Índice de contenidos [Ocultar]

Amazon continúa trabajando para convertirse en un actor dominante en el campo del e-health, ahora con el foco puesto en la atención médica directa al paciente (¿O deberíamos decir «consumidor»?). Desde Amazon Pharmacy a Diagnostics, pasando por Amazon Care, el gigante del e-commerce no deja de apostar por el sector de la salud, del que espera recabar datos relacionados con el consumo de medicamentos, dolencias, patologías o cuadros clínicos de los usuarios.

La fortaleza de Amazon en el campo del comercio electrónico mueven a la compañía a buscar nuevas áreas de negocio con un gran potencial, pero que no se alejen de eje central: la venta online. Si el sector salud ya estaba en el punto de mira de las grandes tecnológicas desde hace años, por codiciar los datos sanitarios, a raíz de la pandemia las oportunidades en este campo se multiplican. ¿Qué busca Amazon en este sector? Hagamos un repaso por sus últimos movimientos.

Amazon Pharmacy: la farmacia de tus sueños

Bajo el lema «Creemos que la farmacia puede ser mejor», Amazon lanzó Pharmacy en noviembre de 2020 en Estados Unidos. Con esta apuesta, el gigante del e-commerce no sólo se metía de lleno en el campo de la venta digital de medicamentos y productos de salud, sino que atisbaba la posibilidad de comenzar a recopilar datos sanitarios de los consumidores. Una mina de oro que mantiene a las grandes compañías librando una guerra silenciosa.

La promesa que Amazon Pharmacy le hace al usuario es poder localizar productos de cuidado de la salud al mejor precio y beneficiarse de las ventajas de Amazon Prime, a través de un sistema de venta de medicamentos sin receta (posible en España a través de redes de farmacias) o con receta (posible en Estado Unidos por la asociación con diferentes compañías aseguradoras). Entre las ventajas se venden el poder comparar precios de medicamentos aún sin tener receta médica, la discreción en el envío, atención farmacéutica 24/7 y el juramento de que Amazon nunca compartirá datos médicos sin consentimiento expreso.

Amazon HealthLake: datos sanitarios a disposición de la industria

Sea para uso propio (que no sería poco) o para su venta a terceros tras un consentimiento expreso, lo cierto es que Amazon hará un buen uso de los datos médicos que consiga a través de Pharmacy y de otros proyectos de los que hablaremos más adelante. Unas semanas después del lanzamiento de su propuesta de e-commerce farmacéutico, el gigante lanzaba Amazon HealthLake, plataforma de almacenamiento de datos sanitarios en la nube con los que servir a empresas sanitarias, farmacéuticas o sistemas de salud.

Amazon HealthLake podría ayudar a detectar tendencias y anomalías en los datos sanitarios que permitan hacer predicciones más precisas sobre progresión de enfermedades, eficacia de ensayos clínicos o funcionamiento de las primas de seguros. Ya desde su puesta en marcha (diciembre de 2020), esta plataforma de datos es utilizada por farmacéuticas como AstraZeneca o Pfizer.

Amazon Care: telemedicina en tiempos de la Covid-19

Lanzada en Estados Unidos en septiembre de 2019 como un proyecto piloto entre los empleados de la propia compañía en Seattle, Amazon Care es la propuesta de app de telemedicina con la que el gigante del e-commerce quiere ofrecer consultas médicas virtuales, atención domiciliaria a pacientes o expedición de recetas médicas, servicios a través de los cuales obtener datos de gran valor para emplear en sus divisiones Pharmacy y HealthLake.

A pesar del auge experimentado por los servicios de telemedicina tras inicio de la crisis sanitaria, Amazon Care no aprovechó el impulso de esa ola, debido a que prefirió planificar su expansión a escala. Así, a día de hoy, Amazon Care obtiene ingresos directamente de empresas que ofrecen el servicio a sus empleados, mientras trabaja en cerrar acuerdos con aseguradoras que incluyan el acceso a esta app de telemedicina entre los beneficios que ofrecen a sus asegurados.

Amazon Diagnostics: probable apuesta en un mercado emergente

El último anuncio de un proyecto de Amazon para el sector sanitario es Diagnostics, un servicio que, de llegar a ver la luz, venderá online pruebas diagnósticas para la detección de enfermedades respiratorias como la Covid-19, enfermedades de transmisión sexual e incluso genómica clínica (predecir enfermedades con base genética). En los planes de Bezos estaría lanzar un mercado de terceros a partir del cual la empresas pudieran vender sus propios test de diagnóstico. Hay que apuntar que Amazon, a través de su filial STS Lab Holdco, ha desarrollado un test propio de detección de Covid-19 al que la U.S. Food and Drug Administration (FDA) dio luz verde el pasado mes de marzo. Este hito estaría en la base del proyecto Amazon Diagnostics.

Aunque tan solo se trata de un supuesto y aún no hay nada cerrado -más allá de la comercialización de un test de diagnostico Covid propio- pone sobre aviso sobre un mercado emergente en el sector de la salud, el de los test de autodiagnóstico, en un momento en el que se ha evidenciado la importancia de que los usuarios puedan determinar, en su propia casa, si padecen no sólo Covid-19 sino otro tipo de enfermedades víricas o bacterianas. De normalizarse esta práctica los pacientes tendrían un diagnóstico sin necesidad de acudir al médico o se evitaría la automedicación, por ejemplo con antibióticos, para tratar enfermedades que no los requieren. Sin duda es un mercado emergente, de gran atractivo para los ciudadanos y para la industria, que Amazon tiene en el punto de mira.

Amazon Halo: monitorización física y emocional al servicio del marketing

Quizá después de enumerar las grandes apuestas, una pulsera inteligente para monitorizar la salud personal no parezca gran cosa. Pero si pensamos en ello como un wearable con el que Amazon recabaría datos biométricos, la cosa cambia. Amazon halo es una pulsera deportiva inteligente capaz no solo de medir el índice de grasa corporal, contar los pasos diarios o analizar patrones de sueño: también puede evaluar el estado de ánimo a través de un sistema de escucha que se activa para analizar nuestro tono de voz durante todo el día.

¿Y para qué querría Amazon saber si estamos tristes o alegres? Tal vez la respuesta se encuentre en este artículo relativo a la segmentación emocional en marketing. Cada dato cuenta, por separado. Disponer de todos ellos permite a las marcas conocer a las personas mucho mejor de lo que se conocen ellas mismas.

De convertirse Amazon Diagnostics y Amazon Care en realidades de entidad, el gigante del e-commerce se colocaría en cabeza de la guerra por los datos sanitarios. De no salir adelante, es seguro que marcarán la pauta de un gran proyecto con esta ambiciosa finalidad, en el contexto de un nuevo marketing para el consumidor pos-Covid.

Si buscas una agencia digital especializada en el sector de la salud, contacta con Kanlli y te ayudaremos a perfilar la estrategia de marketing más adecuada para incrementar tus ventas.

Amazon afianza su presencia en un sector, el farmacéutico, que mueve miles de millones al año y que le permite entrar en la e-health por la puerta grande. Se hace fuerte, así, en el único campo doméstico que le faltaba por conquistar. No es tontería: el lanzamiento de Amazon Pharmacy propició una caída de los precios de las acciones de los principales competidores de Estados Unidos, lo que resultó en pérdidas por valor de 22 mil millones de dólares para las  farmacias, distribuidoras de medicamentos e incluso aseguradoras de salud más importantes del país.

Puede que Amazon Pharmacy sea el paso más importante de la compañía de Bezos para la conquista de la e-health, pero no ha sido el único. El gigante del e-commerce ya disponía de una tienda específica dentro del marketplace, enfocada al cuidado personal y OTC, una categoría que registra crecimientos del 50% en los dos últimos años, según informa D/A Retail, y que ha experimentado un crecimiento aún mayor como consecuencia de la crisis sanitaria, tal y como contábamos en nuestro especial Consumer Health: Nuevo marketing para un consumidor pos-Covid. Alta rotación y compra frecuente: entrar en los hogares con productos farmacéuticos es el cuarto pilar sobre el que asentar el monopolio de las ventas digitales.

Además, el reciente lanzamiento de Amazon HealthLake mete de lleno a la compañía en el mundo de los datos sanitarios, gracias a un servicio que permite a las empresas sanitarias almacenar, transformar y analizar todos sus datos en la nube, un sistema dirigido a sistemas sanitarios, compañías farmacéuticas, investigadores clínicos o aseguradoras de salud y que ya cuenta con clientes como AstraZeneca o Pfizer, por citar sólo las dos que más nos están resonando en los oídos estos últimos meses.

El gigante del e-commerce tampoco ha perdido de vista al usuario: en agosto lanzó Amazon Halo, una app asociada a un wearable en forma de pulsera que monitoriza el estado de salud del usuario a través de un análisis del estado físico y emocional. La sensibilidad de los datos personales sobre salud los convierten en unos de los más complicados de recabar, sin embargo, la conveniencia puede hacer que los usuarios, cada vez más acostumbrados a ceder sus datos, acaben venciendo sus temores. Eso sin tener en cuenta que un usuario que compra un medicamento en Amazon, sin darse cuenta, ya está dando información a la plataforma sobre sus dolencias, dato mucho más atractivo para el marketplace en caso de que éstas sean crónicas.

