Inteligencia Artificial y Robotica

2014
INTELIGENCIA
ARTIFICIAL APLICADA
A LA ESTRATEGIA DE
CLIENTES
I
N
T
E
L
I
G
E
N
C
I
A
A
R
T
I
F
I
C
I
A
L
03/09/2014
Inteligencia Artificial y Robtica
INDICE
INTRODUCCIN .......................................................................................................... 4
1.
2.
INTELIGENCIA ARTIFICIAL ................................................................................. 5

1.1.
Objetivos ........................................................................................................ 5
1.2.
Aplicaciones De La Inteligencia Artificial ......................................................... 5
INTELIGENCIA ARTIFICIAL EN LA ESTRATEGIA DE CLIENTES ..................... 5

2.1.
Sistemas Expertos .......................................................................................... 6
2.1.1.
Caractersticas......................................................................................... 6
2.1.2.
Arquitectura ............................................................................................. 7
2.1.3.
Aplicaciones de los sistemas expertos..................................................... 7
2.1.4.
Ejemplos de aplicaciones de sistemas expertos ...................................... 8
2.2.
Redes Neuronales Artificiales ......................................................................... 8
2.2.1.
Ventajas .................................................................................................. 2
2.2.2.
Estructura De Una Red Neuronal Artificial ............................................... 9
2.2.3.
Diferencia Con Los Sistemas Expertos .................................................. 10
2.2.4.
Aplicaciones De Las Redes Neuronales Artificiales ............................... 10
2.2.5. Una Red Neuronal De Chase Manhattan Bank Para La Concesin De

Prstamos ........................................................................................................... 12
3.
2.2.6.
Las Redes Neuronales En Negocios Y Finanzas .................................. 12
2.2.7.
Las Redes Neuronales En Marketing.................................................... 12
ESTRATEGIAS DE LAS EMPRESAS CON LOS CLIENTES ............................. 12

3.1.
Estrategia De Clientes .................................................................................. 14
3.2.
Estrategias De Captacin De Clientes .......................................................... 15
3.3.
Sistemas Usados En Las Empresas Para Marketing .................................... 15
3.3.1.
Inteligencia de Negocios Business Intelligence. .................................. 15
4. IMPORTANCIA DE LA INTELIGENCIA ARTIFICIAL APLICADA EN EL

MARKETING .............................................................................................................. 18
5.
IMPACTO DE LA INTELIGENCIA ARTIFICAL EN EL MARKETING ................. 18

5.1.
Marketing Tecnificado, Marketing Inteligente ................................................ 20
5.1.1.
5.2.
Enfoques ............................................................................................... 21
Inteligencia Artificial Para Ayudar A Vender .................................................. 22
5.2.1.
Test de Turing ....................................................................................... 22
Ingeniera de Sistemas 2014-II

5.2.2.
6.
Test de Human ...................................................................................... 24
EJEMPLOS SOBRE INTELIGENCIA ARTIFICAL EN EL MARKETING ............ 26

6.1.
VIRTUOZ, Agentes de IA Para Servicios al Cliente ...................................... 26
6.2.
Vi-CLONE ..................................................................................................... 27
CONCLUSIONES ....................................................................................................... 28
BIBLIOGRAFIA .......................................................................................................... 29
ndice de Ilustraciones
Figura N1: Estructura de una Red Neuronal .............................................................. 10
Figura N2: Esquema de un Perceptrn ..................................................................... 16
Figura N3: Esquema de un Perceptrn Multicapa ..................................................... 17
Figura N4: Esquema de un Mapa Auto-Organizado .................................................. 17
Figura N5: Test de Turing .......................................................................................... 23
Figura N6: Aplicacin del Test Human a la Base de Datos de Clientes ..................... 25
INTRODUCCION
La Inteligencia Artificial es una combinacin de la ciencia del computador, tan general y
amplio como eso, es que rene varios campos (robtica, sistemas expertos, entre
otros), todos los cuales tienen en comn la creacin de mquinas que pueden
"pensar".
En la actualidad la Inteligencia Artificial se aplica a numerosas actividades humanas
como en: medicina, derecho, economa, finanzas entre otros. Sus principales
aplicaciones se dan en las gestiones empresariales debido a que; casi todas las
empresas disponen de un ordenador que realiza las funciones bsicas de tratamiento
de la informacin: contabilidad general, decisiones financieras, gestiones de la tesorera,
planificacin, etc.; que implica manejar grandes volmenes de informacin y realizar
operaciones numricas para despus tomar decisiones, esto crea la implantacin de los
Sistemas Expertos junto con redes neuronales artificiales.
Los nuevos sistemas de marketing intentan concebir productos ms acordes con los
gustos y preferencias del consumidor, diseando servicios especiales y personalizando
dilogos con los consumidores, se encuentran cada da con entornos inciertos y muy
difciles de pronosticar los comportamientos ms acertados sobre ellos.
Es por eso que en la actualidad, al averiguar cmo y de qu forma se pueden simular
estos entornos del mercado, cada vez ms inciertos, se ha implementado esta rama de
la Inteligencia Artificial, obteniendo as un marketing ms tecnificado y ms acertado.
A diario utilizamos herramientas basadas en la inteligencia artificial como: Google, Siri,
Prediccin de tiempo, entre otros.
1. INTELIGENCIA ARTIFICIAL
Es la rama de las ciencias de la computacin que se ocupa de construir sistemas
que permitan exhibir un comportamiento cada vez ms inteligente.
Inteligencia artificial es aquella que trata de explicar el funcionamiento mental
basndose en el desarrollo de algoritmos para controlar diferentes cosas. La
inteligencia artificial combina varios campos; como la robtica, los sistemas
expertos, entre otros, los cuales tienen un mismo objetivo, que es tratar de crear
maquinas que puedan pensar por s solas.
El campo de la inteligencia artificial (AI) se refiere a los mtodos de desarrollo de
sistemas que muestran aspectos de la conducta inteligente. Estos sistemas estn
diseados para imitar las capacidades humanas de pensar y sentir.
1.1. Objetivos
Disear y construir aplicaciones computacionales de nivel superior.

Resolver problemas difciles.
Generar herramientas para la construccin de aplicaciones de
inteligencia artificial.
Ayudar a los expertos a analizar y disear.
Generar mquinas que faciliten la construccin de aplicaciones de
inteligencia artificial.
1.2. Aplicaciones De La Inteligencia Artificial
Robtica.
Procesamiento de Lenguaje Natural.
Reconocimiento de Patrones.
Sistemas Expertos
Tutores Inteligentes.
Manipulacin Inteligente de Base de Datos.
Programacin Automtica.
Visin Computarizada.
2. INTELIGENCIA ARTIFICIAL EN LA ESTRATEGIA

DE CLIENTES
En el momento actual la Inteligencia Artificial se aplica a numerosas
actividades humanas, y como lneas de investigacin ms explotadas destacan el
razonamiento lgico, la traduccin automtica y comprensin del lenguaje natural,
la robtica, la visin artificial y, especialmente, las tcnicas de aprendizaje y de
ingeniera del conocimiento. Estas dos ltimas ramas son las ms directamente
aplicables al campo de las finanzas pues, desde el punto de vista de los negocios,
lo que interesa es construir sistemas que incorporen conocimiento y, de esta

manera, sirvan de ayuda a los procesos de toma de decisiones en el mbito de la
gestin empresarial.
Las tcnicas de inteligencia artificial son perfectamente aplicables al mundo
del marketing, de clientes, de prediccin de cualquier evento.
Supongamos un equipo comercial de una gran compaa. Planifican
promociones para un fin de semana determinado, ellos son capaces de intuir
por lgica que aquellos clientes que van al supermercado y que compran
detergente tambin compran suavizante.
Lo que se les escapa de las manos es que muchos de ellos adems compran vino
sobre todo si es sbado por la tarde.
Es aqu donde entran las tcnicas estadsticas y de data mining que logran
encontrar estas correlaciones inaccesibles para el cerebro humano, pero
excelentes herramientas de gestin empresarial.
Con los resultados extrados de la aplicacin de tcnicas y sabiendo que los clientes
que asisten al supermercado compran vino tambin sobre todo si es sbado por la
tarde entonces lo ms probable es que la distribucin de estos productos sea en
forma lineal o colocados estratgicamente unos cerca de otros para que la mayor
cantidad de cliente lleve ambos productos.
Las tcnicas estadsticas y de Data mining se basan en construir tanto
modelos descriptivos, descubrir correlaciones, patrones o tendencias y modelos
de prediccin que ayuden a proveer el futuro y a definir estrategias inteligentes.
De entre todos los paradigmas y estrategias de la Inteligencia Artificial, actualmente
dos tienen el mayor inters para las aplicaciones en la empresa: los sistemas
expertos y las redes neuronales artificiales. Estos sistemas se pueden combinar,
por lo que una solucin prctica es utilizar sistemas mixtos que incorporan un
mdulo de sistema experto con sus reglas junto a otros mdulos neuronales y
estadsticos.
2.1. Sistemas Expertos

