El aprendizaje automático está de moda, pero ¿cómo se ve en la práctica, como parte de una estrategia de marketing digital?
¿Ha encontrado una estrategia de aprendizaje automático si ha utilizado un sitio que ofrece productos basados en compras anteriores?
El aprendizaje automático es un aspecto de la inteligencia artificial (IA) que utiliza algoritmos para completar tareas específicas, como propuestas de productos.
Puede lograr una serie de funciones para los especialistas en marketing digital, tales como:
El aprendizaje automático ha estado en el marketing digital durante años.
De hecho, usa el aprendizaje automático cada vez que usa motores de búsqueda.
Aunque todavía es una estrategia nueva para la mayoría, muchas empresas han comenzado a aplicar esta tecnología a sus campañas de marketing.
Aquí hay ocho ejemplos de aprendizaje automático en marketing digital.
Contenido del Articulo
1. Persecución
En 2019, el gigante bancario Chase Bank se asoció con Persado para ayudar a crear copias de marketing para sus campañas.
Retaron a la empresa de inteligencia artificial a crear una copia que generara más clics, y lo hizo.
Ejemplos de la copia creada por el aprendizaje automático son:
copia humana: “Pase sin papel y gane $ 5 de reembolso en efectivo”.
Copia hecha a máquina: “Oferta por tiempo limitado: lo recompensaremos con un reembolso de $ 5 cuando deje de usar papel”.
Resultados: copia de inteligencia artificial generó casi el doble de clics.
copia humana: “Accede a efectivo del capital social de tu casa” con un botón “Echa un vistazo”.
Copia hecha a máquina: “Es cierto: puede desbloquear dinero en efectivo de su valor líquido de la vivienda” con un rápido “Haga clic para aplicar”.
Resultados: La copia de IA atrajo a 47 solicitantes por semana, mientras que la copia humana atrajo a 25 solicitantes por semana.
copia humana: “Date prisa, termina el 31 de diciembre. Gana 5% de reembolso en efectivo en tiendas departamentales, clubes mayoristas”.
Copia hecha a máquina: “Acerca de su tarjeta: 5% de reembolso en efectivo lo está esperando”
Resultados: la copia de IA generó clics únicos casi cinco veces.
Aunque la copia hecha a máquina puede haber funcionado mejor con los clientes, es importante recordar que funcionó con redactores humanos que proporcionaron ideas.
Juntos, los redactores humanos y el aprendizaje automático pueden crear y optimizar copias de réplicas.
2. Starbucks
Con tiendas en todo el mundo, Starbucks recopila una gran cantidad de datos.
Starbucks puede acceder a la información de compras y convertir esa información en garantía de marketing con la tarjeta de fidelidad de Starbucks y la aplicación móvil. Esta estrategia se llama análisis predictivo.
Por ejemplo, el aprendizaje automático recopila las bebidas que compra cada cliente, dónde las compra y cuándo las compra, y las compara con datos externos, como el clima y las ofertas para entregar anuncios altamente personalizados a los clientes.
Un ejemplo consiste en identificar al cliente a través del sistema de punto de venta de Starbucks y entregar el pedido preferido al barista.
La aplicación también puede sugerir nuevos productos basados en compras anteriores (que pueden cambiar según el clima o las vacaciones).
El aprendizaje automático puede eliminar la especulación de las propuestas de productos.
Los gigantes minoristas, como Starbucks, tienen millones de clientes, pero pueden hacer que todos sientan que están recibiendo ofertas personalizadas porque pueden explorar los datos de manera rápida y eficiente.
3. eBay
EBay tiene millones de suscriptores de correo electrónico. Cada correo electrónico necesitaba líneas de asunto atractivas que hicieran clic al cliente.
Sin embargo, la entrega de más de 100 millones de fascinantes líneas de asunto ha resultado abrumadora para los escritores humanos.
Introducir el aprendizaje automático.
EBay se ha asociado con Phrasee para ayudar a crear líneas de asunto atractivas que no activen los filtros de spam. Además, la copia generada por máquina se alineó con la voz de la marca eBay.
Sus resultados muestran el éxito:
- Aumento del 15,8% en las tasas de interés abiertas.
- Aumento del 31,2% en clics promedio.
- Más de 700.000 aperturas incrementales por campaña.
- Más de 56.000 clics incrementales por campaña.
El aprendizaje automático puede asumir las tareas más aterradoras y completarlas en minutos en una escala.
Como resultado, las empresas pueden centrarse más en las campañas generales que en las pequeñas.
4. Tablero de la puerta
Doordash ejecuta miles de campañas de marketing en sus canales de marketing.
