ChatGPT, lanzado en noviembre de 2022, cautivó la imaginación del mundo como un ejemplo de lo que la inteligencia artificial (IA) es capaz de hacer. Pero ChatGPT es solo el último de una larga lista de sistemas de IA cada vez más potentes, y le seguirán otros aún más potentes. Más que las capacidades de cualquier herramienta de IA en particular, lo que importa a las empresas es cómo su organización puede aprovechar mejor las oportunidades que crea la IA. Para ello es necesario tener una idea clara de cómo encajará la IA con otras tecnologías y procesos empresariales. Siga leyendo para saber cómo la IA puede añadir valor a las plataformas de datos de clientes, cómo las CDP pueden hacerlo posible y qué cambios pueden esperar las empresas como resultado.
La IA puede mejorar todos los aspectos de las CDP
Empecemos por lo más interesante: las ventajas que la IA puede aportar a una CDP. Gran parte del entusiasmo que rodea a ChatGPT se debe a la creación de contenidos, incluyendo la generación de ideas, la aceleración de la investigación y la redacción propiamente dicha. Pero las capacidades de la IA son mucho más amplias que eso. Las aplicaciones relacionadas con las CDP se dividen en dos grandes categorías: gestión de datos y activación.
Las aplicaciones de gestión de datos se refieren al desarrollo de perfiles de clientes unificados dentro de la base de datos de la CDP. La mayor parte de este trabajo lo han realizado tradicionalmente expertos técnicos. La IA puede ayudarles de varias maneras, entre ellas:
- Integración de datos: la IA puede examinar los datos introducidos para clasificar su contenido y asignarlos a un modelo de datos de la CDP. Desde hace décadas existen versiones sencillas de esta función, como el reconocimiento de direcciones de correo electrónico en un campo. Pero una IA más inteligente será capaz de realizar juicios mucho más sutiles. De hecho, las últimas IA ya son capaces de crear conectores completos para todo el proceso de carga de datos, eliminando así un enorme cuello de botella tradicional a la hora de añadir nuevas fuentes de datos a un CDP.
- Extracción de características: Los datos de los clientes se capturan cada vez más en formatos semiestructurados y no estructurados, como registros de comportamiento web y textos de sesiones de chat. La IA puede escanearlos para extraer bits de información específicos, como nombres de clientes o fechas. La IA ya ha ido más allá de las simples búsquedas de palabras clave para identificar el contexto de dichas menciones e inferir relaciones, como si una persona es el comprador o el usuario de un producto. Esta capacidad de comprender el contexto seguirá mejorando, lo que permitirá a la IA realizar juicios más precisos y aportar información más rica a los procesos que requieren información estructurada.
- Calidad de los datos: la IA puede leer el contenido de los datos introducidos para identificar problemas de calidad y proponer o realizar correcciones. Para hacerlo correctamente, la IA necesita acceder a datos de referencia, como listas de nombres de productos válidos o direcciones postales. La capacidad de la IA para localizar y conectarse con dichas fuentes por sí misma, o con una mínima ayuda humana, elimina otro cuello de botella en el proceso de gestión de datos. La IA también puede actualizar las propias fuentes de referencia con nueva información a medida que aparece en las fuentes de datos.
- Transformaciones y reformateo: A menudo es necesario colocar los datos en un formato estándar, como una representación coherente de las fechas. También puede ser necesario convertirlos a formatos específicos que se requieren para sistemas concretos, como la conversión de tablas relacionales a archivos planos para su uso en el análisis de datos. Tradicionalmente, estas conversiones se realizaban mediante reglas codificadas manualmente, que a menudo fallaban cuando se encontraban con una condición inesperada. La IA puede realizar estas conversiones basándose en el entrenamiento, en lugar de en reglas, lo que supone menos trabajo que crear reglas y permite a la IA manejar casos que nunca ha visto antes.
- Gestión de identidades: La gestión de identidades incluye la comparación para determinar qué identificadores personales se refieren a la misma persona y el mantenimiento persistente de la identidad para garantizar que la identificación de cada cliente siga siendo la misma a lo largo del tiempo. Al igual que las transformaciones de datos, pero mucho más complicada, tradicionalmente se ha basado en sistemas basados en reglas. La IA puede entrenarse para sustituir estos sistemas por alternativas más flexibles y, a menudo, más precisas.