Los Sistemas Expertos, rama de la Inteligencia Artificial, son sistemas
informticos que simulan el proceso de aprendizaje, de memorizacin, de
razonamiento, de comunicacin y de accin en consecuencia de un experto
humano en cualquier rama de la ciencia.
Sistema basado en los conocimientos que imita el pensamiento de un
experto.
2.1.1. Caractersticas
Debe tener en lo posible, lo ms importante de las caractersticas de un
experto:
HABILIDAD para adquirir conocimiento.
FIABILIDAD para poder confiar en sus resultados o apreciaciones.
SOLIDEZ en el dominio de su conocimiento.
CAPACIDAD PARA RESOLVER problemas.
2.1.2. Arquitectura
Un sistema basado en conocimientos se compone de:
Base de Conocimientos (Knowledgebase): representa el conocimiento del
experto y el problema en forma de hechos descriptivos y reglas de inferencia
lgica.
Contiene los hechos sobre un problema que se han descubierto durante una
consulta. Durante una consulta con el sistema experto, el usuario introduce la
informacin del problema actual en la base de hechos. El sistema empareja
esta informacin con el conocimiento disponible en la base de conocimientos
para deducir nuevos hechos.
Motor de Inferencias: traduce reglas siguiendo sus propios algoritmos de
bsqueda, control y resolucin de conflictos.
El sistema experto modela el proceso de razonamiento humano con un
mdulo conocido como el motor de inferencia. Dicho motor de inferencia
trabaja con la informacin contenida en la base de conocimientos y la base
de hechos para deducir nuevos hechos. Contrasta los hechos particulares de
la base de hechos con el conocimiento contenido en la base de conocimientos
para obtener conclusiones acerca del problema.
Interfaz de Usuario (User Interface): recibe y entrega informacin
interactuando con el usuario.
La interaccin entre un sistema experto y un usuario se realiza en lenguaje
natural. Tambin es altamente interactiva y sigue el patrn de la conversacin
entre seres humanos. Para conducir este proceso de manera aceptable para
el usuario es especialmente importante el diseo del interfaz de usuario. Un
requerimiento bsico del interfaz es la habilidad de hacer preguntas. Para
obtener informacin fiable del usuario hay que poner especial cuidado en el
diseo de las cuestiones. Esto puede requerir disear el interfaz usando
mens o grficos.
2.1.3. Aplicaciones de los sistemas expertos

Sus principales aplicaciones se dan en las gestiones empresariales debido a
que; casi todas las empresas disponen de un ordenador que realiza las
funciones bsicas de tratamiento de la informacin: contabilidad general,
decisiones financieras, gestiones de la tesorera, planificacin, etc.
Este trabajo implica manejar grandes volmenes de informacin y realizar
operaciones numricas para despus tomar decisiones, esto crea un terreno
ideal para la implantacin de los SE.
Los SE se aplican a una gran diversidad de campos y/o reas. A continuacin
se listan algunas de las principales:

Medicina, Economa, Psicologa, Finanzas, Derecho y prcticamente todas
las ramas del conocimiento.
2.1.4. Ejemplos de aplicaciones de sistemas expertos
MYCIN es un Sistema Experto para la realizacin de diagnsticos en el

rea de la medicina, iniciado por Ed Feigenbaum y posteriormente
desarrollado por E. Shortliffe y sus colaboradores. Su funcin es la de
aconsejar a los mdicos en la investigacin y determinacin de
diagnsticos en el campo de las enfermedades infecciosas de la sangre.
XCON es un Sistema Experto para configuraciones, desarrollado por la

Digital Equipment Corporation.
Segn los deseos individuales del cliente se configuran redes de
ordenadores VAX. Ya que el abanico de productos que se ofrecen en el
mercado es muy amplio, la configuracin completa y correcta de un
sistema de estas caractersticas es un problema de gran complejidad.
Responde esencialmente a dos preguntas: Pueden conjugarse los
componentes solicitados por el cliente de forma conveniente y razonable?
Y Los componentes de sistema especificados son compatibles y
completos? Las respuestas a estas preguntas son muy detalladas. XCON
es capaz de comprobar y completar los pedidos entrantes mucho ms
rpido y mejor que las personas encargadas de hacerlo antes que l.
DELTA, sistema experto que ayuda a los mecnicos en el diagnstico y

reparacin de locomotoras diesel-elctricas, DELTA no slo da consejos
expertos, sino que tambin presenta informaciones por medio de un
reproductor de vdeo.
2.2. Redes Neuronales Artificiales

Las Redes Neuronales Artificiales, ANN (Artificial Neural Networks) estn
inspiradas en las redes neuronales biolgicas del cerebro humano. Estn
constituidas por elementos que se comportan de forma similar a la neurona
biolgica en sus funciones ms comunes. Estos elementos estn organizados
de una forma parecida a la que presenta el cerebro humano.
Una de las principales caractersticas de las redes neuronales, es que son
capaces de trabajar con datos incompletos e incluso paradjicos, que
dependiendo del problema puede resultar una ventaja o un inconveniente.
Las redes neuronales se denominan tambin sistemas de procesamiento
paralelo distribuido o memorias asociativas debido a que llegan a resultados
inteligentes realizando muchos clculos paralelos independientes y sin seguir
reglas lgicas rgidas.
2.2.1. Ventajas
Debido a su constitucin las redes neuronales artificiales presentan un gran
nmero de caractersticas semejantes a las del cerebro: son capaces de
aprender de la experiencia, de generalizar de casos anteriores a nuevos

casos, de abstraer caractersticas esenciales a partir de entradas que
representan informacin irrelevante. Estas ventajas incluyen:
Aprendizaje adaptativo: capacidad de aprender a realizar tareas basadas

en un entrenamiento o una experiencia inicial.
Auto organizacin: una red puede crear su propia organizacin o

representacin de la informacin que recibe mediante una etapa de
aprendizaje.
Tolerancia a fallos: Debido a que almacena la informacin de forma

redundante, sta puede seguir respondiendo de manera aceptable aun si
se daa parcialmente.
Operacin en tiempo real: Las redes neuronales artificiales, de todos los

mtodos existentes, son las ms indicadas para el reconocimiento de
patrones en tiempo real, debido a que trabajan en paralelo actualizando
todas sus instancias simultneamente. Es importante destacar que esta
caracterstica solo se aprecia cuando se implementan redes con
hardware especialmente diseados para el procesamiento paralelo.
Fcil insercin dentro de la tecnologa existente: se pueden obtener chips

especializados para mejorar su capacidad en ciertas tareas.
2.2.2. Estructura De Una Red Neuronal Artificial

Las redes neuronales artificiales estn formadas por una gran cantidad de
neuronas, estas no suelen denominarse neuronas artificiales sino nodos o
unidades de salida. Un nodo o neurona cuenta con una cantidad variable de
entradas que provienen del exterior. A su vez dispone de una sola salida (Xj)
que transmitir la informacin al exterior o hacia otras neuronas. Cada Xj o
seal de salida tiene asociada una magnitud llamada peso este se calcular
en funcin de las entradas, por lo cual cada una de ellas es afectada por un
determinado peso. Los pesos corresponden a la intensidad de los enlaces de
contacto entre neuronas y varan libremente en funcin del tiempo y en cada
Figura N 1: Estructura de una Red Neuronal
una de las neuronas que forman parte de la red.
2.2.3. Diferencia Con Los Sistemas Expertos

Las redes neuronales se asemejan a los sistemas expertos en cuanto al
objetivo de representar el conocimiento pero son radicalmente opuestos en
cmo aspiran a conseguirlo. Como vemos, los sistemas expertos se
acercaran ms al razonamiento deductivo -obtener reglas- y las redes
neuronales al inductivo -aprendizaje mediante ejemplos-. La gestin
empresarial utiliza frecuentemente ambos esquemas de razonamiento, por lo
que ambas tcnicas tienen cabida. Adems, ambos modelos son
perfectamente compatibles, de forma que se pueden integrar en un nico
sistema.
2.2.4. Aplicaciones De Las Redes Neuronales Artificiales

