La próxima gran ventaja de la digitalización, ¿por qué son los gráficos de datos?
Lo que impulsa las recomendaciones personalizadas es el mapa de adquisiciones en evolución de Amazon, que son los “elementos físicos” de la realidad (toda la información de la tienda, como clientes, productos, compras, eventos y ubicaciones de las tiendas) y los elementos entre ellos. Representación digital de las relaciones. El Atlas de compras de Amazon conecta el historial de compras con la navegación del sitio, la visualización de Prime Video, la escucha de Amazon Music y los datos de los dispositivos Alexa. El algoritmo utiliza filtrado colaborativo para combinar diversidad (qué tan diferentes son los productos recomendados), sorpresa (qué increíbles son los productos recomendados) y novedad (qué tan frescos son) para generar las recomendaciones más complejas del mundo. Con su riqueza de datos y recomendaciones personalizadas líderes en la industria, Amazon ahora controla el 40% del mercado de comercio electrónico de Estados Unidos, y su competidor más cercano, Walmart, posee solo el 7%.
Para competir con Amazon, Google anunció el lanzamiento en abril de 2021 de Shopping Graph, un modelo de IA que recomienda productos cuando los usuarios realizan búsquedas. Más de 654,38 mil millones de personas utilizan Google para buscar productos todos los días, y las imágenes de compras las vinculan a más de 24 mil millones de listados de productos de millones de comerciantes en toda la web. Este modelo se basa en el Gráfico de conocimiento exclusivo de Google, que captura información sobre entidades y sus relaciones en la vasta web, incluidos datos estructurados y no estructurados de Android, búsqueda de voz e imágenes, extensiones de Google Chrome, Asistente de Google, correo electrónico de Google, Fotos de Google, Google Mapas, YouTube, servicios en la nube de Google y Google Pay. Google Shopping Atlas permite a 65.438+07.000 comerciantes mostrar productos relacionados en Google utilizando herramientas simples pero interconectadas. Google puede enfrentar el desafío de Amazon.
Los gráficos de datos como Amazon y Google se basan en datos de uso de productos (es decir, datos de comportamiento generados cuando los usuarios usan plataformas o productos) para captar las conexiones y relaciones entre las empresas y sus clientes. El concepto de mapa de datos proviene de las redes sociales y la teoría de grafos se define como la presentación de conexiones y relaciones entre personas, como amigos, colegas, jefes, etc. Cada persona se presenta como un nodo y las relaciones son las conexiones entre puntos. Este concepto proviene del trabajo del psicólogo social Stanley Milgram. Durante las últimas dos décadas, el concepto ha proporcionado una perspectiva práctica para analizar la estructura y dinámica de organizaciones, industrias, mercados y sociedades. En 2007, Facebook lanzó una plataforma social del mismo nombre que permite a los desarrolladores crear aplicaciones e integrarlas en el flujo de información y las relaciones interpersonales del sitio web, popularizando los mapas sociales digitales.
Las empresas de tecnología líderes utilizan mapas de datos para brindar recomendaciones personalizadas, actualizar productos, optimizar la publicidad y más. Los ejemplos más exitosos incluyen el mapa de compras de Amazon, el mapa de búsqueda de Google, el mapa social de Facebook, el mapa de películas de Netflix, el mapa de música de Spotify, el mapa de viajes de Airbnb, el mapa de viajes de Uber y el mapa de carreras de LinkedIn. Utiliza datos de uso de los usuarios recopilados continuamente y algoritmos únicos para deshacerse. de los competidores desde el desarrollo de productos hasta la experiencia del usuario.
Este artículo explora cómo las empresas pueden aprender de los enfoques de las empresas líderes en materia de mapeo de datos para crear nuevas ventajas competitivas.
