Inteligencia Artificial en eCommerce para mejorar la experiencia del cliente

Después de mucho tiempo siendo sólo una gran promesa, en los últimos años estamos asistiendo a la confirmación de la Inteligencia Artificial (IA) como herramienta para mejorar los procesos de negocio. Y el eCommerce, que al fin y al cabo no deja de ser un nativo digital, ha sido uno de los grandes impulsores de esta transformación y adopción de la IA.

Desde las primeras recomendaciones automáticas de productos que comenzó a incluir Amazon en sus primeros años, a la utilización de motores de búsqueda dentro de la tienda online, o al envío de emails segmentados por categorías de clientes que se construyen de manera automática, la inteligencia artificial en ecommerce se ha convertido en un gran aliado en la gestión de un negocio online. Lo curioso es que lo ha hecho de una manera tan fluida y orgánica que para muchos ha pasado desapercibido que hayamos sido uno de los sectores pioneros en la inclusión de este tipo de tecnologías.

Pero, antes de continuar, ¿qué es la Inteligencia Artificial?

Si nos ponemos a buscar, seguramente nos encontraremos con muchas definiciones que presentan diferencias sutiles, pero a mí me gusta citar la definición de Andrew Ng, cofundador de Google Brain y antiguo Director de Data Science en Baidu, además de una de las mayores referencias en la enseñanza este campo. Y según nos dice:

«La Inteligencia Artificial es un conjunto enorme de herramientas que permiten que los ordenadores se comporten de manera inteligente».

En realidad esta definición no proporciona mucho detalle, y seguramente deja lugar a que nuestra imaginación pueda volar por aplicaciones más propias de la ciencia ficción. Sin embargo, su mención a las herramientas encierra lo que realmente ha supuesto el impulso principal a la Inteligencia Artificial y lo que es la base de su aplicación en eCommerce: el Aprendizaje Automático o Machine Learning.

Sin entrar en mucho más detalle, diremos que Machine Learning es el campo de la Inteligencia Artificial que proporciona a los ordenadores la capacidad de aprender de los datos de manera automática. Esto con el objetivo de ser capaces de tomar una decisión sobre algo que se debe hacer (por ejemplo, en el caso de un vehículo autónomo, si debe acelerar o frenar), o de realizar una predicción sobre algo que está pasando o va a pasar (por ejemplo, si la imagen del escáner de un paciente determina la existencia de una enfermedad).

¿Por qué podemos sacar partido del Machine Learning en eCommerce?

El eCommerce había sido uno de los principales impulsores del uso del Machine Learning en los negocios. Esto no es por casualidad. Además de los factores que se pueden relacionar con la adopción tecnológica, está el hecho de que los datos son la materia prima de los modelos de ML.

Tanto el retail como el eCommerce son capaces de generar una tremenda cantidad y variedad de datos. Estos datos combinados con otra serie de fuentes externas, pueden mejorar de forma muy importante el rendimiento del negocio si empleamos machine learning.

Por ejemplo, algunas de las fuentes de datos más importantes, podríamos clasificarlas de la siguiente manera:

• Patrones recurrentes que condicionan la demanda, como la estacionalidad, las tendencias, el día de la semana o incluso la franja horaria.
• Procesos internos de comportamiento, relacionados con aspectos como los pedidos a proveedores, la gestión del inventario o la logística interna.
• Procesos de toma de decisión del negocio, como las promociones, variaciones de precio o la priorización de los artículos destacados del catálogo.
• Factores externos como el tiempo atmosférico, los eventos deportivos, las épocas de rebajas y fiestas o la actividad de la competencia.

En estas condiciones, un modelo de Machine Learning puede ayudarnos a capturar el impacto de una combinación de estos datos con el objetivo de realizar predicciones y automatizar decisiones.

¿Qué necesito para incorporar Machine Learning a mi ecommerce?

Muy probablemente ya lo estés utilizando en tu negocio, quizás sin ser consciente de ello.

Muchas de las herramientas de terceros y servicios externos que integramos con nuestra plataforma de ecommerce ya están basadas en el uso de inteligencia artificial para resolver algunos de los problemas que se nos plantean. Por ejemplo:

• Los sistemas de recomendación de productos, que permiten ofrecer a nuestros clientes los productos que más les pueden interesar en función de factores como su historial de compras o su comportamiento en la propia sesión de navegación.
• Los buscadores internos de producto, que ayudan a nuestros usuarios a encontrar productos de forma más directa describiendo mediante texto algunas de sus características.
• Los chatbots, que permiten a nuestros clientes experimentar una conversación con un humano (ya sea por texto o por voz), cuando lo que hay detrás es un programa de software capaz de interactuar y de dar respuesta a algunas de las preguntas más frecuentes que suelen tener.