Se aplican a tareas en las que un ser humano se desenvuelve bien, pero en
las que un sistema algortmico tradicional lo hace de un modo ineficaz. No
deben aplicarse en aquellos casos en los que la solucin algortmica es
eficiente, es decir, problemas de clculo aritmtico o lgico que los
ordenadores tradicionales resuelven muy bien. Tampoco podrn aplicarse en
los casos en los que no se pueda disponer de un conjunto suficiente de
patrones-ejemplo.
TRES TIPOS DE PROBLEMAS
En general, las redes neuronales tratan de resolver de forma eficiente
problemas que pueden encuadrarse dentro de tres amplios grupos:
optimizacin, reconocimiento y generalizacin.
Estos tres tipos engloban un elevado nmero de situaciones, lo que hace que
el campo de aplicacin de las redes neuronales en la gestin empresarial sea
muy amplio.
Optimizacin
En los problemas de optimizacin se trata de determinar una solucin que
sea ptima. En la gestin empresarial, son decisiones de optimizacin
encontrar los niveles adecuados de tesorera, de existencias, de
produccin, construir de carteras ptimas, etc.
Reconocimiento
En los problemas de reconocimiento se entrena una red neuronal con
inputs como sonidos, nmeros, letras y se procede a la fase de test
presentando esos mismos patrones con ruido. Este es uno de los campos
ms fructferos en el desarrollo de redes neuronales.
Reconocimiento de Caracteres: es el proceso de interpretacin visual y
de clasificacin de smbolos. Los investigadores de Nestor, Inc. han
desarrollado un sistema de computacin neuronal que tras el
entrenamiento con un conjunto de tipos de caracteres de letras, es capaz
de interpretar un tipo de carcter o letra que no haya visto con
anterioridad.
10

Reconocimiento de Patrones en Imgenes: una aplicacin tpica es la
clasificacin de objetivos detectados por un sonar. Existen varias ANN
basadas en la popular Back-propagation cuyo comportamiento es
comparable con el de los operadores humanos. Otra aplicacin normal
es la inspeccin industrial.
Generalizacin
En los problemas de generalizacin la red neuronal se entrena con unos
inputs y el test se realiza con otros casos diferentes. Problemas tpicos
de generalizacin son los de clasificacin y prediccin. Son problemas
de generalizacin tratar de predecir la quiebra de las empresas a partir
de su informacin contable o la concesin de prstamos, la calificacin
de obligaciones, la prediccin en los mercados de valores, etc.
Clasificacin
En los problemas de clasificacin se trata de asignar a cada caso su
clase correspondiente, a partir de un conjunto de ejemplos.
Clasificar Emisiones De Bonos U Obligaciones
Las empresas e instituciones pblicas emiten instrumentos
financieros como bonos u obligaciones en busca de dinero para
financiar sus inversiones. Pero, lgicamente, hay un riesgo de que
las empresas no devuelvan este dinero y resulta interesante obtener
ratings o calificaciones de estos bonos.
Existen agencias que se dedican a ello, siendo las ms famosas
Standard and Poor's (S&P) y Moody's. Estas agencias examinan
todo tipo de aspectos de las empresas: la situacin financiera, la
informacin contable, mantienen entrevistas con la gerencia, etc, y
califican las emisiones con unos baremos, usualmente
combinaciones de letras y nmeros.
Prediccin
La prediccin ha sido una de las aplicaciones que ms pronto
despertaron el inters de los estudiosos de las redes neuronales. El
anlisis tcnico pretende predecir las cotizaciones a partir de la
evolucin histrica de precios y volmenes de negociacin. El
anlisis fundamental trata de valorar los factores econmicos ms
importantes del entorno y contempla la evolucin econmicofinanciera de las empresas.
La Prediccin Del xito De La Creacin De Una Empresa
Se pretende modelizar el xito empresarial de empresas de nueva
creacin mediante la utilizacin de la tcnica de redes neuronales
artificiales partiendo tanto de datos financieros como de datos
referentes a las distintas polticas de la empresa en diferentes
mbitos, como puede ser el comercial, calidad, formacin o
gerencial.
Las redes neuronales artificiales son una potente tcnica de modelizacin que
simula el funcionamiento de un cerebro biolgico. Su uso ha experimentado
un gran a partir de finales de los setenta, debido principalmente al aumento
11

de potencia en los ordenadores y a la resolucin de ciertos problemas
estructurales que afectaban al modelo de red ms utilizado, el perceptrn.
2.2.5. Una Red Neuronal De Chase Manhattan Bank Para La

Concesin De Prstamos
Metodolgicamente las aplicaciones de concesin de prstamos son muy
similares a los de prediccin de la quiebra. El conceder o no un prstamo es
tambin una decisin no estructurada y la diferencia radica en que la
informacin disponible no se extrae de bases de datos comerciales o de los
registros sino que es informacin que suministra el propio banco o entidad
financiera que encarga el estudio.
En este caso la informacin no se compone exclusivamente de ratios
financieros, sino que tambin hay otro tipo de datos, como por ejemplo quin
es el director de la compaa, si es un cliente nuevo, etc.
Marose (1990) describe una aplicacin hbrida del Chase Manhattan Bank
para la concesin de prstamos. Es un sistema mixto que incorpora
herramientas estadsticas y un perceptrn multicapa. El Chase Manhattan
Bank concede prstamos nuevos cada ao por valor de trescientos millones
de dlares e hizo una apuesta muy fuerte en el desarrollo de un modelo
informatizado basado en el reconocimiento de patrones para las decisiones
de concesin de prstamos.
2.2.6. Las Redes Neuronales En Negocios Y Finanzas

Sistemas de redes neuronales son usados en los sistemas financieros, se
usan para predecir cargos fuera de lo normal para recomendar su
investigacin por humanos. Para predecir comportamientos recurrentes de
mercados, alertando sobre desequilibrios en movimientos financieros.
2.2.7. Las Redes Neuronales En Marketing

En la aplicacin Airline Marketing Tactician (AMT) se aplican redes
neuronales que incluyen diversos sistemas expertos. Se utiliza una red
neuronal que usa el algoritmo de back-propagation para asesorar en el control
de asignacin de plazas de vuelos. Se usa como un sistema de control de
ofertas y reservas en vuelos.
3. ESTRATEGIAS DE LAS EMPRESAS CON LOS

CLIENTES
Los vendedores y anunciantes estn desarrollando una serie de aplicaciones de
inteligencia artificial que puede conocer los deseos de los consumidores, determinar
qu argumentos de venta funcionan mejor y ampliar la base de una empresa en el
mercado utilizando los anuncios orientados, la personalizacin.
Pero estn muy lejos de la capitalizacin de las aplicaciones basadas en
Inteligencia Artificial. Algunos pueden desconfiar de la tecnologa que no entienden,
mientras que otros no pueden ver a su vez, los atractivos resultados para llevar a
12

cabo la vigilancia y las instituciones financieras para evitar el fraude. Los
ordenadores utilizan complejos algoritmos, una lista detallada de instrucciones,
para tomar decisiones o llegar a conclusiones que dan la impresin de que estn
pensando o aprendiendo.
La solicitud de comercializacin de la Inteligencia Artificial depender en gran
medida, de uno de los principios ms bsicos de la industria:
Conocer al cliente, al centrar en sus perfiles, preferencias y deseos, los
vendedores pueden tratar de atraerlos.
El problema es que con el uso de mtodos tradicionales, los perfiles de los clientes
son o bien incompletos o bien difcil de ser convertidos en estrategias que realmente
funcionen, por ejemplo:
Las compras que solemos hacer en un supermercado. Los datos pueden
decirles a los minoristas qu es lo que compraron recientemente, pero la
tienda no tiene manera de saber por qu respondi a determinada
promocin o no se present a la ltima.
Con la Inteligencia Artificial sin embargo, los problemas son cada vez menos.
Potentes sistemas informticos pueden recoger informacin sobre los clientes y sus
hbitos a travs de una tarjeta de fidelidad por citar un ejemplo. Los algoritmos
pueden identificar patrones o tendencias en el comportamiento de compra que
puede ayudar a los administradores a determinar qu productos podran atraer a
los clientes o cuando una promocin en la tienda sera ms eficaz.
Pero no es una ciencia perfecta, pues muchos consumidores pueden simplemente,
ignorar o dejar de recibir los correos del programa de la tarjeta de fidelidad, por
ejemplo. Pero tambin puede ayudar a muchos clientes, como por ejemplo a una
persona que realiza muchas bsquedas en la web sobre viajes por Europa. Se le
pueden dar slo los anuncios de las agencias de viajes, algo que podemos ver a
diario con Google pues es el sistema que utiliza.
Los expertos dicen que estos anuncios orientados sern cada vez ms sofisticados,
al punto que podremos imaginar estar caminando y pasar por una tienda de ropa,
momento en el que recibimos una alerta en nuestro Smartphone sobre una oferta
concreta de unos jeans si los compramos en este momento. Jeans que compramos
en el pasado y el sistema lo retiene y recuerda cada vez que pasamos por all.
Cosas como esta son totalmente posibles, dijo Stan Matwin, profesor de ciencias
de la computacin de Ottawa.
Otro desarrollo innovador es lo que se conoce como la segmentacin de clientes.
Tradicionalmente, los minoristas pueden dividir a sus clientes en distintos grupos,
pero ahora las complejas aplicaciones de Inteligencia Artificial se estn creando
para captar detalles.
Existen cuatro categoras en las que la Inteligencia Artificial puede tener un impacto
significativo en las prcticas de comercializacin, segn:
La innovacin del producto: las compaas pueden utilizar la Inteligencia Artificial
basada en algoritmos para generar variaciones en los productos existentes,
13

