Hagamos la pregunta de nuevo: ¿el marketing se hará más humano gracias a la tecnología? Para el sector B2B la respuesta es sí, según Forrester. En opinión de algunos analistas de la empresa global de investigación de mercados, en 2021 la tecnología ayudará a mejorar el aspecto humano del trabajo de esos especialistas en marketing y ventas. “La COVID-19 ha cambiado el marketing y las ventas B2B, quizás para siempre. Los expertos en marketing y ventas aprovecharán el momento y transformarán sus enfoques para centrarse verdaderamente en el consumidor”.
Desde la perspectiva de una agencia/consultora o un proveedor de tecnología, hay algunas cuestiones a considerar: ¿cuándo sugerirle a un cliente que utilice un enfoque humano y/o tecnológico? ¿Cuándo abogar por uno u otro? ¿Qué tan escalable es un análisis dirigido por humanos en comparación con plataformas que combinan inteligencia artificial, procesamiento del lenguaje natural (PLN), machine learning y reglas lingüísticas?
Para profundizar un poco más en todo ello, hemos hablado con dos players del sector:
Oliver está de acuerdo con que la tecnología hará que el proceso de marketing y ventas parezca más humano, considerando cómo la tecnología permite que el contenido digital nos sea servido como consumidores, en base a señales que emitimos según nuestro comportamiento online. “Estos métodos se pueden aplicar a escala al proceso B2B para ayudar a los profesionales de ventas y marketing a realizar su trabajo a un nivel previamente inalcanzable”, afirma, diciendo que ayudarán en la toma de decisiones.
“Creo que definitivamente la tecnología (o más específicamente la IA) permite que las personas pasen más tiempo en el 'lado humano' de su trabajo y menos en tareas mecánicas”, opina Ben. Argumenta que en el caso de la inteligencia social y del consumidor, eso se traduce en que la inteligencia artificial permite que los profesionales de insights y los marketers concentren mucha más energía en la interpretación y el análisis de datos.
“Eso significa que los analistas pueden dedicar su tiempo a analizar, asignar significado a las métricas y traducir datos en un conjunto de acciones/implicaciones para su negocio, en lugar de realizar tareas repetitivas como limpieza de datos y control de calidad”, dice Ben.
Algunas plataformas mencionadas en el informe de Forrester AI-Based Text Analytics Platforms sugieren que eliminan la necesidad de un análisis manual para descubrir tendencias y oportunidades para las marcas. Para Oliver, estas plataformas bien pueden eliminar la necesidad de procesos de análisis manuales extensos y laboriosos pero, como afirma, se requieren personas para garantizar que las tendencias descubiertas sean relevantes y las oportunidades, reales.
Ben sostiene que el acto de interpretar una tendencia o un tema en los datos sigue siendo en gran parte dirigido por humanos. "Pero cada vez más, el análisis de texto impulsado por IA permite a los analistas descubrir esas tendencias o temas mucho más rápido que antes".
Ben nos ayuda a comprender que no debemos poner en conflicto el análisis hecho por humanos, la IA y el machine learning. "Más bien, los posicionaría como complementarios: el PLN impulsado por la inteligencia artificial, cuando se construye de la manera correcta, permite un enfoque mucho más eficiente dirigido por personas para el análisis de datos sociales", afirma diciendo que la plataforma autoML de Converseon, Conversus, por ejemplo, pone énfasis “human-in-the-loop” en el machine learning.
Para Oliver, todas las tecnologías antes mencionadas son de gran ayuda para los analistas de Convosphere, "siempre que sean eficientes en muchos idiomas, lo que no ocurre en todos los casos". "Pocas personas estarían en desacuerdo con que ofrecen escala, pero la escala no siempre es crucial".
El global head of insights de Convosphere también explica que no todos los proyectos requieren un análisis exhaustivo de un universo de datos colosal. “A veces, nos ocupamos de temas muy especializados en los que no existe big data. A veces no necesitamos considerar TODOS los datos disponibles sino que una muestra será suficiente ”, comenta.
Ben añade que los conjuntos de datos sociales y de voz del consumidor son característicamente grandes y caóticos; contienen insights increíblemente valiosos, pero a menudo son diamantes en bruto que deben extraerse de alguna manera, dice.
“Cuando se extraen esos insights, históricamente ha existido un compromiso difícil entre precisión y escala. Podría tener a personas haciendo análisis con mucha precisión, pero este enfoque no podría escalar a grandes conjuntos de datos. Por otro lado, podría usar métodos automatizados para analizar estos datos a gran escala, pero las tecnologías tradicionalmente empleadas para hacer esto han sido lamentablemente inexactas. Los enfoques actuales basados en la inteligencia artificial ayudan a romper esta compensación", opina el VP of solutions de Converseon.
Oliver habla de los "callejones sin salida" a los que los resultados impulsados por la tecnología a veces pueden hacernos llegar. "A veces, esto puede pesar mucho en el tiempo de los analistas, afectando la eficiencia posibilitada por la tecnología". Sin embargo, en su opinión, el 100% de las veces necesitamos que sean personas las que hagan la labor de comprender los aspectos culturales, sociales y políticos más generales.
“Nuestro papel es ayudar a nuestros clientes a tomar decisiones de negocios informadas por el análisis y la interpretación del social data. Necesitamos investigadores capacitados para realizar la interpretación de estos datos. Su trabajo es crear una historia a partir de los distintos puntos de datos con los que trabajamos. La tecnología está ahí para apoyar este esfuerzo final, no para liderarlo”, dice Oliver.
Por otro lado, Ben explica que el procesamiento del lenguaje natural impulsado por la inteligencia artificial está en el centro de lo que hace Converseon: "es la tecnología que utilizamos para proporcionar a nuestros clientes una inteligencia social y de consumo mejorada". "Al utilizar el PLN impulsado por IA para analizar conjuntos de datos sociales y de VoC, no sólo podemos analizar a 'escala de big data', sino que también podemos acercarnos, y en ocasiones superar, la precisión a nivel humano en nuestro análisis", afirma Ben.