Muchas soluciones de tecnología para el comercio electrónico se basan en soluciones de "automatización". Pero la mayoría de ellas se basan en la aplicación automatizada de cientos de ' reglas ' creadas y administradas manualmente.
Imaginemos un mundo en el que todos utilizáramos coches autónomos, pero autónomos sin tener la percepción de la situación o contexto, es decir “a ciegas”. Los coches sabrían lo que sus pasajeros quieren, y tendrían unas reglas que seguir con el fin de operar de forma robótica en consonancia con los deseos de cada individuo. Sin embargo, al no tener una visión externa del contexto, no tendrían ni idea de lo que otros coches están haciendo.
El resultado sería claro: un caos. Incluso si cada coche fuese conducido bien técnicamente, sería muy fácil que se estrellasen. El problema, claramente, es que estos coches no tienen manera de saber lo que otros coches están haciendo a su alrededor, lo que probablemente pueden hacer a continuación o donde está el resto de los coches en el mapa.
De hecho, lo más probable es que nunca se te ocurriese ir en un coche con este tipo de tecnología, pero mucho menos aplicarlo a un negocio. Pues esto es exactamente lo que muchos e-commerce de todo el mundo están haciendo.
“La gran mayoría de las llamadas “tecnologías de automatización de e-commerce” funcionan igual que los coches autónomos sin contexto. Ellos miran la intención individual y utilizan reglas para tratar de ofrecer una experiencia relevante pero superficial. Establecen reglas sobre los resultados generados automáticamente, en la creencia de que la inteligencia humana aún supera cualquier otra cosa, incluyendo las computadoras.”Declara Alberto de Torres CEO de Nektiu y Director del Programa Superior en Inteligencia Artificial de ICEMD.
Al igual que con el ejemplo de los coches, realmente no es que funcionen mal, sino que les falta una visión del comportamiento de la multitud de personas y del contexto.
La realidad es que este tipo de herramientas de automatización de ventas de e-commerce simplemente no funcionan. Esta automatización, en lugar de conseguir una verdadera relevancia, lo que obtiene es una conjetura en la intención de compra individual basada en una simplificación del comportamiento humano, que se genera totalmente fuera del contexto de las tendencias más amplias y la sabiduría de la multitud.
Viendo un simple ejemplo de automatización de e-commerce, que esencialmente se basan en las reglas ‘ IF/THEN ‘: IF “visitante” = “mujer” AND “mes” = “junio THEN recomendar la moda de playa.
¿Es esa lógica simple la que realmente nos da la verdad de cada visitante femenino? Claro que no. Entonces, ¿cómo pueden las recomendaciones que ofrece realmente ser relevantes para cada visitante? Incluso esa relevancia superficial es una ilusión, que inevitablemente daña la experiencia del cliente y, por tanto, las ventas.
Inteligencia en Tiempo Real
Pero ¿cuál es la solución a esa cuestión teórica del coche? ¿Más reglas? Si todavía estuviéramos en la década de 1930 y donde las carreteras estaban en gran parte desiertas, tal vez. Pero con el gran desarrollo del procesamiento de datos en tiempo real, significa que los coches controlados por las reglas simplemente no funcionarían en un coche, todo lo contrario, se esperan que sean inteligentes.
Para funcionar correctamente deben ser adaptables, inteligentes y críticos, capaces de aprender continuamente en tiempo real.
Lo mismo ocurre con la automatización del e-commerce. Cualquier solución que no sea inteligente no es una verdadera automatización, y no ofrecerá relevancia verdadera que – por su naturaleza – debe adaptarse en tiempo real y reflejar la plena complejidad del comportamiento humano.
“Automatización Simple”, los cinco problemas clave
Los enfoques basados en reglas, en esencia, sufren de algunos defectos importantes:
Solo simplifican – los datos como el género y la temporada, como en el ejemplo, son claramente insuficientes cuando se trata de predecir y reaccionar a la intención probable del comprador.
Personalizan demasiado a un “comportamiento” particular – la verdadera relevancia proviene de entender el comportamiento de un grupo, no el de un individuo.
