8 ejemplos de aprendizaje automático de marcas para inspirar a los especialistas en marketing digital


El aprendizaje automático está de moda, pero ¿cómo se ve realmente en la práctica, como parte de una estrategia de marketing digital?

Se ha encontrado con una estrategia de aprendizaje automático si ha utilizado un sitio web que recomienda productos basados ​​en compras anteriores.

El aprendizaje automático es una faceta de la inteligencia artificial (IA) que utiliza algoritmos para completar tareas específicas, como recomendaciones de productos.

Puede lograr una multitud de funciones para los especialistas en marketing digital, que incluyen:

El aprendizaje automático ha estado en el marketing digital durante años.

De hecho, estás usando aprendizaje automático cada vez que usa motores de búsqueda.

Si bien sigue siendo una estrategia nueva para la mayoría, muchas empresas han comenzado a implementar esta tecnología en sus campañas de marketing.

A continuación se muestran ocho ejemplos de aprendizaje automático en marketing digital.

1. persecución

En 2019, el gigante bancario Chase Bank se asoció con Persado para ayudar a crear una copia de marketing para sus campañas.

Retaron a la empresa de inteligencia artificial a generar una copia que generara más clics, lo cual hicieron.

Ejemplos de la copia generada por aprendizaje automático son:

copia humana: “Deje de usar papel y gane $5 de reembolso en efectivo”.

Copia generada por máquina: (*8*).

Resultados: copia de IA generó casi el doble de clics.

copia humana: “Acceda a efectivo del capital de su casa” con el botón “Eche un vistazo”.

Copia generada por máquina: «Es cierto: puede desbloquear efectivo del capital de su casa» con un rápido «Haga clic para solicitar».

Resultados: La copia de IA atrajo a 47 solicitantes a la semana, mientras que la copia humana atrajo a 25 solicitantes a la semana.

copia humana: “Date prisa, termina el 31 de diciembre Gana 5% de reembolso en efectivo en tiendas departamentales, clubes mayoristas”.

Copia generada por máquina: “Con respecto a su tarjeta: 5% de reembolso en efectivo lo está esperando”

Resultados: copia de IA generó casi cinco veces los clics únicos.

Si bien la copia generada por la máquina puede haber funcionado mejor con los clientes, es importante recordar que funcionó con redactores humanos que le dieron ideas.

Juntos, los redactores humanos y el aprendizaje automático pueden crear y optimizar una copia que resuene.

2. Starbucks

Con tiendas en todo el mundo, Starbucks obtiene una gran cantidad de datos.

Starbucks puede aceptar a información de compra y convertir esta información en garantía de marketing con la tarjeta de fidelización y la aplicación móvil de Starbucks. Esta estrategia se llama análisis predictivo.

Por ejemplo, el aprendizaje automático recopila las bebidas que compra cada cliente, dónde las compra y cuándo las compra, y las compara con datos externos, como el clima y las promociones, para mostrar anuncios ultrapersonalizados a los clientes.

Una instancia incluye identificar al cliente a través del sistema de punto de venta de Starbucks y proporcionarle al barista su pedido preferido.

La aplicación también puede sugerir nuevos productos basados ​​en compras anteriores (que pueden cambiar según las condiciones climáticas o las vacaciones).

El aprendizaje automático puede eliminar las conjeturas de las recomendaciones de productos.

Los gigantes minoristas como Starbucks tienen millones de clientes, pero pueden hacer que cada uno sienta que recibe recomendaciones personalizadas porque pueden filtrar los datos de manera rápida y eficiente.

3. eBay

eBay tiene millones de suscriptores de correo electrónico. Cada correo electrónico necesitaba líneas de asunto atractivas que hicieran que el cliente hiciera clic.

Sin embargo, entregar más de 100 millones de líneas de asunto llamativas resultó abrumador para los escritores humanos.

Introduzca el aprendizaje automático.

eBay se asoció con Phrasee para ayudar a generar líneas de asunto atractivas que no activaran los filtros de spam. Además, la copia generada por máquina se alineó con la voz de la marca de eBay.

Sus resultados muestran el éxito:

  • Aumento del 15,8% en las tasas de apertura.
  • Aumento del 31,2% en clics promedio.
  • Más de 700.000 aperturas incrementales por campaña.
  • Más de 56.000 clics incrementales por campaña.

El aprendizaje automático puede tomar las tareas más abrumadoras y completarlas en minutos a escala.

Como resultado, las empresas pueden concentrarse más en campañas generales que en microtareas.

4. Tablero de la puerta

Doordash opera miles de campañas de marketing a través de sus canales de marketing.

Su equipo actualiza manualmente las ofertas en función del rendimiento de los anuncios.

Sin embargo, el equipo descubrió que esta tarea requería mucho tiempo y era abrumadora.

