De todas las tareas y funciones de una empresa, el mercadeo es probablemente un de las que más se puede beneficiar de la inteligencia artificial. Las actividades fundamentales del mercadeo son entender las necesidades de clientes, emparejarlas con productos y servicios, y convencerlos de comprar, todas actividades que la IA puede mejorar dramáticamente. 

Según una encuesta global desplegada por Deloitte en el 2020, 3 de los 5 objetivos principales definidos por las empresas encuestadas y relacionados con IA tenían que ver con mercadeo. Esos objetivos pueden ir desde mejorar productos y servicios actuales, desarrollar nuevos, y mejorar la relación con clientes. 

La IA de hoy

Muchas empresas (lastimosamente, pocas en Colombia) emplean la IA para: 1. Ejecutar tareas estrechas, como el despliegue de una pauta digital en Facebook o Google (también conocido como “compra programática”);

2. Apoyar en la implementación de tareas amplias, como incrementar la precisión de predicciones (piensen en forecasts de ventas);

3. Mejorar el rendimiento humano en tareas estructuradas como el servicio al cliente. 

Aplicaciones de IA bien establecidas en Márketing

• Chatbots para desarrollo de clientes potenciales, soporte al cliente y venta cruzada o venta adicional
• Análisis y enrutamiento de llamadas entrantes, y análisis, clasificación y respuesta de comentarios y correos electrónicos de los clientes
• Automatización de campañas de marketing (incluidos correos electrónicos, generación de landing page y segmentación de clientes)
• Análisis de mezcla de marketing
• Merchandising de productos online
• Precios
• Recomendaciones de productos o servicios y ofertas altamente personalizadas
• Compra programática de anuncios digitales
• Puntuación de clientes potenciales
• Planificación, compra y ejecución de redes sociales
• Análisis de sentimiento en las redes sociales
• Anuncios de televisión (parcial)
• Generación narrativa de analítica web
• Operación y optimización del sitio web (incluidas las pruebas)

IA en la fase de consideración 

Las empresas también usan (o deberían usar) la IA en cada paso de sus customer journeys. Cuando los clientes potenciales están en la fase de “consideración”, investigando cómo satisfacer una necesidad, la IA debe ser capaz de identificarlos y enviarles contenido personalizado a través de canales estratégicos (email, SMS, WhatsApp, redes sociales, web). Aquí es importante que la IA esté intentando contestar las preguntas adecuadas. Cuando, como empresa, nos hacemos la pregunta equivocada, perdemos el inmenso potencial predictivo de cualquier algoritmo de IA. A mi juicio, esas preguntas son, ahora y siempre, ¿qué debo ofrecer, a quién, en qué momento y por cuál canal, para lograr una venta? Es importante también entender que, como en la política, el foco de interés deben ser los consumidores indecisos.

IA en el cierre de venta

La IA también puede optimizar el proceso de negociación y cierre de ventas usando datos extremadamente detallados sobre cada individuo, para crear ofertas intensamente personalizadas de productos y servicios. ¿Se han preguntado cuánta información se puede extraer de la manera en que ustedes interactúan con un correo electrónico? ¿O de la duración promedio de sus conversaciones de WhatsApp al tramitar un PQR? ¿O de su geolocalización (dónde están) cuando abren y leen un mensaje de texto? 

IA para ventas marginales

Más adelante en el journey del cliente, la IA puede ayudar a identificar y capitalizar en oportunidades de upsell y cross-sell, y disminuir la tasa de abandono de carritos de compra, así como churn/deserción. Por ejemplo, ante un evento de deserción de carrito de compra por un cliente, un modelo de IA puede identificar qué producto o servicio estaba por comprar y enviarle un email automático con testimonios motivacionales sobre ese producto o servicio. O, por ejemplo, cuando un comprador entra a un centro comercial, un algoritmo de IA puede identificar su entrada, evaluar su tendencia de compra y afinidad de marca, y enviarle un mensaje de texto con cupones de descuento para redimir en las tiendas donde es más probable que compre. 