como puede ser un nuevo tono de pintura, aunque esta tecnologa todava est
en una fase exploratoria.
Recomendaciones: Amazon y Netflix aumentan las ventas mediante el uso de
aplicaciones Inteligencia Artificial que recomiendan los productos adicionales
basados en el historial de compras de los consumidores. Los expertos predicen
que estas recomendaciones sern mucho ms sofisticadas y precisas.
Segmentacin: los perfiles de los clientes a menudo carecen de detalles acerca
de los intereses de una persona. Los nuevos sistemas ayudarn a las empresas
a evitar el encasillamiento de los consumidores, haciendo que se centren en la
probabilidad de que responda a las promociones y no cambien a otra marca.
Atencin al cliente: cada vez ms compaas estn utilizando aplicaciones
basadas en Inteligencia Artificial para proporcionar el servicio al cliente en lnea.
Estos programas pueden responder a las preguntas de los consumidores,
proporcionar apoyo tcnico y resolver otras cuestiones de manera ms rpida y
eficiente.
3.1. Estrategia De Clientes

En un entorno de mercado cada vez ms indiferenciado, donde los productos
se convierten en coomodities o, en su caso, son rpidamente reproducibles
entre la competencia, el cliente se convierte en pilar fundamental sobre el que
cimentar el xito de las organizaciones.
Uno de los principales retos de las empresas para alcanzar sus objetivos de
negocio es conseguir una verdadera orientacin al cliente de todos sus
procesos y actuaciones.
Es fundamental partir de la construccin de una adecuada estrategia de
orientacin al cliente que asegure actuar de forma optimizada a lo largo de
todo el ciclo de relacin de ste con la empresa.
Todas las empresas dicen estar orientadas al cliente. Pero, es cierto?
Los clientes son la razn de ser de la empresa. La gestin estratgica de los
clientes implica asignar recursos limitados a aquellos clientes que ms valor
pueden aportar a la empresa. Una gestin ptima de la cartera de clientes
tiene un doble impacto positivo en la rentabilidad:
Ingresos - Se toman las mejores decisiones para incrementar ingresos:
categorizando los clientes en funcin de su valor actual y potencial y
adecuando la propuesta de valor a cada segmento para maximizar su
rendimiento.
Gastos - Se toman las mejores decisiones para reducir costes:
desinvirtiendo en aquellos clientes no rentables o sin potencial y
eliminando de la empresa todo aquello que no es valorado por los clientes
y es un coste innecesario.
14

3.2. Estrategias De Captacin De Clientes
Una estrategia de captacin de clientes debe atender a los diferentes canales
de venta de la empresa y a cmo atraen y conservan de manera eficiente a
los clientes de la misma.
Para lograr una buena estrategia de captacin de clientes es importante:
Definir a quin queremos dirigirnos, o lo que es lo mismo en trminos de

marketing, definir los segmentos objetivos.
Establecer qu tipo de cliente queremos captar y la cantidad de ellos.

Tenemos que considerar tanto los clientes actuales como los potenciales.
Disponer de productos o servicios que se adapten a las necesidades y

deseos de los clientes a los cules nos queremos dirigir.
Adecuar los canales de venta a cada cliente. Y si no disponemos de

canal, construirlo.
Conocer los costes de captacin de clientes por canal.
Transmitir mensajes y realizar actividades de acuerdo a un plan de

comunicacin previamente definido.
Conocer a la competencia directa a nivel de producto o servicio de la

empresa, para cada cliente, para cada canal que usamos o queremos
utilizar, por ejemplo:
Venta a travs de internet cuntos y cules son mis competidores
para mi producto.
3.3. Sistemas Usados En Las Empresas Para Marketing

3.3.1. Inteligencia de Negocios Business Intelligence.
Sistemas de apoyo para la toma de decisiones (DSS).- Son los sistemas
de informacin basados en computadoras que apoyan a las empresas u
organizaciones en las actividades de toma de decisiones.
Incluyen sistemas basados en el conocimiento (Sistemas Expertos), un
diseo adecuado de un sistema de apoyo para la toma de decisiones es
un sistema interactivo basado en software destinado a ayudar a los
tomadores de decisiones recopilando informacin til a partir de una
combinacin de datos en bruto, documentos, conocimiento personal o
modelos de negocio para identificar y resolver problemas y tomar
decisiones.
Minera de Datos Data Mining.- En el proceso de extraccin de patrones
a partir de datos, es una herramienta cada vez ms importante de los
15

negocios modernos para transformar los datos en inteligencia de negocios
dando una ventaja de informacin.
Las tcnicas de la minera de datos provienen de la inteligencia artificial y
de la estadstica, dichas tcnicas, son ms que algoritmos, ms o menos
sofisticados que se aplican sobre u conjunto de datos para obtener unos
resultados.
Las tcnicas ms representativas son:
Redes Neuronales
Se trata de un sistema de interconexin de neuronas en una red que
colabora para producir un estmulo de salida, ejemplos:
El perceptrn.- Es un tipo de red neuronal artificial desarrollado por
Frank Rosenblatt, tambin puede entenderse como perceptrn la
neurona artificial y unidad bsica de inferencia en forma de
discriminador lineal, que constituye este modelo de red neuronal
artificial, esto debido a que el perceptrn puede usarse como neurona
dentro de un perceptrn ms grande u otro tipo de red neuronal artificial.
Figura N 2: Esquema de Perceptrn
El Perceptrn multicapa.- Es una red neuronal artificial (RNA) formada

por mltiples capas, esto le permite resolver problemas que no son
linealmente separables, lo cual es la principal limitacin del perceptrn
(tambin llamado perceptrn simple). El perceptrn multicapa puede ser
totalmente o localmente conectado.
En el primer caso cada salida de una salida de la capa i es entrada de
todas las neuronas de la capa i+1, mientras que en el segundo cada
neurona de la capa i es entrada de una serie de neuronas (regin) de
la capa i+1.
16
Figura N 3: Esquema de Perceptrn Multicapa
Los mapas auto-organizados.- Tambin conocidos como redes de

Khonen, son diferentes de otras redes neuronales artificiales, en el
sentido que estos usan una funcin de vecindad para preservar la
propiedad estopolgicas del espacio de entrada.
Como la mayora de las redes neuronales artificiales, operan en dos
modos, entrenamiento y mapeo.
El entrenamiento construye el mapa usando ejemplos entrantes,
mientras el mapeo clasifica una nueva entrada, ejemplo:
Se muestra el entrenamiento de un mapa auto organizado. La zona azul
es la distribucin de los datos de entrenamiento, y el disco blanco es el
ejemplo entrante actual para esa distribucin.
Figura N 4: Esquema de Mapa Auto-Organizado
Regresin Lineal
Es la ms utilizada para formar relaciones entre datos. Rpida y eficaz
pero insuficiente en espacios multidimensionales donde puedan
relacionarse ms de 2 variables.
rboles de Decisin
Es un modelo de prediccin utilizado en el mbito de la inteligencia
artificial, dada una base de datos se construyen estos diagramas de
construcciones lgicas, muy similares a los sistemas de prediccin
basados en reglas, que surgen para representar y categorizar una serie
de condiciones que suceden de forma sucesiva, para la resolucin de
un problema.
17

