Cómo usar la IA para descubrir las causas detrás de las acciones de los clientes


Los especialistas en marketing utilizan cualquier número de puntos de datos para informar las recomendaciones que hacen a los clientes. Pero ellos De Verdad conoce las causas por las que los clientes prefieren un producto o mensaje sobre otro? Una forma de averiguarlo es usar IA para analizar más datos de todo el recorrido del cliente, en lugar de depender de resultados limitados de pruebas A/B específicas.

Lea a continuación: Análisis de marketing: qué es y por qué los especialistas en marketing deberían preocuparse

Las causas importan

«La capacidad de comprender los verdaderos impulsores del comportamiento del cliente a lo largo del viaje es transformadora», dijo Zubair Magrey, gerente general de marketing de la empresa de software de toma de decisiones causaLens con sede en el Reino Unido en The MarTech Conference.

Esto se debe a que los datos por sí solos no brindan una imagen completa. Para obtener eso, necesita conocer las causas detrás de los resultados.

“No solo está interesado en predecir cuál de sus clientes se va a ir, o predecir qué van a comprar sus clientes a continuación”, dijo Andre Franca, director de datos aplicados en causaLens. “Lo que te interesa entender es ¿cuál es el mejor producto que debo recomendar a mis clientes? ¿Cuál es la mejor acción para mí para retener a mis clientes?”

En última instancia, eso significa reunir la mejor combinación de canales digitales para llegar a los clientes. Esto, a su vez, optimiza los ingresos.

“La pregunta que debería hacerse es cuál es el impacto causal de agregar o eliminar un nuevo canal de anuncios, sabiendo todo lo que ya sabe sobre su combinación de marketing actual”, dijo Franca.

Evitar correlaciones para descubrir causas reales

La IA predictiva se usa con frecuencia para medir la probabilidad según un porcentaje o puntaje. ¿De dónde vino ese número? Más importante aún, ¿cuáles son las causas detrás de esos números?

“La verdadera pregunta que debería hacerme es: ¿Qué causa la lealtad del cliente?” Franca explicó. (La lealtad es un tema particularmente complicado en marketing en este momento).

La clave para responder esto es evitar conclusiones basadas en correlaciones.

“Todo el mundo sabe que correlación no implica causalidad”, dijo Franca. “¿Y por qué es eso correcto? Necesitamos entender en qué situaciones una correlación es realmente causal”.

Es lógica básica, pero un ejemplo ayuda. Digamos que tienes una habitación muy caliente llena de humo y quieres deshacerte de ambos. La solución no es bajar la temperatura. El calor no provocó el humo. En cambio, hay un tercer elemento, un fuego, que está causando ambos. La solución es apagar el fuego.

Límites de las pruebas A/B

Separar las correlaciones de las causas requiere agregar más datos de las etapas del viaje del cliente.

Las pruebas A/B son un método relativamente simple para decidir cuál de las dos opciones funciona mejor en un contexto limitado. Por ejemplo, podría ser la elección entre dos recomendaciones de productos diferentes para el mismo segmento de clientes.

La prueba A/B es experimental y proporciona datos sobre cuál de las dos opciones es más efectiva. Pero hay desventajas.

“En última instancia, esto depende mucho del diseño experimental y está restringido en la forma en que realiza este experimento”, dijo Franca. “Lo más importante es que ignora la posibilidad de que diferentes clientes reaccionen de manera diferente a las opciones que les está dando”.

En las pruebas A/B, los resultados muestran qué opción obtiene un mejor resultado, en esa instancia específica. Pero no explica por qué clientes similares en el mismo segmento responden de manera diferente.

“Sin embargo, con el descubrimiento causal, no necesariamente debe estar restringido a estas limitaciones, porque todo lo que necesita es mirar a través de los datos, y los datos le dirán cuál es el efecto causal y, al final. del día, qué partes de su cohorte en realidad respondieron mejor a esa intervención”, dijo Franca.


¡Consigue MarTech! Diariamente. Libre. En tu bandeja de entrada.


Cómo Causal AI está potenciando los avances en marketing de Third Door Media en Vimeo.


Sobre el Autor

Chris Wood cuenta con más de 15 años de experiencia periodística como editor y periodista B2B. En DMN, se desempeñó como editor asociado y ofreció un análisis original sobre el panorama tecnológico de marketing en evolución. Ha entrevistado a líderes en tecnología y política, desde la directora ejecutiva de Canva, Melanie Perkins, hasta el ex director ejecutivo de Cisco, John Chambers, y Vivek Kundra, designado por Barack Obama como el primer CIO federal del país. Está especialmente interesado en cómo las nuevas tecnologías, incluidas la voz y la cadena de bloques, están alterando el mundo del marketing tal como lo conocemos. En 2019, moderó un panel sobre «teatro de la innovación» en Fintech Inn, en Vilnius. Además de sus reportajes centrados en el marketing en comercios de la industria como Tendencias de robótica, Modern Brewery Age y AdNation News, Wood también ha escrito para KIRKUS y contribuye con ficción, crítica y poesía en varios blogs de libros líderes. Estudió inglés en la Universidad de Fairfield y nació en Springfield, Massachusetts. Él vive en Nueva York.



Versión en Inglés Cómo usar la IA para descubrir las causas detrás de las acciones de los clientes