El uso del machine learning para mejorar el marketing

Using machine learning to improve marketing

Navarro Chacon Tueros Sanchez

Miluska Cystopher Andrew

Universidad Universidad
Nacional Nacional
Tecnológica de Tecnológica de
Lima Sur. Lima, Lima Sur. Lima,
Perú Perú

ORCID: 0000- ORCID: 0000-

0002-3846-7058 0001-5693-0176

RESUMEN

El presente trabajo tiene como objetivo analizar y estudiar el uso de las diferentes tecnologías
que resultan de la aplicación del aprendizaje automático, que está ayudando a grandes
empresas en el área de marketing, cuando es difícil tomar decisiones. Se realizó una
investigación sobre los algoritmos de aprendizaje y entendiendo cómo estas herramientas
pueden generar sinergias a través de la aplicación de nuevas tecnologías. Se hizo una revisión
de las diferentes herramientas y empresas que ofrecen soluciones de aprendizaje automático
para análisis de datos, para que puedan conocer cuál se adapta mejor a las necesidades de
algunas empresas.

Palabras claves: Algoritmos, marketing, aprendizaje automático, cliente

ABSTRACT

The objective of this work is to analyze and study the use of the different technologies that
result from the application of machine learning, which is helping large companies in the
marketing area, when it is difficult to make decisions. An investigation was carried out on
learning algorithms and understanding how these tools can generate synergies through the
application of new technologies. A review of the different tools and companies that offer
machine learning solutions for data analysis was made, so that you can know which one best
suits the needs of some companies.

Keywords: Algorithms, marketing, machine learning, client

INTRODUCCIÓN

El machine learning tiene el potencial de revolucionar el marketing, al igual que lo han hecho
los dispositivos móviles, Internet y la televisión. Hoy en día, las empresas con visión de
futuro utilizan sus herramientas para aprovechar al máximo sus estrategias. Como resultado,
son pioneros en aprovechar la capacidad de esta tecnología para simplificar los datos, obtener
información valiosa sobre los usuarios y captar su atención de nuevas maneras.

METODOLOGÍA

Para la metodología se hablará de cómo se usa el Machine Learning para obtener una mejora
en el Marketing.

Debemos tener en cuenta que existen empresas dedicadas a la minería de datos y venden esta
información con fines de uso en estrategias comerciales. Las empresas de comercio
electrónico utilizan el aprendizaje automático para crear nuevos contenidos publicitarios y
predecir productos utilizando datos de entrada (datos ya obtenidos con anterioridad). Para
generar conocimiento se utilizan datos extraídos, es decir, datos puros con información
relevante. La generación de nuevo conocimiento tiene un proceso mediante el uso de
técnicas, los algoritmos más utilizados son: Bayesiano, agrupamiento y árboles de decisión.

Figura 1. Proceso de Machine Learning

 fuente: Machine Learning en Marketing

Lote de Adquisición de datos

Se puede obtener de dos maneras:
➢ La primera es que la empresa tenga la posibilidad de minar datos y luego usarlos para
evaluarlo con el uso de Machine Learning.
➢ La segunda es comprando a otras empresas datos obtenidos y luego darle uso para
mejorar el Marketing.

Procesamiento de datos:
Se procede a procesarlos, sin embargo, antes de ello se transforman los datos en lenguaje
máquina para que pueda ser entendida, se normalizan los datos y se procede a darle una
limpieza para verificar que no existan datos irrelevantes que no servirán en el conocimiento
que se está creando.

Modelo de ingeniería:
En este modelo se utilizan los algoritmos de aprendizaje que se mencionó anteriormente.

Algoritmo Bayesiano: Este aprendizaje se puede ver como el proceso de encontrar la

hipótesis más probable, teniendo un conjunto de ejemplos de entrenamiento y un
conocimiento antes sobre la probabilidad de cada hipótesis.
 Algunas dificultades de este algoritmo son:
➢ Necesidad de un conocimiento. Si no se tiene este conocimiento las
probabilidades deben ser referenciales.
➢ Tiene un coste computacional elevado. En el caso general es lineal con el
número de hipótesis ya establecidas.

Agrupamiento: Este algoritmo ayudaría de manera que junta a los consumidores en

grupos clasificados por la misma empresa, para luego crear estrategias específicas
para cada grupo elaborado.

Árboles de Decisión: Este algoritmo es el método más conocido, por que son fáciles
de manejar, ya que en ocasiones ayuda para saber qué variables son las más
influyentes, lo cual ayudaría en el área de Marketing.
Beneficios:
➢ Son fácilmente interpretables.
➢ Trabajan bien tanto con características continuas, como categóricas, y no
necesitan un gran tratamiento de los datos ya que son algoritmos que no se ven
afectados por las distintas escalas de los datos.

