La inteligencia artificial está allanando el camino para un mundo de oportunidades en el comercio minorista inimaginable hasta hace tan sólo unos años. El sutil trabajo que llevan a cabo herramientas de inteligencia artificial entre bastidores está ayudando a tomar mejores decisiones de compra. Hasta tal punto es así que, según algunos estudios, el 85 por ciento de las relaciones de los consumidores con las empresas estarán gestionadas sin mediación humana. El comercio online está aprovechando las tecnologías de inteligencia artificial para incrementar ventas mejorando la experiencia de cliente. Una de las mejoras más destacable es la que se está dando en la personalización. Hace no demasiado tiempo, por personalización entendíamos poco más que ver nuestro nombre de pila aparecer cuando nos conectábamos con nuestro usuario. Pero ahora, la inteligencia artificial ofrece estilos de personalización que pueden beneficiar tanto al consumidor como al comercio.
A continuación vamos a ver algunos ejemplos de cómo se está dando esto
Sistemas de recomendación
Los sistemas de recomendación llevan siendo utilizados en el comercio minorista online desde hace más de una década, pero han madurado notablemente en años recientes. El aprendizaje automático (machine learning), una rama de la inteligencia artificial, ha abierto un mundo de posibilidades para el análisis y aprendizaje a partir del comportamiento de los clientes. A finales de la década de los 90 comenzó a utilizarse esta tecnología para analizar grandes volúmenes de datos de consumidores – historiales de compras, etc. – para extraer conclusiones a partir de la cual mejorar la toma de decisiones. Antes de la existencia del comercio online como tal, las herramientas de aprendizaje automático comenzaron a utilizarse en el análisis de bases de datos sobre transacciones de clientes. La técnica utilizada para ofrecer información a partir de la cual tomar mejores decisiones era la del llamado “minado de datos (data mining)”. Uno de los ejemplos más relevantes de esta tecnología fue el descubrimiento inesperado de la correlación entre ventas de pañales y de cervezas en una cadena de supermercados en 1998. Esta información llevó a los directivos a especular con que quienes estaban detrás de estas compras eran padres jóvenes, que aprovechaban los desplazamientos para recompensarse con unas cervezas. Consecuentemente, la cadena decidió reubicar estos artículos para que estuvieran cerca, una decisión que provocó que las ventas aumentaran. Existen muchos ejemplos de situaciones en las que el minado de datos ha tenido resultados positivos.
En la actualidad, una gran proporción de las ventas se produce a través de tiendas virtuales. Esto implica que se está acumulando un volumen de datos sobre clientes colosal. Las mejoras en las técnicas de aprendizaje automático han contribuido al desarrollo y popularización de los motores de recomendación. Se trata de sistemas que utilizan técnicas de análisis para encontrar y recomendar artículos que pueden ser de interés de los consumidores. Amazon y Netflix fueron de las primeras empresas en comenzar a desarrollar este tipo de sistemas. En la actualidad, empresas de servicios, como LinkedIn, han incorporado sistemas de recomendación a sus páginas. En el caso de LinkedIn, su sistema es capaz de recomendarnos gente con la que conectar. Los sistemas de recomendación ofrecen sugerencias a los consumidores sobre productos y servicios que pueden resultarles de interés, como libros, películas y música. Recomiendan contenido personalizado indagando en sus historiales de compras o en las preferencias de otros clientes, tanto implícitas en sus compras anteriores, como explícitas en sus calificaciones y comentarios online.
Los sistemas de recomendación se desarrollan principalmente combinando dos técnicas. La del análisis de contenidos y la del filtrado colaborativo. En el análisis de contenidos, las recomendaciones se elaboran a partir de las características de los artículos. Es decir, parten exclusivamente de las especificaciones del producto. Por ejemplo, a alguien que compre un CD de la quinta sinfonía de Beethoven es posible que le interese el CD de la séptima sinfonía de Beethoven, dado que se trata del mismo género musical y el mismo compositor. El filtrado colaborativo, por otro lado, analiza las preferencias de correlación de grupos concretos de usuarios y, en función de sus similitudes, trata de predecir el gusto de un cliente para ofrecerle recomendaciones. Utilizando el mismo ejemplo, cuando muchos compradores, tras comprar un CD de Beethoven, compran uno de Haydn y dejan opiniones favorables, entonces el sistema puede recomendar el CD de Haydn. Los artículos correlacionados se enumeran y filtran para ofrecer las sugerencias que mayores posibilidades de éxito tienen. Mediante el filtrado colaborativo de grandes volúmenes de datos, como hemos visto en el ejemplo del pañal y la cerveza citado anteriormente, se puede obtener resultados completamente inesperados. Los sistemas de recomendación basados en compras de clientes son ahora muy comunes y bastante efectivos porque aprenden de manera continua para afinar y ajustar sus recomendaciones progresivamente a los gustos de los clientes.