- Privacidad: Identificar los datos regulados y clasificarlos es una tarea fundamental en la gestión de la privacidad. Mantenerse al día con los cambios en las entradas de datos es especialmente difícil, ya que los datos regulados pueden añadirse a fuentes previamente integradas sin previo aviso. Del mismo modo, los cambios en la normativa pueden requerir la supervisión de nuevos tipos de datos o la aplicación de nuevas reglas a datos conocidos. La IA puede reducir el trabajo manual asociado a estas tareas. En el futuro, es probable que también se aplique para supervisar el uso de los datos y garantizar el cumplimiento de las normas de privacidad, algo que actualmente se hace de forma manual o con sistemas basados en reglas que se vuelven cada vez más complejos a medida que se multiplican las propias reglas.
La activación se refiere a las aplicaciones que utilizan los perfiles de clientes creados por los procesos de gestión de datos. Estas aplicaciones abarcan desde el análisis de datos hasta las interacciones con los clientes. Por lo general, son competencia de los usuarios empresariales, no del personal técnico, aunque este último sigue participando. Las aplicaciones compatibles con la IA incluyen:
- Perfiles, segmentos y personalidades de los clientes: la IA puede identificar grupos de clientes similares y organizarlos en segmentos. Puede hacerlo más rápidamente que los analistas humanos y, a menudo, encuentra relaciones sutiles que estos pasan por alto. La IA generativa, en particular, puede convertir los datos sobre los miembros de un segmento en descripciones de sus personalidades, lo que ofrece una visión adicional de la base de clientes de la empresa.
- Modelos predictivos: la IA se utiliza desde hace mucho tiempo para desarrollar modelos que predicen la respuesta a las promociones, el valor del ciclo de vida del cliente, la probabilidad de abandono, las preferencias de productos y canales, y las mejores acciones a seguir. El aprendizaje automático, en particular, ha permitido a los profesionales del marketing desarrollar rápidamente y a bajo coste un gran número de modelos precisos. Las predicciones basadas en la IA pueden incorporar más fuentes de datos y encontrar más interacciones entre los elementos de datos que los analistas humanos que utilizan herramientas convencionales. Las puntuaciones del modelo resultante pueden almacenarse como atributos en los perfiles de los clientes o recalcularse bajo demanda según sea necesario.
- Optimización de la audiencia: la IA puede aplicar modelos predictivos y segmentación para seleccionar la audiencia óptima para una promoción concreta, o seleccionar el producto óptimo para los miembros de una audiencia concreta. La optimización puede ir más allá de la tasa de respuesta y el coste por respuesta, para incluir factores como el impacto a largo plazo en el valor del cliente, los límites en el número de mensajes enviados a cada cliente y las promociones futuras previstas para cada cliente.
- Identificación de oportunidades: la IA puede analizar los datos de CDP para encontrar oportunidades de mejora, como recorridos que no funcionan bien, segmentos que no han recibido promociones o contenidos que no están generando el valor esperado. Esta es un área de progreso particular en los últimos años, ya que la IA ha mejorado en la comprensión de los objetivos empresariales y en la presentación de información en formatos utilizables, como el texto narrativo.
- Desarrollo de recorridos: los sistemas de IA pueden realizar un seguimiento de los recorridos de los clientes existentes e identificar los pasos críticos en los que la intervención podría marcar la diferencia. Puede ir más allá y utilizar estos hallazgos para diseñar nuevos recorridos, incluidas campañas de varios pasos y flujos de interacción en tiempo real. Estos pueden incluir reglas que envían a los clientes a diferentes pasos en función de sus comportamientos y atributos de perfil. A continuación, pueden supervisar el rendimiento y optimizar el diseño del recorrido a lo largo del tiempo.
- Medición del rendimiento: la IA puede ejecutar metodologías de atribución avanzadas, incluyendo multitoque, estimaciones de valor incremental y análisis de la combinación de marketing. Esto requiere preparar grandes cantidades de datos, a menudo procedentes de una combinación de fuentes internas y externas, y conectar los mensajes de marketing con los comportamientos de los clientes.