Las diferentes aplicaciones de la Inteligencia Artificial en eCommerce aportan a construir una mejor experiencia del cliente en el proceso de la compra.

Otras aplicaciones de Machine Learning en eCommerce

Y realmente hay muchas más que, o bien están ya establecidas, o están empezando a utilizarse con éxito.

Y quizás son estas últimas aplicaciones las que más nos pueden ayudar, si lo que queremos es diferenciarnos de la competencia, proporcionando a nuestros clientes una mejor experiencia de compra.

Veamos también algunos ejemplos:

• Asistentes guiados por voz, que ayudan al cliente en el proceso de búsqueda a través de conversaciones 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 en el que le preguntaba detalles relacionados con los lugares en los que iba a utilizar la prenda, para hacerse una idea de las condiciones atmosféricas, y algunos aspectos más sobre la intensidad con la que practicaba el deporte y su complexión corporal. Como resultado, era capaz de mostrarle una selección de las prendas más adecuadas, consiguiendo un CTR superior al 75%.

• Buscadores visuales, que, a partir de una imagen, son capaces de reconocer un producto que queramos comprar o incluso ofrecernos otros productos de aspecto similar. Este tipo de herramientas se pueden incorporar tanto a aplicaciones móviles, que permiten utilizar la cámara para tomar una foto sobre la que se buscará el producto, como a plataformas web, y se está comenzando a utilizar principalmente en tiendas de moda, con resultados que doblan y triplican la conversión en el caso de los clientes que las utilizan.

• Ajuste dinámico del precio, que permite establecer diferentes precios en función de la situación del negocio, las características del cliente e incluso de la competencia. Aquí podemos encontrarnos el caso de Amazon, que utiliza información sobre la demanda del producto en la web, el historial de compras del usuario y la disponibilidad tanto en la competencia como en los distintos proveedores del marketplace, para mostrar el precio más atractivo para el cliente.

Inteligencia Artificial en ecommerce: one size does not fit all

Todas estas aplicaciones que hemos visto hacen uso de distintos algoritmos de Inteligencia Artificial. Si recapitulamos, nos podremos dar cuenta de que están orientadas a mejorar la experiencia de nuestros clientes. Esto te permitirá incrementar la conversión, consolidar la fidelización y aumentar las ventas.

Sin embargo, a medida que las empresas van creciendo, sus necesidades cambian y, muchas veces, no pueden ser cubiertas por las mismas herramientas.

Por un lado, a medida que crecemos, las integraciones con sistemas externos se complican. Incluso, pasa que las funcionalidades que ofrecían ya no se adaptan a las necesidades y la visión de nuestro negocio. Por otro, este crecimiento también complica gran parte de nuestros procesos internos. Esto ocurre porque surgen nuevas necesidades más relacionadas con mejorar la eficiencia.

Ejemplos de procesos donde la IA puede ayudar:

Previsión de demanda

La posibilidad de que a través de modelos de Machine Learning se pueda predecir las ventas de nuestros productos para ayudarnos a tomar decisiones acerca del precio al que nos puede convenir venderlos, el stock que necesitamos comprar, o incluso el impacto que puede tener en el propio stock la ejecución de una determinada campaña de marketing. En el caso de retailers multicanal, qué parte del stock hay que destinar a la venta física y qué parte a la venta online.

Resulta difícil cuantificar en este tipo de aplicaciones cuáles son los resultados que se pueden obtener, pero podemos hacernos una idea. Si tenemos en cuenta que una mala previsión al alza, puede llevarnos a tener que vender muchas unidades en rebajas y en saldos. Incluso, una previsión incorrecta a la baja, puede producir que, en el caso de artículos muy demandados, perdamos la oportunidad de venta de esos artículos o que otros productos se añadan al carrito para complementar.

Optimización de rutas

Por ejemplo, puede ser aplicada al reparto al cliente para reducir la distancia total recorrida por los camiones en la suma de todos los pedidos, o incluso el número de vehículos necesarios.

Un ejemplo lo podemos encontrar en el caso de Alibaba, que hace poco declaraba que con este tipo de sistemas habían conseguido reducir en un 30% las distancias recorridas y en un 10% el número de vehículos utilizados.

Gestión de inventario

La posibilidad de ayudar a reducir situaciones tan poco deseables como el agotamiento del stock de un producto. Esta situación en concreto se puede deber a elementos internos, como pruebas de una mala previsión inicial, pero también a otros externos como el tiempo atmosférico, las tendencias en la moda o incluso factores asociados a nuestros competidores, como el agotamiento del stock de un determinado artículo o una variación al alza de su precio.

Como caso de éxito podríamos poner a Walmart, que consiguió reducir un 20% el número de unidades agotadas tras implantar una solución de inteligencia artificial en ecommerce de esta clase.

En casos que las herramientas disponibles en el mercado no pueden satisfacer tus necesidades, siempre contamos está la posibilidad de desarrollar soluciones internas. Esto hasta hace poco estaba reservado a grandes negocios. Con el avance y la alta disponibilidad de las tecnologías para desarrollar estos proyectos, el Machine Learning se consolida como una solución para todas empresas.

La importancia de una estrategia de Inteligencia Artificial en ecommerce

Lo primero que necesitamos es establecer una estrategia (por mínima que sea) que defina los elementos y procesos necesarios para que podamos tener éxito desde el inicio. Para crear una estrategia de Inteligencia Artificial en eCommerce, debes tener en cuenta los siguientes elementos:

1. Alineamiento con la estrategia del producto y del negocio. Identifica aquellas áreas que más se pueden beneficiar del uso de la Inteligencia Artificial. Como mínimo, conviene analizar el estado de tu producto o servicio actual y los procesos internos que sigues en tu empresa a nivel de Logística, Operaciones, Marketing o incluso Recursos Humanos, etc.
2. Implicaciones transversales. Identifica las barreras que puedan impedir la aplicación de la IA en otras áreas del negocio. Por ejemplo, suele ser típica su aplicación relacionada tanto con el estado de la tecnología como con temas legales.
3. Elección de primeros pilotos. Los primeros pasos en los desarrollos internos suelen ser muy sensibles y determinan mucho la continuidad. Por eso, es importante elegir primero productos con impacto, pero relativamente sencillos. Es decir, quick wins que sirvan como carta de presentación para la empresa y generen confianza.
4. Formación de equipos. Aquí realmente tenemos las mismas posibilidades que en cualquier otro tipo de proyectos. Pero, generalmente, no se cuenta con perfiles internos que tengan la experiencia y conocimiento suficiente para crear equipos para desarrollar proyectos basados en ML. Por eso, es importante determinar si se va a externalizar total o parcialmente para abordar la creación de los equipos.
5. Comunicación interna y externa. Es importante transmitir de forma adecuada tanto el valor de este tipo de proyectos como lo que se puede esperar de ellos. La mayoría de los perfiles de la empresa tienen un conocimiento muy reducido en este sentido. Por ejemplo, un inversor necesita saber cómo va a ayudar el ML a que la empresa crezca. Un responsable de Comercial tendrá que conocer las expectativas de venta con la aplicación de las nuevas herramientas. El equipo de Recursos Humanos necesitará entender qué motivaciones tienen los perfiles necesarios para este tipo de proyectos. El equipo de marketing deberá entender que los procesos y tiempos de desarrollo funcionan de manera diferente.

El consejo final

Llegados a este punto, el proceso para definir la estrategia para implementar la Inteligencia Artificial en ecommerce puede resultar abrumador. Esto ocurre tanto por la aparente complejidad como, sobre todo, por el inicial desconocimiento. Por eso, mi recomendación para abordarlo es hacerlo poco a poco.

Si tu tienda online está empezando o todavía es joven, las herramientas disponibles te permitirán enfocarte en lo importante: vender y fidelizar.

Y si consideras que tu negocio está ya maduro para desarrollar herramientas internas basadas en Inteligencia Artificial, pero no lo has hecho nunca, la experiencia me dice que no es necesario dedicar mucho tiempo a crear de inicio toda una estrategia que ni siquiera sabemos si nos funcionará.

Como el propio Andrew Ng nos recomienda: mejor comenzar buscando esos quick wins y centrarte al principio en sacar adelante los primeros pilotos.

Suerte. Y que la IA te acompañe.

Artículo de Frankie Carrero, experto en IA.

Foto: Depositphotos.

Mantente informado de las noticias más relevantes en nuestro canal de Telegram