Mejora de las búsquedas de clientes
Las interacciones con los clientes a través de internet dependen cada vez más de los sistemas de inteligencia artificial. Y esto es algo que no debería sorprendernos, porque las necesidades de los clientes difieren enormemente. Uno de los campos en los que esta tendencia se ha hecho más patente es en el de las búsquedas de productos. Google es la empresa líder en búsquedas online y lleva años trabajando en tecnologías de inteligencia artificial para mejorar su principal motor de búsqueda. Google utiliza lo que denomina un “gráfico de conocimiento”. Se trata de un sistema capaz de recopilar información de distintas fuentes web y presentarla en un formato resumido. De esta manera, mejora la experiencia de búsqueda de los usuarios, ofreciéndoles un cuadro informativo con un resumen de lo que están buscando junto con los resultados de la búsqueda. Su tecnología de búsqueda extrae automáticamente esta información de diferentes páginas web. Sin embargo, muchos proveedores utilizan motores de búsqueda en sus páginas cuyo propósito es saber qué productos quiere comprar el consumidor. Se trata de una tarea complicada, porque los motores de búsqueda tienen que ser capaces de gestionar consultas como “¿tienes una batería que se ajuste a un automóvil Toyota Auris?” o “¿tienes un disco de Duke Ellington con Louie Bellson a la batería?”. Amazon, que canaliza un 54% de todas las búsquedas de productos online, está tratando de desarrollar un motor capaz de predecir el contexto de las consultas de búsqueda de sus clientes, así como a reconocer sinónimos, etc. Pero a veces, los sistemas necesitan recabar más información – como tipo de automóvil, cilindrada, tipo de combustible, etc – para ofrecer mejores resultados. En la actualidad, este tipo de consultas se atienden mediante chatbots (ver siguiente sección).
Chatbots para interacciones con clientes
Los chatbots son asistentes de ayuda online automatizados que permiten al personal comercial concentrarse en interacciones de valor añadido. Los chatbots son programas de inteligencia artificial capaces de conversar con un humano para resolver problemas, generalmente a través de mensajes de texto en lenguaje natural. Funcionan ofreciendo respuestas en lenguaje natural a consultas o solicitudes de usuarios. Esta primera consulta puede dar lugar a un diálogo, similar al que mantendrían dos personas, que se prolongará hasta que uno de los interlocutores ponga fin a la conversación.
Los chatbots de primera generación que surgieron hace una década, ofrecían respuestas bastante limitadas, puesto que estaban programados para identificar palabras clave como “venta”, “descuento”, “devoluciones”, etc., y luego ofrecer “textos enlatados” a modo de respuestas. No tenían capacidad de aprender y, por lo tanto, se consideraba que proporcionaban poco valor más allá de su novedad. Los chatbots actuales son capaces de descifrar mejor la intención de los usuarios y extraer mejores respuestas del sistema. Estas respuestas pueden consistir en textos genéricos, información almacenada en una base de datos contextualizada para el solicitante, o preguntas que el chatbot plantea para tratar de entender mejor las intenciones del solicitante. Por ejemplo, pueden aprender a identificar sinónimos o expresiones coloquiales que usan los clientes, o intentar aprender a adivinar las intenciones de los clientes, incluso cuando incluyen errores ortográficos o gramaticales. Pueden ayudar a incrementar las ventas proporcionando información de todo tipo sobre las especificaciones, instrucciones de uso de un producto, etc.
