Los investigadores crearon un algoritmo que predijo con éxito las compras de los consumidores. El algoritmo utilizó datos de la actividad diaria de los consumidores en las redes sociales. Las marcas podrían usar esto para analizar clientes potenciales. El método de los investigadores combina potentes técnicas de modelado estadístico con reconocimiento de imágenes basado en aprendizaje automático.

El profesor asociado Toshihiko Yamasaki y su equipo de la Escuela de Graduados en Ciencia y Tecnología de la Información de la Universidad de Tokio exploran formas nuevas e interesantes de hacer uso de datos como los de las redes sociales. Algunas aplicaciones que desarrollan son útiles para que entidades como empresas mejoren su efectividad de diferentes formas, pero en particular en cómo llegan e influyen en los clientes potenciales.

"Le planteé dos preguntas a mi equipo:'¿Es posible calcular la similitud entre diferentes marcas en función de la forma en que los clientes interactúan con ellas en las redes sociales?' Y, 'Si es así, ¿Pueden las marcas usar esta información para mejorar la forma en que se comercializan? '", dijo Yamasaki." Y con algo de tiempo, esfuerzo y paciencia, regresaron con una respuesta simple pero segura:'¡Sí!' "

Pero la forma en que su equipo dedujo esto fue todo menos simple. El análisis computacional de los datos de las redes sociales a menudo se denomina minería, como sugiere el término, es una tarea monumental y laboriosa. Por esta razón, Los investigadores en este campo hacen uso de diversas herramientas computacionales para analizar las redes sociales de formas que los seres humanos no pueden.

"En el pasado, muchas empresas mejoraron sus estrategias de marketing con el uso de encuestas y proyecciones de clientes basadas en sus datos de ventas, "explicó el investigador principal Yiwei Zhang." Sin embargo, estos requieren mucho tiempo y son imprecisos. Ahora tenemos acceso y experiencia en herramientas como el aprendizaje automático y el análisis estadístico complejo ".

El equipo comenzó su trabajo recopilando datos de redes sociales disponibles públicamente de seguidores de marcas seleccionadas. Utilizaron métodos probados de reconocimiento de imágenes y aprendizaje automático para analizar y categorizar fotos y hashtags relacionados con los seguidores de las marcas. Esto reveló patrones de comportamiento de los consumidores hacia diferentes marcas. Estos patrones significaron que los investigadores podían calcular la similitud entre marcas diferentes o incluso no relacionadas.

"Evaluamos nuestro algoritmo propuesto comparándolo con el historial de compras y los cuestionarios, que siguen siendo útiles para proporcionar contexto a la información de compra, "continuó Zhang." Los resultados experimentales muestran que las empresas de tarjetas de crédito o de tarjetas puntuales podrían predecir bien el comportamiento de compra anterior de los clientes. Nuestro algoritmo podría predecir con precisión la voluntad de los clientes de probar nuevas marcas ".

Esta investigación podría resultar de gran utilidad para nuevas promociones de marcas que hacen uso de las redes sociales. También podría ser utilizado por centros comerciales y centros comerciales para planificar qué tiendas incluyen o para que las propias tiendas elijan qué marcas almacenar. Y la investigación incluso podría ayudar a emparejar marcas con personas influyentes de redes sociales adecuadas para ayudar a publicitar mejor sus productos.

"Visualizar lo que antes no era visible siempre es muy interesante, "concluyó Yamasaki." La gente podría decir que los profesionales ya 'ven' este tipo de patrones, pero poder mostrar la similitud entre marcas numérica y objetivamente es una nueva innovación. Nuestro algoritmo es demostrablemente más eficaz que juzgar estas cosas basándose únicamente en la intuición ".