IA en pos-venta 

Luego de que se concrete la venta, servicios de IA de agentes virtuales pueden servir para hacer una especie de triage frente a los PQRs de clientes. Pueden servir para resolver, por si solos, preguntas frecuentes y solicitudes de documentación, y como filtro temático de consultas para dirigir a cada cliente al área indicada dentro de cada empresa. Aquí, tanto los chatbots web como WhatsApp son sus aliados ideales, pero la clave está en que adquieran o diseñen una solución que se ajuste o se pueda adecuar a la naturaleza de su negocio y a la relación con sus clientes. 

IA en Sigma Móvil – de lo sencillo a lo complejo

La IA para comunicación digital se puede categorizar según dos dimensiones: 1. El nivel de inteligencia; 2. Si es una solución independiente o parte de una plataforma más amplia. 

1. Nivel de inteligencia: 

  a. Automatización de tareas

Estas aplicaciones ejecutan tareas repetitivas y estructuradas que requieren bajos niveles de inteligencia. Están diseñadas para seguir una serie de instrucciones o ejecutar una secuencia predeterminada de operaciones, basadas en un insumo predeterminado, pero, son incapaces de resolver problemas complejos como interpretar el lenguaje y tono usado en una solicitud de cliente. Ejemplos de esto que ofrecemos en Sigma Móvil son la posibilidad de crear flujos de comunicación mutlicanal que se ejecutan dependiendo de lo que haga cada cliente o según reglas predefinidas. Por ejemplo, enviar un correo 3 días después de que dio clic al mensaje inicial, enviar un SMS de recordatorio 1 día antes de un evento, enviar un WhatsApp de bienvenida a un nuevo usuario de una aplicación móvil, o enviar mensajes automáticos de cumpleaños a toda tu base de clientes. Este tipo de IA es útil para los clientes que requieren interacciones simples, que buscan llevar al consumidor a lo largo de un árbol de decisión predefinido, pero no son capaces, ni recomendables para interpretar las intenciones de un cliente o aprender de interacciones pasadas. 

 b. Machine Learning 

Estos algoritmos se entrenan usando muchísimos datos, para lograr predicciones y tomar decisiones relativamente complejas. Estos modelos tienen el potencial de reconocer imágenes, descifrar texto, segmentar clientes, y anticipar (predecir) la manera en que un grupo de interés responderá a diferentes iniciativas, tales como una promoción o una invitación a un evento.

En el caso de Sigma Móvil, nos estamos concentrando en desarrollar y ofrecer modelos de machine learning que van desde predecir el mejor día y hora para enviar una campaña de email para incrementar su lectura, predecir y sugerir el copy óptimo para el asunto de un correo o el cuerpo de un SMS, predecir la mezcla óptima de canales (email, SMS, WhatsApp, encuestas, IVR) para comunicarse con diferentes bases de datos, hasta predecir la propensión de compra y recompra de vastos grupos de clientes. 

Lo bonito de nuestros modelos es que se nutren de miles de millones de puntos de datos, de empresas de más de 25 sectores de industria que van desde las compañías más grandes de Colombia, hasta ferreterías, tiendas de barrio y emprendimientos. Nuestros modelos están enfocados en generar predicciones generales que son muy útiles para empresas que apenas arrancan su proceso de digitalización o tienen una base de datos pequeñas, pasando por predicción sectoriales, muy relevantes para entender las dinámicas de consumo entre sectores (es diferente vender a pacientes en sector salud, a clientes B2B de software, o a compradores de vivienda en sector construcción), predicciones regionales, para entender cómo venderle a un caleño, a un paisa o a un costeño, y por último, hasta predicciones a la medida, las cuales aplican cuando nuestros clientes quieren alimentar el modelo con otras fuentes de información como su e-commerce, su CRM, su sistema de manejo de cartera, y similares.