“Estos son los pueblos más bonitos de España/los mejores platos típicos de cada región, según la inteligencia artificial”. ¿Cuántos titulares parecidos hemos visto en los últimos meses? Infinitos. El problema no es que la inteligencia artificial generativa (IAG) esté hasta en la sopa, el problema es que ese tipo de frases dan a entender una idea errónea sobre lo que es capaz de hacer de verdad. Aunque parezca todopoderosa, si la alimentamos con datos malos, nos devolverá malos resultados. “Es lo que se conoce como garbage-in, garbage-out, o basura que entra, basura que sale, y significa que las respuestas de la inteligencia artificial tienen la misma calidad que la de sus datos de entrenamiento”, explica el director de Business Solutions and Insights de Google para España y Portugal, Francisco Rivillas.
Por eso “es fundamental asegurar que las señales y los datos que recibe la IA sean lo más precisos posibles”, añade el experto. Así que, en realidad, todavía depende muchísimo de nuestro conocimiento y nuestra experiencia para darnos servicios útiles. De hecho, según un informe recogido por Forbes, “más del 80% del tiempo empleado en proyectos de IA se dedica a tratar y manejar datos. Y lo que es aún más importante, y quizá sorprendente, es que gran parte de este trabajo de preparación de datos requiere un gran esfuerzo humano”.
Es cierto que cada vez es más capaz de asumir tareas más y más complejas, pero, sin un profesional que la configure, la supervise y guíe sus pasos, será tan inútil como un metaverso sin gente. Este fenómeno se ve muy claramente en la industria del marketing digital. Rivillas detalla: “El dato más importante para la IA es definir cuál es el éxito de una campaña, ya sea maximizar la gente que la ve, las visitas a la web, las solicitudes de información, el número de ventas o el margen de las mismas… y es el profesional humano quien lo sabe y toma la decisión. Sin este planteamiento estratégico, la inteligencia artificial está perdida”.
Da igual que la IA se haya convertido en una de las herramientas favoritas del sector por su capacidad de automatizar y acelerar prácticamente cada paso del proceso de diseñar una campaña. Es algo que incluso ya puede completarse desde cero con una simple conversación gracias a funciones como la Experiencia Conversacional de Google, alimentada por IA. Pero, para que todo funcione bien, primero hay que saber a dónde se quiere llegar y cuáles son los mejores datos para alcanzar dicha meta. Y, de momento, los únicos entes con acceso a ese conocimiento somos las personas.
DATOS PEGADOS AL NEGOCIO
Dado que las novísimas herramientas de IA están al alcance de prácticamente todas las empresas por igual, para Rivillas “la ventaja competitiva va a ser de aquellas compañías que mejor utilicen sus datos”. Para lograrlo, una de las nuevas técnicas de marketing de Google habilitadas por la IA son las pujas por valor o value-based bidding. El término representa la siguiente iteración de las pujas automáticas que, según Rivillas, “ya estaban muy consolidadas y mejoraban significativamente los resultados de campañas con pujas manuales, pero la magia de la IA ha logrado elevarlas a un nuevo nivel, aportando un 14% más de valor en promedio que la puja por conversión.
A partir de los datos propios de la compañía, los profesionales del marketing pueden indicar a la herramienta el valor que consiguen con cada conversión para optimizar las pujas hacia los consumidores que más valor aporten. Rivillas pone un ejemplo: “Una empresa de ropa podría considerar que su éxito reside en lograr tiques de compra del mayor importe posible. Pero, si un usuario tiende a adquirir la misma prenda en tres tallas diferentes, lo más probable es que vaya a devolver dos de ellas, con lo que el beneficio final para la compañía será el de una única venta a la que tendrá que descontar los costes de devolución de los otros dos artículos. Así que tal vez vea más éxito en tiques más pequeños, pero con menos probabilidades de devolución. Es en este tipo de situaciones en las que queda claro que, sin la visión del profesional humano, la IA es incapaz de ofrecer los mejores resultados”.
Una compañía que ya ha sabido aprovechar la ventaja competitiva del talento humano aplicado a sus datos propios mediante las pujas por valor ha sido Vueling, tras decidir que una de sus nuevas prioridades publicitarias era la de conseguir llenar sus vuelos más inminentes lo máximo posible. Gracias a un algoritmo diseñado específicamente para esta misión, la aerolínea logró atraer más tráfico a su site para las rutas menos demandadas.
Por ejemplo, la RUTA A potenciada mediante la nueva metodología, aumentó su volumen de clics del 10% al 40%. Por su parte la RUTA B de control, en la que no se aplicó el nuevo algoritmo mantuvo su tasa de clic estancada en un 30%. La Performance y Analytics lead de Vueling Georgina Fernández Alcolea detalla: “Es como decir a la herramienta de pujas automáticas ‘ayúdame a vender aquello que me cuesta vender, y no me ayudes tanto a vender lo que ya tiene la demanda necesaria’. Es una tarea realmente difícil de conseguir sin aportar una señal interna que indique qué es aquello que necesita esa demanda adicional”.
