Etiquetaanalítica

Machine Learning: no es magia, pero tampoco estadística

En esto de la Inteligencia Artificial, vivimos un momento paradójico provocado por la confluencia de dos corrientes.

Meme sobre Machine Learning y estadísticaTenemos, por un lado, a quienes creen que estas cosas del Machine Learning no son más que “estadística avanzada”. Este meme que ha pululado por las redes en los últimos meses es un ejemplo de esta corriente de pensamiento.

Por otra parte, están (estamos) los que cada vez queremos hablar menos de “Inteligencia Artificial”, porque cada uno entendemos cosas (muy) distintas cuando oímos este concepto, lo que lo hace peligroso. Tú dices “Inteligencia Artificial” queriendo decir Machine Learning y el de enfrente entiende “máquinas inteligentes que nos van a robar el trabajo como paso previo a esclavizarnos y aniquilarnos”. O, en el mejor de los casos, entiende “con esto haces dos clicks y ya está resuelto”, que viene a ser igual de estúpido.

Y es que, amigos, ni una cosa ni la otra.

Ni “la Inteligencia Artificial” va a cobrar conciencia de sí misma y provocar un holocausto nuclear, ni su forma actual (el aprendizaje automático o Machine Learning) es “poco más que estadística avanzada”.

No es una varita mágica, ni un arma nuclear

El término “Inteligencia Artificial” es desafortunado. Hunde sus raíces en un momento en el que la ciencia aspiraba a replicar nuestra inteligencia. La cultura popular abrazó el concepto, echó a volar la imaginación y logró fijarlo en nuestras retinas y mentes como un proceso imparable cuya culminación era sólo cuestión de (poco) tiempo.

Seguir leyendo

Mi charla en Salón Mi Empresa 2017

La semana pasada, participé en Salón Mi Empresa 2017 con una charla titulada “Cómo validar que estás avanzando”.

La charla estuvo orientada a quienes están dando sus primeros pasos con sus proyectos. Fue una introducción a los principales indicadores que hay que tener controlados, aunque los dividí en dos grandes grupos: los que se aplican antes de haber encontrado “product-market fit” y los que tienen sentido en etapas posteriores, dedicadas al crecimiento.

Seguir leyendo

¿Qué es el análisis del sentimiento?

Desde que empecé a trabajar en Bitext, me han preguntado ya muchas veces qué es el análisis del sentimiento (o, en inglés, “sentiment analysis”): es el proceso por el que determinamos si una frase o acto de habla contiene una opinión, positiva o negativa, sobre una entidad concreta o sobre un concepto. Es un término que está muy ligado a las redes sociales pero que, en realidad, no está limitado a ellas.

Mediante el análisis del sentimiento, aspiramos a entender, en primer lugar, con qué guarda relación el texto que analizamos. Por ejemplo, nos interesa saber si la frase en cuestión trata sobre nuestra marca o sobre el concepto que nos interesa analizar (p. ej. – “hoteles”). Idealmente, querremos saber esto pero con mayor nivel de granularidad: ¿a qué se refiere exactamente la frase? ¿A nuestra marca, en general, o a un aspecto de nuestro producto o servicio (envase, precio, la habitación, la atención recibida…)? Una vez que el sistema tiene claro sobre qué es la opinión, nuestro segundo objetivo será conocer el sentido de esa opinión (positiva o negativa, básicamente), así como la intensidad de esa opinión. A esa puntuación, técnicamente, la llamamos “intensidad de la polaridad”.

Los sistemas más sencillotes se limitan a leer una frase y buscar en ella palabras que tienen registradas en su diccionario como buenas o como malas. Si aparece una palabra buena (p. ej. – “estupendo”), es una opinión positiva. Si aparece una palabra mala (p. ej. – “decepcionada”), es una opinión negativa. Si no encuentran ninguna palabra que, según su diccionario, exprese algo negativo o positivo, estos sistemas más sencillos suelen hablar de “opiniones neutras”, aunque para mí sería preferible entender que lo que ocurre es que no hay opinión como, por ejemplo, si yo tuiteo “Estoy esperando a mi primo en el McDonald’s”. Paradójicamente, muchos de esos sistemas simples también te dirán que una opinión es neutra si han encontrado una palabra negativa y otra positiva. Esto último debería provocar sonrojo a más de uno, pero no. Seguir leyendo

Sobre los modelos de atribución en marketing

A estas alturas, a nadie se le escapa que todo departamento de marketing debe demostrar, en términos económicos, la efectividad de sus acciones y decisiones. Antes, decíamos que lo que no se puede medir no se podía mejorar. Ahora, lo que no se puede medir no existe.

La excusa de “nos ayuda en términos de imagen o de brand awareness” ya no es aceptada en la mayoría de las organizaciones. Tampoco basta ya con demostrar el retorno global de la inversión en marketing: el beneficio ha de poder medirse con un elevado nivel de granularidad, a nivel de canal, de campaña o de táctica. Así, no sólo es posible validar el rumbo general del área de marketing, sino que también podemos optimizar la inversión y sacar el máximo jugo al presupuesto existente.

Conocer el retorno de cada acción realizada o de cada canal parece sencillo, a primera vista. Por ejemplo si, en un comercio electrónico, invertimos 2.000 euros en una campaña de AdWords y tenemos bien configurado nuestro Google Analytics, podremos saber con precisión cuantos clicks han convertido y cuánta facturación han generado esos 2.000 euros. Fácil, ¿verdad? Pues no. Quizá nos conformemos con ese dato pero, a poco que pensemos en el asunto, nos daremos cuenta de que la realidad es mucho más complicada. Por ejemplo, podemos hacernos preguntas como estas: Seguir leyendo

© 2018 Manuel Delgado Tenorio

Subir ↑