En un artículo de la revista Harvard Business Review, John Zealley, Robert Wollan, y Joshua Bellin nos muestran cómo la realidad es en gran medida contextual.
Una persona manifiesta contextos: un mismo individuo no compra lo mismo entre semana que un fin de semana. Tampoco en viaje
de trabajo o veraneando con su familia. Se trata, por tanto, de abandonar modelos basados en el “impacto” y abrazar los basados en la relación contextual. Y aquí, obviamente, disponer de una adecuada estrategia de datos que permita conocer al consumidor y explotar de forma relevante esa información a través de técnicas de analítica avanzada es más importante que nunca para empresas y organizaciones.
Uno de los campos que más interesantes en inteligencia artificial es el de los sistemas de recomendación (tecnología de personalización utilizada por Amazon, Spotify, Netflix o Tinder).
Los consumidores, a la hora de seleccionar un producto o servicio, se enfrentan a un gran número de alternativas. En tal medida que, en muchas ocasiones, no logran decidirse, al quedar atrapados entre tanta opción en una parálisis por análisis.
Nuestro cerebro intenta optimizar la elección comparando cada uno de los elementos, pero la complejidad de la tarea puede llegar a ser tan compleja (teniendo en cuenta el razonable tiempo disponible dedicado a ella) que nos puede acabar bloqueando. Ahí es donde el Big Data ayuda a las empresas a evitar la pérdida de ventas a consecuencia de ese bloqueo.
Un sistema de recomendación recibe información del usuario, de los productos y/o servicios en los que está interesado y le recomienda aquellos cercanos a sus preferencias y necesidades. Estas herramientas generan recomendaciones sobre un determinado objeto a partir de las preferencias y opiniones dadas por los usuarios.