IA en el marketing de contenidos: estas 23 sucursales cuentan una historia

Comercializadores, estén agradecidos de que su trabajo sea más complicado que jugar un juego de Go.

Aunque los humanos han hecho grandes avances en inteligencia artificial, la IA aplicada solo nos ha brindado herramientas más inteligentes y asistentes de funcionalidad limitada. Como reflexiona Noam Chomsky en esta entrevista de Scientific American, “Incluso las tareas que los bebés dominan casi por reflejo están mucho más allá de las capacidades de la IA contemporánea”. Por lo tanto, es poco probable que trabaje para un señor supremo de la IA en el corto plazo.

John McCarthy acuñó por primera vez el término “IA” en 1956 con el estreno de una conferencia académica sobre el tema. Desde entonces, se ha convertido en un tema vasto y complejo que se utiliza en una variedad cada vez mayor de aplicaciones.

Lo más probable es que haya estado expuesto a la IA sin siquiera saberlo. Si alguna vez usó SIRI, visitó Facebook o realizó una compra en Amazon, la inteligencia artificial ha estado allí para ayudarlo en su viaje.

En esta publicación, analizamos más de dos docenas de ramas de la inteligencia artificial para comprender su impacto en los especialistas en marketing, junto con ejemplos de cómo se aplica al contenido.

Creatividad Artificial

La creatividad artificial es un intento de capturar la creatividad a nivel humano dentro de un algoritmo. Algunos argumentan que la IA no es creativa en absoluto y que lo mejor que puede hacer es imitar la creatividad humana. A pesar de esto, la creatividad de la IA se emplea actualmente en varias formas de bajo nivel entre las publicaciones en línea populares.

La creatividad de la inteligencia artificial se vio inicialmente en informes de ganancias e historias con muchos datos sobre deportes y resultados electorales. Este tipo de escritura sigue una fórmula altamente estructurada con una narrativa sencilla, lo que la convierte en una situación ideal para el uso de la IA. En este contexto, la IA aumenta los esfuerzos de los creadores de contenido, brindándoles la oportunidad de concentrar su tiempo en contenido de mayor valor.

Thomson Reuters comenzó a usar inteligencia artificial para automatizar la publicación de informes de ganancias en 2006. Otras publicaciones conocidas que usan IA de manera creativa incluyen Associated Press, Forbes, ProPublica y Los Angeles Times. La tendencia hacia el uso de IA en marketing continúa acelerándose con el lanzamiento de muchas herramientas de escritura de IA durante los últimos 18 meses.

Planificación y programación automatizadas

En su nivel más alto, esta rama de la inteligencia artificial se ocupa de convertir las estrategias en realidad. Sin embargo, las aplicaciones del mundo real tienden a ser menos abstractas y más concretas en su enfoque para resolver los desafíos cotidianos.

AI se destaca en el análisis rápido de grandes cantidades de datos, lo que es un beneficio significativo para los especialistas en marketing. El software inteligente puede destilar rápidamente grandes cantidades de información en información procesable.

El beneficio más significativo para los especialistas en marketing de contenido es que ya no están empantanados con el análisis. Lo que antes tomaba horas, si no días, ahora se puede hacer en minutos. Esto deja más tiempo para actividades de alto valor como el pensamiento crítico y la toma de decisiones.

MarketMuse emplea inteligencia artificial para crear estrategias de contenido que puedan competir por categorías de temas específicos. Utiliza el modelado de temas para mostrar temas relevantes que pueden necesitar ser enfocados con contenido adicional o la optimización de páginas existentes.

Tailor Social, una herramienta de administración de redes sociales, utiliza inteligencia artificial para ayudar a programar publicaciones en redes sociales. Recientemente salió de la beta.

Razonamiento automatizado

El razonamiento automatizado busca comprender los diferentes aspectos del pensamiento y algún día podría conducir a "extraer propiedades estéticas, sentimientos e incluso emociones" del contenido.

Pero aún no hemos llegado allí, de hecho, estamos lejos de ello. Pero cuando llegue ese día, veremos herramientas aún más poderosas que sondearán las profundidades del contenido donde los especialistas en marketing no tienen ni el tiempo ni el deseo de aventurarse.

