Aprendizaje automático para especialistas en marketing: acertar con las estrategias y procesos
El aprendizaje automático tiene el potencial de transformar las operaciones de los vendedores, pero las organizaciones deben superar varios obstáculos para lograr el éxito.
Al escribir para esta publicación a fines del año pasado, Phil Midwinter, CTO de Third Foundation, dijo que las organizaciones debían hacer un “compromiso serio con los datos y lo digital a través de ML e IA” en 2020.
Para lograr esto, no solo necesita los datos correctos, sino también las herramientas adecuadas para leer entre líneas. La inteligencia artificial y el aprendizaje automático “están mejorando y expandiéndose a velocidades inimaginables”, agregó Midwinter, con empresas que tienen “la infraestructura necesaria … lo suficientemente pronto como para poder utilizarlos en una amplia gama de tareas creativas y prácticas que quizás ni siquiera se den cuenta”.
Estos pueden abarcar desde iniciativas al más alto nivel conceptual, hasta automatizar y mejorar más el trabajo duro de los especialistas en marketing, como escribir correos electrónicos laboriosos. Prácticamente cualquier cosa se puede modificar, desde campañas de pago por clic, hasta SEO y gestión de contenido, como explica el Instituto de Marketing Digital (DMI).
Sin embargo, para aquellos que temen que su carga de trabajo cambie más allá del reconocimiento a medida que se introducen tales iniciativas, no se preocupen. El DMI señala cómo ML está ahí para mejorar los procesos en lugar de los trabajos de destino.
“Independientemente de las expectativas de los profesionales digitales, ML no está aquí para hacerse cargo de los trabajos de los vendedores digitales”, dice el DMI. “Más bien, su uso principal es ayudar a mejorar las estrategias de marketing digital y facilitar el trabajo de los especialistas en marketing digital. Al utilizar las herramientas y capacidades de ML, puede optimizar su estrategia digital y alinearse con un futuro dependiente de AI y ML “.
Para garantizar que las expectativas no sean exageradas, Alex Igelsbock, CEO de Adverity, aboga por un enfoque de implementación “a través del espejo”.
Escribiendo para MarketingTech esta vez el año pasado, Igelsbock escribió: “Esto podría implicar trabajar hacia atrás e identificar lo que la IA puede lograr antes de decidir si eso beneficiaría a su negocio.
“En algunos casos, la aplicación de reglas simples, estadísticas o técnicas de aprendizaje automático en realidad resuelve mejor lo que los ejecutivos quieren lograr”, agregó Igelsbock.
“Si bien la IA es una técnica extremadamente poderosa, es importante que la emplee para tareas que sean adecuadas para su propósito”, continuó. “Recuerde que el AI KPI no siempre es necesario. Aunque vale la pena considerar los beneficios específicos para mantenerse a la vanguardia, es imperativo tomar decisiones informadas sobre sus requisitos antes de tratar la tecnología impulsada por la inteligencia artificial como una bala de plata para todos sus problemas comerciales “.
Este enfoque se puede examinar cuando se explora la analítica aumentada:
Definida por Gartner como “el uso de tecnologías habilitadoras como el aprendizaje automático y la inteligencia artificial para ayudar con la preparación de datos, la generación de información y la explicación de la información para aumentar la forma en que las personas exploran y analizan datos en plataformas de análisis y BI . “
Para Adverity, esto significa aplicar correctamente la analítica aumentada en todo el proceso de analítica de una organización. En DMWF Virtual, del 16 al 17 de septiembre, Gavin England, gerente senior de mercadeo de productos, describirá cómo descubrir ideas tales como altas y bajas de rendimiento, tendencias emergentes, valores atípicos y dónde enfocar los presupuestos para obtener el ROI máximo. Todos pueden obtenerse si sabe dónde buscar, de manera que no distraiga ni supere los esfuerzos de marketing actuales de su empresa.