Los que están basados en reglas dependen de la intervención humana (por ejemplo, para definir la duración de la temporada de verano).
Los que están basados en reglas crecen rápidamente y estar fuera de control, ya que son demasiadas reglas para gestionar eficazmente: cambiar una regla y las consecuencias para otras reglas (buenas o malas) son desconocidos los efectos siendo demasiado tarde.
Las reglas y las personas que trabajan con ellos simplemente no pueden hacer frente a la complejidad de los datos lo suficientemente rápido como para reaccionar en tiempo real a un contexto cambiante y al comportamiento.
Características de una herramienta de automatización Inteligente
Las herramientas de Inteligencia Artificial eliminan completamente la dependencia de las reglas, reemplazándolas con una automatización avanzada que aprende, reacciona y se adapta en tiempo real para ofrecer verdadera relevancia.
Se ha comprobado que transforma el rendimiento de las ventas y reduce los costes, a la vez que libera de la ingrata tarea de administrar cientos, incluso miles de reglas en las herramientas de automatización.
La aplicación de Inteligencia Artificial trata de conseguir la relevancia en la comercialización digital, tanto en los productos que se muestran a los compradores, como cuando y lo que se tienen que mostrar. Todo el proceso está automatizado, con sólo una intervención humana requerida a alto nivel, así las decisiones a decidir en la comercialización digital son si se quiere una estrategia para optimizar la conversión, los ingresos o las ganancias.
Esto es posible porque se calcula la exposición del producto no de acuerdo con las reglas fijadas manualmente, sino de acuerdo con un conjunto de algoritmos de inteligencia artificial integrados que representan el comportamiento individual del visitante en todo el sitio y para todos los visitantes, en tiempo real.
¿Cómo funciona la herramienta de Inteligencia Artificial?
La herramienta de IA tiene como objetivo mostrar los productos más relevantes a un visitante en un momento dado y en todos los contextos posibles. Cada producto y variante se asigna una puntuación de relevancia con cada consulta. La puntuación de relevancia se utiliza para comparar los productos en la consulta.
La relevancia se basa en el contexto y el contexto se basa en cuatro componentes diferentes; el tipo de panel que se utiliza, la estrategia empresarial del e-commerce (incluyendo ajustes de estrategia de exposición, promociones y margen), el comportamiento histórico del visitante y el comportamiento histórico de otros visitantes del mismo perfil que el visitante actual.
Los paneles que aceptan el argumento “Búsqueda por” pueden clasificar productos de acuerdo con la relevancia con algoritmos de clasificación en base al Top Ventas.
El orden de clasificación de relevancia se consigue con un método de ordenación algorítmica, y el orden de ordenación que se recomienda en la mayoría de los casos de uso. Selecciona un algoritmo de clasificación basado en el panel de búsqueda y es el orden de clasificación el que se usará para beneficiarse plenamente de la configuración de la estrategia de exposición, de promociones y de venta por margen.
Optimización y rentabilidad
Con un sistema de optimización de ecommerce basado en Inteligencia Artificial, se puede conseguir incrementar los KPI principales de un ecommerce. Para ello podemos establecer una estrategia basada en los algoritmos de Inteligencia Artificial que nos permitirán crecer de varias formas, bien por conversión (ganando cuota de mercado), por ingresos (incrementando facturación) o por ganancias (incrementando beneficio).
Siendo los principales beneficios de la Optimización basada en Inteligencia Artificial, el primero sería conseguir alcanzar los objetivos de negocio en margen, rentabilidad y tener la capacidad de reaccionar a las tendencias de compras en tiempo real. El segundo alcanzar una eficiencia operativa, pues permite automatizar aspectos repetitivos y sensibles en tiempo real. Y sobre todo una Experiencia de cliente optimizada, ya que al usar machine learning y el análisis de macrodatos permite comprender las interacciones de cada cliente en tiempo real y ajustar la exposición del producto para ofrecer experiencias de compra individualmente relevantes.