Automatización

La automatización existe desde mucho antes que la inteligencia artificial, pero la IA ha ayudado a crear formas mejores y más inteligentes de aumentar la eficiencia. Los avances en este campo han permitido la automatización de tareas que antes eran dominio de los humanos. Como resultado, el tipo de trabajo que realizan los productores de contenido está cambiando.

Tomemos, por ejemplo, el proceso de diseño web que normalmente involucra numerosas disciplinas, incluido el diseño y la creación de contenido. The Grid es un sistema de diseño web impulsado por IA que crea sitios web basados ​​en el contenido que proporcionas.

Visión artificial / Reconocimiento de objetos

El procesamiento de imágenes digitales se utiliza en varias áreas, incluido el reconocimiento de patrones, la clasificación y la extracción de características. En un nivel práctico, la visión por computadora de IA facilita la gestión de activos digitales. MavSocial, que utiliza la tecnología de reconocimiento de imágenes de Miro, es un ejemplo.

Remove.bg utiliza tecnología de IA sofisticada para detectar capas de primer plano y separarlas del fondo. Un proceso difícil que normalmente requeriría una hora o más usando Photoshop ahora toma solo cinco minutos.

Otra forma en que esta tecnología puede ayudar es mediante la moderación automática de contenido. Clarifai brinda la capacidad de moderar y filtrar información confidencial de su plataforma sin intervención humana.

Conocimiento administrativo

Girard & Girard, en el Online Journal of Applied Knowledge Management (PDF), afirman que "la gestión del conocimiento es el proceso de gestión de crear, compartir y utilizar la información y el conocimiento de la organización". Como rama de la inteligencia artificial, abarca varios aspectos, como la minería de conceptos, la minería de datos, la minería de textos, la extracción de información y la representación del conocimiento. Es dentro de estas aplicaciones específicas que ya encontramos beneficios para los especialistas en marketing de contenido.

Minería conceptual

La minería de conceptos proviene de la extracción de conceptos de artefactos, como una página web o una publicación de blog. Por ejemplo, Aylien ofrece una API con un punto final de extracción de conceptos para encontrar qué temas se mencionan en un texto.

Al ser una API, no es algo que la mayoría de los especialistas en marketing puedan aprovechar. Sin embargo, los desarrolladores de software pueden incorporar esta API en su propio software para usarla en el ámbito del marketing de contenidos.

Vuelva a consultar la sección sobre Creatividad artificial para obtener algunas ideas sobre cómo se podría utilizar esto en beneficio de los especialistas en marketing.

Procesamiento de datos

La minería de datos busca descubrir patrones en grandes conjuntos de datos. Desde una perspectiva de marketing de contenido, esta rama de la IA puede ayudar a determinar el mejor contenido para presentar en el momento adecuado en el recorrido del comprador.

Al analizar el gasto del titular de la tarjeta, American Express puede presentar ofertas personalizadas que atraigan y retengan a los clientes. Luego, utiliza este marketing dirigido para unir a los comerciantes con los clientes correctos, es decir, aquellos que tienden a gastar más que el consumidor promedio.

British Airways extrae sus activos de datos para identificar de forma única a cada cliente y personalizar su marketing por correo electrónico y otras comunicaciones con los clientes.

Extracción de textos

La minería de texto es un tipo de minería de datos que se centra explícitamente en la extracción de información del texto mediante el reconocimiento de patrones y otros enfoques a través del procesamiento del lenguaje natural (NLP). Los correctores gramaticales avanzados como Grammarly son un tipo de herramienta que se ha creado a partir de esta tecnología. ¡No hay duda de que los especialistas en marketing aprecian los beneficios!

En un nivel más avanzado, la plataforma Acrolinx ofrece un motor de análisis lingüístico que guía el estilo, la gramática, la terminología y el tono de los escritores para garantizar que todo su contenido permanezca en la marca. Esto aborda un desafío importante al que se enfrentan todos los creadores de contenido empresarial; mantener el contenido coherente y que refleje la marca, independientemente del creador del contenido.

