{"id":1173,"date":"2020-06-20T15:29:43","date_gmt":"2020-06-20T15:29:43","guid":{"rendered":"https:\/\/apachedigital.io\/?post_type=insight&#038;p=1173"},"modified":"2021-05-31T14:45:22","modified_gmt":"2021-05-31T14:45:22","slug":"como-emplear-la-ciencia-de-datos-en-marketing-digital","status":"publish","type":"insight","link":"https:\/\/apachedigital.io\/en\/insight\/como-emplear-la-ciencia-de-datos-en-marketing-digital\/","title":{"rendered":"C\u00f3mo emplear la Ciencia de Datos en Marketing Digital"},"content":{"rendered":"\n<p>Pero ya he aprendido c\u00f3mo explicar a lo que me dedico, y es de esta forma:&nbsp;<em>\u201cMe dedico a anticiparme en el tiempo para aconsejar a empresas c\u00f3mo deber\u00edan actuar si quieren optimizar sus recursos\u201d<\/em>.<\/p>\n\n\n\n<p>Esta conversaci\u00f3n suele derivar en muchas m\u00e1s preguntas del tipo:<\/p>\n\n\n\n<ul><li>\u00bfY qu\u00e9 puedes predecir?<\/li><li>\u00bfC\u00f3mo lo haces?<\/li><li>\u00bfQu\u00e9 herramientas utilizas?<\/li><li>\u00bfLos resultados son fiables?<\/li><\/ul>\n\n\n\n<p>Por ello, he querido aglutinar todas mis respuestas en este art\u00edculo, para poder resumir todo eso que hacemos los especialistas en datos para que las personas de otros sectores y actividades laborales sean capaces de entender&nbsp;<strong>la potencia de lo que hacemos y de todas las ventajas que podemos llegar a ofrecer en su trabajo.<\/strong><\/p>\n\n\n\n<h2 id=\"0552\"><strong>Predicci\u00f3n de ventas<\/strong><\/h2>\n\n\n\n<p>Los patrones de compra son un claro ejemplo de an\u00e1lisis, de estacionalidad por ejemplo.&nbsp;<strong>Entender los picos de demanda ayudan a la empresa a ofrecer la oferta necesaria para satisfacer la demanda<\/strong>&nbsp;de productos y servicios.<\/p>\n\n\n\n<p>Entendiendo la estacionalidad se pueden optimizar recursos de una forma muy potente, desde ahorro en gastos de inventario hasta refuerzo de plantilla. Esta t\u00e9cnica se lleva haciendo siglos, pero con las nuevas tecnolog\u00edas podemos detectar tendencias ocultas que los algoritmos de Machine Learning nos permiten detectar y predecir, por ejemplo en el negocio de la Bolsa detectar estas tendencias optimiza enormemente la inversi\u00f3n de los Inversores, especialmente de los Traders.<\/p>\n\n\n\n<div class=\"wp-block-image\"><figure class=\"aligncenter size-large\"><img loading=\"lazy\" width=\"447\" height=\"299\" src=\"https:\/\/apachedigital.io\/wp-content\/uploads\/2020\/10\/0_WjZhIveiudrZ6tlT.jpg\" alt=\"Image for post\" class=\"wp-image-1176\" srcset=\"https:\/\/apachedigital.io\/wp-content\/uploads\/2020\/10\/0_WjZhIveiudrZ6tlT.jpg 447w, https:\/\/apachedigital.io\/wp-content\/uploads\/2020\/10\/0_WjZhIveiudrZ6tlT-300x201.jpg 300w\" sizes=\"(max-width: 447px) 100vw, 447px\" \/><\/figure><\/div>\n\n\n\n<p>En el mundo del Marketing Digital nos ayuda a predecir cu\u00e1ndo es el momento ideal para&nbsp;<strong>reforzar nuestras campa\u00f1as de Paid Media y disparar ese ROAs<\/strong>&nbsp;que tan importante es.<\/p>\n\n\n\n<p>Los algoritmos utilizados para detectar estos patrones son los de Regresi\u00f3n que, una vez optimizados con los par\u00e1metros y variables adecuadas, pueden impulsar el rendimiento empresarial de forma exponencial.<\/p>\n\n\n\n<h2 id=\"3f0d\"><strong>Detecci\u00f3n de audiencias<\/strong><\/h2>\n\n\n\n<p>En el mundo del Marketing, tener bien definidos los segmentos de usuarios es muy importante, pero m\u00e1s a\u00fan&nbsp;<strong>encontrar audiencias que nos vayan a ayudar a impulsar nuestras rentabilidades<\/strong>.