Efecto de red de datos
Para comprender el gráfico de datos, primero debe comprender el efecto de red de datos, es decir, los datos generados cuando los usuarios utilizan un producto o servicio para crear el producto o servicio. efecto de valor más útil para otros usuarios. A diferencia de los efectos de red directos (como Facebook, LinkedIn), los efectos de red de datos no requieren un aumento en el número de usuarios para aumentar el valor de la red. En cambio, los usuarios existentes continúan usando y generando datos de uso más amplios y profundos, lo que permite la algoritmo para generar resultados mejorados continuos. Por ejemplo, los 2 billones de búsquedas de Google por año ayudan a Google a enriquecer su gráfico de conocimiento, mejorar su motor de búsqueda y brindar a los usuarios mejores resultados de búsqueda. Y si los usuarios ya no utilizan la plataforma, la mejora en la calidad del servicio de la plataforma se estancará y será menos útil.
El gráfico de datos no es estático, no refleja los datos en un momento determinado, sino lo que los científicos de datos llaman datos dinámicos. Esta es parte de la razón por la que es imposible trazar datos manualmente. Se necesita tecnología para recopilar e interpretar millones de datos en tiempo real a medida que los consumidores de todo el mundo utilizan los productos de una empresa.
Los factores de éxito de los mapas de datos
Las empresas líderes en mapas de datos recopilan datos sobre el comportamiento de los usuarios y los utilizan rápidamente para mejorar todos los aspectos de sus productos y servicios. Estas empresas modifican constantemente los métodos de clasificación y etiquetado de datos de productos, buscando relaciones entre entidades para que los algoritmos puedan clasificar mejor y brindar recomendaciones personalizadas. La empresa también actualiza continuamente sus algoritmos para generar recomendaciones personalizadas basadas en los datos más recientes y relevantes para ayudar a atraer a los clientes. Echemos un vistazo a los comportamientos clave de las empresas que utilizan mapas de datos con éxito.
Aprende de forma rápida y amplia. Los mapas de datos capturan la vida personal, el trabajo, el entretenimiento, el aprendizaje, la escucha, la socialización, la observación, el comercio, los viajes, el consumo y otras actividades que pueden vincularse a los negocios.
La digitalización permite a las empresas observar y organizar los datos de estos clientes de forma amplia, exhaustiva y rápida. Por ejemplo, el gráfico social de Facebook analiza datos de 2.800 millones de personas y sus actividades sociales en cada momento: qué están haciendo, de quién son amigos y de quién no, dónde han estado, de qué marcas están hablando, de qué películas son. viendo, qué música están escuchando, etc. El Career Map de LinkedIn captura en tiempo real cómo 774 millones de profesionales que trabajan para 50 millones de empresas y participan en más de 90.000 instituciones educativas responden a ofertas de trabajo, actualizan estados y utilizan videos en vivo. Además, Career Map también proporciona a los usuarios publicidad dirigida, sugerencias de aprendizaje, noticias y más información basada en las habilidades del usuario y otros factores. Ahora que LinkedIn es una subsidiaria de Microsoft, se ha integrado en el ecosistema de datos de Microsoft, creando un mapa de datos más dinámico.
Los datos de los usuarios en las empresas tradicionales se almacenan de forma independiente en bases de datos de diferentes departamentos funcionales. Para obtener una ventaja digital, las empresas deben organizar los datos en mapas interactivos que puedan analizarse mediante algoritmos para generar información y ofrecer valor personalizado a cada cliente.
Enriquezca las líneas de productos con mapas de datos. Los líderes en mapeo de datos aprovechan una variedad de conceptos transversales, como compras, viajes o búsqueda, para organizar la experiencia en formatos de mapas legibles por máquina. Por ejemplo, el mapa de viajes de Airbnb proporciona una lista de más de 7 millones de casas, marcadas con atributos (ciudades, puntos de referencia, actividades, etc.), características (opiniones de clientes, horarios comerciales, etc.) y sus relaciones para generar recomendaciones más avanzadas. No sólo recomienda propiedades en alquiler, sino que también recomienda los mejores lugares para cenar y los mejores momentos para visitar las atracciones. Esta capacidad de ampliar su gama de productos permite a Airbnb brindar un mejor servicio a los clientes que los hoteles tradicionales, donde los datos se almacenan en departamentos aislados (reservas es responsable de reservar habitaciones, el conserje es responsable de recomendar tours, el departamento de bienestar es responsable de reservar masajes, etc. ). Asimismo, Netflix continúa mejorando la presentación y categorización de sus títulos de cine y televisión en 75.000 subcategorías, al igual que la programación de radio y música de Spotify.