Minería de procesos

El análisis de los datos del registro de eventos para identificar tendencias y patrones se conoce como minería de procesos. Livejourney ha aplicado esto para rastrear el viaje del cliente en tiempo real. Al monitorear todos los puntos de contacto del cliente y analizar los viajes desde la perspectiva del cliente, puede abordar cualquier ineficiencia y aumentar la satisfacción del cliente.

Filtrado de spam de correo electrónico

Combate el spam con spam. Rescam es un bot de correo electrónico artificialmente inteligente que responde a correos electrónicos fraudulentos. El chatbot utiliza una de sus personalidades humanas para continuar la conversación con un posible estafador. Perder el tiempo con el bot les da a los estafadores menos tiempo para perseguir a las víctimas reales. Hasta la fecha, Rescam ha desperdiciado más de cinco años del tiempo de los estafadores.

Extracción de información

Esta rama de la IA se enfoca con frecuencia en el procesamiento de texto en lenguaje humano usando NLP. Las aplicaciones del mundo real van desde las relativamente simples, como la extracción automática de texto de correos electrónicos (Parseur), hasta la tarea más compleja de resumir un documento (frase). Un caso de uso directo de esta tecnología sería proporcionar resúmenes de texto automáticos para nuevos resúmenes diarios o para su uso en la curación de contenido.

Web semántica

La web semántica fue un término acuñado por Tim Berners-Lee, inventor de la world wide web, allá por 2001 (pdf). La idea es que todos los datos en Internet, contenido, enlaces y transacciones puedan ser analizados por una máquina. Pero el concepto lucha por ganar tracción. Aunque la cantidad de sitios que utilizan el marcado web semántico continúa aumentando, todavía son una minoría.

Uno de los usos más notables de la tecnología de la web semántica es el BBS, que la usó para potenciar todo su sitio web de la Copa del Mundo en 2010. Otros usos significativos de la tecnología de la web semántica incluyen Time Inc., Elsevier y la Biblioteca del Congreso.

Sin embargo, dar formato al contenido para la web semántica es mucho más complicado que los procesos actuales. El tiempo y los gastos adicionales pueden explicar su lenta adopción entre los especialistas en marketing.

Aprendizaje automático

El aprendizaje automático es un campo de la inteligencia artificial que hace que las computadoras "aprendan" de los datos, sin estar programadas para la tarea. Los motores de recomendación como los utilizados en Curata, Scoop.it y Zeta son aprendizaje automático en acción.

El beneficio de sistemas como estos es que las recomendaciones mejoran con el tiempo a medida que el sistema aprende lo que constituye una buena sugerencia. Sin embargo, es posible que los especialistas en marketing no tengan la paciencia para esperar esas mejoras.

Persado utiliza "lenguaje generado por IA para líneas de asunto de correo electrónico y anuncios pagados en redes sociales" optimizado para conversiones. Piense en esto como una prueba automática de conversiones.

No es necesario ser un especialista en optimización de la tasa de conversión, ni realizar pruebas regularmente. La IA detrás del software se encarga de todo ese trabajo, aprendiendo continuamente y presentando al vendedor mejores opciones.

Imagina ofrecer recomendaciones en tiempo real con contenido personalizado para cada usuario. LiftIgniter utiliza el aprendizaje automático para lograr ese objetivo. Está aprendiendo y optimizando continuamente en función de un objetivo específico que ha establecido.

El aprendizaje automático puede hacer más que solo ayudar a hacer recomendaciones apropiadas. Incluso se puede usar para crear, o curar con mayor precisión, contenido.

IBM Watson ayudó a crear un tráiler para una película de suspenso/terror de Hollywood.

Primero, se enseñó cómo identificar escenas aterradoras y música horrible y analizar la composición de escenas de películas para determinar qué las hacía aterradoras. Luego vio la versión completa de la película y seleccionó diez momentos que serían los mejores contendientes para el tráiler.

