Podcast: estrategias de pricing basadas en Machine Learning con Gabriel Contreras - Ep.79
Gabriel Contreras, es el invitado en este nuevo episodio del podcast con quien conversamos sobre estrategias de pricing basadas en machine learning.
Gabriel es Data Science y Machine Learning Manager en SINNETIC, quien ha estudiado en varias universidades, incluyendo Duke University, la Universidad del Externado, EAN, los Andes y MIT. Aunque su formación académica está en psicología, se interesó en cómo las matemáticas pueden resolver modelos computacionales de los procesos cognitivos humanos y comenzó a estudiar matemáticas para entender y simular sistemas computacionales y numéricos que ayuden a emular el comportamiento del cerebro humano en procesos de inteligencia natural. A lo largo de su carrera, se ha especializado en consultoría en comportamiento del consumidor, data de marketing y Martech; y ha buscado cultivar habilidades en otras áreas, como la lectura del cliente y la venta eficiente de soluciones.Actualmente Gabriel trabaja en SINNETIC, una consultora en ciencia de datos e investigación, que producir soluciones de machine learning para los clientes.
Los hitos más importantes de SINNETIC
Entre los primeros hitos, nuestro invitado menciona que en 2016 la empresa se expandió a México y en 2017, a Perú. Otro de los hitos importantes, es la creación de una aplicación que puede diagnosticar enfermedades de la piel a partir de fotografías de la piel. También han construido sistemas automatizados de gestión de campañas para WhatsApp y han tenido proyectos sociales interesantes, como la detección de riesgo de suicidio en comentarios de Facebook de adolescentes, para hacer intervención temprana. Este último proyecto es relevante para las directrices de la OMS en términos de salud mental debido al comportamiento suicida adolescente.
¿Cuál es el panorama de la ingeniería de precios en el marco inflacionario actual?
El aumento de los precios debido a la inflación está generando preocupación en las empresas por la posible pérdida de ventas. Por lo tanto, se están buscando estrategias de precios basadas en datos y que también permitan a los consumidores tomar mejores decisiones. En el podcast Gabriel menciona tres enfoques principales para la estrategia de precios. Además, se debe considerar la demanda y la oferta, incluyendo el contexto económico y las fluctuaciones de la tasa de cambio
La mayoría de las organizaciones no utilizan métodos científicos para fijar precios, pero es importante hacerlo para encontrar el mejor precio y justificar el valor del producto. La ciencia de datos puede ayudar en esta tarea.
¿Cómo la inteligencia artificial soporta las decisiones de precio?
La inteligencia artificial puede ayudar en la toma de decisiones de precio en diferentes capas.
- La primera capa es la del levantamiento de información, donde los sistemas de scraping son útiles para obtener información de la competencia.
- La segunda capa es la analítica de los datos, donde se utiliza el método científico para analizar el precio y la elasticidad de precio.
- La tercera capa es la generación de sistemas automatizados de recomendación, que permiten variar los precios en función de diferentes factores como el inventario, el costo de importación y la demanda. La inteligencia artificial también ayuda en la simulación de los resultados de las decisiones antes de tomarlas, lo que se llama analítica prescriptiva.
El rol del Data Scientist en campañas de comunicación, mercadeo y publicidad
El mercadeo dejó de ser sólo creatividad y actualmente es una mezcla muy interesante entre creatividad e ingeniería. El nuevo discurso del mercadeo, es una creatividad basada en ingeniería que le ayude al negocio a materializar sus ideas al medirlas, a cuantificarlas y predecir el comportamiento futuro, porque lo que no se mide no se mejora.
Finalmente, el invitado mencionó que su referente principal en ciencia de datos, machine learning y gobierno de datos es el blog de su empresa, SINNETIC, que cuenta con un grupo de investigación y publicaciones. Además, destaca el Journal of Cognitive Psychology como una fuente importante para entender los procesos mentales y emocionales, que son fundamentales para desarrollar sistemas de inteligencia artificial más sofisticados.