Modelos Estadsticos
Es una expresin simblica en forma de igualdad o ecuacin que se
emplea en todos los diseos experimentales y en la regresin para
indicar los diferentes factores que modifican la variable de respuesta.
Redes Neuronales en Finanzas.
Sistemas de redes neuronales son usados en los sistemas financieros,
se usan para predecir cargos fuera de lo normal para recomendar su
investigacin por humanos. Para predecir comportamientos recurrentes
de mercados, alertando sobre desequilibrios en movimientos
financieros.
4. IMPORTANCIA DE LA INTELIGENCIA ARTIFICIAL

APLICADA EN EL MARKETING
Como los nuevos sistemas de marketing intentan concebir productos ms acordes
con los gustos y preferencias del consumidor, diseando servicios especiales y
personalizando dilogos con los consumidores, se encuentran cada da con
entornos inciertos y muy difciles de pronosticar los comportamientos ms acertados
sobre ellos.
Es por eso que en la actualidad, al averiguar cmo y de qu forma se pueden
simular estos entornos del mercado, cada vez ms inciertos, se ha implementado
esta rama de la ciberntica, obteniendo as un marketing ms tecnificado y ms
acertado.
La cuestin en este momento, radica en responder cuestionamientos, tales como:
los nuevos sistemas de Marketing, como es el Relacional, se estn optimizando
cada vez ms, o, no estn dando los resultados esperados?, Y sobre todo, se
estn percatando de la informacin tcita pero existente en las bases de datos?, O
si por el contrario, se est perdiendo esta informacin tan valiosa y relevante, la
cual puede ser ese tesoro escondido justo al lado de los ms interesados por esta
informacin.
Al experimentar con dos clases de Test, que se derivan de la Inteligencia artificial,
ha descubierto la manera de gestionar los clientes de una forma ptima y muy
acertada, para entrar a ver en detalle, analice primero estos dos Test.
El primer Test, de Turing, definido para probar que una mquina puede tomar
decisiones y pensar al igual que una persona.
El segundo Test, de Human, para probar que una persona puede tomar decisiones
y pensar al igual que otra persona.
5. IMPACTO DE LA INTELIGENCIA ARTIFICAL EN EL

MARKETING
A diario utilizamos herramientas basadas en la inteligencia artificial:
Google la utiliza para ofrecernos los resultados de bsqueda que deseamos, a

pesar de que no siempre expresamos correctamente lo que queremos.
18
Siri y otros procesadores de lenguaje natural, nos ayudan a comunicarnos

con los telfonos mviles y equipos computacionales.
Las predicciones del tiempo que consultamos a diario, generalmente son

realizadas mediante algoritmos inteligentes.
Amazon nos ofrece productos de inters, basndose en el anlisis de nuestras

compras y consultas de productos.
El Marketing, como pieza clave del mundo Empresarial y en el desarrollo de la

Gestin con clientes, se ve hoy como la actividad que puede llevar a conocer de
una mejor forma los gustos y preferencias de los clientes y que en el proceso actual
ha llevado a plantear diversas formulaciones de Marketing, una de ellas el Marketing
Tecnificado, que implementa diferentes formas de la Inteligencia artificial
obteniendo dos enfoques en la actualidad, el primero, la Humanation, sustentado
por pruebas como el Test de Turing (las mquinas piensan) y el Test de Human
(adaptacin del Test de Turing, para probar que una persona puede pensar igual
que otra), y el segundo, el Datamining.
El primer enfoque, se fundamenta en un contexto interno y va dirigido a las razones
que motivan la compra, mientras el segundo enfoque, se basa en un contexto
externo y se preocupa por productos que motivan la compra, concluyendo que al
demostrar, por medio de los Test descritos anteriormente, la funcionalidad de la
Inteligencia artificial aplicada al marketing y la comunicacin, mejora y ayuda a las
ventas.
Algunas de las aplicaciones de la inteligencia artificial, tienen aplicaciones claras
dentro del Departamento de Marketing:
Minera de datos: Permite descubrir patrones en grandes volmenes de datos.
Predicciones financieras y de mercado: Nos ofrecen una visin de los posibles
resultados de nuestras acciones y la posibilidad de experimentar con diversos
escenarios.
Simulacin de multitudes: Facilitan el anlisis del comportamiento de las
personas dentro de un local comercial y la evaluacin de diversas opciones.
Mundos virtuales: Ofrecen a clientes virtuales una experiencia similar a la que
disfrutan los clientes reales.
Procesamiento de lenguaje natural: Estas herramientas nos permiten
automatizar la traduccin de documentos y ciertos procesos de atencin al
cliente.
La realidad es que existen en el mercado, variedad de opciones gratuitas o de bajo
costo de estas soluciones:
Google ofrece herramientas para analizar los intereses de los usuarios de su

buscador, tales como Google Insights para el anlisis de tendencias y Google
AdPlanner para segmentar en base a comportamientos.
19
Twitter y otras herramientas, nos ofrecen un resumen de las noticias de la semana y nos
recomiendan a quin seguir, basndose en nuestro comportamiento en las redes
sociales.
Algunas aplicaciones de tiendas virtuales ofrecen herramientas para incentivar la venta

cruzada, utilizando estrategias similares a las de Amazon.
Por otro lado, una de las razones ms importantes para que el Departamento de
Marketing estudie el funcionamiento de los sistemas inteligentes, es el
posicionamiento en buscadores (SEO).
En el mundo de los negocios, dentro o fuera de Internet, el SEO resulta muy
beneficioso y lucrativo, puesto que ms del 93% de las personas en el mundo, antes
de comprar lo que necesitan, buscan y cotizan, a travs de Internet.
La optimizacin SEO para motores de bsqueda es aplicable a sitios web, weblogs,
blogs, artculos, fotografas, videos, documentos pdf, diarios, revistas, tiendas
online, redes sociales (marketing en redes sociales) etc...
5.1. Marketing Tecnificado, Marketing Inteligente

Quines son nuestros clientes ms rentables? Qu nuevos nichos de
mercado estn emergiendo para atenderlos, anticipndonos a la
competencia? Quines de nuestros clientes estn a punto de abandonarnos
para emigrar a la competencia y cules son sus motivos? Qu productos
innovadores podemos vender a nuestros clientes, que no estemos
vendindoles?
Estas, y muchas otras interrogantes, pueden encontrar respuesta en un nuevo
marketing analtico y predictivo, denominado Marketing Tecnificado, el cual, a
travs de la suma sinrgica de: marketing + ciencia + tecnologa, est
relegando al Marketing Tradicional, basado en la experiencia y la intuicin
de los mercadlogos, dos elementos necesarios pero, visiblemente limitados
e insuficientes para el complejo y competitivo mercado de nuestro mundo
global.
El Marketing Tecnificado, es una forma innovadora de trabajar en marketing
en todas sus dimensiones: estratgicas, operacionales, comunicativas y
ventas; introduciendo rigor cientfico y tecnolgico en toda decisin y,
aprovechando al mximo, la informacin de los clientes la cual se encuentra
almacenada en nuestras bases de datos, apoyndose en la tecnologa de
agentes inteligentes, trmino que hace referencia a un paradigma de
programacin basada en inteligencia artificial, en algunos casos; as que, los
diversos enfoques de las tcnicas de Business Intelligence apoyan el
marketing tecnificado, en todas sus dimensiones estratgicas, operacionales
y de soporte a ventas.
Las preferencias de cada consumidor permiten a una compaa ofrecer a
cada individuo el producto que busca en el momento preciso, ofrecer a un
cliente exactamente aquello que busca en ese momento, hace que las
compaas superen lo que el consumidor esperaba de ellas, cosa que es muy
sabido por todos los profesionales del marketing, y que a su vez, fideliza al
consumidor y permite conseguir mayores beneficios.
20