Se dejó al ingenio humano realizar la tarea de edición real. Aquí está el resultado:

Aprendizaje profundo

El aprendizaje profundo es un aspecto del aprendizaje automático basado en la representación de datos en lugar de utilizar algoritmos específicos de tareas. Se ha aplicado a varios campos, incluido el procesamiento del lenguaje natural, la traducción automática y la visión por computadora.

En la Conferencia de desarrolladores de juegos de 2018, NVIDIA demostró "investigaciones recientes sobre las formas en que las redes de aprendizaje profundo se pueden usar para generar animaciones humanas de aspecto realista" y cómo han aplicado el aprendizaje profundo a la síntesis de texturas.

En una aplicación más práctica, Envision utiliza inteligencia artificial para ayudar a los especialistas en marketing a elegir la mejor miniatura, segmento o imagen de video. También utiliza el aprendizaje profundo para encontrar y agregar automáticamente los mejores hashtags para sus publicaciones de Instagram.

Procesamiento natural del lenguaje

Para los especialistas en marketing que manejan contenido de texto, el procesamiento del lenguaje natural es un campo esencial de la inteligencia artificial. Esta rama de la IA se ocupa de permitir que las computadoras entiendan el lenguaje.

Los desafíos importantes en este campo son el reconocimiento de voz, la comprensión del lenguaje natural y la generación del lenguaje natural. Sin embargo, se está logrando un progreso considerable, como se ve en la proliferación de chatbots, traducción automática y el uso de una interfaz de usuario de lenguaje natural como SIRI.

Aquí hay un par de ejemplos interesantes para tener en cuenta.

Narrative Science automatiza la personalización a escala mediante la generación de lenguaje natural para generar automáticamente descripciones y proporcionar comunicaciones personalizadas.

Conversica confía en la IA para ayudar a nutrir a los clientes potenciales entrantes hasta que su interés cambie a una intención de compra. Más específicamente, utilizan inteligencia artificial para interpretar las respuestas de los correos electrónicos, enviando respuestas únicas y que suenan naturales como seguimiento.

chatbots

¡Los chatbots están en todas partes! Por lo general, se usan para calificar clientes potenciales o se emplean como un sistema de entrega de contenido.

Dos tipos básicos de chatbots son los que entienden comandos limitados y los que usan procesamiento de lenguaje natural.

Los chatbots de tipo de comando limitado son útiles cuando las opciones de tareas son limitadas y puede guiar la interacción por caminos muy bien definidos. Los chatbots de PNL permiten un flujo más conversacional.

Las plataformas de chatbot como Flow XO eliminan la necesidad de habilidades de codificación, pero aún pueden ser difíciles de implementar por varias razones:

• Los especialistas en marketing necesitan saber las tareas que buscan realizar sus visitantes.
• Necesitan una comprensión profunda de los viajes realizados por su audiencia.
• El tipo de contenido utilizado en este contexto puede ser radicalmente diferente.
• Pueden carecer de una estrategia de contenido enriquecido.

Identificación de idioma

La identificación del idioma es un componente crítico de la traducción automática y el procesamiento del lenguaje natural. Aunque no tiene un impacto directo en los especialistas en marketing, los estrategas de contenido que trabajan a nivel empresarial a menudo se enfrentan a problemas de traducción de idiomas y su efecto en el contenido.

Google AI está profundamente involucrado en todo lo relacionado con las tecnologías del lenguaje natural, incluida la identificación del idioma. Es posible que haya experimentado esto al visitar una página en un idioma extranjero.

Para los estrategas de contenido con presupuesto cero para la traducción, esto puede ser un salvavidas.

Interfaz de usuario de lenguaje natural

Los prototipos de interfaces de usuario de lenguaje natural aparecieron por primera vez a fines de la década de 1960 y solo recientemente se han popularizado. Si alguna vez ha utilizado SIRI o Amazon Echo, ha experimentado una interfaz de lenguaje natural.

Para los especialistas en marketing de contenido, esto cambia potencialmente la forma en que pensamos y creamos contenido. Los motores de búsqueda siguen estando basados ​​en palabras clave y los creadores de contenido a menudo crean piezas largas de contenido con la esperanza de clasificarse bien para muchas palabras clave.