- Creación de contenido: los sistemas de IA generativa como ChatGPT y DALL-E pueden crear texto e imágenes basándose en las indicaciones del usuario. Esta es la aplicación que ha recibido mayor atención, ya que se trata de una nueva capacidad que aborda un cuello de botella común en el marketing. Por lo general, el resultado se utiliza para generar ideas o borradores, en lugar de crear versiones finales de contenido.
- Personalización masiva: una vez que la IA haya avanzado hasta el punto en que los profesionales del marketing se sientan cómodos utilizando sus resultados sin revisión humana, será capaz de crear mensajes personalizados a nivel individual. Esto dependerá en gran medida de los datos de CDP para proporcionar los antecedentes necesarios para que cada mensaje sea lo más eficaz posible.
- Interacciones con los clientes: La IA generativa puede interactuar directamente con los clientes a través de chatbots para apoyar los programas de marketing, ventas y servicios, o generando automáticamente respuestas a preguntas por correo electrónico. La IA también puede ser utilizada por los agentes de los centros de contacto o los vendedores para encontrar respuestas a preguntas o sugerir qué decir a continuación. Una vez más, estas respuestas pueden basarse en los perfiles de los clientes en el CDP para que las respuestas sean más eficaces.
En la actualidad, la mayoría de estas aplicaciones utilizan la IA como asistente para que los trabajadores humanos sean más eficaces, eficientes y productivos. En algunas, como los chatbots, la IA ya funciona de forma independiente. Con el tiempo, es probable que aumente el número de tareas que la IA puede realizar sin supervisión. Tanto si las IA ayudan como si sustituyen a los trabajadores humanos, el efecto neto es que las empresas pueden hacer más, más rápido y con mayor calidad. Esto se aplica tanto a la creación de perfiles de clientes más completos y actualizados en el CDP como a un mejor uso de esos perfiles en todas las aplicaciones.
Diseñar un CDP para aprovechar la IA
Como principal fuente de datos y canal de activación de los sistemas de IA, el CDP desempeña un papel importante en la realización de su potencial de valor. Pero el CDP debe estar diseñado correctamente para que esto sea posible. Los requisitos incluyen:
- Recopilación de datos: la IA debe entrenarse para tomar decisiones que se ajusten a lo esperado. Este entrenamiento se ha basado normalmente en datos históricos cuidadosamente preparados que proporcionan ejemplos de respuestas correctas a los problemas que abordará. Los nuevos tipos de sistemas de IA pueden funcionar con entradas menos estructuradas, pero siguen necesitando una base de datos de la que extraer información. Como fuente principal de información sobre los clientes, el CDP es un componente importante en la recopilación de datos de entrenamiento para aplicaciones de CDP relacionadas con los clientes. En particular, la capacidad del CDP para combinar datos de diferentes fuentes en perfiles unificados proporciona a la IA una visión completa de los comportamientos de los clientes que es probable que prediga. Para que la IA pueda utilizarlos, estos datos deben mapearse en modelos de datos que combinen información similar, como identificadores de productos de diferentes fuentes. Es probable que las aplicaciones de IA también necesiten nuevos tipos de datos y atributos, como etiquetas aplicadas a materiales de marketing que proporcionen al modelo de IA puntos de datos para analizar. Muchas aplicaciones de IA necesitarán correlacionar eventos comerciales a lo largo del tiempo, como las impresiones de anuncios con las compras posteriores. Esto requiere una dimensión temporal en muchos registros de CDP.
- Herramientas de prueba y validación: Los resultados de los procesos de IA deben verificarse para garantizar su precisión. El CDP necesita herramientas que lo respalden en todas las aplicaciones, desde la asignación de datos de entrada y la coincidencia de identidades hasta los modelos predictivos. Estas herramientas deben facilitar la comparación de las entradas de entrenamiento, las salidas de IA y las muestras de reserva. Pueden incluir funciones avanzadas para evaluar el valor de las aplicaciones basadas en IA, como estimaciones del cambio en el valor del ciclo de vida del cliente, cálculos del impacto incremental de las campañas en los medios y simulaciones de cómo las nuevas reglas interactuarían con los sistemas existentes. Además, el sistema debe identificar las entradas que están fuera del alcance de los datos de entrenamiento del sistema, para que los usuarios se den cuenta de que el modelo no puede funcionar con ellas de forma fiable. Del mismo modo, el sistema debe supervisar el rendimiento del modelo a lo largo del tiempo para saber cuándo es necesario volver a entrenarlo para mejorar su rendimiento. Aunque cada aplicación de IA tendrá sus propias funciones de prueba, las herramientas estándar para comparar los resultados de diferentes métodos facilitarán la evaluación de los resultados a los usuarios sin conocimientos técnicos.
