En la medida en que los negocios digitales maduran, es crítico poder predecir lo que pasará. Hoy, la analítica predictiva está al alcance y conceptos como Machine Learning son factibles para pasar al siguiente nivel. Describiremos el presente y futuro de las técnicas de analítica predictiva junto con ejemplos del uso en diferentes industrias a nivel digital

1. "Cloud for Marketing: Acelerando nuestro
marketing digital con Machine Learning"
BCN
MAD
SCL
MDE
BOG
LIM
MEX
MIA
SFO
SDQ
GYE
EZE
MULTIPLICA SUMMIT 2019

2. 2
Entendiendo la
experiencia
1

3. 3
ElMachineLearningHumano

4. 4
ElMachineLearningHumano

5. 5
ElMachineLearningHumano

6. 6
ElMachineLearningHumano
● Centenar de visitas al local comiendo
"cochinita pibil"
● Registro en "memoria" de lo que la
gente consumía
● Algunos de ellos comenzar a comprar
también "panuchos"
● La recomendación, permitió crear
paquetes donde se vendía cochinita y
panuchos
● Un sencillo sistema de
recomendaciones basado en la
observación

7. 7

8. "Machine Learning es la ciencia de
lograr que las computadoras actúen
sin ser explícitamente programadas,
sino más bien permitirles aprender
por sí solas."
(Dr. Danko Nikolic, CSC and Max-Planck Institute)

9. 9
Compañía de seguros
estadounidense, está testeando
AI & ML para mejorar:
1) La experiencia de clientes
mediante asistentes virtuales de
servicio al cliente
2) Mejorar la productividad de
los empleados mediante la
lectura y priorización automática
de millones de correos de los
clientes
Guardian
EjemplosdeMachineLearning

10. 10
Firma de servicios de bienes
raíces comerciales, creó en
conjunto con Google, un
asistente de voz (JiLL) que le
permite a empleados agendar
reuniones, encontrar colegas,
checar horarios del tren o
incluso completar solicitudes de
servicio vía voz o texto.
Por ejemplo, JiLL puede manejar
requerimientos tales como "Hey
JiLL, agenda una reunión
semanal con mi equipo".
JLL
EjemplosdeMachineLearning

11. 11
Escudería de la Formula 1, está
utilizando capacidades de
Machine Learning para ayudar a
visualizar y capturar datos de
performance de los monoplazas.
Incluso datos muy complejos,
por ejemplo imágenes del uso
de las llantas, pueden hoy ser
pre-analizadas antes de llegar a
los expertos del ingeniero en
llantas.
Mercedes-AMG Petronas
Motorsport
EjemplosdeMachineLearning

12. 12
Compañía de informes de
crédito al consumidor.
Crearon "Ascend Analytics On
Demand", una plataforma de
analítica de autoservicio, que le
permite a otras compañías
construir modelos predictivos
para determinar factores críticos
tales como si alguno de los 220
millones de consumidores,
califican para el monto de
crédito que están solicitando.
Experian
EjemplosdeMachineLearning

13. 13
Es capaz de predecir la
probabilidad de ocurrencia
de eventos o pronosticar
resultados
03
Sin reglas ni
programación específica.
Aprende con EJEMPLOS,
no con Instrucciones.
01
Encuentra asociaciones en
los datos o los segmenta
en clusters
02
Características del Machine Learning
CaracterísticasdelMachineLearning
Requiere de ajustes
permanentes para
garantizar la
representatividad
(ML Supervisado)
04

15. Google Cloud Vision API

16. Google Cloud Vision API

17. 17
¿Cómo
comenzar?

