizar.

La creciente complejidad que deriva de la forma en cómo las personas se relacionan a través de diferentes canales de contacto con una marca, sumada a no tener una visión profunda de los datos generados en esas interacciones, implica que las compañías pierdan la oportunidad de mejorar sus experiencias de usuario y limiten la posibilidad de generar ventajas competitivas.

En respuesta a esta necesidad de mercado, un nuevo analista virtual de Adobe Analytics, se basa en las tecnologías existentes para descubrir automáticamente puntos de vista de los consumidores.

Al aprovechar Adobe Sensei -la inteligencia artificial y el marco de aprendizaje automático de Adobe-, las marcas pueden generar mayor valor gracias a los análisis de señales que de otro modo habrían pasado desapercibidas. Esto puede incluir información valiosa sobre las razones que provocaron picos o caídas inesperadas en métricas clave, como pedidos en línea y tráfico web, que son fundamentales para abordar análisis en tiempo real y encontrar nuevas oportunidades para aumentar los ingresos.

"Para construir el nuevo analista virtual, pasamos años validando rigurosamente la tecnología con datos reales de los clientes y entrenando el modelo de inteligencia artificial para asegurarnos que los resultados resolvieran problemas reales", dijo John Bates, director de gestión de productos de Adobe Analytics, destacando que una importante marca mundial -durante el programa de pruebas tempranas del analista- evaluó que las perspectivas obtenidas eran comparables a la incorporación de más de cien científicos de datos a su equipo.

Las capacidades del nuevo analista virtual incluyen las siguientes:

  • El analista virtual siempre buscará y analizará los datos de una empresa, priorizando los que considere interesantes. Los modelos de aprendizaje profundo (Deep Learning) le permiten evaluar todos los datos posibles en todas las interacciones con los clientes, desde el tiempo que los consumidores pasan en un sitio web hasta los movimientos entre la aplicación y la web. Estos datos “desconocidos” contienen información que las marcas no solo no sabían, sino que tampoco tenían idea que existían, y por lo tanto no buscaban. Lo que ocurre es que simplemente no hay suficiente tiempo o recursos en las organizaciones, para descubrir estos datos secretos que pueden significar “billetes de lotería” ocultos. Un retailer, por ejemplo, podría comenzar a ver matices críticos en la forma en que los diferentes grupos demográficos compran vestimenta en línea, o arreglar experiencias fallidas que provocan pérdidas de dinero.
  • Maximiza la relevancia de datos: el analista virtual prioriza de forma proactiva el análisis de datos según el contexto empresarial y del usuario (teniendo en cuenta tanto la actividad en tiempo real como los datos históricos) sin que el consumidor tenga que realizar acciones con el sistema. Estos matices son clave: por ejemplo, una aerolínea que tiene una venta importante el primer lunes de junio de cada año, podrá comparar esa demanda con el mismo día de años anteriores, mientras los algoritmos de aprendizaje automático eliminan recomendaciones duplicadas. Así, un eventual aumento en los ingresos de una marca, la cantidad de pedidos y el nivel de conversión de clientes, se relacionan con el mismo evento en años anteriores, y agrupan como una visión significativa.
  • Aprendizaje adaptativo: a lo largo del tiempo, el analista virtual tendrá en cuenta las preferencias y los patrones de consumo de los usuarios para proporcionar información más intuitiva y relevante. También analizará los comportamientos de todos los demás usuarios que interactúan con una marca, para encontrar personas similares a fin de lograr una mejor personalización. El sistema proporcionará un medio para generar recomendaciones "me gusta" o "no me gusta", que refuercen su modelo de machine leraning y permitan que el analista virtual sea más inteligente con el transcurso del tiempo.

El nuevo analista virtual se basa en un conjunto de “soluciones paraguas” de Adobe Analytics. Desarrollado por Adobe Sensei, incluyendo la detección de anomalías (el sistema busca desviaciones estadísticamente significativas en los datos), así como el análisis contributivo (identificando factores que contribuyen a las anomalías). Se trata de alertas inteligentes con nuevas capacidades avanzadas de inteligencia artificial.

 

Consúltenos como podemos apoyar sus proyectos http://ofirlatam.com/contacto/

 

 

 

Comparte
x