E-health data: la guerra fría digital

¿Cuál es el verdadero beneficio que Amazon saca de todos estos movimientos? Los datos de salud de los usuarios. Pero Amazon no es la única interesada es este pastel: todas las grandes tecnológicas tienen un gran interés en capturar datos sobre la salud para nutrir sus herramientas de análisis, poder comercializarlas en hospitales o centros de investigación o utilizarlas con fines publicitarios o de venta. Google, Apple o Microsoft son otros de los principales actores en el campo del e-health data.

Google sigue el mismo camino con Google Health. Hace un año saltaba la noticia de que el buscador había accedido a decenas de millones de historiales médicos en Estados Unidos, gracias a un acuerdo con un grupo médico privado. En este mismo sentido, Google ha potenciado las capacidades de su Google Assistant con su programa Medical Digital Assist y entrena a sus modelos de inteligencia artificial en la detección del cáncer o el tratamiento de la diabetes.  Amazon, por su parte, cuenta con un equipo especializado en salud y bienestar dentro de la división de Alexa, centrado en los cuidados de pacientes diabéticos y de personas mayores.

Apple no se queda fuera de este juego: lleva años recabando datos personales de salud a través de su app Salud y su Apple Watch, y también ha llegado a acuerdos con proveedores médicos en Estados Unidos que le permitan acceder a historiales médicos e integrarlos con los datos que ya posee. mientras Microsoft ofrece Azure for Health, un servicio específico basado en inteligencia artificial que analiza los historiales médicos de los pacientes. O la supercomputadora Watson, de IBM, un proyecto con el que la tecnológica se acerca al sector sanitario para facilitar prescripciones y diagnósticos médicos.

Los datos sobre la salud son oro: su cruce con otro tipo de datos que poseen las grandes tecnológicas permiten crear perfiles de consumidores muy precisos, favoreciendo la trazabilidad o el perfilado social y arrojando luz sobre los hábitos relativos a la salud y el bienestar. Una mina de diamantes sobre todo en países como Estados Unidos, donde el mercado médico es predominantemente privado y genera un volumen de negocio anual que es dos veces el PIB de España.

Amazon Pharmacy no tiene recorrido en España… al menos de momento

España es un país con mucho menos atractivo para Amazon de lo que lo es Estados Unidos, debido a su sistema sanitario público y a las limitaciones de venta de medicamentos a través de Internet (Está prohibida la venta online de medicamentos con receta, y sólo se permite comercializar los que no la requieren a través de una serie de farmacias online verificadas). Amazon Pharmacy no tiene cabida en España por el momento, debido a la Ley de Garantías y Uso Racional del Medicamento.

Sin embargo, la venta de productos de parafarmacia y de herbolario, que Amazon sí comercializa en nuestro país, hacen posible que el gigante del e-commerce comience a disponer de datos relativos a la salud de usuarios españoles. Tanto Amazon como el resto de gigantes tecnológicos lanzan y trabajan en propuestas que les permitan comenzar a recabar esta información también en nuestro país: el modo más habitual es a través del uso de apps y wearables relacionados con el control de la salud.

Está por ver si Amazon Pharmacy puede suponer una buena oportunidad para aquellas empresas farmacéuticas, españolas o europeas, que deseen entrar en el mercado estadounidense de los medicamentos. No parece muy posible acceder a un país dominado por el lobby farmacéutico más poderoso del mundo. Aunque, con Amazon, nunca se sabe… Recordemos que, cada vez que abre la boca, sube en bolsa.

Los datos no estructurados son, mayormente, aquellos que un usuario no deja voluntariamente o, al menos, no de manera consciente. Se componen de publicaciones o interacciones en redes sociales, registros de llamadas de atención al cliente, grabaciones de voz, fotografías… En cualquier caso, toda aquella información que no se puede recopilar «ordenada» y que tiene que ver con el comportamiento de los usuarios, más que con su persona.

Si bien crear una base de datos estructurados y hacer de ella un uso adecuado no entraña una gran dificultad a la hora de, por ejemplo, utilizarlos para perfilar una estrategia de marketing digital, en el caso de los datos no estructurados la cosa se complica. Se trata de un conjunto de datos mucho más difícil de analizar, que suele requerir de herramientas y softwares especializados y una adecuada capacitación. Además, por su naturaleza, este tipo de datos son mucho más numerosos.

Sin embargo, únicamente combinando datos no estructurados con datos estructurados lograremos tener una visión plena y acertada de nuestro consumidor. Es por ello que los especialistas en marketing cada vez aplican mayores esfuerzos para su recopilación y tratamiento, ya que gracias a ellos es posible realizar híper segmentaciones que ayuden a crear experiencias personalizadas que tengan un mayor impacto en el consumidor.

Pero no sólo el área del marketing sale beneficiada del uso del data: las organizaciones orientadas a producto incorporan datos a todos los aspectos de sus operaciones como ventas, desarrollo de producto o el servicio al cliente, ya que la información recabada ayuda a optimizar la estrategia de negocio a todos los niveles. Pero para que esto incida positivamente en los negocios, es necesario convertir los datos estructurados en información inteligente, un reto para el que muy pocas compañías están preparadas.

Analítica avanzada para la comprensión del dato no estructurado

Cada día se generan 2,5 quintillones de bytes de datos, y la mayor parte de ellos son no estructurados. Sólo imaginarlo cuesta trabajo. La analítica y la tecnología se vuelven imprescindibles para gestionar tal cantidad de datos. Así, en su camino hacia la completa transformación digital, las empresas se enfrentan al huge data, solo posible si entra en juego la inteligencia artificial, el único modo posible de abarcar grandes volúmenes de datos no estructurados.

El análisis del big data permite obtener una información muy valiosa, por ejemplo correlaciones desconocidas o patrones ocultos. Manejar bien las conclusiones que extraigamos de los datos no estructurados nos va a proporcionar una gran ventaja competitiva, así como un incremento significativo de los ingresos.

Las disciplinas analíticas avanzadas, como el análisis predictivo o la minería de datos, son adecuadas para el tratamiento de datos no estructurados, si bien las herramientas de uso común se nos quedarán cortas. Por ello, será necesario utilizar tecnologías más avanzadas, capaces de soportar el procesamiento de grandes volúmenes de datos mediante sistemas en cluster, bases de datos como NoSQL (Not only Structured Query Language) o herramientas como Hadoop, ambas tecnologías de código abierto.

Privacidad y datos no estructurados

Decíamos más arriba que los datos estructurados, por lo general, componen esa parte de información que el usuario da de sí mismo sin ser muy consciente de ello mientras interactúa en redes sociales, hace consultas de voz o comparte fotografías. Hasta hace no mucho, el usuario protegía únicamente datos personales y de navegación, pero a medida que es más conocedor del valor que este otro tipo de información tiene, ha comenzado a cuestionarse las repercusiones que desatender la privacidad puede conllevar.

Conversaciones registradas por asistentes de voz que son escuchadas por empleados de las compañías, cesión de datos a terceros sin el consentimiento de los usuarios, brechas de seguridad, lectura de conversaciones privadas a través de chats… Según datos de la Advertising Research Foundation (ARF), en 2019 ha disminuido la intención de compartir datos personales en comparación con 2018, lo que permite aventurar que compartir datos no estructurados también hace cada vez menos gracia.

Mientras el consumidor intenta comprender qué es lo que está cediendo o no y para qué fin, las políticas de privacidad de las grandes compañías no paran de cambiar en su búsqueda por obtener cada vez mayor volumen de información. El usuario que desee disfrutar de los servicios o funcionalidades que ofrecen redes sociales, asistentes de voz o plataformas de consumo de contenido deben, sí o sí, aceptar la política de privacidad, por muy leoninas que sus cláusulas sean.

Por otro lado, los gobiernos se esfuerzan por regular en materia de privacidad, pero es difícil hacerlo al mismo ritmo que aumentan las posibilidades de recabar información: las cosas de palacio, van despacio; mientras el ritmo en innovación y tecnología se desboca. Es difícil contemplar en la ley aspectos muy novedosos o de elevada complejidad: para cuando los legisladores llegan a comprender de qué se trata, las tecnológicas ya han hecho cantera. Y a otra cosa, mariposa.

Valor de los datos no estructurados para el marketing

Aunque, generalmente, la creatividad en publicidad se entiende como una cualidad que aplica al mensaje o relato, en realidad va mucho más allá y forma parte de todos los procesos en cualquier disciplina, por muy árida que ésta sea. La búsqueda de soluciones creativas es aplicable a cualquier campo, ya que consiste en encontrar un nuevo modo de hacer las cosas. Así, la creatividad en publicidad trasciende al departamento creativo.

Creatividad y data, la clave del éxito en digital

Tenemos las herramientas, tenemos los datos: es el momento de comenzar a pensar en cómo sacarles rendimiento. Para empezar, debemos entender creatividad y data como disciplinas que necesitan la una de la otra, en lugar de como universos aislados. Cierto es que nada tiene que ver una mente analítica con una mente creativa, y que la naturaleza de ambas disciplinas se presenta contradictoria, pero en la era del big data, disponer de una información precisa y fiable otorga al creativo un punto de partida de gran valor, egos aparte. No olvidemos que el fin último es que el usuario se identifique con la campaña.