18. 18
¿Cómocomenzar?
Captura Transforma Analiza Visualiza Activa
Cómo trataremos y utilizaremos los datos

19. 19
¿Cómocomenzar?
Comenzar por ordenar los datos que tenemos repartidos

20. 20
¿Cómocomenzar?
Arquitectura Google Cloud Platform
BigQuery
Storage
Captura Transforma Analiza Visualiza Activa
BQ DTS
Export
AdWords DFP
DCM YouTube Ads
FirebaseGA360
CRM
Orders
Catalogs
ERP
3P platforms
Adobe Analytics

21. 21
¿Cómocomenzar?
Arquitectura Google Cloud Platform
BigQuery
Storage
Cloud
Dataprep
Captura Transforma Analiza Visualiza Activa
Cloud
Data ow
BQ DTS
Export
AdWords DFP
DCM YouTube Ads
FirebaseGA360
CRM
Orders
Catalogs
ERP
3P platforms
Adobe Analytics

22. 22
¿Cómocomenzar?
Arquitectura Google Cloud Platform
Cloud
Datalab
CloudML
Engine
BigQuery
Storage
Cloud
Dataprep
Captura Transforma Analiza Visualiza Activa
Cloud
Data ow
BigQuery
Compute
Machine
Learning
BQ DTS
Export
AdWords DFP
DCM YouTube Ads
FirebaseGA360
CRM
Orders
Catalogs
ERP
3P platforms
Adobe Analytics

23. 23
¿Cómocomenzar?
Arquitectura Google Cloud Platform
Cloud
Datalab
CloudML
Engine
DataStudio
BigQuery
Storage
Cloud
Dataprep
Captura Transforma Analiza Visualiza Activa
Cloud
Data ow
BigQuery
Compute
Machine
Learning
BQ DTS
Export
AdWords DFP
DCM YouTube Ads
FirebaseGA360
CRM
Orders
Catalogs
ERP
3P platforms
Adobe Analytics

24. 24
¿Cómocomenzar?
Arquitectura Google Cloud Platform
Cloud
Datalab
CloudML
Engine
DataStudio
BigQuery
Storage
Cloud
Dataprep
Captura Transforma Analiza Visualiza Activa
Cloud
Data ow
BigQuery
Compute
Machine
Learning
BQ DTS
Export
AdWords DFP
DCM YouTube Ads
Firebase
●Data Scientists
●Business Analysts
●Executives
GA360
CRM
Orders
Catalogs
ERP
3P platforms
Adobe Analytics

25. 25
Adobe Analytics
Arquitectura Google Cloud Platform - Puesto en simple
¿Cómocomenzar?
fuentes de datos
dispersos
única fuente de
insights
segmentos
generados por
ML
insights asociados a
esos segmentos
activación insights en
medios y plat. de mktg

26. 26
¿Cómocomenzar?
Predecir: ¿Cuánto gastará en el
futuro?
Predecir: ¿Es probable que
compre de nuevo?
Adquirir: ¿Cómo
hallamos otras
como ella, pero a
escala?
Retener: ¿Deberíamos enviarle
ofertas para retenerla?
Crecer: ¿Deberíamos enviarle
recomendaciones de otros
productos?
Predecir
Adquirir
Retener
Crecer

27. 27
KLM - Modelos de compra de medios, a partir de los datos
EjemplosdeMachineLearning
-40%
Costo por Reserva
+1.4x
CTR vs grupo control
+2x
reservas con el mismo
gasto
"Escalar modelos predictivos a
través de todos los puntos de
contacto con el cliente"

28. 28
Meliá - Audience Score (Experiencia Metriplica)
EjemplosdeMachineLearning
+625%
en la conversión de
las campañas con remarketing.
-79%
del coste de adquisición
por cliente.
+354%
del ROAS de
las campañas con
remarketing.
"Identificar la probabilidad de
compra de cada usuario, y
optimizar las campañas según
dicho score"

29. Iniciativas de
Mktg Digital
...accionables y
medibles
Audience
Score
Estrategias de
Remarketing
Personalización y
A/B Testing
Adquisición de
Nuevas
Audiencias
Mejores Insights de
comportamiento
onsite
Estrategias de
Suppression Lists