De la ciencia ficción a la realidad. Aplicación de ofertas personalizadas a clientes desde la Inteligencia Artificial y el reconocimiento de imágenes.

0

¿Han visto la película Minority Report? En esta se presentan algunas escenas en las cuales John Anderton entra a un centro comercial y mediante el “Sistema de reconocimiento óptico de la ciudad”, la pantalla de publicidad le saluda por el nombre y luego le hace ofrecimientos personalizados de productos.

Para entrar en el contexto, cuando realizaba mi maestría un amigo me preguntó, ¿Estás aprendiendo como hacer la escena de Minority Report de las ofertas?, y le dije: Sí. Hoy, varios años después, puedo decir que efectivamente ya lo veo real.

Aunque entrar a discutir sobre varios conceptos de la película podría ser interesante, porque aborda temas relacionados con el Internet de las cosasconectividad, registro de información y datos, ética de manejo de la información etc., me enfocaré en ¿cómo podemos hacer realidad la escena mencionada con la tecnología de IA que tenemos hoy disponible?

Recrear toda la escena, requiere pensar en cómo hacer que la pantalla con publicidad reconozca el cliente y luego le haga la mejor oferta posible de acuerdo al momento y lugar en tiempo real, una oferta en contexto. Esto finalmente se traduce en tener una máquina inteligente que decide el momento y lugar adecuado para ofrecernos productos  o servicios de una manera personalizada.

Veamos el paso a paso de cómo lo podemos hacer realidad.

Paso 1: La capacidad de reconocimiento

Cuando el cliente ingresa al centro comercial y la máquina realiza el reconocimiento de retina, para identificarlo por su nombre. Ahora lo llevaremos a la realidad. El reconocimiento de retina aún no está difundido en las ciudades como en la película, sin embargo, si tenemos dos tipos de reconocimiento que podemos utilizar. El primero y más utilizado hoy en día, es el reconocimiento digital que se hace por medio del luego a aplicaciones web o incluso por nuestro número de celular.

Particularmente este último para nuestro caso sería de gran interés para todo tipo de ofertas ya que tiene la capacidad de entregarnos información personal y georreferenciada. En este campo ya varias compañías han avanzado, como es el caso, por ejemplo, de aplicaciones como Waze, que durante un trayecto envía  ofertas en línea de acuerdo al lugar en el que nos encontramos, por lo tanto, no entraré en detalle con este reconocimiento. Por otra parte, tenemos la opción de reconocimiento facial, la cual hoy en día, con las cámaras adecuadas, soluciones analíticas  y con información de imágenes tal vez de las redes sociales, en cualquier lugar podrían reconocernos.

Voy a tomar dos minutos para exponer de manera general como entrenamos este reconocimiento de imágenes utilizando el deep learning. Piensen en “un modelo analítico”, este modelo en general puede utilizar algoritmos como el convolutional neural networks (CNN), el cual debe tomar la decisión de que una imagen que está recibiendo corresponde o no con la que ya está en su base de datos. Lo importante aquí es que el algoritmo debe comparar cada imagen, puede ser en su expresión de pixeles, para ser contrastados de la misma manera con la imagen original y así llegar en cuestión de milisegundos a una identificación de la persona con un alto nivel de asertividad. Ahora, lo complejo, piensen que la imagen que llega para calificar no tiene siempre los mismos patrones de colores, o de posición, contraste, etc., y agreguen que solo hemos hablado de una imagen, pero ¿qué pasa cuando el reconocimiento debe ser sobre cientos de clientes o imágenes que deben ser contrastadas en cuestión de segundos? La cantidad de decisiones en este caso realmente pone a prueba el manejo de Big Data, de capacidad de procesamiento de nuestras máquinas en cuestión de segundos y por supuesto de los algoritmos desarrollados para reconocimiento de imágenes.

Todo lo descrito anteriormente ya lo tiene solucionado , por lo que, ya podemos ser reconocidos solo desde la llegada a un lugar a un lugar para tener una bienvenida con nombre propio. ¡Solucionado el primer paso!

Paso 2: Determinación de modelos de comportamiento

Ofrecimiento personalizado en el momento y lugar adecuado. En cuanto el cliente cruza la fase de reconocimiento, usando el procesamiento de un evento que fue la llegada del cliente, los sistemas en Tiempo Real reciben la información y devuelven la mejor oferta posible para el cliente. De nuevo esto no es mágico. Esta oferta, ha sido previamente entrenada en un modelo analítico utilizando la información del cliente, y estos modelos terminan siendo más personalizados en la medida que se tiene más información directa del cliente y con lo que se quiere ofrecer, por ejemplo, me gustaría imaginar la siguiente escena: Llego corriendo al centro comercial porque voy un poco tarde a ver mis amigos, y el modelo recibe información de mi frecuencia cardiaca, entonces me ofrece donde tomar una ¡deliciosa bebida refrescante!

Es increíble la cantidad de información que entregamos y guardan los sistemas de hoy en día en cada momento, o ¿quién no se sorprendió la primera vez que la aplicación de salud de su teléfono le indicó cuántas horas durmió?

Regresemos a la mejor oferta, ya concluimos que usando los modelos analíticos y las plataformas de procesamiento de eventos en tiempo real, se obtienen los scores o segmentos a los cuales pertenece el cliente y esto permite generar la oferta personalizada usando incluso los eventos que ocurren en el instante, y así permitir a las ofertas ir cambiando en la medida que ocurren eventos con cada cliente.

¡Y listo! ¡Hemos terminado de entrenar a nuestra pantalla inteligente de ofertas!

La predictibilidad desde la inmediatez

¿Cómo cerraríamos el ciclo?, supongan que cada almacén del centro comercial retroalimenta al sistema con las compras que realizó el cliente, de manera que podamos seguir enseñándole al modelo con los casos de éxito de la publicidad hecha a la medida o con la canasta de compras del cliente. Así, la siguiente mejor oferta cuando el cliente se encuentre de nuevo con la pantalla inteligente de ofertas, se ajustará a un siguiente producto u ofrecimiento de compra adecuado.

Termino con la reflexión de siempre en la que les pido imaginar el presente y futuro: ¿Cómo puede ir recolectando información para desarrollar IA y ofertas hechas a la medida para sus clientes?, ¿Qué puede hacer ahora mismo para contribuir a crear el futuro que desea?, y ¿cómo aplicaría este caso en su empresa, su negocio, la vida personal, la sociedad?

 

Share

About Author

Adriana Marquez A.

Economist, MSc Market Research and Data Mining.

Adriana se desempeña como Consultora Senior en el área de servicios profesionales de SAS Colombia. Con 12 años de experiencia en el área Analítica. Ha liderado múltiples proyectos analíticos para sectores de la economía como son el financiero, telecomunicaciones, consumo masivo y gobierno. Es Economista, Especialista en Matemáticas Aplicadas y Máster en Investigación de Mercados y Minería de Datos.

Leave A Reply

Back to Top