Más allá de poner de acuerdo a estas dos figuras – que, en muchos casos, será una labor de mediación del planner– se halla la dificultad de saber qué hacer con los datos. Aplicados a la compra programática, por ejemplo, creatividad y data encuentran grandes posibilidades. Y la clave está en la personalización de los mensajes publicitarios. El data nos va a ayudar a saber a quién nos dirigimos, cuáles son sus gustos y necesidades. Conocido esto, entra en juego la creatividad, qué elementos o mensajes utilizamos para impactar de una forma dirigida.

Las creatividades personalizadas no son posibles sin el data, que debe integrarse junto con la tecnología en pro de una mayor efectividad. Es lo que Google llama Data-Driven Creatives y que no son más que creatividades dinámicas adecuadas al receptor. Según datos de la consultora McKinsey, reducen el CPA hasta un 50%, incrementan los ingresos un 15% y mejoran la eficiencia del presupuesto de marketing en un 35%, gracias a que aumentan la relevancia del mensaje.

El papel de la tecnología es clave en este sentido, pues permite generar miles de anuncios de forma automática en tiempo real. Sin duda, la creatividad aplicada al marketing es una de las grandes tendencias en compra programática, algo que se desprende de la madurez del mercado y que ya es imparable. Ahora toca crear equipos que velen por la integración, exprimiendo todo el potencial que mana del binomio conformado por creatuvidad y data.

En resumen, podemos decir que la creatividad en publicidad es un valor que debe estar presente desde el principio del proceso de planificación, integrada en todos los departamentos; y todas las disciplinas deben beneficiarse de ella. En el caso del matrimonio conformado por creatividad y data, además, debe ser recíproco.

Ser creativo es construir algo de la nada, algo que no se haya hecho antes y sin miedo a correr riesgos. Ser creativo en publicidad consiste en pensar diferente para obtener más y mejores resultados, pero también en ser capaz de resolver problemas a partir de una visión innovadora.

Si buscas soluciones publicitarias creativas en cualquier ámbito, contacta con Kanlli y trabajaremos en la estrategia que más se adapte a tus intereses.

El huge data va a cambiar el panorama con la ayuda de la inteligencia artificial, debido a los enorme volúmenes de información que entran en juego. La necesidad de mayor aproximación, más precisión en la segmentación y de obtener unos resultados más concluyentes hace que los sistemas de datos deban trabajar con unas cantidades ingentes de información, lo que pasa por que las compañías adopten una cultura corporativa orientada al dato.

¿Qué es huge data?

Se estima que se generan 2,5 quintillones de bytes de datos al año, una cantidad desmesurada que, además, aumenta exponencialmente y a un ritmo imparable. Al margen de las infinitas oportunidades que esto supone para el conocimiento y la interpretación de la realidad, lo cierto es que genera una serie de desafíos que obliga a empresas e instituciones a encontrar nuevas formas de manejar esta enormidad de datos (o huge data) de manera efectiva.

El huge data hace que las organizaciones deban centrarse no tanto en la recolección, sino en el propio tratamiento de los datos, en su aprovechamiento, con el fin último de ofrecer a sus clientes mejores productos, servicios y experiencias. Los antiguos sistemas para procesar big data se han quedado obsoletos: son muy costosos en términos de tiempo y velocidad, y se hace necesario un nuevo marco en el que el análisis de datos a gran escala sea mucho más eficiente.

Huge data, por tanto, hace referencia a la enormidad del data en la actualidad y a la necesidad de explorar nuevas tecnologías y afianzar nuevos modelos, todo ello desde una cultura corporativa a bordo del data driven. El huge data es el activo de mayor peso hacia la transformación digital.

Huge data, sólo posible con inteligencia artificial

Casi la totalidad de las empresas líderes se encuentran ya inmersas en proyectos de big data de diversa envergadura y naturaleza. Sin embargo, el salto al huge data no va a ser posible sin la ayuda de la inteligencia artificial: machine learning y deep learnig son tecnologías que van a tener mucha repercusión en cómo se recopilan y se tratan datos a tan gran escala, con el objeto de extraer todo su valor. Para entender qué es huge data en su justa dimensión, diremos que requiere del desarrollo de algoritmos predictivos capaces de convertir en útil tal volúmen de información.

La inteligencia artificial está ayudando a reactivar algunos proyectos de big data que habían sufrido cierta desaceleración al no obtener resultados medibles. Con la consolidación del Internet de las cosas, la cantidad de datos que se generarán será inabarcable por tecnologías actuales, pensemos en el gran volumen de dispositivos conectados a Internet, que va en aumento. Sólo un coche autónomo es capaz de general los mismos datos que 3.000 usuarios de Internet en un día, por hacernos una idea. Eso sin contar el momento en el que las casas estén dominadas por el IoT.

Blockchain y big data para afianzar la industria 4.0

Se prevé que el elevado volumen de datos pase por la integración del big data con la tecnología blockchain, gracias a que genera un archivo informático cifrado e inmutable. En este escenario, las máquinas están interconectadas y la información es transparente, por lo que unificando IoT y blockchain las empresas podrán ser mucho más competitivas. Se trata de una tecnología en la que está todo por desarrollar, pero cuando la maquinaria se ponga en marcha, será imparable. Se estima que el valor del blockchain podría suponer el 20% del mercado total de big data en 2030, según afirma la revista Harvard Deusto Business Review.

Si hablamos de sectores, entre los dos más beneficiados se señala ya al sanitario y el financiero. Pensemos la importantísima repercusión que tiene para la investigación en el campo de la salud poder extraer conclusiones derivadas de datos de calidad. La precisión de los análisis de los grandes volumen de información recabada hará posible que se hallen respuestas a cuestiones médicas que hoy en día son un misterio. Es más, me atrevería a asegurar que cuando el sector de la salud comprenda qué es huge data en toda su dimensión, muchas enfermedades hoy incurables desaparecerán.

En cuanto a finanzas, se puede decir que es el hábitat natural del blockchain (no olvidemos que se trata de una tecnología que nace para soportar criptomonedas como la bitcoin). Las principales entidades financieras mundiales se hallan ya inmersas en proyectos que parten del desarrollo de la cadena de bloques, conocedoras de los beneficios que entraña esta tecnología. Un dato: las predicciones apuntan a que los datos que formen blockchain valdrán billones de dólares cuando la tecnología se integre en el servicio financiero.

Marketing de personalización en la era del huge data

Otra de las industrias que se verán altamente beneficiadas al bañarse en este océano del huge data es la de la publicidad y el marketing digitales. El dato es la unidad mínima para el buen funcionamiento de las campañas digitales. Cada vez más, las tecnologías publicitarias se basan en la información que obtienen de los usuarios con el objetivo de ir creando un mensaje cada vez más personalizado. El data es básico en programática, en estrategias omnicanal, en social ads, context marketing, publicidad geolocalizada… Sin embargo, a día de hoy no se explota ni una mínima parte del potencial que ofrece el big data. Esto cambiará cuando la tecnología, el mercado y los profesionales estén preparados para afrontar una nueva era: la del hugh data.

Tener datos del usuario es conocer al consumidor y, por tanto, saber en todo momento qué necesita. Es más: el dato sabe lo que el usuario quiere antes, incluso, de que éste se percate de ello. Cuando seamos capaces de domar la fiera del big data, los anuncios ya no serán mensajes promocionales, sino que darán solución a problemas reales de las personas. Este tipo de publicidad dirigida, hipersegmentada y altamente personalizada no puede por menos que hacer que se incrementen las conversiones y se optimicen las inversiones. El marketing de personalización llegará a extremos individualistas cuando el sector esté preparado para entender en toda su dimensión qué es huge data.

Conclusión: las CÍAS nativas digitales tienen las de ganar

En definitiva, para estar más cerca de saber qué es huge data hemos de pensar en lo que las empresas que ya se están colocando a la cabeza de sus competidores tienen en común: han reorientado el modelo, reorganizando su arquitectura empresarial y apostando por la inteligencia artificial y por nuevos perfiles profesionales dirigidos al desarrollo de algoritmos.

Start-ups y compañías nativas digitales lideran la carrera, pues en este nuevo escenario no gana el más grande y poderoso, sino el que con mayor rapidez y agilidad es capaz de adaptarse al cambio. En ese sentido, las compañías jóvenes y con corazón digital tienen ventaja frente a las grandes compañías «dinosaurio», también porque es más fácil empezar de cero que reorganizar cultura, estructura y mentalidades empresariales ya fosilizadas.

Si deseas profundizar en esta tecnología, te recomendamos leer nuestro post sobre qué es blockchain y cómo afecta al marketing.  ¿Buscas una agencia de marketing de resultados que te ayude a entender cómo el uso de los datos puede mejorar tus campañas y multiplicar tus beneficios? Contacta con Kanlli y nuestros profesionales expertos en análisis de datos te ayudarán a entender qué estrategia digital es la más adecuada a tu marca y objetivo.

El e-health se perfila como el próximo gran negocio en Internet. Los gigantes tecnológicos ya incursionan en el campo de la atención médica, entendiendo su crecimiento objetivo: en los últimos meses,  las mayores compañías tecnológicas -Amazon, Apple, Facebook, Google y Microsoft- apuestan ya por iniciativas que les permitan entrar en el mercado de la atención médica.

