APIs e IA como catalizadores del Data-Driven Marketing

Este artículo forma parte del informe “Tendencias digitales 2024 para el crecimiento de la pyme”.

Cuando pensamos en la relación entre la IA (inteligencia artificial) y las APIs (del inglés, application programming interface) es posible que sólo veamos que tienen en común un resurgimiento espectacular en los últimos años, pero la realidad es muy distinta.

Es cierto que en los últimos meses se ha visibilizado los importantes avancen que se han producido en las tecnología sobre la que se soporta la IA y que permiten, entre otras cosas, reconocimiento de patrones, machine learning y predecir la probabilidad de que ocurra algo, lo que posibilita, por ejemplo, que recibas recomendaciones de películas que se ajustan a tus gustos, que identifiques clientes con una alta probabilidad de que compren tus productos o servicios o, lo que es más relevante, que te anticipes a clientes que van a dejar de cumplir con sus compromisos de pago.

Las APIs son conjuntos de definiciones y protocolos que se utilizan para diseñar e integrar el software de las aplicaciones. Se pueden considerar como el contrato entre el proveedor de información y el usuario, establecen el contenido necesario por el consumidor (llamada) y el que requiere el productor (respuesta). Por ejemplo, una API de “Risk Evaluation” podría requerir que el usuario escribiera el NIF del cliente, y que el productor diera una respuesta en dos partes: la primera, el “Rating de Morosidad” (probabilidad de impago), y la segunda la “Opinión de Crédito” (límite de deuda asumible por el cliente para no poner en riesgo su capacidad de pago).

Las APIs se han usado históricamente como interfaces para “productivizar” módulos de software en aplicaciones o en sistemas de información. En estos últimos años han evolucionado para adaptarse al protocolo REST y están basados en estándares como XML y JSON, que permiten reutilizar servicios sobre internet.

Pero si estas tecnologías tienen aparentemente tan poco en común, ¿por qué pueden complementarse tan adecuadamente?

API for AI

Nada realmente nuevo, pero mediante APIs se pueden publicar servicios de IA, proporcionando acceso vía API a capacidades de machine learning, como procesamiento de lenguaje natural, recomendaciones, reconocimiento de patrones, predicciones, como en el mencionado ejemplo de la evaluación de riesgos.

Los desarrolladores pueden usar APIs para integrar los datos con sus aplicaciones y utilizarlos en acciones de marketing, pero también pueden usar los datos que proporcionan las APIs para identificar a los mejores clientes, dimensionar mercados potenciales, automatizar el alta de clientes o asignarles condiciones de pago ajustadas a su perfil de riesgo, aplicar normas de compliance a clientes…

AI for API

Aunque no es objeto de este artículo, se puede usar la IA para analizar las llamadas a las APIs, analizando el número de comunicaciones entrantes y salientes, flujo de datos, y otra información proporcionada por el API Manager para obtener información más allá de una analítica básica.

Además de complementarse tan bien, ¿por qué resultan herramientas catalizadoras del Data-Driven Marketing?

Independientemente de la estrategia de marketing que quiera seguir una compañía e incluso si decide seguir múltiples estrategias, hay dos palancas que son fundamentales, y estas dos palancas no son otras nuevamente que las APIs y la IA.

El tipo de proceso de compra de nuestros clientes puede determinar nuestra estrategia de marketing, entendiendo por tipo de proceso de compra si hablamos de compras por impulso, poco meditadas, aquello que “no necesito, pero quiero”, o se trata de un proceso transaccional, compras de productos que adquiero de manera más o menos rutinaria, o se trata de un proceso que necesita cierta consideración, que requiere una decisión más meditada y más larga en el tiempo.

En función de estas tipologías, hablaremos de tres estrategias de marketing, considerando que una compañía no se decantará por una estrategia “pura”.

1. “Transactional Marketing”, su objetivo: ¡la venta y nada más que la venta!, es decir, gran volumen de ventas simples. Para ello, es necesario apoyarse en una estrategia omnicanal, y esto solo se consigue con capacidad de integración, capacidad que nos proporcionan las APIs, y capacidad de recomendación de producto y de contenido ultra-personalizado, capacidad que nos proporciona la IA.
2. “Pipeline Marketing” va más allá de la generación de leads. Se centra más en aprovechar los contactos existentes. En la mayoría de las compañías, Marketing es dueño del TOFU y del MOFU (visitor, leads y MQLs) y Ventas del BOFU (MQLs, SQLs, opportunities & customers). Con pipeline nos referimos al área inferior del funnel, donde están las oportunidades de ventas, por lo tanto con pipeline marketing nos referimos a la idea de continuar haciendo esfuerzos de marketing cuando un contacto se convierte en oportunidad.
   Para ello es importante hacer una gestión adecuada de los leads: lead nurturing, sabiendo lo que necesita cada cliente en cada momento, por lo que debemos hiper-personalizar recomendaciones soportándolas en el uso de IA.
   Esto no tiene sentido sin lead scoring, es decir, categorización de los leads según una serie de factores que pueden ser sociodemográficos, comportamentales, u otros.
3. “Relationship Marketing” se basa en los principios de la gestión de la experiencia del cliente: mejorar las interacciones con ellos para fomentar su lealtad.

Aunque gran parte de estas relaciones se realizan en canales digitales, todavía ocurren en persona o por teléfono, nuevamente la integración de canales y aplicaciones cobra relevancia, y para lograr esta integración se precisa de las APIs. Los clientes esperan trato fácil y personalizado, para lo que se requiere el uso de IA e incluso esperan influir en productos y servicios mediante comentarios en redes sociales u otros canales. Esto implica la creación de una comunicación bidireccional, que se logra mediante APIs. Un CRM bien alimentado es básico para soportar esta estrategia, así como la integración de datos de múltiples fuentes confiables y de garantía.

No se puede entender el marketing más que como una disciplina “data-driven”, y contar con datos válidos, actualizados y disponibles en todos los puntos de contacto con el cliente y para nuestros equipos de ventas es la única forma de realizar acciones de marketing efectivas.

Del mismo modo, tampoco se puede entender el marketing sin que este se base en soluciones soportadas en IA.

Con innovaciones como el procesamiento de lenguaje natural y las búsquedas semánticas, los motores de búsqueda pueden establecer vínculos entre productos y sugerir otros similares y auto-corregir errores, ayudando a los clientes a descubrir productos, incluso cuando no saben exactamente qué buscan. El procesamiento del lenguaje natural también sirve para analizar la presencia de una marca en redes sociales y usarla para dirigir campañas. Gracias a la IA se puede realizar sentimental analysis y entender la actitud predominante hacia una marca.

Aplicar precios basados en la demanda no es nada nuevo, solo hay que pensar en los precios de las habitaciones de hotel en función de la temporada. Pero cuando la IA entra en la ecuación, los precios pueden ser determinados con un nuevo sentido de la precisión y mostrar ofertas en tiempo real.

La analítica predictiva resulta muy efectiva para ofrecer un servicio al cliente que mejore su experiencia. Cosas que antes sólo podían determinarse de forma retroactiva, ahora pueden modelarse fiablemente, y tomando decisiones basadas en esos modelos, se puede obtener información del comportamiento de los clientes y determinar cuándo les gustaría repetir una compra o cuándo van a impagar.

Para llegar a los clientes con el nivel de personalización adecuado, se necesitan segmentaciones cada vez más granulares, y para realizar estas segmentaciones se necesita contar con datos de los clientes, con variables relevantes, propiedades comunes y contactos correctamente identificados.

La previsión de ventas es otra aplicación basada en la analítica predictiva. Combinando datos de ventas pasadas, comparaciones en todo el sector y tendencias económicas, y con la ayuda de IA, se pueden pronosticar qué resultados vamos a tener en el cierre del mes y tomar decisiones comerciales en el corto y medio plazo. Las previsiones de ventas también pueden ayudar a estimar la demanda del producto y optimizar inventarios.

En los últimos años, el uso de chatbots ha experimentado un fuerte crecimiento y ayuda a crear experiencias conversacionales con un nivel de interacción cada vez más cercano al humano. Estos chatbots se mejoran a sí mismos mediante técnicas de machine learning que los hacen más precisos, pero que requieren de datos adecuados y de calidad. Son capaces de adaptar el acento que utilizan y simulan tan bien una conversación humana que no son fáciles de identificar.

Con IA podemos determinar cosas como la mejor hora del día para publicar un anuncio, la probabilidad de que una impresión convierta o de que un usuario se interese por un anuncio.

La IA también puede usarse para ajustar las estrategias de gestión de clientes en función de su LTV (lifetime value o valor de vida del cliente), invirtiendo más en clientes con un valor potencial mayor.

En conclusión, el marketing actualmente tiene que estar soportado en IA, y esta necesita datos precisos, confiables y actualizados. Pero también debe ser omnicanal, porque existen muy pocos clientes que interactúen por un solo canal, y para que los datos estén disponibles en todos los puntos de contacto del cliente se precisa de soluciones APIficadas.

Descarga el informe “Tendencias digitales 2024 para el crecimiento de la pyme”, aquí.