5.1.1. Enfoques
Humanation:
Enfoque a las razones que motivan la compra (Cmo vender dicho
producto y a Quin?).
Se llama Humanation, a la innovacin en marketing que usa tcnicas de la
Inteligencia Artificial para crear modelos de decisin de las personas y
prever su comportamiento de compra, uso, abandono, respuesta u opinin.
Este enfoque, Humanation, presenta la ventaja de hacer rentables las
reglas de negocio
Por ejemplo:
A un consumidor prximo al consumo de cervezas se le resalta sus
caractersticas de frescor y comodidad, evitando hablar de salud, as
que: Cervezas = frescor, comodidad y no-salud.
Metodologa:
Se descubre la sensibilidad de los clientes eventuales gracias al

profundo conocimiento sobre los clientes ms activos.
Luego, se define la calidad objetivo, que despus se cruza con los datos
del cliente, generando as una nueva base de datos, que contiene la
sensibilidad de cada cliente.
El paso siguiente, es Usar dicha sensibilidad dominante y para definir

los argumentos para convencer a los buenos clientes y argumentos
ganadores para captar los nuevos clientes.
As que la sensibilidad se utiliza para mejorar los scoring en la

generacin de campaas.
La Humanation utiliza como software o tecnologa de punta los agentes

inteligentes, que es un trmino que hace referencia a un paradigma de
programacin basada en inteligencia artificial, son numerosos elementos
dinmicos que interactan y aprenden mutuamente o de su hbitat, bases
de datos y/o sistemas de informacin, lo que les permite emular
comportamientos de personas o mquinas, y tomar decisiones segn la
misin para la que han sido programados.
Datamining:
Enfoque a productos que motivan la compra (Qu producto vender y a
quin?)
Aprovecha tcnicas estadsticas y de Inteligencia Artificial, y se basa en un
contexto externo para estudiar los productos que motivan la compra,
correlaciona el efecto entre 2 o ms variables.
Es un enfoque que presenta el beneficio de implementar reglas de negocio,
por ejemplo:
21

"Si un consumidor mayor de 25 aos compra paales,
entonces comprar cervezas, o sea, personas mayores de 25
aos, mas, paales, igual a cervezas."
5.2. Inteligencia Artificial Para Ayudar A Vender

5.2.1. Test de Turing
Prueba o test de Turing, procedimiento desarrollado por Alan Turing para
identificar la existencia de inteligencia en una mquina y comprobar que una
mquina puede llegar a pensar al igual que una persona.
Este test fue expuesto en 1950 en un artculo (Computing machinery and
intelligence) para la revista Mind que sigue siendo hoy da una de las cabezas
de lanza de los defensores de la Inteligencia Artificial.
Est fundamentado en la hiptesis positivista de que, si una mquina se
comporta en todos los aspectos de forma inteligente, entonces debe ser
inteligente.
Bsicamente la prueba consiste en un desafo en el cual la mquina debe
hacerse pasar por humana en una conversacin con un hombre a travs de
una comunicacin de texto en modo chat. Al sujeto no se le avisa si est
hablando con una mquina o una persona de modo que si el sujeto es incapaz
de determinar si la otra parte de la comunicacin es humana o mquina,
entonces se considera que la mquina ha alcanzado un determinado nivel de
madurez: es inteligente.
Existe una versin modificada, propuesta por John Searle y popularizada
por Roger Penrose: la sala china. En esencia es igual, pero la ejecucin
del algoritmo la realizan personas encerradas en una habitacin y se requiere
que las personas de la habitacin no conozcan el idioma en que se realiza la
conversacin.
Pese a la brillantez de Penrose, esta modificacin no aporta nada al problema,
puesto que si los operadores consiguen comprender la conversacin, lo
haran gracias a su propia inteligencia. Por otra parte, pese a lo
aparentemente absurdo de la proposicin, la sala podra pasar la prueba de
Turing sin que los operadores hubieran comprendido nada de la
conversacin. Esta experiencia intenta cuestionar la veracidad de la prueba
de Turing.
Fundamentos
El origen de esta prueba surge de la pregunta pueden pensar las mquinas?
Ante esta cuestin Turing propuso otra forma de verla a modo de un juego, al
que llam "juego de imitacin" debido a los fundamentos en los que se
basaba, los cuales son inicialmente un escenario constituido por tres
personas, un hombre (individuo A), una mquina (individuo B) y un
interrogador que puede ser hombre o mujer.
22

El interrogador se sita en otra habitacin separada de los otros dos
participantes, y su objetivo principal ser determinar cul de los dos es el
hombre y cul la mquina a los que se referir como individuos A y B.
Para evitar que el tono de voz pudiera delatar a alguno de los interrogados,
las respuestas debern ser ofrecidas al interrogador de forma escrita y
mecanografiadas. Otra alternativa para no dar a conocer los tonos de voz de
los interrogados consiste en situar a un intermediario entre los interrogados
(A y B) y el interrogador, cuya nica funcin sera en comunicar las preguntas
y respuestas entre ambos bandos.
Una vez establecido este escenario inicial, surge la pregunta de qu ocurrira
si una mquina desempeara el papel de A o de B, ser el interlocutor capaz
de averiguar que la persona interrogada no es una persona sino una mquina,
es decir, llegamos a la pregunta planteada inicialmente pueden pensar las
mquinas?
Uno de los principios de este problema se centra en establecer una lnea que
diferencie entre lo que son capacidades fsicas y las intelectuales de un
hombre. Este hecho se refleja por la incapacidad que presenta el interlocutor
de tocar a los interrogados y poder or sus voces.
Basar esta prueba en una metodologa centrada en preguntas y respuestas
parece la ms adecuada para poder tratar un mayor nmero de campos
posibles de la actividad humana y que sean considerados de mayor
importancia con respecto a su capacidad intelectual. De este modo, resulta
obvio que la mejor estrategia de la que va a disponer la mquina ser tratar
de dar las respuestas que de forma natural dara un hombre.
Cabe destacar, que mediante esta prueba Turing no se busca responder si
todos los computadores daran un buen resultado, ni tampoco si los
computadores disponibles en este momento lo haran, sino llegar a la
conclusin de si hay computadores imaginables que utilizando de forma
adecuada la estrategia anteriormente expuesta y nos permitan responder a la
cuestin inicial de si una mquina puede o no pensar.
Ejemplo:
Primero, se le pregunta a un individuo X
cunto es 2+2?, , Existe Dios?, Este
responde que 6 y no, respectivamente;
segundo, el interlocutor no capta quin o
qu le ha dado la respuesta, ya sea
correcta o no; tercero, al no conocer la
fuente del resultado anterior se deduce
que la mquina y la persona que estn
respondiendo pueden pensar, en otras
palabras, como no se puede distinguir el
robot de la persona humana, como
consecuencia, y cumplindose el Test de
Turing se deduce que dicho robot es
inteligente.
Hay que ver que una cualidad importante
Figura N 5: Test de Turing
23

para considerar que un robot sea inteligente, es su capacidad de emular el
comportamiento de una persona, mintiendo u ocultando comportamientos
para simular dicha inteligencia. Esta caracterstica, como se ver ms
adelante en el Test de Human, es propia de las encuestas, donde se tienen
severos inconvenientes para comprender las decisiones de las personas.
5.2.2. Test de Human

El Test de Human (2002) sirve para probar que una persona puede tomar
decisiones y puede llegar a pensar al igual que otra persona. Por ejemplo
sirve para decidir si dicha persona es tacaa, tiene tiempo libre, es sensible a
la privacidad, si no le importa el trato personal, y si le importa la marca...
Josep Ll. de la Rosa describe el Test como un juego de imitacin" en su
patente Juego Robtico Personalizado, conocido como la adaptacin inversa
del Test de Turing, y a su vez, adaptado al Customer Intelligence,
demostrando que si basndose en preguntas y respuestas no se puede
distinguir una respuesta dada por un ser humano inteligente a una dada por
otro que desconocemos, se deduce que el segundo ser humano tambin es
inteligente. Igualmente si no se puede distinguir una respuesta dada por un
ser humano sensible a la privacidad respecto a la de otro que
desconocemos, se deduce que el segundo tambin es sensible a la
privacidad y as sucesivamente para todo una infinidad de atributos.
Ejemplo:
Si a una persona se le pregunta el nmero de su telfono mvil para un
pedido de un producto o servicio de una empresa y ella accede a dar el
nmero, se deduce que esta persona puede no ser sensible a la
privacidad, igualmente, si otra persona realiza el mismo acto se deduce
que tiene el mismo grado de sensibilidad a este atributo como la anterior
persona; por eso el Test de Human se describe, al igual que el de Turing,
como Un juego de imitacin.
Otro ejemplo es, en una mesa de un restaurante, las 5 personas en el

momento de pagar, suele pagar una persona x, se puede suponer que
no es tacaa. Y al aadir, que compra tickets de cine por Internet pagando
solo ella, entonces la hiptesis del Test de Human, se va corroborando
progresivamente. Esta persona responde afirmativamente a la pregunta,
pagas t?.
Ahora, si dicha persona x, llama a un nmero de telfono que est

abonado en un plan de descuento para llamar a personas queridas, y lo
hace a las 11:00h de la maana, esto puede significar que aparte de tener
lazos familiares fuertes tiene disponibilidad de tiempo, y puede ser
susceptible de aceptar a la peticin de salimos?.
Si la misma persona saca dinero de un cajero automtico en horario de

oficina, esto es, que la oficina est abierta, esto puede suponer que dicha
persona no le atrae suficientemente el trato personal tanto como hacer la
cola de rigor para ser atendido personalmente. As pues, dicha persona
presuntamente no le atrae en demasa el trato personal, ante la pregunta
Cmo sacas dinero?.
24
Igualmente, si la persona x ante la pregunta qu bebes? responde

que Coca Cola, posiblemente dicha persona sea muy afecta a la marca,
al menos acta igual que las personas que ante la posibilidad de decidir
consumir marca o no marca normalmente se decantan por la marca.
Aplicacin del Test de Human a las Bases de Datos

Consideracin previa: las encuestas no son fiables por varias razones, que se
explicarn ms adelante, en cambio en las bases de datos se encuentran
numerosas decisiones que las personas toman en el da a da, que es como
si hubiese un filn de respuestas pendientes de encontrar las preguntas
adecuadas de una encuesta imaginaria...pero eficaz!
En el mundo moderno se observa una progresiva uniformizacin de las pautas
de compra y decisin dentro de un mundo globalizado, paradigmas de las
teoras normales del marketing, pero las diferentes sensibilidades pueden
marcar diferentes razones para que las personas se comporten igual o de
diferente forma ante una decisin de compra.
Ahora bien, lo interesante es darse cuenta que las herramientas tradicionales
del marketing tienen sus falencias y desventajas, luego, hay que
experimentar, renovar, actuar ante el cambio y tratar al mximo de innovar
con diferentes enfoques, sistemas, formas de realizar un proceso, tratar de
optimizar los resultados obtenidos, siempre con el objetivo de satisfacer al
mximo al cliente, por ejemplo si se implementa el Test de Human en las
bases de datos de Marketing... qu puede pasar?...
Antes de mirar la respuesta a esa pregunta, se debe analizar las falencias y
desventajas actuales de las herramientas clsicas del Marketing, tales como
encuestas, sondeos de opinin, pruebas piloto y/o pruebas en grupos
representativos del mercado, que intentan detectar las necesidades ms
aproximadas, pero no que en su gran mayora pueden resultar inexactos y
otros pueden contener informacin del pblico objetivo de una forma sesgada
como las encuestas y sondeos generando un alto riesgo en la recopilacin de
esa informacin.
La investigacin de mercado basada en encuestas y focus groups tienen los
siguientes problemas:
Pueden obtener resultados ambiguos y manipulables.
Sus respuestas pueden variar en un periodo de tiempo relativamente

corto.
Se realizan en un periodo de tiempo muy grande (meses).
Los resultados no son repetibles ni contrastables fcilmente.
Retomando la pregunta de, si se implementa el Test de Human en las bases

de datos de Marketing... qu puede pasar?...
Con dicho Test y al implementarlo en las bases de datos se puede averiguar
de cada persona su SENSIBILIDAD respecto a MUCHOS atributos
psicosociales, por ejemplo, un cliente llamado A, se conoce por medio de sus
25

actos registrados en las bases de datos que, a la hora de pagar en un
restaurante no lo hace y deja que sus acompaantes paguen, se conoce que
por medio del plan amigo de telefnica habla X minutos mucho ms que la
media por persona, tambin se conoce que da sin reparo alguno su nmero
de mvil a las empresas que se lo han solicitado, igualmente, que es fiel a la
Coca cola, y que le gusta realizar sus transacciones por cajero automtico.
Una vez que se conocen los atributos que definen cada persona, se ha
de descubrir cules son los ms importantes, su jerarqua, lo que se
denomina sensibilidad.
La sensibilidad se obtiene tras aplicar repetidamente el Test de Human

en la BD de clientes o bien por intercambios de experiencias de venta
entre vendedores.
Figura N 6: Aplicacin del Test Human a la base de datos de clientes
6. EJEMPLOS SOBRE INTELIGENCIA ARTIFICAL

EN EL MARKETING
6.1. VIRTUOZ, Agentes de IA Para Servicios al Cliente
La prxima vez que entres a una pgina y le des al botn de "chatear con un
representante", es posible que aunque creas que ests interactuando con una
persona por medio textual, que en realidad ests chateando con una Inteligencia
Artificial de la empresa VirtuOz, la cual ha desarrollado un software tan convincente,
que ya es utilizado por los gigantes eBay y Paypal como una manera de dar soporte
tcnico, as como por varias empresas ms para fines de comercio electrnico.
Para que tengan una idea de lo efectiva que son estas Inteligencias Artificiales,
segn eBay, el 88% de las preguntas que se le hacen a eBay por medio de chateo
o correo electrnico son resueltas no por personas, sino que por Agentes de
VirtuOz.
As mismo en PayPal, estos Agentes de IA sostienen unas 650,000 conversaciones
mensuales con humanos, ayudndolos con sus inquietudes. Es interesante hacer
notar que los Agentes de IA de VirtuOz entienden el contexto en que se utilizan las
26