<\/p>\n\n\n\n<p>Para ello, lo que queremos hacer es detectar a trav\u00e9s de las herramientas de Paid Media cu\u00e1les son las audiencias de usuarios que mayor rentabilidad nos aportan y buscar dentro de nuestro CRM usuarios similares para impactarlos con nuestra publicidad y convertirlos en Leads de calidad.<\/p>\n\n\n\n<p>Es importante tener adem\u00e1s un Lookalike determinado que nos permita encontrar similitudes con un bajo margen de error.<\/p>\n\n\n\n<div class=\"wp-block-image\"><figure class=\"aligncenter size-large\"><img loading=\"lazy\" width=\"372\" height=\"246\" src=\"https:\/\/apachedigital.io\/wp-content\/uploads\/2020\/10\/0_LACxCIjcDMei9yR7.jpg\" alt=\"Image for post\" class=\"wp-image-1178\" srcset=\"https:\/\/apachedigital.io\/wp-content\/uploads\/2020\/10\/0_LACxCIjcDMei9yR7.jpg 372w, https:\/\/apachedigital.io\/wp-content\/uploads\/2020\/10\/0_LACxCIjcDMei9yR7-300x198.jpg 300w\" sizes=\"(max-width: 372px) 100vw, 372px\" \/><\/figure><\/div>\n\n\n\n<p>Para poder detectar estos usuarios, lo ideal es combinar algoritmos de Clustering, como puede ser el K-Means con alguno de Clasificaci\u00f3n, uno que suele funcionar muy bien es el Random Forest Classifier, pero siempre debemos probar varios con hiper par\u00e1metros diferentes para encontrar la precisi\u00f3n y especificidad \u00f3ptimas.<\/p>\n\n\n\n<h2 id=\"6bda\"><strong>Patrones de compra<\/strong><\/h2>\n\n\n\n<p>A la hora de vender productos y servicios, uno de los puntos m\u00e1s importantes es encontrar patrones de compra temporales y patrones de similitud entre usuarios para detectar cu\u00e1les son las caracter\u00edsticas de nuestros clientes potenciales y encontrar usuarios similares para \u201cengancharlos\u201d a nuestros productos.<\/p>\n\n\n\n<p>En este caso, el trabajo ir\u00eda ligado tanto al an\u00e1lisis de datos como a la predicci\u00f3n. Lo ideal ser\u00eda&nbsp;<strong>buscar qu\u00e9 variables son las que m\u00e1s se repiten entre nuestros usuarios y alimentar nuestros algoritmos con estas<\/strong>.<\/p>\n\n\n\n<p>La diferencia entre los patrones de compra y la segmentaci\u00f3n de usuarios es que aqu\u00ed podemos predecir c\u00f3mo usuarios con diferentes caracter\u00edsticas similares comprar\u00e1n o estar\u00e1n m\u00e1s interesados en determinados productos en ciertos momentos.<\/p>\n\n\n\n<p>Aqu\u00ed no solo analizamos la estacionalidad, sino tambi\u00e9n c\u00f3mo un usuario con X caracter\u00edsticas que ha visto Y productos podr\u00e1 estar interesado en los productos Z a cierta hora, lo que que nos ayudar\u00e1 a&nbsp;<strong>crear campa\u00f1as de Paid Media o incluso de Email \/ SMS Marketing para animarle a adquirir nuestros productos o servicios.<\/strong><\/p>\n\n\n\n<p>Aqu\u00ed aplicar\u00edamos una mezcla entre algoritmos de Regresi\u00f3n y Clasificaci\u00f3n para mejorar la potencia de nuestro an\u00e1lisis y predicci\u00f3n, pero este problema tambi\u00e9n ir\u00eda ligado a un potente an\u00e1lisis manual por parte de los analistas.<\/p>\n\n\n\n<h2 id=\"c826\"><strong>Churn de usuarios<\/strong><\/h2>\n\n\n\n<p><strong>Se estima que conseguir a un cliente nuevo cuesta diez veces m\u00e1s que mantener a uno fiel,&nbsp;<\/strong>y por eso es tan importante mantener a los clientes que ya tenemos, cuidarlos deber\u00eda ser una de las prioridades de toda empresa.