Los modelos de suscripción se han convertido en una fuente de ingresos para muchos medios de comunicación que han de subsistir en un panorama cada vez más atomizado y competitivo. Con el objetivo de ayudar a las empresas a optimizar y mejorar los procesos de captación de suscriptores, la empresa Piano ha organizado una serie de webinars este otoño.

La primera sesión de este ciclo de ponencias ha abordado cómo los datos potencian la inteligencia artifical y el machine learning para acelerar las suscripciones. Patrick Appel, Director de Investigación de Piano, acompañado de Francisca Durán Bruce, Directora Comercial de la misma compañía, ha sido el encargado de exponer por qué, cómo y cuando se deben capturar datos y de qué forma pueden utilizarse para incrementar los ingresos.

En primer lugar, Appel ha querido incidir en la definición de Data Science. Según este experto, existe una concepción errónea de este término, que suele confundirse con la Inteligencia Artificial y que deriva de las ideas que la gente obtiene de películas como “Her” o series como “Westworld”. Así, el concepto de Data Science está formado por tres partes:

• Uso inteligente de los datos y “smart statistics”: la ciencia de datos emplea métodos sofisticados y automatizados de gestión y análisis de datos, pero no se basa únicamente en un aprendizaje realizado por los algoritmos. Requiere del factor humano para selección e introducción de la información.
• Análisis predictivo: es lo que se conoce como machine learning y lo que más se acerca a la idea popular de Data Science. Los algoritmos intentan predecir acciones futuras basándose en los datos existentes. En el caso de la herramienta de Piano, se trataría de visitas, conversiones, cancelaciones de la suscripción…
• Procesamiento natural del lenguaje: los algoritmos se utilizan para extraer información del lenguaje, lo que posibilita que puedan ejecutar una tarea relacionada de forma predictiva.

El machine learning como sistema de alerta personalizado

En su exposición Appel también ha profundizado en la aplicación que este tipo de tecnologías tienen para los medios de comunicación. “Cualquiera que haya llevado un negocio digital sabe que puede haber grandes cambios de rendimiento”, ha apuntado el directivo de Piano en referencia a posibles modificaciones del mercado y el contexto procedente de terceros, como pudiera ser un cambio en los algoritmos de las redes sociales o en los sistemas operativos de los dispositivos. Por ello, resulta fundamental que las empresas mediáticas del ámbito digital cuenten con sistemas de detección automática de este tipo de alteraciones que afectan directamente a su actividad profesional y, en consecuencia, a su desempeño económico.

Este tipo de sistemas basados en Data Science y machine learning no se limitan únicamente a la detección de posibles inconvenientes, y concretamente el que ofrece Piano, cuentan también con otro tipo de funcionalidades como la creación de alertas ante determinados tipos de cambios que puedan ser relevantes para la empresa o el medio, la identificación de los factores que los causan y la generación de predicciones de rendimiento.

Otro aspecto importante en la obtención de suscriptores es el análisis del modelo de atribución, es decir, entender el viaje que el usuario hace desde que descubre el medio o el negocio hasta que realiza o no la conversión, que en este caso sería una suscripción. Aquí tienen gran importancia los canales de referencia. Patrick Appel afirma: “Un visitante que viene de una búsqueda y de una red social tiene un ratio de conversión diez veces mayor que alguien que viene de solo uno de esos canales”.

Algoritmos híbridos, lo ideal para recomendar contenido

Durante su experiencia como Director de Investigación de Piano, Appel también se ha dado cuenta de que existían grandes diferencias en los ratios de conversión entre unos medios y otros. Para él, la clave está en el origen de los datos recopilados de los que se nutre la plataforma que cada publicación utiliza. Tras analizar el rendimiento de los más de cien clientes de Piano, el directivo llegó a una conclusión: “Usar datos de un grupo de clientes no funciona tan bien como generar un modelo entrenado con tus propios datos”.

Y es que el uso de esta información redunda en dos aspectos esenciales para los usuarios: la personalización del contenido y la mejora de la experiencia de usuario. Aquí el Machine Learning juega un papel muy importante. Habitualmente, los algoritmos empleados por medios suelen recomendar los contenidos muy leídos. Appel considera que “si solo recomiendas cosas populares, nunca recomendarás nada nuevo ni le darás a un contenido la oportunidad de destacar”. Así, el experto aboga por algoritmos híbridos que seleccionen contenidos en tendencia, pero que también permitan a los usuarios descubrir algo nuevo.

Noticias Relacionadas

Las 5 pautas para crear una Gobernanza de Datos efectiva en una empresa

 

Por qué la Gobernanza de Datos es esencial para las empresas

 

A modo de conclusión sobre la disertación, el especialista en Data Science ha dado tres claves:

• Lo complejo no siempre es mejor: la complejidad está bien cuando tiene sentido. Sin embargo, a ocasiones es recomendable confiar en el uso inteligente de los datos, la automatización de procesos y las “smart statistics”.
• Experimentar con Data Science está bien, ya que no todas las soluciones valen para cada medio y deben adaptarse.
• Entender qué puede hacer por ti el Machine Learning (y qué no): la recomendación de contenidos puede llevarse a cabo en un 90% por los algoritmos. Sin embargo, en tareas como gestionar las cancelaciones, hay un mayor componente humano. Lo mismo sucede con las estrategias para mejorar la retención de los suscriptores, el análisis del producto o la mejora de la comunicación del mismo.

Para cerrar, Patrick Appel ha aseverado que el objetivo de Piano y sus herramientas es “desmitificar estas tecnologías, entenderlas y comprender cómo funcionan para obtener el máximo beneficio de su uso”.