- Integración de resultados: Muchas aplicaciones de IA devolverán un atributo a un perfil de cliente, como un código de segmento, una puntuación de modelo, una preferencia de canal o un número de identificación personal. El CDP debe ser capaz de incorporar los algoritmos creados por el sistema de IA para calcular esos valores, almacenarlos en los perfiles y ponerlos a disposición de otros sistemas. Otras aplicaciones de IA pueden crear flujos de procesos que ejecutan múltiples pasos a lo largo del tiempo. Estos pueden convertirse en código de programa generado por IA o en servicios envueltos en API creadas por IA. Independientemente de cómo se presenten, el CDP debe ser capaz de aprovecharlos.
- API en tiempo real: los servicios basados en IA, como la personalización de sitios web y los chatbots, requerirán puntuaciones y recomendaciones en tiempo real, que se basan en el acceso en tiempo real a los datos recopilados en el CDP. El CDP debe ser capaz de proporcionar estos datos tan rápido como lo requiera la aplicación. Si bien la respuesta en tiempo real es en sí misma una capacidad estándar del CDP, aprovechar las posibilidades de la IA requerirá que el CDP se adapte fácilmente a los cambios casi continuos en las fuentes de datos y los parámetros de las API. Esto permitirá a la IA adaptarse a las nuevas fuentes de datos y valores a medida que se añaden, así como a la pérdida de entradas a medida que se descartan las fuentes y valores más antiguos. Es probable que el propio CDP necesite capacidades impulsadas por la IA para la ingesta de datos, la creación de conjuntos de entrenamiento y las actualizaciones de modelos para cumplir estos requisitos.
Rediseñar el marketing
Los cambios en la CDP son solo una parte del ajuste que las empresas deberán realizar para aprovechar al máximo la IA. Es probable que los cambios en la organización y los procesos sean más fundamentales y más difíciles. Algunos de ellos serán:
- Formación: Los profesionales del marketing, las operaciones de marketing y el personal de MarTech deberán comprender lo que pueden hacer las diferentes herramientas de IA y mantenerse informados a medida que las capacidades cambian con el tiempo. En particular, tendrán que aprender a juzgar si una tarea se encuentra fuera de los límites actuales en los que la IA es fiable, algo que a menudo no es fácil de determinar. También tendrán que aprender a manejar eficazmente las herramientas de IA, adquiriendo nuevas habilidades como la «ingeniería de prompts» para sistemas de IA generativa como ChatGPT y la interpretación de métricas de calidad de modelos. Esta formación también deberá incorporar consideraciones de seguridad y privacidad, áreas en las que algunas tecnologías de IA crean nuevos riesgos significativos.
- Diseño del flujo de trabajo: Los flujos de trabajo para procesos como la creación de una campaña, la definición de segmentos o la adición de una nueva fuente de datos deberán incorporar actividades de IA. Esto podría significar añadir un paso para crear nuevos modelos predictivos o entrenar a la IA para ejecutar una nueva tarea. Estos cambios requieren identificar dónde encajará la IA en el flujo de trabajo y, a continuación, definir los pasos exactos necesarios para implementar la función basada en la IA. Una vez más, estos nuevos procesos deben incluir controles de privacidad y seguridad, además de la ejecución de la tarea en sí. La integración de la IA en los flujos de procesos empresariales estándar es esencial para garantizar su uso amplio, coherente y eficaz.
- Diseño de programas y contenidos: Los procesos de marketing también cambiarán. Será necesario rediseñar las estructuras de las campañas para utilizar las puntuaciones de los modelos predictivos para asignar los siguientes pasos. Las plantillas de contenido dinámico deberán recurrir a motores de recomendación para determinar las mejores acciones siguientes y actuar en función de sus respuestas. El diseño de segmentos, la selección de audiencias, la elección de medios, la personalización de sitios web, los métodos de prueba, la medición de resultados y otras actividades clave de marketing deben adaptarse para aprovechar las aportaciones derivadas de la IA. En última instancia, la IA puede diseñar programas y contenidos completamente nuevos basados en una combinación de materiales existentes y la orientación de los usuarios.