<\/p>\n\n\n\n<p>Por eso conocer el Churn es tan importante. Como ya sabemos, el Customer Churn es el momento en que un usuario deja de utilizar nuestros productos o servicios, b\u00e1sicamente lo perdemos.<\/p>\n\n\n\n<p>Entendi\u00e9ndolo y analiz\u00e1ndolo de forma activa, seremos capaces de predecir qu\u00e9 usuarios van a caer y cu\u00e1ndo lo van a hacer, aportandonos margen de maniobra para ofrecerles alg\u00fan descuento u oferta o reforzar las acciones que se realicen con \u00e9l. Adem\u00e1s, conociendo este churn, podremos detectar patrones y similitudes entre las caracter\u00edsticas de estos usuarios para predecirlo con mayor precisi\u00f3n a medida que vayamos avanzando en el tiempo.<\/p>\n\n\n\n<div class=\"wp-block-image\"><figure class=\"aligncenter size-large\"><img loading=\"lazy\" width=\"700\" height=\"361\" src=\"https:\/\/apachedigital.io\/wp-content\/uploads\/2020\/10\/0_6_cJBVblf6mYTDpT.jpg\" alt=\"Image for post\" class=\"wp-image-1180\" srcset=\"https:\/\/apachedigital.io\/wp-content\/uploads\/2020\/10\/0_6_cJBVblf6mYTDpT.jpg 700w, https:\/\/apachedigital.io\/wp-content\/uploads\/2020\/10\/0_6_cJBVblf6mYTDpT-300x155.jpg 300w\" sizes=\"(max-width: 700px) 100vw, 700px\" \/><\/figure><\/div>\n\n\n\n<p>L<strong>a mejor forma de estimar el Customer Churn es utilizando una Churn Probability, donde cada registro tendr\u00e1 esta probabilidad que ir\u00e1 cambiando en un horizonte temporal,<\/strong>&nbsp;donde veremos c\u00f3mo aumenta o disminuye esa probabilidad en funci\u00f3n de los d\u00edas que hayan pasado.<\/p>\n\n\n\n<p>Para ello, lo ideal es realizar una combinaci\u00f3n de algoritmos de Regresi\u00f3n con algoritmos de Clasificaci\u00f3n. En estos proyectos suele funcionar muy bien la Regresi\u00f3n Log\u00edstica como algoritmo de Clasificaci\u00f3n. Adem\u00e1s, podr\u00edamos representar este Churn tras la predicci\u00f3n con una tabla de Cohortes donde visualmente ver\u00edamos los porcentajes.<\/p>\n\n\n\n<h2 id=\"82c1\"><strong>Predicci\u00f3n de qu\u00e9 productos comprar\u00e1 un usuario<\/strong><\/h2>\n\n\n\n<p>Uno de los aspectos m\u00e1s beneficiosos es el de predecir qu\u00e9 tipo de productos comprar\u00e1 un usuario en concreto.<\/p>\n\n\n\n<p>Los supermercados y centros comerciales realizan inferencias a trav\u00e9s del carrito de la compra, una vez que sabemos qu\u00e9 productos est\u00e1n comprando los usuarios podremos predecir el Cross-Selling.<\/p>\n\n\n\n<p>Esto es muy potente para recomendar productos en los e-commerce y&nbsp;<strong>animar a los usuarios para que compren \u201ccomplementos\u201d a los productos que est\u00e1n adquiriendo en el momento.<\/strong><\/p>\n\n\n\n<p>Para este tipo de proyectos podemos utilizar Redes Neuronales o algoritmos tradicionales basados en reglas de asociaci\u00f3n, como el Apriori o Eclat.<\/p>\n\n\n\n<h2 id=\"a9f7\"><strong>Predecir qu\u00e9 Lead se convertir\u00e1 en cliente<\/strong><\/h2>\n\n\n\n<p>A d\u00eda de hoy, el TeleMarketing sigue siendo uno de los canales offline m\u00e1s poderosos dentro del Marketing.<\/p>\n\n\n\n<p><strong>Pero los Call Center se enfrentan a un problema creciente, y es el de la gran cantidad de datos que se les suministra, lo cual puede generar la famosa \u201cpar\u00e1lisis por an\u00e1lisis\u201d<\/strong>&nbsp;donde los trabajadores no saben entre tanto Lead a cual atacar y a cual no.<\/p>\n\n\n\n<p>Para ello, los Cient\u00edficos de Datos podemos predecir con cierto margen de error a qu\u00e9 usuarios deber\u00eda impactar cada trabajador y cu\u00e1les de ellos ser\u00e1n m\u00e1s proclives a convertirse en clientes.