palabras, lo que les permite extraer significado de las conversaciones y por tanto
responder mejor a humanos.
La empresa inclusive acaba de recibir US$11.4 millones ms de financiamiento
debido a lo exitoso que ha sido su tecnologa.
La clave del xito de la empresa ha sido que a diferencia de otros agentes que solo
recorren una lista de "si esto pasa, hacer esto", estos agentes de IA de VirtuOz
literalmente aprenden por s solos de la experiencia e interacciones con clientes en
particular, lo que los ayuda a ellos a ser ms efectivos en el futuro.
Una gran ventaja para las empresas que utilizan estos Agentes de IA es que son
ms baratos que mano de obra humana, se pueden desplegar en miles,
permitiendo una respuesta ms rpida a las necesidades y problemas de los
clientes, y que obviamente trabajan sin descanso las 24 horas sin pedir beneficios.
Estos beneficios de seguro que muchos mirarn como grandes problemas para el
desempleo, pero es como lo que ocurri con la revolucin de la PC hace unas
dcadas: Todos crean que debido a la automatizacin que los humanos seran
desplazados de sus puestos, pero lo que ocurri fue todo lo contrario: Una nueva
industria en donde se requirieron millones de nuevos empleados para manejar estas
mquinas en oficinas e instituciones de todo tipo, eso sin nombrar los beneficios
perifricos de la industria de las fbricas de ensamblaje, institutos de enseanza,
etc.
Es cierto que esto a largo plazo, si vemos las cosas como hoy, aparenta representar
una amenaza a la humanidad, pero estos son solos lo que yo llamo "perodos
traumticos de adaptacin", en donde por un tiempo aparenta que estamos
perdidos, y poco despus todo tipo de empresarios empiezan a ver oportunidades
que generan ms empleo.
Sin embargo, nada de eso importar en un futuro, ya que como les expliqu en
Mquinas en el Paraso, al final, nosotros los humanos y ellas las mquinas,
seremos una sola cosa.
6.2. Vi-CLONE
"Vi-Clone" es el apocope de Clon Virtual: una copia de una persona real que puede
ofrecer compaa y confianza desde la pantalla del ordenador. Utilizando
Inteligencia Artificial avanzada puede atender, guiar e informar a los clientes de
Internet, solucionando sus problemas en tiempo real. Esto mejora y facilita la
comunicacin entre la empresa y sus clientes, buscando por ellos la informacin
que necesitan. Es una solucin de dos vas: la empresa detecta las necesidades
del cliente a la vez que demuestra valorar el tiempo del mismo y aumenta el trfico
de su Web reduciendo los costos.
Vi-Clone tiene una interfaz absolutamente humana (grabacin de actor/actriz) lo que
facilita las relaciones con la gente que todava es reacia a interactuar con una
mquina. Gracias un sistema de reconocimiento de voz va Web, permite agilizar la
bsqueda sin utilizar el ratn o teclado para navegar. Estas caractersticas
representan aquello que le da comodidad a los clientes: una imagen de una persona
real que simula ser una videoconferencia con un experto de la empresa.
27
CONCLUSIONES
La IA ayuda a vender ms, tal y como se ha descrito anteriormente, ya que al aplicar el
Test de Human a las bases de datos se puede conocer a cada persona de forma veraz
y acertada, para luego poder usar dicho conocimiento y argumentar mejor las ventas.
As pues, aplicando tcnicas de Marketing Tecnificado sobre las bases de datos internas
de clientes se puede vender mucho ms gracias a una mejor seleccin del pblico
objetivo, a una mejor argumentacin, y a un mejor enfoque de cliente, consiguiendo el
necesario y actual enfoque hacia el cliente en todas las acciones y decisiones de
marketing (Customer Intelligence), amparado en el rigor cientfico que valida todos los
argumentos que las fundamenten.
Igualmente, en el presente documento se han introducido dos enfoques del marketing
tecnificado y, Por qu preferir algn enfoque?. Porque como todo ser humano
razonable y crtico que busca maneras o formas para optimizar la toma de decisiones,
llmense decisiones de vida o decisiones de negocio, en este caso son estas ltimas
las que interesan, se debe dar preferencia al enfoque que en este momento pueda
abordar de una mejor forma el ocano cambiante del mundo empresarial, as que, la
preferencia que a simple vista resalta es el primer enfoque, la Humanation, el cual
presenta las siguientes ventajas:
Prev mejor las decisiones de las personas, de manera que se puede influir de forma
ms eficaz en sus decisiones, apoya de forma contundente la fuerza de venta y el
Marketing Relacional, selecciona los argumentos ms eficaces, fundamenta la
creatividad en Marketing, dado que, encuentra valores y motivos de compra
diferentes del precio, marca, calidad, proximidad geogrfica, etc.
Trabaja con todos los clientes y no slo con muestras, con la ventaja de dar
resultados ms slidos, menos interpolados, y adicional, se puede adecuar de mejor
forma a la Administracin Pblica.
A parte de esas razones, se debe tener en cuenta que tambin aporta los siguientes
beneficios:
Mayor ARPU (Rdito Medio Por Usuario), ya que insensibiliza al precio a los
consumidores, es ms econmico porque se consiguen mejores resultados promedio
con un 20% del esfuerzo requerido con el segundo enfoque, igualmente, es ms
eficiente porque el trabajo resultante es ms fcil de mantener y es mucho ms
enfocado al Marketing, requiriendo menos soporte cientfico, por consiguiente, ahorro
en costes y reduccin del choque cultural.
El inconveniente que a su vez es una gran caracterstica en este enfoque, es que, al
no utilizar herramientas de recoleccin de informacin externa, tales como,
encuestas, sondeos, focus group, etc., por ende, no utiliza datos sociodemogrficos.
Lo que no se debe olvidar es que el objetivo de estos dos enfoques es realizar Marketing
cada uno a su manera.
28
BIBLIOGRAFIA
http://es.wikipedia.org/wiki/Red_neuronal_artificial#Estructura
http://www.dynamics.unam.edu/DinamicaNoLineal/Articulos/MineriaDatos/Articulo
03.pdf
http://thales.cica.es/rd/Recursos/rd98/TecInfo/07/capitulo1.html
http://www.youtube.com/watch?v=apowBDeTfKQ
http://www.gestiopolis.com/recursos2/documentos/fulldocs/mar/intartventa.htm
http://www.buenastareas.com/ensayos/Inteligencia-Artificial-Aplicada-a-LaEstrategia/5316287.html
http://campusvirtual.unex.es/cala/epistemowikia/index.php?title=Prueba_o_test_de
_Turing
http://blogs.elpais.com/turing/2012/11/el-test-de-turing-y-la-inteligenciahumana.html
http://mercadeodigital.es/inteligencia-artificial-marketing/
http://compraactiva.me/equipo/
http://es.wikipedia.org/wiki/Siri
http://www.v2p-online.es/2010/10/15/definicion-de-seo/
http://es.wikipedia.org/wiki/Posicionamiento_en_motores_de_b%C3%BAsqueda
http://www.asesorseo.net/2011/04/seo-que-es-seo.html
http://www.buenastareas.com/ensayos/Marketing-Tecnificado/1542402.html
http://es.wikipedia.org/wiki/Inteligencia_artificial
http://inteligenciaartificialudb.blogspot.com/2008/01/concepto-caractersticas-ymetodologas.html}
http://www.depi.itch.edu.mx/apacheco/ai/definic.htmhttp://www.depi.itch.edu.mx/ap
acheco/ai/definic.htm
http://www.alegsa.com.ar/Diccionario/C/2695.php
http://www.informaticaintegral.net/sisexp.html
http://catarina.udlap.mx/u_dl_a/tales/documentos/lis/moreno_a_jl/capitulo3.pdf
29

Inteligencia Artificial y Robotica

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Inteligencia Artificial y Robotica

Transféré par

Droits d'auteur :

Formats disponibles

2014

Inteligencia Artificial y Robtica

INTELIGENCIA ARTIFICIAL ................................................................................. 5

Aplicaciones De La Inteligencia Artificial ......................................................... 5

INTELIGENCIA ARTIFICIAL EN LA ESTRATEGIA DE CLIENTES ..................... 5

Sistemas Expertos .......................................................................................... 6

Aplicaciones de los sistemas expertos..................................................... 7

Ejemplos de aplicaciones de sistemas expertos ...................................... 8

Redes Neuronales Artificiales ......................................................................... 8

Estructura De Una Red Neuronal Artificial ............................................... 9

Diferencia Con Los Sistemas Expertos .................................................. 10

Aplicaciones De Las Redes Neuronales Artificiales ............................... 10

2.2.5. Una Red Neuronal De Chase Manhattan Bank Para La Concesin De

Las Redes Neuronales En Negocios Y Finanzas .................................. 12

Las Redes Neuronales En Marketing.................................................... 12

ESTRATEGIAS DE LAS EMPRESAS CON LOS CLIENTES ............................. 12

Estrategia De Clientes .................................................................................. 14

Estrategias De Captacin De Clientes .......................................................... 15

Sistemas Usados En Las Empresas Para Marketing .................................... 15

Inteligencia de Negocios Business Intelligence. .................................. 15

4. IMPORTANCIA DE LA INTELIGENCIA ARTIFICIAL APLICADA EN EL

IMPACTO DE LA INTELIGENCIA ARTIFICAL EN EL MARKETING ................. 18

Marketing Tecnificado, Marketing Inteligente ................................................ 20

Inteligencia Artificial Para Ayudar A Vender .................................................. 22

Test de Turing ....................................................................................... 22

Ingeniera de Sistemas 2014-II

Inteligencia Artificial y Robtica

Test de Human ...................................................................................... 24

EJEMPLOS SOBRE INTELIGENCIA ARTIFICAL EN EL MARKETING ............ 26

VIRTUOZ, Agentes de IA Para Servicios al Cliente ...................................... 26

Ingeniera de Sistemas 2014-II

Inteligencia Artificial y Robtica

Ingeniera de Sistemas 2014-II

Inteligencia Artificial y Robtica

Disear y construir aplicaciones computacionales de nivel superior.

1.2. Aplicaciones De La Inteligencia Artificial

2. INTELIGENCIA ARTIFICIAL EN LA ESTRATEGIA

Ingeniera de Sistemas 2014-II

Inteligencia Artificial y Robtica

2.1. Sistemas Expertos

HABILIDAD para adquirir conocimiento.

FIABILIDAD para poder confiar en sus resultados o apreciaciones.

SOLIDEZ en el dominio de su conocimiento.

CAPACIDAD PARA RESOLVER problemas.

Ingeniera de Sistemas 2014-II

Inteligencia Artificial y Robtica

2.1.3. Aplicaciones de los sistemas expertos

Ingeniera de Sistemas 2014-II

Inteligencia Artificial y Robtica

2.1.4. Ejemplos de aplicaciones de sistemas expertos

MYCIN es un Sistema Experto para la realizacin de diagnsticos en el

XCON es un Sistema Experto para configuraciones, desarrollado por la

DELTA, sistema experto que ayuda a los mecnicos en el diagnstico y

2.2. Redes Neuronales Artificiales

Ingeniera de Sistemas 2014-II

Inteligencia Artificial y Robtica

Aprendizaje adaptativo: capacidad de aprender a realizar tareas basadas

Auto organizacin: una red puede crear su propia organizacin o

Tolerancia a fallos: Debido a que almacena la informacin de forma

Operacin en tiempo real: Las redes neuronales artificiales, de todos los

Fcil insercin dentro de la tecnologa existente: se pueden obtener chips

2.2.2. Estructura De Una Red Neuronal Artificial

Figura N 1: Estructura de una Red Neuronal

una de las neuronas que forman parte de la red.