La Clepsineta Blog

Cómo Bayer utilizó el aprendizaje automático para predecir las tendencias de la gripe y los resfríos

Escrito por La Clepsineta | Dec 22, 2022 3:23:36 PM

"Siempre es más fácil hacer negocios cuando ya sabés lo que va a pasar".

Esta frase lúdica se convirtió recientemente en una inspiración para el equipo de marketing de salud del consumidor de Bayer -la compañía global especializada en ciencias de la vida- para llevar adelante la creación de un modelo de previsión que, en esencia, intentara predecir el futuro. En concreto, el equipo quería vaticinar las tendencias de búsqueda de resfríos y gripe en todo el mundo para poder llegar a los usuarios mostrándoles los productos adecuados para aliviar sus síntomas.

Eric Gregoire, vicepresidente senior y director mundial de medios digitales de Bayer, indicó que el proyecto se inició en Australia antes de la temporada local de gripe y resfríos de 2022. El modelo de predicción tuvo tanto éxito a la hora de mejorar el rendimiento del marketing digital que la empresa quiere ampliar la iniciativa a nivel mundial.

              ►Apuntando a predicciones proactivas
 

Normalmente, los equipos de marketing recopilan y analizan grandes conjuntos de datos para encontrar tendencias de los clientes y, a posteriori, ajustar su estrategia en función de los hallazgos. Bayer deseaba ir un paso más allá. "Queríamos que el trabajo fuera menos reactivo y más proactivo para poder predecir y anticipar la mejor manera de llegar al consumidor correcto con el contenido adecuado en el momento oportuno", afirmó Gregoire.

El equipo de Bayer Australia inició el proyecto a principios de 2022 combinando datos de Google Trends y datos externos de código abierto, como información meteorológica y climática, para intentar predecir tendencias específicas en torno a la temporada de gripe y resfríos en diferentes regiones australianas. Empezaron con puntos de datos bastante sencillos, como la temperatura en tiempo real y los informes públicos de casos de gripe.

"El punto de partida más obvio son siempre las categorías estacionales, ya que proporcionan puntos de datos muy claros", sostuvo Patricia Corsi, directora de marketing, digital e información de Bayer Consumer Health. "Los datos críticos que están disponibles indican el comienzo y el final de la temporada".

 ►Prediciendo resfríos con modelos predictivos 

A partir de ahí, el equipo construyó un modelo de predicción utilizando la tecnología de aprendizaje automático de Google Cloud. El modelo está entrenado para utilizar los datos con el objetivo de predecir el interés de búsqueda de los clientes en productos para el resfrío y la gripe en mercados específicos.

Esta información predictiva ayudó al equipo de Bayer a ser más proactivo en su planificación y estrategia de marketing.

“La mina de oro estaba en los datos de búsqueda", afirmó Gregoire. "La información más interesante surgió cuando nuestros socios de Google nos ayudaron a añadir puntos de datos adicionales sobre tendencias de búsqueda y otras tendencias externas para brindar una imagen más detallada", añadió.

Por ejemplo, el modelo mostró que la temporada de gripe y resfríos comenzó a principios de mayo en Australia, con más casos de lo habitual para este periodo. Los datos indicaron un aumento del 50% de los casos de gripe en todo el país. Si bien la estrategia de búsqueda anterior se basaba en la cobertura de palabras clave a través de términos genéricos relacionados con el producto Redoxon de Bayer para la gripe y el resfriado, el modelo permitía desglosar los datos por estados. Mostró dónde y cuándo aumentaban y disminuían las búsquedas, al mismo tiempo que reveló las nuevas tendencias de búsqueda relacionadas con el producto.

A partir de ahí, Bayer pudo adaptar su estrategia de marketing utilizando la automatización para agregar nuevas palabras clave y optimizar el texto de las piezas publicitarias. Esto garantizó que los anuncios más eficaces, atractivos y personalizados llegaran a las personas adecuadas en el momento oportuno. Como resultado, Bayer obtuvo buenos resultados en la búsqueda de pago: un aumento del 85% en el porcentaje de clics de un año a otro y una reducción del 33% en el costo por clic en comparación con el año anterior. Por último, el tráfico a su sitio web se multiplicó 2,6 veces con respecto al registrado durante 2021.

►Aprendiendo del aprendizaje automático: las ventajas de un circuito de retroalimentación

Bayer no tuvo reparos en incorporar nuevos conjuntos de datos para mejorar el modelo predictivo con el tiempo. Además, el equipo eliminó los conjuntos de datos que finalmente no resultaron útiles.

Hubo muchas oportunidades de iterar, probar y ampliar, dijo Corsi. "Este proceso ayuda a comprender los puntos críticos de los datos que realmente influyen. Y no solo eso, también permite entender qué puntos de datos ofrecen muy poca incrementalidad". Una de las partes más importantes de la estrategia es averiguar qué no hacer y cuáles son las acciones no conducen a nada", afirmó.

 ►Reuniendo al equipo

El modelo de predicción le dio al equipo de marketing de Bayer Australia tiempo adicional para planificar y activar campañas más eficaces, a la vez que ayudó a otros sectores de la empresa. Por ejemplo, si el modelo indicaba que había más probabilidades de que se adelantara la temporada de gripe en una región determinada, todos tenían tiempo para adaptarse y coordinar los recursos.

Gregoire indicó que el programa ayudó a fomentar nuevas oportunidades de colaboración entre departamentos como IT, marketing, ventas y suministro de productos. "De repente ves que se abren nuevas aplicaciones empresariales potenciales", sostuvo. "Nuestro equipo de supply product, por ejemplo, está viendo cómo aprovechar este modelo predictivo para optimizar los modelos de distribución de productos con el objetivo de ayudar con la logística durante las horas pico."

Bayer también está analizando la posibilidad de utilizar los datos predictivos para reforzar su colaboración con los minoristas y optimizar su estrategia de activación.

 ►Planificando la expansión mundial

Bayer continúa probando y desarrollando su modelo en Australia con niveles adicionales de datos, antes de implementarlo en otras categorías potenciales, como los artículos para la alergia. El equipo también tiene la intención de expandirse a otros mercados, como Estados Unidos, Europa, Oriente Medio y África. El sueño es replicar una estrategia similar con capacidades semejantes en todos los países y categorías pertinentes. La teoría que subyace al programa de Bayer es técnicamente aplicable a cualquier producto o vertical.

"No se trata de los datos, sino de la mentalidad. La cuestión es fomentar un enfoque basado en los datos", dijo Gregoire. "Uno se hace preguntas diferentes: '¿qué conjuntos de datos serían los más relevantes para nuestro consumidor en esta categoría?' o '¿qué nos permitiría tomar decisiones más inteligentes e impulsar un mayor impacto en toda la organización?'".

Y, por supuesto, el equipo se formula continuamente la clásica pregunta: "¿qué nos deparará el futuro?". Sin embargo, ahora todos entienden mejor la respuesta.

 
 
 
¡Esperamos que esta información te haya sido útil!
 
Si querés saber más  ►¡Contactanos!
 
 
 
 
Visitá nuestra última nota haciendo ►click aquí!