<\/p>\n\n\n\n<blockquote class=\"wp-block-quote\"><p><strong>Pod\u00e9is ver m\u00e1s informaci\u00f3n sobre c\u00f3mo realizamos esto aqu\u00ed:&nbsp;<\/strong><a href=\"https:\/\/medium.com\/apache-digital\/machine-learning-para-mejorar-la-captaci%C3%B3n-de-leads-68ce6fa2092c\"><strong><em>Machine Learning para mejorar la captaci\u00f3n de Leads<\/em><\/strong><\/a><\/p><\/blockquote>\n\n\n\n<p>Adem\u00e1s, recalco la importancia de conocer a los trabajadores del Call Center, ya que cada uno por su personalidad o entorno tendr\u00e1 mayor facilidad para impactar a usuarios con ciertas caracter\u00edsticas y no a otros.<\/p>\n\n\n\n<p><strong>Compararemos los clientes actuales con los posibles clientes para sacar patrones y \u201cbolsas\u201d de posibles Leads<\/strong>, adem\u00e1s con los algoritmos de clasificaci\u00f3n podremos predecir con qu\u00e9 Lead deber\u00eda contactar cada trabajador en funci\u00f3n de sus caracter\u00edsticas personales.<\/p>\n\n\n\n<p>La mejor alternativa para realizar esto es combinar algoritmos de Clasificaci\u00f3n con algoritmos de Clustering, que vayan siendo actualizados y alimentados cada d\u00eda con los resultados de cada llamada y asignar ciertas reglas que lleven a cada \u201cbolsa\u201d de usuarios al trabajador m\u00e1s acorde.<\/p>\n\n\n\n<h2 id=\"9a24\"><strong>Sistemas de recomendaci\u00f3n personalizados<\/strong><\/h2>\n\n\n\n<p>Muy similar a la predicci\u00f3n de qu\u00e9 producto comprar\u00e1 cada usuario.&nbsp;<strong>Lo que nos interesa es predecir el gusto del usuario y su tendencia en funci\u00f3n de sus preferencias actuales<\/strong>, para poder impactarle con productos acorde a sus gustos.<\/p>\n\n\n\n<p>Una de las empresas que mejor utiliza este sistema es Netflix con su recomendador web, muchas webs tambi\u00e9n tienen un motor de recomendaci\u00f3n que va mostrando a los usuarios en la secci\u00f3n de recomendaciones productos que encajen con su gusto.<\/p>\n\n\n\n<div class=\"wp-block-image\"><figure class=\"aligncenter size-large\"><img loading=\"lazy\" width=\"575\" height=\"400\" src=\"https:\/\/apachedigital.io\/wp-content\/uploads\/2020\/10\/0_4ZybKtAo4_J0qhCC.jpg\" alt=\"Image for post\" class=\"wp-image-1182\" srcset=\"https:\/\/apachedigital.io\/wp-content\/uploads\/2020\/10\/0_4ZybKtAo4_J0qhCC.jpg 575w, https:\/\/apachedigital.io\/wp-content\/uploads\/2020\/10\/0_4ZybKtAo4_J0qhCC-300x209.jpg 300w\" sizes=\"(max-width: 575px) 100vw, 575px\" \/><\/figure><\/div>\n\n\n\n<p>Podemos utilizar un Content Based Filtering y la similitud del coseno para implantar la predicci\u00f3n y&nbsp;<strong>realizar recomendaciones adecuadas para mejorar la experiencia del usuario y optimizar nuestros recursos<\/strong>.<\/p>\n\n\n\n<h2 id=\"b649\"><strong>Optimizaci\u00f3n de la inversi\u00f3n publicitaria<\/strong><\/h2>\n\n\n\n<p>Este apartado es pr\u00e1cticamente repetir varios de los apartados anteriores. Pero considero muy importante comprender la potencia de aplicar t\u00e9cnicas de Machine Learning en la optimizaci\u00f3n de la inversi\u00f3n publicitaria.<\/p>\n\n\n\n<p>Al final trabajamos con un presupuesto fijo o variable, el cual nos interesa que saque la mayor rentabilidad posible si trabajamos en campa\u00f1as de Performance.