Hace ya varios años que los chats de ayuda atendidos por humanos se han convertido en elementos omnipresentes en las páginas web. Pero en la actualidad, existe una tendencia a mejorarlos, cuando no directamente a reemplazarlos, con la incorporación de chatbots. La inteligencia artificial ha permitido lograr grandes avances en este tipo de servicios, permitiendo a las empresas desplegar chatbots y asistentes virtuales para responder preguntas comunes de servicio al cliente. El lenguaje natural hablado puede llegar a reemplazar los diálogos textuales. Así, en algunos centros de atención telefónica los clientes ya pueden solicitar ayuda automatizada con determinadas tareas, como restablecer una contraseña. A medida que estas tecnologías sigan ganando terreno, será necesario abordar los problemas de privacidad y seguridad que plantean, porque, aunque las conversaciones con los chatbots pueden llevarse a cabo de forma anónima, algunos datos de los que recopilan por los sistemas de aprendizaje automático podrían considerarse confidenciales.
Agentes inteligentes
Los agentes inteligentes son programas de inteligencia artificial capaces de realizar tareas prácticas a petición de un cliente. Son proactivos en el sentido de que entran en acción al detectar algún cambio en un entorno de negocio. Por ejemplo, en aquellos casos en los que un cliente visite una página web de un producto, pero desista de comprarlo al ver el precio. En este caso podría activarse un agente inteligente para alertar al usuario en el caso de que el precio baje. Este tipo de interacciones podría suponer un incremento de ventas. El cliente podría programar este agente inteligente para que le mantenga alerta mediante notificaciones emergentes en su portátil, o en el móvil. También podrían aprovecharse las funcionalidades de voz que ofrecen los asistentes virtuales, como Siri de Apple. Los agentes inteligentes también pueden aprender y modular sus sugerencias teniendo en cuenta las preferencias del usuario gracias a las tecnologías de ‘machine learning’. Y esto es importante porque los gustos de los clientes pueden cambiar con el tiempo. Sería posible aprovechar asistentes inteligentes de voz, como Alexa y Siri, para facilitar las transacciones con los clientes, incluso establecer interfaces con tiendas online para ejecutar compras de productos por voz.
Personalización de correos electrónicos
La personalización de los contenidos de los correos electrónicos es un factor importante en la comunicación entre cliente y proveedor. Los clientes valoran mucho la personalización. Hasta ahora, los proveedores diseñaban manualmente los contenidos de sus campañas a través del correo electrónico para comercializar productos. Se trata de una tarea costosa tanto en términos de tiempo como de dedicación de recursos humanos. En la actualidad, gracias a la inteligencia artificial, se vienen utilizando algoritmos de aprendizaje automático para hacer un seguimiento del comportamiento de navegación de los clientes y, por lo tanto, entender mejor su sensibilidad hacia los distintos tipos de contenido. También se están desarrollando algoritmos capaces de aprovechar este conocimiento para crear correos electrónicos personalizados.
Servicios de IA para proveedores
Para incorporar herramientas de IA a una páginas web, ya no es necesario que una empresa disponga de expertos en plantilla. Existe una gama de servicios de soporte de desarrollo capaces de implementar contenido personalizado y chatbots. Por ejemplo, Azure ofrece soporte para la implantación de agentes de desarrollo, minería de conocimiento, sistemas similares. Además, esta empresa ofrece soporte para el desarrollo de chatbots. Pandorabots, es otra empresa especializada en ofrecer servicios de chatbot para una amplia gama de empresas.
Conclusiones
Como hemos visto, la tecnología de inteligencia artificial ofrece grandes ventajas para aquellas empresas dispuestas a invertir en este tipo de sistemas. Los ordenadores no cobran salarios, no se cansan, ni sufren bajas por enfermedad. Y un chatbot no se va a ofender por que un cliente insatisfecho se desahogue gritándole. Además, es más probable que un consumidor se sienta mejor tratado si se le ofrece una experiencia personalizada como las que son capaces de ofrecer las herramientas de IA descritas en este artículo. Además, en la era de la disponibilidad, los clientes se han acostumbrado a recibir respuestas inmediatas, por lo que tener acceso a un servicio de atención de manera ininterrumpida, en cualquier momento y cualquier día se ha convertido en una necesidad esencial. Las empresas que adopten soluciones de inteligencia artificial tienen muchas más posibilidades de conseguirlo.
Keith Darlington
Comentarios sobre esta publicación