Para ganar en el momento crítico, Facebook llevó a cabo una prueba comparativa casi en tiempo real de contenido personalizado de redes sociales entre 3 mil millones de usuarios. Antes de publicar contenido, Facebook filtrará la lista que se publicará y, según el comportamiento anterior del usuario, limitará el alcance a unos 500 artículos que puedan interesarle al usuario. Luego, Facebook utilizará una red neuronal patentada para calificar y ordenar este contenido por tipo de medio, como texto, fotos, audio y video con anuncios.
Si bien muchas empresas afirman estar centradas en el cliente, pocas aprovechan los gráficos y algoritmos de datos tan bien como las empresas líderes. Piénselo: ¿su empresa utiliza algoritmos de inteligencia artificial para ofrecer a los clientes productos mejorados continuamente para que no cambien a otras empresas?
Empieza
Si quieres competir con empresas líderes en mapeo de datos, debes entender una cosa: el éxito de tu estrategia no depende solo de si tienes mucha información , pero también de si tiene mucha información Depende de la recopilación en tiempo real de datos relevantes sobre el uso del producto para lograr efectos de red de datos y crear ventajas. Si podemos observar más interacciones de los usuarios con los productos, las empresas pueden obtener datos más ricos; al vender más productos a grupos de usuarios más diversos, podemos acumular datos más diversos para ayudar a lograr la diferenciación del producto. Las empresas que no son buenas en el uso de mapas de datos pueden consultar las siguientes sugerencias de mejora:
1. En primer lugar, deberíamos hacer que ejecutivos que entiendan la industria trabajen con científicos de datos para construir conceptualmente mapas de datos, examinar tendencias futuras y pensar en posibles impactos comerciales. Muchas empresas con menos recursos que Amazon o Netflix ya lo están haciendo. Por ejemplo, Stitch Fix, una empresa de servicios de moda personalizada fundada por un estudiante de una escuela de negocios en 2010, tiene ahora un valor de mercado de más de 1.600 millones de dólares, en gran parte debido a su territorio de moda.
Piensa si los datos que posee nuestra empresa ofrecen una ventaja única. Es posible que tenga métodos de recopilación de datos propios que le permitan obtener detalles que no están disponibles para otras empresas. Tal vez tenga una ventaja en la profundidad y amplitud de los datos y pueda obtener datos complementarios de los socios. Es probable que sus datos móviles (a diferencia de los datos fragmentados que utilizan los competidores para procesar por lotes) sean más rápidos. Piense si podemos aumentar el alcance, la profundidad y la velocidad de los datos de nuestra empresa a través de adquisiciones (como la adquisición de LinkedIn y Activision por parte de Microsoft) y alianzas (como la asociación de Google con Shopify).
2. Establecer un algoritmo propietario. Ya no basta con realizar diferentes tipos de análisis de forma independiente. Los líderes en mapeo de datos utilizan algoritmos patentados para realizar análisis descriptivos ("¿Qué pasó?"), análisis de diagnóstico ("¿Por qué?"), análisis predictivos ("¿Qué habría pasado?") y análisis prescriptivos ("¿Qué debería haber sucedido?"). ) dentro de un marco holístico? ¿Qué pasó?"). Su infraestructura de mapeo de datos puede transformarse de la estructura tradicional de análisis de datos estáticos (procesamiento por lotes y análisis independiente) al análisis de datos cambiantes en tiempo real. Cabe hacer referencia a otras empresas del sector y otros algoritmos similares. Por ejemplo, si su métrica de éxito es qué tan bien los clientes aceptan las recomendaciones, ¿cómo se compara su motor de recomendaciones con empresas líderes como Netflix, Spotify y Amazon?
