El problema con el análisis predictivo

Hola hablemos de El problema con el análisis predictivo

Supongamos que necesita cerrar 30 clientes más para alcanzar su objetivo de ventas.

Afortunadamente, resulta que tiene un documento técnico con una tasa de cierre de clientes del 30 %. Puede suponer que si logra que 100 personas más descarguen ese documento técnico, obtendrá 30 clientes más y todo será salsa, porque según su rendimiento anterior, ese es el resultado que puede esperar.

Si está pensando así, está utilizando análisis predictivos. El análisis predictivo es una forma de tomar decisiones tomando los datos del rendimiento pasado y usándolos para esperar el rendimiento futuro. Si alguna vez ha trabajado en el lado actuarial de los seguros, los servicios financieros, incluso la atención médica, es muy probable que lo haya encontrado antes.

Y hay otra industria que lo está utilizando cada vez más en estos días: el marketing. El problema es que podemos estar usando el análisis predictivo de forma incorrecta.

¿Cuál es el problema?

Bueno, el primer problema es con el marketing en sí mismo: no es una ciencia dura y, como tal, los resultados pueden estar muy por fuera del rango histórico de resultados esperados. Tomemos ese ejemplo del documento técnico. Nuestra suposición de que podríamos cerrar 30 clientes a partir de ella podría ser una suposición terrible, porque existe la posibilidad de que algo haya cambiado en esa población que no anticipamos y que podría hacer que cerremos menos o más de los 30 anticipados.

Aquí hay un ejemplo del mundo real de análisis predictivo que salió mal que podría reconocer. Mucha gente ha utilizado análisis predictivos como herramientas de inversión para crear valores respaldados por hipotecas. Usando estadísticas tradicionales desarrolladas para las ciencias duras, predijeron un riesgo de incumplimiento y sus modelos les dijeron que era estadísticamente imposible que todos incumplieran su hipoteca al mismo tiempo. Pero eso no tuvo en cuenta ciertos elementos del mercado inmobiliario. Y entonces, ¿qué pasó? Todos dependían de que esos modelos fueran correctos, pero su falla en tomar incógnitas en cuenta resultó en, bueno, algunas incógnitas que rompieron el modelo. El resultado inesperado fue que muchas personas no pagaron su hipoteca y un gran colapso económico en 2008.

Contabilización de incógnitas

Puedes decir bien, solo tendré que tener en cuenta las incógnitas entonces. Pero lo que pasa con las incógnitas es solo eso: son desconocido. Puede tratar de anticiparlos, pero no hay forma de que pueda dar cuenta de todos ellos. Aquí es donde entra en juego la Teoría del Cisne Negro.

Verá, la gente realmente comenzó a tratar de dar cuenta de esas variables mediante la construcción de modelos para ello, y luego los modelos se volvieron tan complicados que la gente estaba tan seguro eran correctos porque… bueno… porque había muchos modelos y variables y eran realmente complicados. Tenían que tener razón… ¿verdad?

Bueno, muchas de las cosas que la gente construye en esos modelos son conocido incógnitas Pero la realidad de las incógnitas se parece más a la Ley de Murphy. El día de una gran reunión, sabes que algo malo sucederá, simplemente no sabes qué será. (Gracias por la analogía, Katie Burke)

Tomemos los cisnes como ejemplo. En el Londres del siglo XVI, existía la presunción de que todos los cisnes eran blancos porque toda la documentación de los cisnes indicaba que tenían plumas blancas. Y luego, en 1697, un explorador holandés descubrió un cisne negro en Australia; en otras palabras, lo que alguna vez se consideró imposible fue refutado con una incógnita.

Esa es la Teoría del Cisne Negro en pocas palabras, acuñada por Nassim Nicolás Taleb. Son las cosas que ni siquiera sabías las que podrían cambiar tu resultado anticipado. Entonces, si construyes un modelo que trata de dar cuenta de los cisnes negros, bueno, no puedes. Ese es el punto. No se puede anticipar cada incógnita. Y tienes que dar cuenta ese cuando se apoya en el análisis predictivo.

El problema es que no hay suficientes personas que lo hagan. Y ese es el problema con el análisis predictivo en marketing.

El análisis predictivo todavía tiene su lugar

He hecho que el análisis predictivo suene bastante dudoso hasta ahora, pero no deberíamos tirar al bebé con el agua del baño. El uso de análisis predictivo tiene fallas cuando lo usa para construir modelos complejos y luego basa sus decisiones de marketing en esos modelos con la expectativa de una precisión del 100%. Pero le pregunté a otros especialistas en marketing que todavía dicen que todavía hay muchas cosas interesantes que puedes hacer con él.

matt wainwrightdirectora de marketing de Attend.com, dice que utiliza análisis predictivos para determinar qué piezas de contenido debe volver a promocionar. «Lo que no hago es garantizar resultados específicos basados ​​en números como una tasa de cierre del 20 % frente a una tasa de cierre del 5 %. Lo que yo hacer hacer es tomar una decisión informada de que una tasa de cierre del 20 % es probablemente mejor que una tasa de cierre del 5 %, aunque todavía puede haber algunas cosas que podrían afectar esa tasa de cierre que no puedo explicar».

En otras palabras, no puedes divorciarte del sentido común. Es por eso que el análisis probabilístico es una mejor apuesta que el análisis predictivo. Tienes en cuenta las variables que puedes anticipar, usas esos datos para tomar decisiones inteligentes, pero no garantizas resultados específicos.

Si no puede resistir la tentación de profundizar en el análisis predictivo y hacer predicciones concretas basadas en el desempeño anterior, hágalo de manera responsable. El análisis predictivo no debe usarse para hacer predicciones para grandes apuestas, solo para apuestas bajas. Afortunadamente, el marketing generalmente juega menos que muchas de las otras industrias en las que podría encontrar este enfoque. Solo recuerda que mientras pLos análisis redictivos son sin duda útiles, cuando comienzas a considerarlos como predicciones reales, también podrías considerarlos una profecía.


Hasta luego fué un gusto

sobre el autor

Estuardo Monroy

Te gustaría saber más sobre el autor, te invito que veas la sección de Nosotros en Consultor SEO, donde se extiende hablando sobre su experiencia, conocimientos y un poco de información personal.