La sanidad ha comenzado a aprovechar el impulso que le brindan las nuevas tecnologías y la conectividad. Por ejemplo, las compañías de seguros ya hacen fuertes apuestas en marketing interactivo, como se desprende de los datos recogidos en nuestros Informes Sectoriales de Actividad digital para Seguros de Salud. Entramos en una era en la que se comienzan a potenciar los canales asistenciales remotos y, dentro de poco, asistiremos un cambio de paradigma, favorecido por el Internet de las cosas, la inteligencia artificial, la Nube y, por supuesto el Big Data. La oportunidad la pintan calva.

Pero si el Data resultará clave para el desarrollo del e-health no es menos cierto que supone su principal freno: hoy por hoy, el usuario no está dispuesto a airear sus datos sanitarios más allá de la consulta del médico. Una encuesta realizada en Estados Unidos entre los poseedores de un seguro de salud determinó que la mayoría de consumidores no usaría servicios sanitarios ofrecidos por Amazon, a pesar de haber sido señalada previamente como la compañía más confiable -en términos generales- por el 36% de encuestados de esa misma muestra.

e-health y privacidad

Puede que los usuarios piensen que Amazon, Microsoft o Google son compañías en las que se puede confiar, pero a otro nivel: si hablamos de revelar datos de salud, la mayoría se cierra en banda. Es lógico si tenemos en cuenta que se trata de datos especialmente sensibles, y que -dicho sea de paso- serían un caramelo, por ejemplo, para las aseguradoras. Además, ¿cómo confiar en compañías que han resultado sancionadas reiteradas veces por ceder o vender datos personales de sus usuarios?

Recordemos casos muy recientes: este mismo mes de junio, Facebook se ha visto envuelto en nuevo escándalo de privacidad al descubrirse que, durante 10 años, la compañía había facilitado datos de sus usuarios a cerca de 60 empresas, entre ellas Amazon, Apple y Microsoft. Nótese que se trata de las mismas compañías embarcadas en la carrera por el e-health. Tan sólo tres meses antes, Facebook y WhatsApp eran sancionados por ceder y tratar datos personales sin el consentimiento de los usuarios. Y el pasado mes de noviembre, Google fue multado por la captación de datos personales de ciudadanos procedentes de redes wifi, utilizando para ello sus coches Street View.

Con estos precedentes, -y sumando el miedo que el usuario de a pie tiene a que se vulnere su privacidad en un entorno que le resulta tan incomprensible como inabarcable-, no sería de extrañar que la resistencia fuera fuerte. Los cada vez más elevados grados de conciencia del consumidor sobre la importancia de proteger su privacidad y sus datos, tampoco ayudan.

Queda un largo camino por recorrer. Las grandes compañías tecnológicas se enfrentan ahora a la ardua tarea de reducir la brecha en la confianza digital. Para ello deberán esforzarse en generar confianza en los consumidores y, sobre todo, ser capaces de demostrarles que pueden mantener seguros sus datos de salud digitales. Sólo así podrán sacar el mayor provecho de un área, la del e-health, que se perfila como una de las más lucrativas en los próximos años. Ahora bien, convertida la sanidad en tan apetitoso negocio… ¿seremos los usuarios considerados pacientes o clientes?

Vía: Milled

Una encuesta realizada a 200 anunciantes por la compañía de investigación Advertiser Perceptions determinó que, del 80% de los anunciantes que utilizan datos de usuarios, sólo el 33% confía completamente en ellos. 

Según el citado estudio, únicamente un tercio de los anunciantes confía plenamente en los datos de Nielsen C3 y C7,  porcentaje que desciende hasta el 29% cuando se consulta por la confianza que se tiene en la analítica. Es más, los anunciantes no confían ni siquiera en sus propios datos: el 51% opina que sus first-party data son sólo «algo precisos».

La dificultad que entraña controlar los datos de modo que acaben formando parte de una base de datos válida y en la que poder confiar hace que muchos anunciantes tengan que operar haciendo un ejercicio de fe. El problema es que los anunciantes dependen cada vez más de datos y modelos para orientar sus campañas y, a un tiempo, ocurre que cuantos más datos se cruzan, más difícil es atribuir el impacto, conocer la procedencia de un conjunto o entender su funcionamiento en combinación con otros elementos.

Data labeling como solución al problema

Para dar solución a este problema se propone un estándar para la industria: el data labeling, tecnología de etiquetado de datos que permita conocer el valor de los mismos en base a parámetros como el momento de su recopilación, lo recientes que son, la fuente, el método por el cual han sido recogidos y si han pasado por un proceso de modelado. Está claro que es necesario un procesamiento de los datos que garantice mayor transparencia, tanto en el modelado como en las integraciones, pues sólo así será posible conocer el valor real de un conjunto de datos y tomar una decisión acertada en torno a ellos.

Se prevé que el data labeling aportará valor real y ayudará a garantizar una mayor calidad de los datos, haciendo desaparecer del ecosistema a aquellos actores que no juegan limpio y que favorecen el fraude. Sin embargo, será necesaria la acreditación del auténtico valor de dichos datos mediante una evaluación experta, que garantice al anunciante que los datos adquiridos sirven para su propósito y que sepa distinguir si los sirve una buena fuente o no.

Son diversos los organismos de la industria publicitaria que se enfocan ya en elaborar un estándar que recoja qué información debería ser incluida en las etiquetas de datos. Por su parte, la IAB trabaja por iniciativa propia en el desarrollo de unos estándares de calidad de datos.

Es importante desarrollar fórmulas que permitan determinar la calidad de los datos y que ofrezcan a anunciantes y agencias garantías sobre los paquetes que compran. Ante esa necesidad, el etiquetado de datos parece ser una solución para resolver el problema de falta de transparencia que, en la actualidad, desvirtúa las campañas y no permite extraer todo el potencial de este tipo de información.

Etiquetado de datos y deep learning

La figura del etiquetador será la encargada de acreditar la validez de los datos tras una criba y posterior organización para que las máquinas de inteligencia artificial comiencen a aprender. Compañías como IBM ya cuentan con perfiles destinados al data labeling para su posterior utilidad en cometidos de deep learning, ya que todavía muchos sistemas de IA requieren de la intervención humana para un etiquetado que ayude a la máquina en su aprendizaje para lograr, finalmente, algoritmos de inteligencia artificial que no requieran supervisión.

El etiquetado es fundamental para entrenar a una máquina en una nueva tarea, y, al menos de momento, éste debe ser supervisado por personas. Es por eso que IBM trabaja en desarrollos de aprendizaje no supervisado invirtiendo grandes cantidades de dinero, pero tiene grandes rivales en cuanto a desarrollos de Inteligencia Artificial: Google, Facebook, Microsoft o Amazon están haciendo muy bien las cosas en este terreno.

El extraordinario auge de la publicidad programática ha desatado una fiebre por los datos sin precedentes, lo que está favoreciendo que entre los profesionales del marketing se genere una ansiedad sobre si esos datos están cumpliendo la promesa. Cada vez son más los anunciantes que están construyendo o contratando plataformas de gestión de datos que sean capaces de conectar datos propios con datos de terceros, en aras de construir campañas más eficientes gracias a la publicidad dirigida.

Ocurre que, a día de hoy, no es posible tener una visión clara sobre la recopilación y cómo son de precisos los datos que se adquieren. Incluso los segmentos de base de datos que se derivan principalmente de datos demográficos simples, como edad o género -a priori más fáciles de verificar y con mayor probabilidad de ser estables-, han sido cuestionados, pues ya se han dado casos en los que se han segmentado campañas para públicos completamente contrarios al producto, como le ocurrió a Gillette.

En un momento en el que el marketing está cada vez más orientado a datos, se da la paradoja de que no existe ningún estándar de calidad ni modo de verificar cómo de valiosos son los datos en los que se van a basar nuestras campañas. Es por ello que hay grandes esperanzas depositadas en el data labeling, un etiquetado de datos que ayudará a ayudaría a tomar decisiones basadas en una mejor información. La gran ventaja es que el data labeling comprometería a los proveedores de los datos a realizar declaraciones explícitas sobre la procedencia de la información que sirven y que éstas estarían sometidas a auditorías, de modo que la industria asumiría una autorregulación altamente beneficiosa.

Fuentes: Forbes; TechRepublic; AdExchanger; Forbes; Xataka

El desarrollo de la Inteligencia Artificial es una prioridad entre los grandes jugadores tecnológicos, que se han embarcado en una carrera por conseguir lograr los desarrollos más punteros y posicionarse en un campo que será determinante para el progreso en los próximos años. Gigantes como Microsoft, IBM, Apple, Google o Facebook se han embarcado en extraordinarios proyectos encaminados a la investigación y el desarrollo de máquinas que sean capaces de comportarse como humanos. Para lograr avances innegables en Inteligencia Artificial hacen falta dos cosas: talento y datos, ventajas con las que cuentan de sobra estas grandes compañías.

A pesar de que su aplicación cambiará radicalmente muchas áreas de la economía, entre ellas la industria y la gestión empresarial, o ayudará incluso a tomar decisiones políticas, la parte que a nosotros nos interesa es la que tiene que ver con el marketing digital. ¿Cómo afectará la IA a nuestras estrategias de marketing futuras? Por el momento, el uso principal que se está dando a la IA tiene que ver con el procesamiento de datos. El Big Data es tan inabarcable que se hace necesario que las máquinas se encarguen de poner orden y es ahí donde la Inteligencia Artificial lleva trabajando tiempo.