Ejecución:
Después de haber creado el conocimiento, o sea haber dado un resultado el algoritmo se
procede a ejecutarse haciendo experimentos, pruebas y alineación para verificar que se ha
creado un conocimiento predictivo, si este no llega hacer efectivo se busca otro algoritmo.

Despliegue:
Si el nuevo conocimiento adquirido cumple con los requisitos necesarios para el Marketing,
se implementa esta nueva data y se inicia la aplicación de esta.

RESULTADOS ENCONTRADOS
 MODELO DE MACHINE LEARNING PARA LA EVALUACIÓN DE
EFECTIVIDAD DE UNA ESTRATEGIA DE MARKETING DIGITAL

Las empresas exitosas invierten millones de dólares en estrategias de

marketing buscando atraer nuevos clientes; pero al implementar estas
estrategias puede que proporcione un resultado inesperado. A lo largo de la historia ha
habido casos Grandes empresas como Burger King, Pepsi, Coca Cola, etc., entre
muchas otras, las cuales han sufrido altas perdidas por fracasos de campañas de
marketing.

Se propone la implementación de un modelo de machine learning para evaluar la

efectividad de una estrategia de marketing digital para un operador de información a
través de social media analitycs.

Se optó por machine learning porque es uno de los avances tecnológicos más
significativos y de mayor uso a nivel de las organizaciones que tiene como objetivo
generar sistemas más autónomos que permitan mejor análisis de datos y predicciones
más acertadas y se integra con el análisis de redes sociales mediante el social media
analitycs.

Se eligió un modelo de machine learning robusto y efectivo que evaluó la estrategia

de marketing expuesta mediante una red social, de esta forma se integró con los
objetivos estratégicos del operador de información en la optimización de recursos por
inversión en campañas que no dan ningún valor a la compañía. (TRIVIÑO, 2021)

 ANÁLISIS Y PROPUESTA PARA EL APROVECHAMIENTO DE

HERRAMIENTAS DE MACHINE LEARNING EN EL SECTOR DEL
MARKETING DIGITAL EN NETBANGERS

Este trabajo se centra en el análisis y estudio del uso de diversas tecnologías

como máquinas y sus derivados. Esto proporciona cada vez más herramientas para los
gerentes de marketing. Aquí en este estudio el proceso de marketing relacional
 de Netbangers ha sido revisado sistemáticamente, en este análisis se cuestiona
cómo se puede mejorar este proceso mediante el uso de las herramientas
que proporciona esta tecnología y nos menciona también que se ha llevado a cabo una
revisión de las herramientas disponibles para entender qué es apropiado y

Finalmente, dijo que la implementación es una herramienta dentro de la agencia, para

comprender el impacto positivo de su dependencia de esta empresa. Se ha
agencias digitales. (Harold, 2020)

CONCLUSIONES Y RECOMENDACIONES

Conclusiones

Para las empresas, el uso de la minería de datos y el aprendizaje automático es fundamental

para la creación de nuevas estrategias de marketing, desarrollos tecnológicos continuos, sin
embargo, la mayoría de las empresas aún no optan por usar estas técnicas, si bien son
efectivas, siguen siendo herramientas fáciles de obtener, sólo se requiere el conocimiento
para aplicarlo y obtener una gran ganancia. Si se hace un estudio de cómo usar data mining y
machine learning en estrategias de marketing, las pequeñas y medianas empresas podrán
lograr conocimientos para ajustar sus estrategias a estándares comunes y crear altos ingresos.

Incluso se investigaron diferentes modelos de machine learning; sin embargo, tendrán que
usar el método que cumpla con características específicas según la estrategia de marketing
que usará la empresa. Con ello sabrán el porcentaje de personas y objetos que se compren,
vendan o realicen más. Además de obtener un resultado favorable para que la empresa en el
área de Marketing implemente lo que los consumidores desean.

Recomendaciones
 ➢ Se recomienda contratar un profesional, con dedicación de medio tiempo y mínimo
durante el primer año para el manejo de la herramienta, dado el periodo de adaptación
de la empresa.
➢ Es recomendable siempre estar pendiente y revisar la implementación de otra licencia
de la herramienta cuando ya el trabajo para un personal sea muy demandante.
➢ Se recomienda desarrollar una estrategia de venta para esta herramienta y así dar a
entender de la mejor manera los beneficios a los clientes, y que estos quieran
utilizarla.
➢ Se recomienda reestructurar la organización de la data, para así cuando sea el
momento de dar uso a la herramienta, sea un proceso fluido.

Referencias Bibliográficas