Desde hace un par de años no hay evento, blog, o informe de tendencias que se precie, nacional o internacional, en el que no se hable del Big Data, de su importancia y de cómo va a suponer un cambio drástico en… todos los sectores. Sin embargo, se habla del concepto “Big Data” como un futurible, una suerte de concepto abstracto, una tendencia al alza que nadie, al menos yo no lo he escuchado, ha sido capaz de aterrizar en el día a día de una compañía.

Esto del Big Data, la personalización de la experiencia, las machine learnings y la contextualización, que puede resultar un tanto complejo conceptualmente, en el fondo es bastante sencillo si obviamos tecnicismos, así que voy a tratar de explicarlo con ejemplos y casos de éxito reales de digitalmeteo.

Recordáis esa secuencia de la peli Minority Report en la que a Cruise se le aparecían anuncios completamente personalizados?

Pues salvando las distancias, que son muchas, por ahí van los tiros según los expertos y las grandes empresas tecnológicas. El objetivo de todo eCommerce es es replicar el comportamiento cognitivo humano, con el fin de poder reconocer un patrón de comportamiento del cliente y adaptar así la oferta, el contenido, la experiencia, etc… a cada usuario individual. Es decir, replicar y trasladar los conocimientos y experiencia de un buen agente comercial adquiridos a través de una dilatada trayectoria profesional al entorno online, a nuestra Web. Pero más rápido. Mucho más; conseguir esa experiencia acumulada de 40 años de duro trabajo y el conocimiento del cliente en un par de horas es posible gracias a la tecnología que existe actualmente, y que tenemos a nuestra disposición.

Desde el punto de vista más técnico, en digitalmeteo lo hemos resuelto de la siguiente forma:  nuestra API es un desarrollo tecnológico basado en un modelo de detección de patrones con capacidad de autoaprendizaje (learning machines) a medida que es alimentada con más información (Big Data). El algoritmo trabaja con información real (IP usuario, fecha, hora, producto comprado/buscado, y cualquier otra variable de la que se disponga) de las búsquedas o compras realizadas en una plataforma online (cualquier eCommerce), y los registros meteorológicos históricos de cada una de las ubicaciones donde se realizaron cada una de esas búsquedas o compras, ofreciendo como resultado la predicción de futuros comportamientos basándose en las mismas variables, probabilidad de búsqueda y conversión en función de un contexto específico, exista o no un registro con los mismos valores en su histórico.  Al ir alimentando al sistema con nuevos comportamientos comprobados, éste detecta automáticamente los posibles nuevos patrones y rectifica los ya existentes para reducir las desviaciones e incrementar la fiabilidad de las predicciones. El algoritmo analizará todas las variables de las que disponga la plataforma, más el histórico meteorológico global que aporta digitalmeteo.

Pongamos el caso práctico que realizamos con una de las principales Agencias de Viaje online de España (ver ejemplo de Destinia). En este proyecto cruzamos la información necesaria, exportada de su Business Inteligence, con nuestra información meteorológica. Con ello detectamos cómo afectaba la temperatura y lluvia en el entorno del cliente (no del destino buscado) en la elección del destino.

Una vez se ha analizado toda la información histórica y por tanto se conoce el comportamiento del usuario en cada situación, el siguiente paso sería utilizar esta información para optimizar procesos, incrementar ventas, o un largo etcétera.

Por ejemplo, si conocemos la IP del usuario, fecha y hora de compra, producto comprado, y su edad y género (datos básicos de clientes registrados), sumado a nuestra información meteorológica, podríamos:

  1. Optimizar el contenido: Conociendo cómo se comporta el usuario en cada situación (qué compran según el sexo, edad y contexto meteorológico) y conociendo cuando se volverán a repetir esas circunstancias en próximos días, podemos adaptar el contenido de la web para dar relevancia a lo que ya sabemos que mayor probabilidad de compra tiene. Puede ser algo tan sencillo como cambiar unbannerde la home, o mostrar un anuncio al estilo Minority Report anterior.
  1. Optimización SEM:Conociendo las previsiones meteorológicas para los próximos días podemos lanzar campañas deadwords personalizadas y con un mensaje contextualizado sólo visible en aquellas ubicaciones que cumplan determinados requisitos. Por ejemplo, si sabemos que en Madrid con frío y lluvia una mujer de 40 años tiende a reservar destinos de Sol y Playa por encima de otros destinos, se podría diseñar una campaña para vender paquetes a Canarias y que sólo se muestre a mujeres de esa franja de edad (filtros de Google Adwords) en las ciudades donde llueve y hace frío (filtro de digitalmeteo), con un mensaje del tipo: “hace un día horrible eh? vente a Canarias a tomar el Sol con tu pareja”.
  1. Optimización SMM:Igual que en el caso anterior, pero con campañas en Redes Sociales con posibilidad de publi, como Facebook , Twitter, Instagram, etc…
  1. Revenue/Yield Management: Si conocemos qué va a comprar el cliente antes de que éste lo demande, podremos facilitar la toma de decisiones del Revenue Manager y maximizar así los ingresos. Si conocemos que con lluvia la afluencia a Centros Comerciales es un 35% más elevada que un día despejado, las tiendas podrían lanzar ofertas y campañas específicas para esos días valle y días de alta demanda.

      n. Y tantas aplicaciones como nos permita la creatividad.

En conclusión, el objetivo consistirá en poder reconocer a cada cliente que accede a nuestra Web para adaptar el mensaje/oferta a sus preferencias, como si cada usuario de Internet fuera un cliente habitual nuestro del que ya conocemos su comportamiento.

En digitalmeteo ya podemos detectar patrones de comportamiento en base a cualquier variable, incluida la meteorología, y de realizar cualquier desarrollo tecnológico para adaptarnos a las necesidades de cada cliente.

2

SObre el autor Fabian Gonzalez Checa rotate

Blog: http://fabiangonzalez.me/ Twitter: @fabiang Perfiles: http://www.google.com/profiles/fabian.gonzalez.checa

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos necesarios están marcados *

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong>