Después de un extenso período siendo únicamente una gran expectativa, en los años recientes estamos presenciando la validación de la Inteligencia Artificial (IA) como recurso para optimizar los procesos comerciales. Y el eCommerce, que en definitiva es un producto digital por naturaleza, ha sido uno de los principales promotores de esta evolución y adopción de la IA.
Desde las primeras sugerencias automáticas de productos que Amazon introdujo en sus inicios, hasta el uso de sistemas de búsqueda dentro de la tienda virtual, o el envío de correos electrónicos segmentados por categorías de consumidores que se generan de forma automática, la inteligencia artificial en ecommerce se ha transformado en un valioso compañero en la administración de un negocio online. Lo interesante es que lo ha logrado de forma tan natural y fluida que para muchos ha pasado inadvertido que hemos sido uno de los sectores pioneros en la integración de este tipo de tecnologías.
Antes de seguir, ¿qué se entiende por Inteligencia Artificial?
Si comenzamos a investigar, sin duda nos toparemos con múltiples definiciones que presentan diferencias sutiles, pero me gusta citar la definición de Andrew Ng, cofundador de Google Brain y ex Director de Ciencia de Datos en Baidu, quien también es una de las referencias más destacadas en la enseñanza de este campo. Y según él:
«La Inteligencia Artificial es un vasto conjunto de herramientas que permite que los ordenadores actúen de forma inteligente».
En realidad, esta definición no brinda demasiados detalles, y seguramente deja espacio para que nuestra imaginación vuele hacia aplicaciones más asociadas a la ciencia ficción. No obstante, su referencia a las herramientas encapsula lo que realmente ha representado el motor fundamental de la Inteligencia Artificial y lo que constituye la base de su aplicación en eCommerce: el Aprendizaje Automático o Machine Learning.
Sin entrar en mayores profundidades, diremos que el Machine Learning es el área de la Inteligencia Artificial que habilita a los ordenadores para aprender de los datos de manera autónoma. Esto con el propósito de ser capaces de tomar decisiones sobre acciones a realizar (por ejemplo, en el caso de un vehículo autónomo, si debe incrementar la velocidad o detenerse), o de hacer predicciones acerca de situaciones que están ocurriendo o que van a ocurrir (por ejemplo, si la imagen de un escáner de un paciente indica la presencia de una enfermedad).
¿De qué manera podemos beneficiarnos del Machine Learning en eCommerce?
El eCommerce ha sido uno de los actores más relevantes en la adopción del Machine Learning en el mundo empresarial. Esto no ocurre por azar. Aparte de los elementos que se pueden asociar con la adopción tecnológica, está el hecho de que los datos son la materia prima de los modelos de ML.
Tanto el comercio minorista como el eCommerce tienen la capacidad de generar una enorme cantidad y diversidad de datos. Estos datos, combinados con varias otras fuentes externas, pueden mejorar notablemente el rendimiento del negocio si aplicamos machine learning.
Por ejemplo, algunas de las fuentes de datos más significativas podrían clasificarse de la siguiente manera:
- Patrones recurrentes que afectan la demanda, como la estacionalidad, las tendencias,el día de la semana o incluso el intervalo de tiempo.
- Procesos internos de actuación, vinculados a elementos como los pedidos a proveedores, la administración del inventario o la logística interna.
- Procesos de decisión del negocio, tales como las promociones, cambios de precios o la priorización de los productos destacados en el catálogo.
- Factores externos, como el clima, los eventos deportivos, las temporadas de descuentos y festividades o la actividad de la competencia.
Bajo estas circunstancias, un modelo de Machine Learning puede asistirnos en capturar el efecto de una combinación de estos datos con el fin de realizar predicciones y automatizar elecciones.
¿Qué necesito para integrar Machine Learning en mi ecommerce?
Es muy probable que ya lo estés empleando en tu negocio, tal vez sin darte cuenta de ello.
Gran parte de las herramientas de terceros y servicios externos que conectamos con nuestra plataforma de ecommerce ya se fundamentan en la aplicación de inteligencia artificial para abordar ciertos problemas que enfrentamos. Por ejemplo:
- Los sistemas de recomendación de productos, que permiten sugerir a nuestros clientes los artículos que más les pueden atraer, teniendo en cuenta factores como su historial de compras o su conducta en la propia sesión de navegación.
- Los buscadores internos de productos, que asisten a nuestros usuarios a encontrar artículos de una manera más directa, describiendo a través de texto algunas de sus características.
- Los chatbots, que permiten a nuestros clientes mantener una conversación con un humano (ya sea por texto o por voz), cuando en realidad lo que hay detrás es un programa de software capaz de interactuar y responder a algunas de las preguntas más recurrentes que suelen plantear.
Las distintas aplicaciones de la Inteligencia Artificial en eCommerce contribuyen a construir una experiencia superior para el cliente en el proceso de compra.
Otras aplicaciones de Machine Learning en eCommerce
Realmente existen muchas más que, ya sea están plenamente establecidas o están empezando a emplearse exitosamente.
Quizás sean estas últimas aplicaciones las que más pueden beneficiarnos, si nuestro objetivo es destacar frente a la competencia, brindando a nuestros clientes una experiencia de compra más satisfactoria.
Examinemos también algunos ejemplos:
- Asistentes de voz, que guían al cliente durante el proceso de búsqueda a través de interacciones sencillas.
Caso de éxito: The Northface fue uno de los pioneros en este tipo de aplicaciones, lanzando un asistente que entablaba una conversación con el cliente, preguntándole sobre detalles relacionados con los lugares donde utilizaría la prenda, para tener una idea de las condiciones climáticas, y otros aspectos como la intensidad con la que practicaba el deporte y su complexión física. Como resultado, lograba mostrarle una selección de las prendas más adecuadas, obteniendo un CTR superior al 75%.
- Buscadores visuales, que, a partir de una imagen, pueden identificar un producto que deseemos adquirir o incluso ofrecer otros artículos de apariencia similar. Este tipo de herramientas se puede integrar en aplicaciones móviles, que permiten usar la cámara para fotografiar un objeto sobre el cual se buscará el producto, así como en plataformas web, y su uso ha comenzado a incrementarse principalmente en tiendas de moda, mostrando resultados que duplicany multiplican la conversión en el caso de los clientes que las aplican.
- Ajuste flexible del precio, que permite fijar diversos precios en función de la situación del negocio, las características del cliente e incluso de la competencia. Un ejemplo lo encontramos en Amazon, que utiliza información sobre la demanda del producto en la plataforma, el historial de compras del usuario y la disponibilidad tanto de la competencia como de los distintos proveedores del marketplace, para exhibir el precio más atractivo para el consumidor.
Inteligencia Artificial en ecommerce: una talla no sirve para todos
Todos estos sistemas que hemos revisado emplean variados algoritmos de Inteligencia Artificial. Si hacemos un repaso, nos percatamos de que están dirigidos a optimizar la experiencia de nuestros consumidores. Esto te permitirá aumentar la conversión, fortalecer la lealtad y elevar las ventas.
No obstante, a medida que las empresas crecen, sus requerimientos cambian y, a menudo, no pueden ser atendidos por las mismas herramientas.
Por un lado, conforme crecemos, las integraciones con sistemas externos se complican. De hecho, es común que las funcionalidades que antes ofrecían ya no se ajusten a las necesidades y la visión de nuestro negocio. Por el otro, este crecimiento también complica diversos procesos internos. Esto sucede porque emergen nuevas necesidades más ligadas a la mejora de la eficiencia.
Ejemplos de procesos donde la IA puede ser beneficiosa:
Predicción de demanda
La habilidad de que a través de modelos de Machine Learning se pueda anticipar las ventas de nuestros productos para asistirte en la toma de decisiones sobre el precio más conveniente, el inventario que necesitamos adquirir, o hasta el impacto que puede tener en el propio stock la ejecución de una campaña específica de marketing. En el contexto de retailers multicanal, se debe determinar qué parte del stock destinar a la venta física y qué parte a la venta online.
Es complicado cuantificar en este tipo de aplicaciones cuáles son los resultados que se pueden alcanzar, pero podemos hacernos una idea. Si consideramos que una previsión errónea al alza puede llevarnos a tener que liquidar muchas unidades en rebajas y en saldos. Asimismo, una proyección inexacta a la baja puede resultar en que, en el caso de productos muy solicitados, perdamos la oportunidad de vender esos artículos o que otros productos se añadan al carrito para complementar.
Optimización de rutas
Por ejemplo, puede aplicarse a la entrega al cliente para disminuir la distancia total recorrida por los camiones al sumar todos los pedidos, o incluso la cantidad de vehículos necesarios.
Un ejemplo lo encontramos en Alibaba, que recientemente declaró que con este tipo de sistemas lograron reducir en un 30% las distancias recorridas y en un 10% el número de vehículos utilizados.
Administración de inventario
La capacidad de ayudar a mitigar situaciones tan poco deseables como la falta de stock de un producto. Esta situación en particular puede deberse a factores internos, como errores en una previsión inicial, pero también a motivos externos como el clima, las tendencias de moda o incluso factores asociados a nuestros competidores, como la falta de stock de un artículo específico o un aumento de su precio.
Como caso de éxito podríamos mencionar a Walmart, que logró reducir un 20% el número de unidades agotadas tras implementar una solución de inteligencia artificial en ecommerce de este tipo.
En situaciones donde las herramientas disponibles en el mercado no pueden satisfacer tus requerimientos, siempre contamos con estaposibilidad de concebir soluciones internas. Esto, hasta hace poco, estaba limitado a grandes empresas. Con el progreso y la amplia disponibilidad de las tecnologías para ejecutar estos proyectos, el Machine Learning se establece como una alternativa para todas las organizaciones.
La relevancia de una estrategia de Inteligencia Artificial en ecommerce
Lo primero que necesitamos es instaurar una estrategia (aunque sea mínima) que defina los componentes y procesos requeridos para que podamos lograr el éxito desde el principio. Para elaborar una estrategia de Inteligencia Artificial en eCommerce, debes considerar los siguientes aspectos:
- Concordancia con la estrategia del producto y de la empresa. Identifica aquellas áreas que pueden beneficiarse más del uso de la Inteligencia Artificial. Como mínimo, es recomendable examinar la situación de tu producto o servicio actual y los procedimientos internos que sigues en tu organización a nivel de Logística, Operaciones, Marketing o incluso Recursos Humanos, etc.
- Implicaciones transversales. Detecta las barreras que puedan obstaculizar la implementación de la IA en otras áreas del negocio. Por ejemplo, suele ser común su aplicación relacionada tanto con el estado de la tecnología como con asuntos legales.
- Selección de primeros pilotos. Los primeros pasos en los desarrollos internos suelen ser muy delicados y determinan en gran medida la continuidad. Por ello, es fundamental seleccionar inicialmente productos con impacto, pero relativamente simples. Es decir, quick wins que funcionen como carta de presentación para la empresa y generen confianza.
- Capacitación de equipos. Aquí, realmente, tenemos las mismas oportunidades que en cualquier otro tipo de proyectos. Sin embargo, generalmente no se cuenta con perfiles internos que posean la experiencia y el conocimiento necesario para formar equipos que desarrollen proyectos basados en ML. Por eso, es crucial establecer si se va a externalizar total o parcialmente para abordar la constitución de los equipos.
- Comunicación interna y externa. Es esencial transmitir de manera adecuada tanto el valor de este tipo de proyectos como lo que se puede esperar de ellos. La mayoría de los perfiles en la empresa tienen un conocimiento muy limitado en este aspecto. Por ejemplo, un inversor necesita saber cómo ayudará el ML a que la empresa crezca. Un encargado de Comercial deberá conocer las expectativas de venta con la implementación de las nuevas herramientas. El equipo de Recursos Humanos deberá comprender qué motivaciones tienen los perfiles necesarios para este tipo de proyectos. El equipo de marketing debe reconocer que los procesos y plazos de desarrollo operan de una manera diferente.
El consejo final
Al llegar a este punto, el proceso para definir la estrategia para implementar la Inteligencia Artificial en ecommerce puede parecer abrumador. Esto sucede tanto por la aparente complejidad como, especialmente, por el desconocimiento inicial. Por ello, mi recomendación para abordarlo es hacerlo paso a paso.
Si tu tienda online está comenzando o todavía es joven, las herramientas disponibles te permitirán concentrarte en lo esencial: vender y fidelizar.
Y si consideras que tu negocio ya está maduro para desarrollar herramientas internas basadas en Inteligencia Artificial, pero no lo has hecho nunca, mi experiencia me indica que no es necesario invertir mucho tiempo en crear desde el inicio toda una estrategia que ni siquiera sabemos si será efectiva.
Como el propio Andrew Ng nos aconseja: es mejor empezar buscando esos quick wins y enfocarse al principio en sacar adelante los primeros pilotos.
Buena suerte. Y que la IA te acompañe.
Artículo de Frankie Carrero, especialista en IA.
Foto: Depositphotos.