El aprendizaje automático ha sido foco de experimentación de grandes compañías como Facebook y Google, que ya han aplicado la Inteligencia Artificial a distintas funcionalidades, como sus algoritmos respectivos: en el caso de Facebook, para seleccionar contenidos que mostrar más relevantes para cada usuario; en el caso de Google, para identificar resultados de búsqueda más adecuados para cada consulta.

Otra de las aplicaciones emergentes tiene que ver con los asistentes virtuales de voz, nacidos para facilitar la vida al usuario dando respuesta a sus necesidades mediante la integración de diversas funciones. Uno de los aspectos clave de estos asistentes es el refinamiento en los resultados que ofrece, por lo que se hace necesario que sean capaces de mantener una conversación con el usuario. Amazon Echo o Google Home son dos ejemplos de asistentes virtuales domésticos que prometen hacernos la vida más fácil.

Hablábamos hace poco, también, de la segmentación emocional. Los desarrollos de Inteligencia Artificial encaminados a interpretar las emociones del usuario están ya en marcha. Por ejemplo, Apple cuenta desde hace un par de años con un software capaz de percibir las emociones de los usuarios partiendo del análisis de sus expresiones faciales. El reconocimiento de las emociones a través de la voz o la interpretación de los datos biométricos son otras dos formas de conocer el estado de ánimo del usuario haciendo uso de la Inteligencia Artificial. Un caramelo para las marcas.

Sin embargo, a pesar de que se percibe una carrera entre los grandes por dominar este campo, desde el comienzo hemos asistido a espléndidos actos de generosidad entre ellos, compartiendo sus desarrollos y descubrimientos en Inteligencia Artificial. ¿Por qué? Fácil, la verdadera batalla es por los datos y los desarrollos de IA son una mina de ellos. Datos que, por otro lado, serán muy necesarios para el desarrollo de una Inteligencia Artificial más avanzada: a más información, más facilidad de la máquina para aprender y, por tanto, mayor inteligencia. Tener la máquina más inteligente supondrá la verdadera ventaja. A no ser que ésta se pase de lista y haya que desconectarla…

A pesar de que los pronósticos apuntan a un crecimiento de la inteligencia artificial, lo cierto es que no es posible hacer una estimación del tamaño actual del mercado, debido principalmente a las diferentes nomenclaturas con que se identifica la inteligencia artificial, que hacen que no exista ni consenso ni constancia sobre lo que significa o qué tipo de tareas están dentro de esta tecnología.

¿Qué es inteligencia artificial?

Podemos definir inteligencia artificial, en su acepción más amplia, como la capacidad que tienen las máquinas para emular aptitudes humanas, tales como el pensamiento, el razonamiento y toma de decisiones, el aprendizaje o la función lingüística. Su desarrollo y adopción crece de forma vertiginosa, debido en parte a la urgente necesidad de gestionar grande volúmenes de datos. Son las grandes compañías como IBM, Google o Amazon las que están favoreciendo en mayor medida su desarrollo, en su carrera tecnológica por dominar el mercado.

Además, la inteligencia artificial está teniendo mucho peso en la industria y muchas grandes empresas ya la han incorporado a sus procesos para la gestión de diferentes aspectos, gracias a la capacidad cada vez mayor que tienen las máquinas para emular el pensamiento humano, razonar dentro de unos parámetros y tomar decisiones.

Principales conceptos de inteligencia artificial

Machine learning. Se refiere al proceso de aprendizaje que desarrolla la máquina, favorecido por algoritmos de entrenamiento y que parten de datos o casos precedentes, en lugar de ser programados por un humano.  El machine learning se basa en sistemas de aprendizaje automático a partir de la identificación de patrones complejos entre millones de datos. Es posible gracias a un algoritmo que, tras llevar a cabo un análisis de los datos, se capacita para predecir comportamientos o «comprender» la razón de los mismos.  Al igual que en el aprendizaje humano, los sistemas de machine learning mejoran con el tiempo, en base a una mayor «experiencia», y la ventaja es que son completamente autónomos.

Redes neuronales. Son un tipo de algoritmo basado en un proceso cognitivo natural, no humano, sino puramente animal, ya que están inspirados en cómo funciona el sistema nervioso en el proceso de aprendizaje. Las redes neuronales son entrenadas con conjuntos específicos de datos con el objetivo de dar la respuesta correcta a una consulta. En caso de que se produzca un error, el proceso se repite para que los índices de error vayan disminuyendo progresivamente. Se trata de un proceso similar a la regresión estadística que estima las relaciones entre variables.

Algoritmos genéticos. Se trata de un tipo de algoritmos encaminados a la optimización del aprendizaje automático, ya que funcionan imitando la evolución biológica que se produce mediante selección natural, recombinación y mutación. Son particularmente eficaces para optimizar problemas con un gran número de posibles soluciones. Están catalogados dentro de los que se conocen como algoritmos evolutivos. Entre sus funciones aplicadas al mundo empresarial y del marketing se encuentran la predicción, el aprendizaje de comportamiento de robots y de las reglas de lógica difusa y el análisis lingüístico, procesamiento de lenguajes naturales y desambiguación.

Algoritmos de inducción. Se trata de algoritmos de aprendizaje capaces de encontrar patrones de datos y crear reglas sobre ello, a diferencia del proceso deductivo, que implica la existencia de unas reglas preestablecidas, el proceso inductivo trabaja a la inversa y crea reglas para explicar las cosas que suceden, según ocurren.

Deep learning. El aprendizaje profundo está conformado por un conjunto de algoritmos de aprendizaje automático que persigue el aprendizaje de representaciones de datos. Es una rama del machine learning que se basa en estructuras lógicas y utiliza capas de redes neuronales para detectar determinadas características en los elementos percibidos, características que se hallan ocultas en los datos. El deep learning se inspira en el funcionamiento del sistema nervioso humano y en aquellas redes de neuronas especializadas en realizar tareas específicas. Es utilizado para la clasificación de datos y la identificación de anomalías en patrones de datos.

Sistemas expertos. Se trata de un sistema computacional que emula la capacidad de toma de decisiones humana con el objetivo de resolver problemas. Funcionan mediante el almacenamiento de conocimientos específicos sobre un determinado campo para después utilizarlos para solucionar un problema mediante una deducción lógica de conclusiones. Buscan mejoras en la calidad y los tiempos de respuestas. Son la forma más primitiva de la inteligencia artificial y deben disponer de una serie de conocimientos predefinidos, con el fin de poder aplicar soluciones anteriores a nuevos problemas.

Representación del conocimiento. Se trata de una rama de la inteligencia artificial que representa la información de un modo que permita inferir, sacar conclusiones. Analiza el pensamiento formal y, una vez adquirido el conocimiento, busca una representación simbólica, completa, precisa y clara.  Se basa en reglas que guardan relación con la lógica y utiliza símbolos, ya sean imágenes, palabras, cadenas de caracteres o conjuntos de señales eléctricas. Es el punto de partida para que una máquina pueda adquirir conocimiento, buscando un modo de representación.

Aplicaciones de la inteligencia artificial

Una vez comprendido qué es inteligencia artificial a nivel general y los diferentes conceptos que se asocian a ella, es momento de pasar al escenario práctico y determinar qué aplicaciones tiene la inteligencia artificial y cómo se puede sacar rendimiento de ellas en el ámbito empresarial, ya sea en su dimensión industrial o de marketing y ventas.

Visión mecánica. Es una rama de la inteligencia artificial centrada en emular el sistema visual del ser humano, no sólo ver, sino interpretar imágenes del mundo real a través del reconocimiento de patrones, su procesamiento y comprensión de las mismas.  La aplicación de la visión mecánica o visión computerizada se centra fundamentalmente en el ámbito de la robótica.

Máquina traductora. Encargada de la traducción automatizada de un lenguaje natural a otro. Sin embargo, no sólo se debe realizar una sustitución lineal de palabras: la inteligencia artificial se ocupa de la identificación de frases, la comprensión semántica y detectar las expresiones de cada idioma.

Procesamiento del lenguaje natural. Esta rama de la inteligencia artificial trata de entender el lenguaje natural en su dimensión semántica. Esta aplicación es muy utilizada por los motores de búsqueda, por ejemplo. También es adecuada para el filtrado de spam o la extracción de información de voluminosos y complejos documentos.

Generación del lenguaje natural. Se trata de una parte del procesamiento del lenguaje natural en el que la máquina toma «decisiones» acerca de cómo dar sentido a un concepto específico y traducirlo a palabras. Esta tecnología se utiliza en la automatización del análisis de datos y comunicaciones a escala.

Ligüística computacional. Se refiere a un campo interdisciplinar que se ocupa de la modelización estadística y basada en reglas, que incluye el reconocimiento de voz y la identificación y reconocimiento de palabras y frases, traduciéndolo y convirtiéndolo en un código legible por la máquina.

Chatbot. Se refiere a un programa informático que usa un conjunto de reglas para establecer conversaciones con persona, habladas o escritas, a través de una interfaz de chat online. Se trata de una funcionalidad cada vez más impulsada por el machine learning, que trabaja en la detección e imitación de las conversaciones humanas. Los bots son utilizados por muchas empresas para ofrecer un servicio automatizado de atención al cliente y redunda en una propuesta de valor para los usuarios.