Otra empresa que también se ha aprovechado del poder de las value based bidding ha sido Openbank, que quería reducir sus costes de adquisición de leads de poco valor para centrarse en captar aquellos con mayores probabilidades de aportar documentación para la concesión de una hipoteca. Para lograrlo, lo primero que tuvieron que hacer fue identificar aquellas señales en los datos que indican una mayor propensión a completar el proceso de estudio hipotecario por parte de los usuarios.
Una vez identificadas estas señales, el equipo las aplicó a la herramienta value-based bidding de Google, con lo que consiguió aumentar la tasa de conversión del lead a entrega de documentación final de hipotecas un 29%. Además, mejoró la rentabilidad de las campañas con un descenso del coste por adquisición del lead del 26%. Es decir, no solo ha maximizado su objetivo de éxito, sino que al mismo tiempo ha logrado reducir los costes de este proceso.
La online marketing manager de Openbank España, Veronique Nantista, afirma: “El modelo de lead score nos ha permitido activar en tiempo real los datos propios y dar un paso más en nuestra estrategia de value based bidding. La señal que estamos generando es lo que nos faltaba para poder alinear mejor la optimización de las campañas con los objetivos de negocio”.
LA MATERIA PRIMA ESCASEA
Además de la feroz competencia en la que están envueltas todas las empresas para exprimir al máximo las nuevas herramientas de IA, la cosa se complica todavía más si tenemos en cuenta que los usuarios cada vez somos más celosos de nuestra privacidad, la regulación requiere consentimiento y transparencia de los datos recogidos, mientras que las tecnologías de medición como las cookies de terceros están dejando de ser soportadas. Como resultado de esta evolución, cada vez hay menos datos disponibles, y esos datos como hemos visto son esenciales para la IA. En este contexto, la labor de los profesionales para entender las pérdidas de datos y cómo hacerles frente se vuelve fundamental.
Para Rivillas, esto no significa tener que romperse la cabeza para sacar información de un simple puñado de datos, ya que existen “mecanismos de medición alternativos o complementarios que permiten modelar casos en los que no hay consentimiento o tecnología de medición”. Y añade: “Hay cosas muy difíciles de medir, como el impacto en una venta de visualizar un banner en una web. El profesional debe ser consciente de las limitaciones de medición y usar métodos complementarios para extrapolar información para ajustar los modelos de IA”. En concreto, detalla tres mecanismos complementarios: el modo consentimiento, las conversiones mejoradas y el uso de Google Analytics 4 (GA4).
En el caso de las conversiones mejoradas, los datos propios que recoge una compañía, como direcciones de correo electrónico, se cifran y envían a Google para ver si esa venta puede atribuirse a campañas mostradas a clientes con las cuentas de Google que interactuaron con uno de los anuncios. Por su parte, el modo consentimiento permite a Google aplicar la modelización para compensar la información que se pierde cuando los usuarios rechazan las cookies. Básicamente ayuda a las empresas a subsanar deficiencias en la medición cuando los usuarios deciden no compartir sus datos. Las organizaciones pueden seguir conociendo las tendencias de conversión generales gracias a la información de los visitantes que sí dan su consentimiento. Una empresa que ya se ha aprovechado del modo consentimiento ha sido Air France, que logró un aumento del 9% en las conversiones visibles correspondientes a ventas de billetes en Europa.
Por último, GA4 representa la última versión de la famosa herramienta de Google, que ha iterado para ofrecer una mejor medición del tráfico y las interacciones en sitios web y aplicaciones. El nuevo servicio incluye controles de privacidad y mejora del rendimiento, como la medición y el uso de datos propios sin necesidad de cookies, análisis predictivos y la modelización de conversiones y comportamientos. Aunque GA4 no sustituirá de forma definitiva a Universal Analytics y a Analytics 360 hasta los veranos de 2023 y de 2024, respectivamente, algunas compañías ya están realizando pilotos con él. Un ejemplo es SEAT. Gracias a la nueva versión de la herramienta, la compañía ha logrado reducir su coste por adquisición en un 27%.
Tras este repaso, Rivillas concluye: “La IA es una herramienta muy potente y que evoluciona rapidisímamente, pero es dependiente de datos de calidad y de que se rellenen huecos y parámetros a los que no es capaz de llegar. Y para poder hacer todo eso hace falta un profesional de marketing que ya no necesita ser experto en realizar campañas muy manuales y granulares, sino en entender cuál es su objetivo, de que herramientas de IA dispone y cuáles son los mejores datos con los que alimentarla para que optimice el impacto en el negocio”.
Así que, ya sabe, por muy todopoderosa que parezca la inteligencia artificial, todavía no es nada sin nosotros. El talento humano la ha creado y es el responsable de que funcione correctamente y con los datos más adecuados. Da igual lo que digan, en esta nueva era de la tecnología en la que cada vez tenemos herramientas más fascinantes, los verdaderos superhéroes seguimos siendo los humanos.