3. Generar confianza. Gestionar los datos de los clientes es una gran responsabilidad.
La mayoría de los clientes ven las computadoras, los algoritmos y el aprendizaje automático como complejas cajas negras, y muchos creen que las empresas digitales utilizan o incluso abusan de sus datos personales para hacer fortunas. Las empresas deben utilizar algoritmos de forma fiable y deben obtener permiso para recopilar y analizar datos y proporcionar valor. Explique lo que su empresa quiere hacer con los datos en un lenguaje que los consumidores puedan entender.
Los consumidores perderán la confianza en las empresas si sienten que se está haciendo un mal uso de sus datos personales. Las empresas no sólo deben invertir recursos en tecnología, sino también explicarla de manera que los consumidores puedan entenderla y aceptarla. Los clientes esperan cada vez más una mejor comprensión de los productos digitales y de cómo se pueden implementar los servicios impulsados por IA. Los países exigen que las empresas utilicen datos dentro de las restricciones legales locales.
4. Actualización organizacional. Los líderes empresariales deben implementar los recursos necesarios, actualizar la infraestructura tecnológica y cumplir con los requisitos de mapeo de datos. Es imprescindible contratar personas con conocimientos amplios y profundos tanto en ciencia de datos como en negocios. La organización de datos debe verse como una organización de conectividad que conecta todas las partes de la empresa, y se reconoce que las organizaciones modernas deben lidiar adecuadamente con dos poderosas facciones en conflicto: una que cree que los datos y los algoritmos tienen fuertes capacidades de resolución de problemas, y la otra que cree que los datos y los algoritmos tienen fuertes capacidades de resolución de problemas. otro que no. La contradicción entre ambas partes es una característica importante de la cultura operativa organizacional moderna: por ejemplo, el director ejecutivo de Netflix, Red Hastings, equilibra el énfasis de Silicon Valley en el análisis y el énfasis de Hollywood en la creatividad.
5. Obtenga ganancias a través de gráficos de datos. Los mapas de datos se construyen para respaldar y desarrollar estrategias, lo que ilustra que el valor no solo reside en el diseño y la fabricación del producto, sino también en cómo se resuelven problemas específicos para los clientes. Los conocimientos proporcionados por el mapeo de datos lo ayudarán a elegir el mecanismo de monetización más apropiado y trazar un camino claro desde los datos hasta los resultados comerciales. Los ingresos y beneficios actuales se pueden mantener utilizando recomendaciones personalizadas basadas en los efectos de la red de datos. Por ejemplo, Netflix utiliza datos en tiempo real para mejorar las tasas de retención de usuarios; también puede utilizar mapas de datos para desarrollar métodos más completos, buscar nuevas fuentes de valor y ampliar los flujos de ingresos y ganancias, como la entrada de Apple en el sector de las tarjetas de crédito. la televisión y la medicina; también puede contraatacar las tendencias del mercado. Los competidores que dominan el mapa de datos, como Disney+, han entrado con éxito en la industria de los medios de streaming.
Ventaja de reconstrucción
Los mapas de datos remodelarán la competencia en todos los campos más rápido de lo que la mayoría espera. Toda empresa debe ir más allá de la necesidad de aprovechar los datos para mejorar la eficiencia operativa y aprovechar la ventaja competitiva del mapeo de datos. Los altos directivos deben invertir en mejorar la infraestructura de datos para obtener una visión integral en tiempo real de las interacciones entre los consumidores y sus productos y servicios. Con esta estructura, podemos desarrollar soluciones únicas para resolver los problemas de nuestros clientes.
Para las empresas digitales líderes, la exploración continua en campos como el mapeo de datos está creando nuevas ventajas competitivas y están deshaciéndose de competidores en términos de desarrollo de productos y experiencia de usuario. Por lo tanto, su experiencia merece ser ampliamente conocida.
Haz clic para declarar la nueva lista de crecimiento para 2022.
Vijay Govindarajan (Vijay Govinda Rajan y Venkat Venkatraman) |
Vijay Govindarajan es profesor distinguido de Dartmouth Cox en la Escuela de Negocios Tuck de la Universidad y miembro ejecutivo de la Escuela de Negocios de Harvard. Venkat Cartman es profesor David McGrath de Gestión en la Escuela de Negocios de la Universidad de Boston.