Su equipo actualiza manualmente las ofertas en función del rendimiento de los anuncios.
Sin embargo, el equipo descubrió que este trabajo requería mucho tiempo y era abrumador.
Entonces Doordash recurrió al aprendizaje automático para optimizar el gasto en marketing.
Cree una plataforma de automatización de marketing basada en datos de rendimiento.
Estos datos le indican a la empresa a qué canal se convirtió el cliente y con qué campaña.
Sin embargo, puede ser difícil recopilar inmediatamente este tipo de datos con miles de campañas ejecutándose al mismo tiempo.
El aprendizaje automático ayuda a abordar esta tarea al recopilar estos datos y generar propuestas de costos para que puedan optimizar su presupuesto de manera rápida y eficiente.
5. Autodesk
Autodesk vio la necesidad de chatbots más sofisticados.
Los consumidores a menudo se sienten frustrados por las limitaciones de los chatbots y, por lo tanto, prefieren hablar con una sola persona.
Sin embargo, los chatbots pueden ayudar a guiar de manera efectiva a los clientes a la página de contenido, proveedor o servicio que necesitan.
Entonces, Autodesk recurrió al aprendizaje automático y la inteligencia artificial.
Autodesk chatbot utiliza el aprendizaje automático para generar diálogos basados en palabras clave del motor de búsqueda.
El chatbot luego puede conectarse con el cliente en el otro extremo, lo que permite tasas de conversión más rápidas.
Desde la aplicación de chatbot, Autodesk ha triplicado su compromiso de chat y ha aumentado un 109 % el tiempo de página.
6. Baidu
En 2017, Baidu, el motor de búsqueda chino, desarrolló un sistema llamado Deep Voice que utiliza el aprendizaje automático para convertir texto en voz. Este sistema puede aprender 2.500 voces con media hora de datos cada una.
Baidu explica que Deep Voice puede conducir a experiencias más inmersivas en videojuegos y audiolibros.
El objetivo de Baidu con Deep Voice es enseñar a las máquinas a hablar de manera más humana, imitando miles de voces humanas.
Pronto, el motor de búsqueda espera que el sistema pueda dominar 10.000 o más voces con diferentes acentos.
Cuando se perfeccione, Deep Voice podría mejorar las cosas que usamos todos los días, como:
- Siri.
- Alexa.
- Asistente de Google.
- Traducción en tiempo real.
- Seguridad biométrica.
Incluso puede ayudar a las personas que han perdido la voz a comunicarse nuevamente.
Aunque no ha habido actualizaciones recientes, Baidu aún espera que Deep Voice revolucione nuestra tecnología.
7. Marcas a medida
Tailor Brands utiliza el aprendizaje automático para ayudar a sus usuarios a crear logotipos.
La máquina “Esto o aquello” ayuda a Tailor Brands a comprender el gusto de un usuario mediante algoritmos de decisión.
Al elegir ejemplos de lo que les gusta, los usuarios expresan sus preferencias de estilo, fuentes y otros aspectos del diseño al crear logotipos.
Tailor Brands utiliza álgebra lineal.
La decisión de cada usuario se introduce en una ecuación que ayuda a la máquina a aprender las preferencias del usuario.
La próxima vez que alguien cree un logotipo, Tailor Brands puede mostrar estilos similares a los que usaba en el pasado.
8. Disfruta
Yelp toma millones de fotos todos los días en todo el mundo.
La empresa se dio cuenta de que necesitaba una forma sofisticada de hacer coincidir las fotos con negocios específicos.
Así que desarrollaron un sistema de comprensión de fotografías para generar datos semánticos para fotografías individuales.
Este sistema permite que Yelp clasifique las fotos en categorías relacionadas con el usuario.
Yelp primero creó etiquetas para las fotos tomadas por los usuarios, como “bebidas” o “menús”.
Luego, la empresa recopiló datos de pies de foto, características de fotos y colaboración abierta.
Luego aplicó el aprendizaje automático para reconocer etiquetas de fotos, a partir de las cuales el sistema podía categorizar las fotos.
Este sistema de clasificación de fotos ayuda a crear una mejor experiencia de usuario de Yelp.
Por ejemplo, puede ayudar a diferenciar las fotos de portada y crear pestañas que permitan a los usuarios acceder a la información exacta que buscan.
Los profesionales del marketing digital simplemente están arañando la superficie de lo que el aprendizaje automático puede hacer por ellos.
Las personas y las máquinas pueden trabajar juntas para crear experiencias de cliente más significativas y campañas más optimizadas en menos tiempo. Es un ganar-ganar-ganar.
Más recursos:
Imagen seleccionada: / Shutterstock