Pero el uso de una interfaz de lenguaje natural, especialmente una controlada por voz, crea un nuevo contexto. Los usuarios buscan respuestas específicas a preguntas específicas, algo para lo que un manifiesto de 10.000 palabras no es adecuado. Aunque hemos visto una tendencia hacia contenido más extenso, esta tendencia podría cambiar pronto.

Comprensión del lenguaje natural

La comprensión del lenguaje natural es un subtema del procesamiento del lenguaje natural que se remonta a 1964 con la publicación del Ph.D. de Daniel Bobrow. disertación. Existe un gran interés en la comprensión del lenguaje natural debido a su relevancia para el análisis de contenido a gran escala, la respuesta a preguntas y la categorización de textos.

Las aplicaciones del mundo real, al menos para uso de marketing, requieren capacidades de comprensión bastante sofisticadas para comprender los conceptos dentro de un documento. OneSpot es una de esas empresas que utiliza una combinación de aprendizaje automático y lenguaje natural para procesar el consumo de contenido de los visitantes del sitio y entregar contenido individualizado a escala.

Máquina traductora

Otra subrama del procesamiento del lenguaje natural es la traducción automática. Si alguna vez ha usado el traductor de Google, ha arañado la superficie de la traducción automática.

A medida que la precisión de la traducción sigue aumentando, también lo hacen las oportunidades de traducción en los mercados B2B y de consumo.

Los estrategas de contenido que trabajan en corporaciones globales aprovechan la traducción automática para traducir contenido a escala de manera rentable. Los dominios comerciales como tecnología, finanzas, legal, atención médica, etc. tienen sus propios matices y términos, por lo que la traducción automática específica del dominio ha sido la ruta preferida.

Sin embargo, la traducción automática multidominio, como la que ofrece Kantan, empieza a ganar terreno.

Respuesta a preguntas

La respuesta a preguntas es un subconjunto del procesamiento del lenguaje natural que diseña sistemas para responder automáticamente a las preguntas planteadas en un lenguaje humano. El sistema de respuesta a preguntas de lenguaje natural START afirma ser el "primer sistema de respuesta a preguntas basado en la web del mundo, ha estado en línea y en funcionamiento continuo desde diciembre de 1993".

¿Sabías que Facebook está entrenando IA para responder preguntas? Están enseñando a la IA a analizar imágenes y responder a las preguntas sobre esas imágenes. En este momento, la IA solo puede proporcionar respuestas simples. Pero la idea es permitirle ofrecer respuestas más elaboradas como lo haría un humano.

Traducción semántica

La semántica es una rama de la lingüística que se ocupa de interpretar el significado de las palabras y su estructura. La traducción semántica tiene como objetivo retener el significado de un documento cuando se traduce a otro idioma.

Los estrategas de contenido que trabajan para empresas globales se enfrentan al desafío de la gobernanza de contenido en varios idiomas. El uso de la traducción semántica puede ayudar a aumentar la eficiencia de la traducción y mitigar el riesgo de interpretación incorrecta. PROMT es un ejemplo de una aplicación que incorpora información semántica.

El futuro de la inteligencia artificial en el marketing de contenidos

Elon Musk puede temer un apocalipsis de IA pero, por lo que he visto, todavía estamos luchando para crear aplicaciones viables para muchas ramas de la inteligencia artificial. Dicho esto, estamos empezando a ver software más inteligente, de alcance limitado, que mejora sustancialmente nuestras vidas.

Los motores de recomendación que impulsan a empresas gigantes como Netflix y Amazon son un ejemplo. Ahora puede llevar esa sofisticación a su propio sitio con software como Bibblio. A diferencia del enfoque simple proporcionado por muchas aplicaciones de "publicaciones relacionadas", su algoritmo impulsado por IA ofrece sugerencias de contenido semánticamente relevantes.

A menos que tenga un sitio grande, un software como este puede no ser un gran éxito. Sin embargo, el campo de la inteligencia artificial está dando pasos reales cuantificables que impactan a los especialistas en marketing ahora mismo, hoy. Simplemente no espere que la IA haga su trabajo por usted en el corto plazo.

Vector de imagen característica diseñado por Freepik