Entonces Doordash recurrió al aprendizaje automático para optimizar su inversión en marketing.

Creó una plataforma de automatización de marketing basada en datos de atribución.

Estos datos le indican a la empresa en qué canal se convirtió el cliente y con qué campaña.

Sin embargo, puede ser arduo recopilar rápidamente ese tipo de datos con miles de campañas en marcha a la vez.

El aprendizaje automático ayuda a asaltar esta tarea al recopilar esos datos y crear recomendaciones de gastos para que puedan optimizar su presupuesto de manera rápida y eficiente.

5. Autodesk

Autodesk vio la necesidad de chatbots más sofisticados.

Los consumidores a menudo se sienten frustrados por las limitaciones de los chatbots y, por lo tanto, prefieren hablar con un ser humano.

Sin embargo, los chatbots pueden ayudar a guiar a los clientes de manera eficiente a la página de contenido, vendedor o servicio que necesitan.

Así que Autodesk recurrió al aprendizaje automático y la IA.

El chatbot de Autodesk utiliza el aprendizaje automático para crear diálogos basados ​​en palabras clave del motor de búsqueda.

Luego, el chatbot puede conectarse con el cliente en el otro extremo, lo que permite tasas de conversión más rápidas.

Desde que implementó su chatbot, Autodesk triplicó la participación en el chat y aumentó un 109 % el tiempo que pasó en la página.

6. Baidu

En 2017, Baidu, el motor de búsqueda chino, creó un sistema llamado Deep Voice que utiliza el aprendizaje automático para convertir texto en voz. Este sistema puede aprender 2500 voces con media hora de datos cada una.

Baidu explica que Deep Voice puede conducir a experiencias más inmersivas en videojuegos y audiolibros.

El objetivo de Baidu con Deep Voice es enseñar a las máquinas a hablar de forma más humana imitando miles de voces humanas.

Pronto, el motor de búsqueda espera que el sistema pueda dominar 10.000 o más voces con diferentes acentos.

Cuando se perfeccione, Deep Voice podría mejorar las cosas que usamos todos los días, como:

  • Siri.
  • Alexa.
  • Asistente de Google.
  • Traducción en tiempo real.
  • Seguridad biométrica.

Incluso puede ayudar a las personas que han perdido la voz a sincerarse nuevamente.

Si bien no ha habido actualizaciones recientes, Baidu tiene la esperanza de que Deep Voice revolucionará nuestra tecnología.

7. Marcas a medida

Usos de Tailor Brands aprendizaje automático para ayudar a sus usuarios a crear logotipos.

La máquina, “Esto o Aquello”, ayuda a Tailor Brands a comprender el gusto de un usuario utilizando algoritmos de toma de decisiones.

Al elegir ejemplos de lo que les gusta, los usuarios le dicen al generador de logotipos sus preferencias de estilos, fuentes y otros aspectos del diseño.

Tailor Brands utiliza álgebra lineal.

La decisión de cada usuario se introduce en una ecuación que ayuda a la máquina a aprender las preferencias del usuario.

La próxima vez que alguien genere un logotipo, Tailor Brands puede mostrar estilos similares a los que ha usado antes.

8. Aullido

Yelp recibe millones de fotos todos los días en todo el mundo.

La empresa se dio cuenta de que necesitaba una forma sofisticada de hacer coincidir las fotos con negocios específicos.

Entonces ellos desarrolló un sistema de comprensión de fotografías para crear datos semánticos sobre fotografías individuales.

Este sistema permite que Yelp clasifique las fotos en categorías relevantes para la búsqueda del usuario.

Primero, Yelp creó etiquetas para las fotos que recibían de los usuarios, como «bebidas» o «menú».

A continuación, la empresa recopiló datos de pies de foto, atributos de fotos y crowdsourcing.

Luego, implementó el aprendizaje automático para reconocer las etiquetas de las fotos, a partir de las cuales el sistema podía clasificar las fotos en categorías.

Este sistema de clasificación de fotos ayuda a crear una mejor experiencia de usuario en Yelp.

Por ejemplo, puede ayudar a diversificar las fotos de portada y crear pestañas que permitan a los usuarios saltar a la información exacta que están buscando.

Los especialistas en marketing digital solo están arañando la superficie de lo que el aprendizaje automático puede hacer por ellos.

Los humanos y las máquinas pueden trabajar juntos para crear más experiencias significativas del cliente y campañas más optimizadas en menos tiempo. Es un ganar-ganar-ganar.

Más recursos:


Imagen destacada: /Shutterstock





Consultar el artículo en la publicación original

8 ejemplos de aprendizaje automático de marcas para inspirar a los especialistas en marketing digital
A %d blogueros les gusta esto: