Próxima acción recomendada, propuesta de producto

Pongamos un ejemplo concreto: supongamos que vendes tres productos diferentes: A, B y C. Quieres implementar un sistema automatizado que seleccione «el producto adecuado para cada cliente potencial». En otras palabras, quieres saber cuál de estos tres productos tiene más probabilidades de ser comprado por un cliente concreto.

Este sistema (que permite seleccionar «el producto adecuado para cada cliente potencial») es bastante sencillo, desde un punto de vista conceptual:

• Crear (utilizando TIMi) tres modelos predictivos de «propensión a la compra» (uno para cada producto: A, B y C).
• Aplica tus tres modelos predictivos a tu base de datos de clientes:

Por cada cliente potencial que figure en tu base de datos de clientes, obtendrás:

• Según el modelo 1: la probabilidad de compra del producto A.
• Según el modelo 2: la probabilidad de compra del producto B.
• Según el modelo 3: la probabilidad de compra del producto C.

Para cada cliente, ahora dispones de 3 probabilidades (una por cada producto). Selecciona el producto que presente la «probabilidad de compra más alta» (de entre las 3 probabilidades que acabas de calcular para ese cliente) y, sencillamente, ofréceselo a tu cliente.

Se trata de un auténtico sistema de recomendaciones «personalizado», ya que cada cliente presenta unas «probabilidades de compra» diferentes y, potencialmente, se le puede ofrecer un producto distinto.

El sistema descrito anteriormente puede mejorarse (en lugar de utilizar tres modelos predictivos del tipo «uno contra todos», podríamos haber utilizado seis modelos predictivos del tipo «uno contra uno»), pero el principio sigue siendo el mismo.

Para crear estos «modelos individuales», debes, por supuesto, utilizar una base de datos que contenga la mayor cantidad de información posible sobre tus clientes. Puedes recopilar todas las actividades, tanto offline como online, de tus clientes y registrarlas en tu base de datos. Cuantos más datos tenga sobre sus clientes (cuantas más columnas los describan), mejor. TIMi es la única herramienta de exploración de datos que no tiene límite en cuanto al número de columnas que puede procesar. Anatella es la única herramienta ETL del mercado capaz de procesar tablas de datos que contienen varios miles de columnas.

La precisión de un sistema de este tipo (sistema «Next Best Activity/Offer/Product») depende totalmente de la precisión de los «modelos predictivos individuales» que lo componen. Una vez más, TIMi se impone como la solución ideal para la implantación de este tipo de sistemas, ya que:

1. Se requiere una precisión muy alta en cada uno de los modelos predictivos.
2. Necesitas una herramienta analítica muy rápida para crear los numerosos modelos predictivos diferentes. TIMi es, con diferencia, la herramienta analítica más rápida del mercado.

TIMi incorpora una herramienta especial (la herramienta «Model Merger») capaz de aplicar simultáneamente miles de modelos predictivos diferentes en una sola pasada sobre tu base de datos de clientes. El tiempo de cálculo de TIMi es prácticamente independiente del número de modelos aplicados (así como de la complejidad de cada modelo predictivo). Por regla general, gracias a la herramienta «Model Merger», puedes procesar tu base de datos de clientes, que contenga 10 millones de clientes (10 000 000), en menos de 2 minutos (independientemente del número y la complejidad de los modelos predictivos). Cuando se utilizan «los modelos de TIMi exportados como código SQL de Teradata optimizado», la velocidad de evaluación es aún mayor. La rapidez de TIMi no tiene rival. El tiempo necesario para realizar la puntuación de la misma base de datos utilizando la solución más rápida disponible (distinta de TIMi o TIMi + Teradata) es, de media, superior a 3 horas (depende de la complejidad de los modelos y puede alcanzar las 20 horas de cálculo ininterrumpido si se utilizan modelos complejos). ¡De verdad, comparadas con TIMi, las demás herramientas analíticas parecen máquinas de Rube Goldberg!