- Redistribución del trabajo: El rediseño de los flujos de trabajo y los programas puede implicar cambios fundamentales. Las tareas que antes realizaban diferentes especialistas pueden convertirse en un único paso de un proceso basado en la IA. Por ejemplo, en lugar de definir primero los segmentos y luego crear contenidos para ellos, un sistema podría probar diferentes combinaciones de contenidos y segmentación antes de decidirse por la mejor opción. Este tipo de rediseño requiere una mayor cooperación y flexibilidad que las prácticas de marketing actuales, que asumen que la mayoría de las tareas las realizan especialistas que reciben una asignación y la ejecutan de forma independiente.
- Sistemas de apoyo: Los cambios en las tareas de los trabajadores requerirán cambios en los sistemas de formación, evaluación y recompensa. La cooperación entre equipos que antes estaban separados será cada vez más importante, al igual que la flexibilidad para aprovechar las nuevas oportunidades que crea la IA. Las métricas de productividad convencionales, como el número de campañas creadas o las líneas de texto escritas, serán cada vez más irrelevantes. Deberían sustituirse por nuevas métricas que se centren más claramente en los resultados empresariales. Más que nunca, los trabajadores deberán ser recompensados por aprender a utilizar las nuevas tecnologías de forma eficaz, ya que esto impulsará cada vez más el éxito empresarial.
¿Hacia dónde nos dirigimos?
El impacto potencial de la IA en los negocios en general, y en el marketing en particular, es casi inconmensurable. En lugar de predecir exactamente cómo se desarrollarán estos cambios, las empresas deben crear sistemas fundamentales que les permitan aprovechar las nuevas oportunidades a medida que surjan. La plataforma de datos de clientes es uno de esos sistemas. Las propias CDP deben cambiar para desempeñar esta función, haciendo especial hincapié en proporcionar flexibilidad en la forma de capturar, procesar y exponer los datos; en la forma de incorporar los análisis basados en la IA a los programas de marketing; y en la forma de organizar los propios programas de marketing. Por encima de todo, las empresas deben garantizar la formación, la organización y las estructuras culturales que les permitan adaptarse eficazmente a los cambios a medida que se producen.
Acerca de Optimove
Optimove es la primera plataforma de marketing dirigida al cliente. Sus soluciones garantizan que el marketing siempre comience por el cliente, en lugar de por una campaña o un producto. Se ha demostrado que el marketing orientado al cliente proporciona a las marcas un aumento medio del 33 % en el valor del ciclo de vida del cliente. Es la única plataforma de marketing orientada al cliente que combina 1) datos históricos, en tiempo real y predictivos sobre los clientes, 2) la organización de la experiencia multicanal impulsada por la IA y 3) la atribución multitáctil estadísticamente fiable de cada acción de marketing. Optimove ofrece soluciones específicas para cada sector y caso de uso a cientos de marcas de consumo líderes, entre las que se incluyen BetMGM, SodaStream, Pennsylvania Lottery, Papa John's, bet365 y Staples. Para obtener más información, visite Optimove.com.
185 Madison Avenue
Nueva York, NY 10016
www.optimove.com
info@optimove.com
Acerca del CDP
Institute El Customer Data Platform Institute forma a profesionales del marketing y tecnólogos de marketing en la gestión de datos de clientes. La misión del instituto es proporcionar información independiente sobre proveedores acerca de cuestiones, métodos y tecnologías para crear bases de datos de clientes unificadas y persistentes. Entre sus actividades se incluyen la publicación de materiales educativos, noticias sobre novedades del sector, guías de buenas prácticas y puntos de referencia, directorios de proveedores del sector y asesoramiento sobre cuestiones relacionadas. El instituto está gestionado por Raab Associates, una consultora especializada en tecnología y análisis de marketing. Raab Associates identificó la categoría de plataformas de datos de clientes en 2013. La financiación corre a cargo de un consorcio de proveedores de CDP.
Customer Data Platform Institute
231 2nd Avenue
Milford, CT 06460
www.cdpinstitute.org
info@cdpinstitute.org
