Como lo demostró la crisis de COVID-19, el comercio electrónico se ha convertido en una parte integral de nuestra vida diaria. Esta migración al mundo digital ha llevado a las organizaciones a hacerse más preguntas, principalmente, ¿cómo monetizamos nuestro contenido digital y cómo lo hacemos de manera efectiva?
Comercio electrónico y aprendizaje automático
Una solución es brindarle al consumidor una experiencia de compra de medios basada en inteligencia artificial (IA) y aprendizaje automático (ML). Este tipo de solución mejora la experiencia de compra del cliente al convertir los medios estáticos en una experiencia de medios dinámicos interactivos y accesibles que realmente atrae al cliente y reduce la resistencia del comprador y aumenta el tamaño del carrito electrónico y, por lo tanto, las ventas.
Como todos sabemos, los conceptos innovadores y las mejoras tecnológicas mejoran enormemente la experiencia de compra de los consumidores. Cuando esto sucede, puede conducir a niveles más altos de participación y, en última instancia, a un total de pago más alto. (Lea: Preparativos para crear una tienda en línea.)
Sin embargo, si bien la innovación y la tecnología brindan numerosos beneficios, también puede haber consecuencias no deseadas. Por ejemplo, las organizaciones pueden carecer del personal para identificar y asociar correctamente los productos en el contenido de los medios, lo que puede crear una barrera para brindar una experiencia de medios que se pueda comprar.
Un componente crítico para crear una experiencia de compra de medios interactivos gira en torno a la automatización. La buena noticia es que hoy en día, la automatización generalmente viene con cierto nivel de aprendizaje automático, y vemos cada vez más que la visión artificial se usa dentro de la experiencia de compra en sí.
El aprendizaje automático y la automatización han permitido a las empresas optimizar la experiencia de compra para el consumidor, así como agilizar los procesos comerciales y aumentar la rentabilidad de la organización. (Leer: Cómo Big Data puede potenciar el servicio al cliente inteligente.)
Echemos un vistazo a un obstáculo potencial que afecta la monetización del contenido digital y crea barreras para garantizar un alto nivel de participación del consumidor. Uno de los obstáculos que enfrentan las organizaciones cuando intentan avanzar hacia una experiencia de medios de compra inmersiva es cómo identificar rápida y fácilmente los productos en el contenido.
Como discutimos anteriormente, la automatización puede ayudar. Al aprovechar el poder del aprendizaje automático y la visión artificial, podemos hacer que el proceso de identificación para la experiencia de compra de medios sea mucho más fácil, con poca o ninguna interacción humana.
La experiencia
Una forma de hacer que la experiencia sea fluida es automatizar el proceso de selección de productos relacionados con los medios de compra y luego presentar los resultados a un ser humano para su revisión y validación final. Esta metodología proporciona una red de seguridad contra los errores de selección de productos al tiempo que reduce el nivel general de esfuerzo humano requerido. (Leer: Una breve historia de la IA.)
Entre los muchos beneficios para las organizaciones que utilizan estas técnicas de automatización/aprendizaje automático es que reducirá los esfuerzos del personal de selección de productos en 1-2 horas por semana.
Caso de estudio
Imagine que es un minorista en la industria de la belleza y su organización tiene una amplia colección de productos a la venta. Hoy en día, utiliza contenido de video de marca y basado en personas influyentes para exhibir sus productos. Uno de los videos de su colección lleva al consumidor a través de un recorrido por la rutina diaria de maquillaje de un influencer.
A través del poder del aprendizaje automático, el primer paso en el proceso de uso del catálogo de productos es vectorizar las imágenes de los artículos. Este es el proceso de convertir archivos de imagen a un formato que pueda ser utilizado por algoritmos de aprendizaje automático.
El siguiente paso es realizar una clasificación de etiquetas múltiples y crear una taxonomía en torno a su oferta. Al utilizar la clasificación de etiquetas múltiples y una taxonomía sólida, los algoritmos lo ayudarán a identificar las características del producto más aplicables a sus medios. Estos rasgos para este ejemplo de producto de belleza pueden incluir lo siguiente:
- Color primario.
- Color secundario.
- Tipo de artículo (rubor, lápiz labial, base, brochas, esmalte de uñas).
- Diseño (si el artículo tiene diseños en el empaque, por ejemplo).
El paso final en el que se produce el contenido de video es ejecutar los videos a través de una o más redes neuronales convolucionales utilizando las imágenes vectoriales de productos creadas previamente.
Al ejecutar el video a través de las redes neuronales, el proveedor puede encontrar los vecinos más cercanos (es decir, la coincidencia más cercana que evalúa múltiples puntos vectoriales) en las diferentes etiquetas, junto con una puntuación de probabilidad para cada coincidencia. Sopesar esta puntuación les permite encontrar la coincidencia exacta o la coincidencia más cercana al producto identificado.
Pensamientos finales
Este ejemplo solo rasca la superficie de lo que es posible con el aprendizaje automático y la inteligencia artificial. Hay todo un mundo de oportunidades innovadoras en este espacio por delante para el mercado. Estos conceptos se pueden ampliar aún más para incorporar datos auxiliares adicionales, como análisis, datos de inventario de productos y datos de la plataforma de gestión de datos (DMP) para permitir una mayor personalización de los productos que se ofrecen al consumidor.