Asistente digital virtual. Se trata de una versión más sofisticada de los chatbots, también conocidos como asistentes personales. Su función es organizar, almacenar y enviar información basada en la ubicación del usuario, así como contestar las preguntas que éste le realice, extrayendo información de múltiples fuentes online. Ejemplos de asistentes digitales virtuales son Siri de Apple, Google Now, Alexa de Amazon y Cortana de Microsoft. Los asistentes virtuales suponen una nueva oportunidad para el desarrollo de la estrategia SEO.

Motores de recomendación. Consiste en un sistema de filtrado que puede predecir automáticamente los intereses del usuario en función de su comportamiento, de su relación con usuarios terceros, de la similitud entre elementos y el contexto, muy utilizado en e-commerce. Como ejemplo podemos citar el sistema de recomendación de Amazon «Comprados juntos habitualmente» o el algoritmo CineMatch  de Netflix. Redes Sociales como Facebook y LinkedIn usan este tipo de sistemas para localizar conexiones de datos entre personas y poder identificar objetivos para sus campañas de Ads.

Análisis predictivo. Son programas que utilizan una combinación de disciplinas como ciencia de datos o estadística con la inteligencia artificial para analizar conjuntos de sistemas de datos estructurados, descubrir patrones y relaciones, y usarlos para realizar predicciones. El marketing predictivo necesita de esta rama de la inteligencia artificial para detectar en tiempo real patrones de potenciales consumidores para ofrecerles una experiencia de compra personalizada. Los modelos de análisis predictivo están estrechamente relacionados con los modelos de análisis prescriptivos, que incorporan la producción de información útil y un sistema de retroalimentación que permite realizar un seguimiento de los resultados.

Inteligencia artificial y Big Data

Todas las disciplinas que comúnmente se agrupan y catalogan como inteligencia artificial están siendo estimuladas por el creciente auge de lo que se conoce como «el Internet de las cosas», sobre todo en lo que se refiere a la recopilación, tratamiento y uso de elevados volúmenes de datos. Esta avalancha de datos que procede de computadoras, móviles y otros tipos de dispositivos conectados se ha convertido en algo imposible de manejar por las personas, por lo que se requiere de la inteligencia artificial para dar sentido a la gran sobrecarga de datos.

Los datos son el principal valor de la publicidad digital, ya que sin ellos no sería posible conocer a la audiencia, personalizar los anuncios e impactar a los públicos correctos. Social Ads, compra programática, e-commerce… necesitan de los datos para sacar todo el rendimiento. Sin embargo es necesario saber analizar los datos y tener claro cómo utilizarlos, y es ahí donde se hace necesaria la combinación de Big Data e Inteligencia Artificial, ya que los datos por sí solos no tienen valor, sólo lo tienen las decisiones basadas en su análisis.

Así, la analítica avanzada comienza ya a jugar un papel fundamental para hacer frente al comportamiento de compra y lograr una mayor conversión. Para poder personalizar la experiencia de compra es necesario procesar y analizar gran volumen de información en tiempo real. En este contexto, la inteligencia artificial aplicada a estructuración de datos y a la analítica predictiva será determinante.

Presente y futuro de la inteligencia artificial

Las principales empresas de tecnología, como IBM, Microsoft, Google, Facebook, Amazon, Alibaba o Salesforce, trabajan sus propios desarrollos y ofrecen servicios relacionados con la tecnología de recopilación y gestión de datos, lo que nos da una pista sobre la importancia que no sólo tiene en la actualidad, sino con visos al futuro.

Por ejemplo, podemos citar a Watson, de IBM, capaz de entender y responder a preguntas con lenguaje natural aportando conocimientos que obtiene de infinidad de fuentes, generando razonamientos automáticos y aprendiendo con su uso. Por dar una cifra que nos sitúe directamente en el campo de la ciencia ficción, diremos que su capacidad de procesamiento equivale a la lectura de un millón de libros por segundo. Así probaron su capacidad en el concurso de televisión americano Jeopardy!, donde Watson logró un 95% de aciertos en comparación con los concursantes con los que competía.

Watson está basado en el procesamiento del lenguaje natural, el aprendizaje a través de algoritmos de razonamiento y la comprensión de imágenes, vídeos, texto y voz. El comercio electrónico es uno de los campos con mayor potencial para este sistema de inteligencia artificial, ya que permite tomar decisiones rápidamente sobre productos de interés para los clientes.

No podemos dejar de referirnos a DeepMind de Google, capaz de razonar como un humano y de utilizar su aprendizaje para la resolución de tareas complejas. Es capaz de aprender de manera autónoma y profunda, de responder preguntas sin que nadie le haya dado antes las respuestas y de realizar una lectura comprensiva. Entre sus pinitos destaca el haber derrotado en tres ocasiones al campeón del mundo del juego estratégico Go. Nada raro si no fuera porque se trata de un juego con millones de movimientos posibles y que, además de razonamiento, requiere de creatividad.

Son sólo dos ejemplos de los avances que los gigantes de Internet están haciendo en el campo de la inteligencia artificial y que con toda probabilidad dará un giro determinante a los modelos de negocio, las posibilidades de Internet y del marketing mismo en los próximos años. Pero, ¿cuáles son los pronósticos? Por dar sólo algunos datos, se estima que los ingresos mundiales por inteligencia artificial superarán los 36.000 millones de dólares antes de 2025 y que en 2020 la analítica predictiva representará el 40% de la inversión de las empresas que apuesten por la inteligencia artificial. En lo que respecta a la industria de la publicidad, la mayor parte del mercado estará copada por la necesidad de analizar los comportamientos de los consumidores y determinar patrones de compra.

Hasta ahora, la inteligencia artificial está basada fundamentalmente en capacidades humanas como el aprendizaje o el lenguaje, pero se espera que en los próximos años evolucionen hacia sistemas cognitivos artificiales, integrando funciones psicológicas como el razonamiento, la atención, la memoria semántica, la motivación y la emoción. ¿Llegarán las máquinas a superar la inteligencia humana?

Maximizar la experiencia del usuario en tu web pasa por una adecuada optimización del proceso de registro online, eliminando obstáculos y aprovechando la experiencia adquirida. Sólo así se podrá ofrecer el mejor valor.

El primer componente que se debe tener en cuenta en la optimización del registro online es el flujo de registros, ya que es la puerta de entrada que hace que un usuario anónimo se convierta en usuario registrado, pasando de ser una mera visita a tu web a un activo de valor.

A pesar de que la tendencia es a pensar que los formularios de registro son un elemento extremadamente simple, lo cierto es que para aprovechar todo su potencial y sacarles el máximo rendimiento es necesario tener en cuenta una serie de consideraciones, pues hay muchos momentos del proceso en el que el registro puede frustrarse si no trabajamos en su optimización: los bajos ratios de conversión, el abandono del proceso de registro o la aportación de datos falsos son algunos indicadores de que un sistema de registro online fallido.

El 86% de los usuarios admite haber abandonado una web cuando se le ha solicitado registro previo al acceso

El 88% de los usuarios ha admitido haber aportado información falsa o incompleta en un registro online, lo que permite hacerse una idea del alto coste que supone mantener y construir una base de datos de valor. Casi el mismo porcentaje de usuarios ha admitido abandonar una web cuando se les solicita el registro a través de un formulario.

Registro online: una mejor experiencia de usuario hace crecer la base de datos

Uno de los principales objetivos de una web es saber identificar el perfil de visitante que tiene, recopilando información que ayude a las marcas a tomar decisiones con criterio sobre el diseño y contenido del site. Esta información es especialmente útil en las web de e-commerce, ya que contar con un perfil detallado de los clientes puede ayudar a conocer sus intereses y qué tipo de productos son los más demandados, así como a realizar campañas de e-mail marketing más eficaces.

Mejorar la tasa de resgitro online pasa, necesariamente, por una buena UX (experiencia de usuario), eliminando aquellos obstáculos que pueden dar lugar a un abandono del proceso, de modo que se mejore el embudo de conversión. Un elevado porcentaje de usuarios abandona un sitio web cuando se les solicita un registro con la creación de usuario y contraseña. El login social ha venido a solucionar este problema, ya que permite a los usuarios registrarse tan sólo conectando su cuenta en redes sociales como Facebook, Twitter, LinkedIn o Google.

De este modo, las empresas pueden aprovechar perfiles de usuario preexistentes para autenticar a los usuarios de su web y recopilar los datos necesarios para construir un perfil de visitante. Así, los usuarios pueden acceder rápidamente a tu web y comenzar la actividad que los atrajo al site de manera inmediata. Para ello, la solución de registro que elijas para tu web debe ser capaz de soportar los proveedores sociales y los Sistemas de Detección de Prevención de Intrusos (IDPs) más adecuados para tu site. En este sentido, la primera pregunta que debemos hacernos es si buscamos datos de registro online con una finalidad B2B o B2C, ya que de ello depende las redes sociales que usaremos para la integración del registro social. Por ejemplo, para un negocio de B2B se integraría con cuentas de LinkedIn, Slesforce o Google Apps.

No se debe dejar de ofrecer la opción de realizar el registro online mediante el formulario tradicional, para aquellas personas que así lo prefieran o que no dispongan de cuenta en redes sociales vinculadas.

Optimización del registro online en dispositivos móviles

Los smartphones y tablets representan cada vez un mayor número de usuarios que exigen una funcionalidad completa de tu web a través de este tipo de dispositivos. No proporcionar una experiencia de registro online óptima para estos usuarios puede hacer caer en picado las visitas y las conversiones. Tengamos en cuenta que, en la navegación móvil, los usuarios se encuentran con obstáculos como un reducido tamaño de la pantalla o enlaces, botones, campos y teclados de mayor dificultad de uso, lo que entorpece claramente su experiencia en la web.

Los propios requisitos técnicos de la web móvil también tendrán mucho que ver a la hora de garantizar una óptima experiencia de usuario, por lo que tu página debería contar con archivos CSS correctamente diseñados, que son los necesarios para detectar el dispositivo (móvil, tablet u ordenador) y presentar el contenido correctamente en cada caso.

Para lograr una buena interfaz de usuario para móvil, la página no debería contar con un excesivo scroll y debe ofrecer una experiencia de navegación intuitiva y un formulario que elimine pasos en el registro online o  dificultades en la autentificación. Recuerda que una navegación con facilidades a través del móvil puede tener un enorme impacto en las conversiones y en la recurrencia de las visitas. En este sentido, resulta de gran utilidad disponer de una opción de inicio de sesión mediante redes sociales. Los sites adaptados a navegación móvil eliminan la frustración del usuario limitando a uno o a dos los campos para el registro online.

Cómo aumentar las conversiones con una caracterización progresiva

Se debe tener en cuenta que un exceso de datos personales solicitados a un usuario en una primera toma de contacto puede hacer que éste abandone el sitio por sentirse intimidado. En su primera vista a tu web, el usuario se mostrará reacio a compartir los datos personales considerados más sensibles, tales como la dirección de su domicilio, el teléfono o su fecha de nacimiento. Para evitar fugas, lo mejor es poner en marcha una estrategia de caracterización de los usuarios que sea progresiva, es decir, que vaya por fases. Así, en una primera fase se pueden solicitar datos básicos, como el nombre y la dirección de correo electrónico. Una vez registrado ese perfil de usuario, se puede ir completando sucesivamente con otros datos, en función de las oportunidades que para ellos detectemos cuando naveguen por nuestra página.

Un perfil progresivo se construye a la par que nos ganamos la confianza del consumidor, lo que favorece que faciliten información de manera gradual y nos permite obtener datos más precisos de cara a realizar una mejor segmentación. La caracterización progresiva es una práctica que nace en el B2B, aunque en la actualidad las marcas dirigidas al público final están poniendo en práctica este tipo de perfilado progresivo con cierto éxito. Esta forma de obtener datos del usuario es especialmente valiosa cuando los usuarios interactúan repetidamente con un sitio web en un lapso de tiempo de semanas o meses. En nuestra estrategia deben contemplarse las oportunidades que nos permitan ir recabando datos diferentes en cada una de las visitas sucesivas, por ejemplo a través de contenidos para compartir en redes sociales, encontrar amigos que sean usuarios del site, calificar un producto, redactar un comentario, o invitando al usuario a revelar su geolocalización.

Ofrecer un contenido de valor, como veíamos en nuestro artículo sobre las squeeze pages, puede ser una manera efectiva de completar el perfil de un visitante, ofreciéndoles a cambio de determinados datos personales un contenido de valor, ofertas especiales, descuentos adicionales o beneficios de diversa naturaleza. El usuario compartirá información adicional sobre todo en el caso de que lo que se esté ofreciendo a cambio vaya en consonancia con el contenido de la página web, ya que de este modo supondrá una mejora notable en la tasa de conversión.

Cómo mejorar la calidad de los datos de perfil

Una base de datos tendrá valor en la medida en que los datos recabados sean de calidad. Es importante tener en cuenta que un elevadísimo porcentaje de usuarios admite haber facilitado información falsa o incompleta, por lo que puede que tu base de datos,m a pesar de estar bien nutrida, no cuente con la suficiente calidad como para resultarte beneficiosa. La mala calidad de los datos puede suponer una disminución de entre el 10 y el 20% de los ingresos anuales en concepto de ventas, pérdidas que se producen por una estrategia ineficaz de marketing directo.

El 88% de los usuarios ha admitido haber aportado información falsa o incompleta en un registro online

 

El acceso social al que nos referíamos con anterioridad puede ayudar en gran medida a la construcción de una base de datos de calidad, ya que se presupone que los usuarios de redes sociales facilitan información veraz y la mantienen constantemente actualizada, al ser canales a través de los cuales están en contacto con familia y amigos, u ofrecen información profesional en el caso de las redes de enfoque B2B.

Con el login social, los usuarios eligen registrarse mediante el uso de una identidad preexistente,por lo que supone mayores garantías de autenticidad de los datos. Es importante, además, ser capaces de relacionar a los usuarios que se registraron manualmente con sus perfiles sociales, de modo que se complete la información que nos ofrecen gracias a fuentes externas y, además, eliminar la duplicidad de registros. Una buena forma es ofrecer a los usuarios registrados la disposición de una página de perfil de cliente, en la cual puedan completar y modificar sus datos, y asociar su perfil a sus cuentas sociales para completar el perfil con más datos.

Validación de datos en registro online

La validación de datos es tarea del programador y no nos extenderemos aquí en cuestiones excesivamente técnicas. No obstante, si que debemos conocer que un proceso de validación bien hecho tiene una gran importancia a la hora de programar un formulario de registro online.

La validación de datos ayuda a obtener datos de mayor calidad, ya que pone normas o límites en los campos de un formulario para evitar datos erróneos o falsos. Por ejemplo, que la casilla correspondiente al teléfono deba contener, necesariamente, una serie de dígitos preestablecida y en distintos supuestos de introducción (con espacios, con prefijo, sin espacios, etc.). Otro ejemplo sería utilizar un filtro de palabras malsonantes en un registro de usuarios para menores de edad.

A todos nos ha ocurrido al rellenar un formulario que, al presionar el botón de «aceptar» nos ha salido un mensaje de error y nos ha marcado en rojo determinados campos que estaban vacíos o erróneamente rellenados, como por ejemplo la casilla del DNI, por faltarnos la letra. A la hora de programar el formulario de registro online es importante que se construyan reglas correctas que permitan validar los datos en el sistema.

En este sentido, la validación debe tener lugar tanto en el front end -donde la validación se realiza para una mejor experiencia de usuario- como en el back end – donde la validación sirva para garantizar la integridad de los datos y prevenir ataques de usuarios maliciosos-.

Una buena alternativa es que varios de los campos del formulario tomen los datos directamente de la red social con la que se ha hecho login, de modo que el usuario únicamente tenga que aceptarlos. Esto tiene la ventaja de que el usuario se ahorra el trabajo de completar el formulario de modo manual, lo que minimiza la tasa de abandono e incrementa el número de registros en nuestra web. En este sentido, es necesario contar con la autorización previa al acceso de los datos por parte del usuario, informando claramente los datos a los que tu site desea tener acceso a través de ese login social.

Verificación del e-mail en el registro online

Añadir una casilla de verificación de e-mail se ha convertido en algo muy habitual en los formularios por dos causas: ayuda a comprobar que se está dando un correo electrónico válido al detectar si la primera vez se introdujo con algún error, y permite saber si lo está introduciendo un usuario humano en lugar de un bot. La colocación de la casilla de verificación del e-mail es un importante paso que garantiza la integridad de los datos y, por tanto, ayuda a amortizar la inversión realizada en la tecnología de captación de datos.

Sin embargo, esta casilla de verificación de e-mail es un arma de doble filo, ya que, al deberse rellenar un campo más, coloca una barrera adicional entre el usuario y la conversión, dando una oportunidad más para que abandonen el sitio. De nuevo el login social viene a salvar este escollo, ya que cuando los usuarios eligen acceder a su web mediante el registro que tienen hecho con otro proveedor, existe la garantía de que el e-mail del usuario es correcto, pues ya fue verificado en su momento. Eso sí, es importante solicitar permiso para acceder a la dirección de correo electrónico y, además, ofrecer la posibilidad de que el usuario elija una específica en caso de que figure más de una en la red social que funciona de mediadora.

Samsung informó de un incremento del 34% en la tasa de apertura de sus campañas de e-mail marketing y de un aumento de la tasa de clics del 63% en dichos correos, tras haber introducido la opción del login social para registrarse en el sitio. Es lógico, el login social a la hora de hacer un nuevo registro da acceso a un correo electrónico previamente verificado, sin el engorro que supone la verificación en dos pasos del correo electrónico de la que hablábamos al principio, sea con la casilla adicional de verificación, sea mediante la verificación del e-mail a través de un correo electrónico enviado.

CAPTCHA para prevenir el spam en registro online

La verificación para comprobar que no es un bot quien accede al registro online también puede realizarse a través de un sistema de prevención de SPAM conocidos como CAPTCHA. Es importante contar con un sistema que identifique que los datos son dejados exclusivamente por humanos, ya que, de no controlar este aspecto, nuestra base de datos se vería gravemente afectada en su calidad y, por ende, su utilidad real.

Además, esta verificación también se aplica en aquellos casos en los que es el propio usuario el que genera contenido para la web, a través de comentarios, por ejemplo. Al margen de evitar el spam, es importante tomar una serie de precauciones para controlar que los usuarios puedan dejar mensajes de dudoso gusto. Un proceso de autentificación antes de permitir que los usuarios publiquen es una buena idea. En este sentido, también puede aplicarse un filtro de moderación manual de comentarios, pero se desaconseja en aquellos sites en los que el volumen de comentarios puede convertir esta labor en un imposible.

Volviendo a la verificación CAPTCHA, existen muchos servicios gratuitos que permiten incluir esta funcionalidad antes del envío de datos de un formulario de registro online. No obstante, la labor de mantenerlos actualizados no es automática en todos los casos y es necesario un control periódico, ya que los robots pueden aprender a saltar este control. Además, es importante elegir una solución CAPTCHA que sea out-of-the–box supported, es decir, que no dependa de configuraciones o personalizaciones previas y que esté disponible en todos los casos. Cuanta menos relación tenga el CAPTCHA con el resto del formulario y más independiente sea el componente, mejor serán sus resultados.

Mejorar la experiencia de registro online con un buen servicio al cliente

Cuando un usuario intenta acceder a un sitio y ha olvidado el usuario o la contraseña se siente frustrado y, en ese momento, tiene básicamente tres opciones: seguir intentándolo y que aumente su frustración, pedir ayuda si está disponible, o abandonar el sitio web. Las tres son opciones costosas, ya que le alejan rápidamente de una potencial conversión o venta y, además, gastará recursos en la recuperación o restablecimiento de la contraseña de ese usuario.

Un alto porcentaje de usuarios de Internet admite haber olvidado una contraseña por lo menos una vez al mes. Recordar cada vez más nombres de usuario y contraseñas supone un desafío creciente para los internautas, que cada vez esperan poder acceder a los sitios con mayor facilidad, o simplemente se irán.

El 40% de los usuarios de Internet admite haber olvidado una contraseña por lo menos una vez al mes

Contar con un método seguro para la recuperación de credenciales perdidas integrado en su proceso de registro online debe ser parte del propio sistema. Tras un arduo trabajo realizado para construir una relación de confianza con nuestra audiencia, es necesario tomar las medidas necesarias para evitar que información vulnerable, como contraseñas, queden expuestas. Por ello, el mejor modo de proceder para que un usuario de tu site recupere su contraseña es mediante el envío de un e-mail que contenga un enlace de uso único y que le envíe a una página segura de tu web, en la que el usuario pueda restablecer su contraseña. No se debe incluir nunca la contraseña en el propio correo electrónico cuando se solicita un restablecimiento o cuando se produce el registro inicial, a menos que se trate de una contraseña para un único uso y que dé acceso a cambiarla manualmente. De hecho, sería un gravísimo error por nuestra parte guardar las contraseñas de los usuarios sin cifrar, así que ni nosotros mismos deberíamos saber qué contraseñas usan nuestros usuarios.

Una vez más, el login social viene en nuestra ayuda, ya que facilita el acceso de los usuarios sin necesidad de tener que recordar un usuario y contraseña para cada sitio web o, peor aún, que utilicen siempre el mismo para evitar olvidos, ya que esto supone una merma en la seguridad de sus cuentas. Esto significará también una gran ventaja para las webs de comercio electrónico, en las que una dificultad en el acceso puede suponer la pérdida de una venta. Por todo ello, lo mejor es animar siempre a los usuarios a acceder con el login social para un fácil acceso al site tanto en la primera visita como en visitas sucesivas.

Páginas de perfil de usuario en el registro online

Los internautas de hoy en día ya son usuarios avanzados y esperan poder tener acceso a sus datos con el objeto de modificar y administrar aquellos que comparten con el dueño del site. Esto ocurrirá, sobre todo, en aquellas comunidades que requieren de un perfil público para la participación a través de conversaciones o comentarios. La administración de los datos personales se resuelve de manera sencilla mediante la implementación de una página de perfil de usuario en el registro online, que permita a los usuarios modificar su foto de perfil, sus intereses, sus gustos o administrar las notificaciones que recibe.

Dar a los usuarios el control de sus datos, tanto de aquellos que son públicos como de los privados, ayudará a que las personas se sientan más cómodas a la hora de compartir datos personales con el dueño de una web y, a su vez, a garantizar una mayor exactitud de los datos que se recopilan. Estas páginas de perfil de usuario deben, al menos, facilitar la modificación de datos que requieren actualización, así como la posibilidad de cambiar la contraseña.

Característica de un buen sistema de registro online

Los formularios de registro tienen detrás una programación basada en un sistema que no es casual. Crear un formulario teniendo en cuenta la buena experiencia de usuario y que tenga el objetivo de maximizar las conversiones debe ser la prioridad de todo desarrollador. Para ello se debe considerar todos los aspectos de la infraestructura del formulario de registro, prestando atención a que sea un proceso fluido que no produzca frustración en el usuario y que sea capaz de proteger los datos que se recopilan. Por ello, es importante tener en cuenta una serie de requisitos a la hora de crear un formulario:

• Soporte para múltiples redes sociales. Como ya hemos mencionado en varias ocasiones a lo largo del artículo, el login social es opción magnífica que posee numerosas ventajas. Hemos de asegurarnos que el proceso de registro online de nuestra web soporta la integración con las diferentes redes sociales que nos van a ser necesarias. Para evitar que los desarrolladores trabajen con las API de cada una de las redes sociales por separado, lo que implica realizar labores de aprendizaje, soporte y mantenimiento trabajosas, se puede trabajar con una API única que maneje todas las interacciones sociales para un site.
• Términos del servicio. Un paso importante durante el registro se produce con la aceptación de las condiciones del servicio por parte del usuario, por lo que es imprescindible que, en cumplimiento con la legislación vigente en cada región o país, el formulario se acompañe de una casilla de aceptación de las condiciones del servicio. Si éstas se actualizan, debe asegurarse de que sus usuarios aceptan la versión más reciente. El de la actualización de términos y condiciones es un aviso imprescindible y puede aprovecharse el inicio de sesión para incluirlo, de modo que sea aceptado por usuarios recurrentes.
• Esquema de base de datos. Es importante realizar un trabajo previo sobre el tipo de datos que se desean recabar y cómo se van a organizar.Crear una estructura y unas reglas para la recopilación de esos datos será muy útil para contar con datos más organizados, accesibles y poder segmentar con mayor facilidad y precisión. Pensar bien el esquema previamente nos ayudará a incluir todos los campos que deseemos y a organizarlos fácilmente.
• Almacenamiento de datos unificado. Es importante poder uniicar los datos que nos llegan a través de un registro convencional con aquellos que proceden del login social. Los datos de perfil social nos proporcionarán una visión del usuario mucho más amplia que se puede aprovechar para sacar más rendimiento de nuestros esfuerzos de marketing y mejorar la experiencia de usuario en el sitio. La API unificada resultará de ayuda a la hora de asignar distintos datos a un único perfil. Este almacenamiento debe realizarse punto por punto, cuidando de que campos iguales no se sobreescriban. A pesar de que no esté contemplado, este trabajo de catalogación de los datos debe pensarse para un uso hipotético en caso de diversificación o cambio de negocio, considerando previamente una óptima ruta de migración de datos.
• Contraseñas. Cifrar las credenciales de inicio de los usuarios en el proceso de registro online es imprescindible. El cifrado debe realizarse por parte del desarrollador para evitar ataques indeseados o que las credenciales puedan ser hackeadas. Podría darse el caso de que en su base de datos existan datos precedentes de fusiones o de usuarios que migraron de otros sistemas, En este caso, la mejor práctica es solicitar a estos usuarios que elijan una nueva contraseña y proceder al cifrado por parte del programador. Existen migraciones de datos que admiten las credenciales encriptadas. En estos casos no habría que tomar ninguna medida, ya que las credenciales continuarían cifradas con la migración y no se habría de molestar al usuario con peticiones de cambio de contraseña.
• Load handling. En el caso de que dispongamos de una web en la que preveamos que se pueden producir picos de visitas desmesurados, relacionados con eventos puntuales o cualquier otro acontecimiento, es importante contar con una programación y una estructura de sistemas que soporten el registro online durante estas oleadas de tráfico, previendo cómo se verán afectados aspectos como la carga de la página o la posibilidad de registro en estos supuestos. En estos casos, se puede contar con la ayuda de CDNs y sistemas de caché que alivien la carga de nuestros servidores.

En resumen, existe una gran variedad de elementos que se deben considerar a la hora de programar un sistema de registro online, encaminados, todos ellos, a eliminar los obstáculos para el usuario con el fin de lograr recopilar la mayor cantidad de datos de tus visitantes web. Por ello, es necesario asegurarse de que el diseño del sitio, la disposición de los elementos y el proceso de recopilación de datos se combinan entre sí con el objetivo de aumentar las conversiones. Hacer una labor adecuada en este terreno no es cosa fácil, por ello es importante contar con la ayuda de profesionales técnicos avezados y profesionales del marketing digital. Si deseas poner en marcha una estrategia de captación de datos a través del registro online, contacta con Kanlli y te propondremos la mejor solución a tus necesidades.