<\/p>\n\n\n\n<p>Para conseguirlo deberemos aplicar nuestras predicciones, para&nbsp;<strong>impactar a los usuarios con mayor probabilidad de convertirse en Leads o convertir, aplicando a la par algoritmos de regresi\u00f3n para predecir los momentos id\u00f3neos para lanzar esta publicidad, sabiendo qu\u00e9 soporte ser\u00e1 el m\u00e1s \u201c\u00f3ptimo\u201d en ese momento y alternando esta publicidad en el horizonte temporal entre diferentes soportes y audiencias de usuarios<\/strong>.<\/p>\n\n\n\n<p>Incluso ir\u00edamos m\u00e1s all\u00e1, una vez analizados estos temas comenzamos a analizar el Feedback generado por los usuarios utilizando Procesamiento de Lenguaje Natural para comenzar a pivotar mensajes e im\u00e1genes para buscar la polaridad positiva y un sentimiento positivo en nuestra comunidad de usuarios y clientes.<\/p>\n\n\n\n<h2 id=\"4595\"><strong>Modelos de atribuci\u00f3n<\/strong><\/h2>\n\n\n\n<p>Uno de los grandes desaf\u00edos en el mundo del Marketing Digital es el de averiguar a qu\u00e9 canal pertenece cada conversi\u00f3n.<\/p>\n\n\n\n<p>Un usuario puede haber entrado a ver un producto a trav\u00e9s de tr\u00e1fico org\u00e1nico, directo, de pago, de referencia, de redes sociales\u2026 Pero,&nbsp;<strong>\u00bfcu\u00e1l ha sido el que ha derivado en la conversi\u00f3n?<\/strong><\/p>\n\n\n\n<p>Habitualmente se utilizar\u00eda un Modelo de atribuci\u00f3n de Last click donde la conversi\u00f3n se asignar\u00eda al \u00faltimo canal por el que ha entrado el usuario pero, como saben mis compa\u00f1eros de sector, eso es algo bastante injusto, ya que le estamos quitando un peso importante a los dem\u00e1s canales.<\/p>\n\n\n\n<p>A d\u00eda de hoy, no hay una f\u00f3rmula perfecta para ello, pero hay ciertos algoritmos que ayudan a acercarse mucho a la realidad del peso de cada canal, el principal a d\u00eda de hoy es el Modelo de las Cadenas de Markov donde jugaremos con las probabilidades condicionadas de los eventos con un proceso estoc\u00e1stico discreto.<\/p>\n\n\n\n<div class=\"wp-block-image\"><figure class=\"aligncenter size-large\"><img loading=\"lazy\" width=\"285\" height=\"352\" src=\"https:\/\/apachedigital.io\/wp-content\/uploads\/2020\/10\/0_CJc4KIf-6v8kDsDd.jpg\" alt=\"Image for post\" class=\"wp-image-1184\" srcset=\"https:\/\/apachedigital.io\/wp-content\/uploads\/2020\/10\/0_CJc4KIf-6v8kDsDd.jpg 285w, https:\/\/apachedigital.io\/wp-content\/uploads\/2020\/10\/0_CJc4KIf-6v8kDsDd-243x300.jpg 243w\" sizes=\"(max-width: 285px) 100vw, 285px\" \/><\/figure><\/div>\n\n\n\n<p>Este modelo es frecuente encontrarlo en meteorolog\u00eda e incluso en bolsa, donde ha llegado a dar&nbsp;<strong>muy buenos resultados si la metodolog\u00eda adecuada es la correcta<\/strong>.<\/p>\n\n\n\n<h2 id=\"9e26\"><strong>Contenido adaptado para mejorar la experiencia del usuario<\/strong><\/h2>\n\n\n\n<p>El contenido que nos encontramos en internet, el estilo de las p\u00e1ginas webs, la distribuci\u00f3n de los botones, la distribuci\u00f3n de los supermercados\u2026 Todos estos puntos no son casuales, a lo largo de los a\u00f1os ha habido alguien enfocado en la experiencia de usuario que ha ido dando recomendaciones de c\u00f3mo deber\u00eda ser este contenido, distribuci\u00f3n o incluso dise\u00f1o.<\/p>\n\n\n\n<p>Pero&nbsp;<strong>los Cient\u00edficos de Datos podemos aportar soluciones adicionales y cuanto menos creativas.<\/strong><\/p>\n\n\n\n<p><strong>Uno de los datos m\u00e1s importantes es el feedback que generan los seguidores y clientes<\/strong>, a d\u00eda de hoy es un fil\u00f3n debido a que hay millones de usuarios interactuando d\u00eda a d\u00eda en las redes sociales, portales de opini\u00f3n y recomendaci\u00f3n, correo electr\u00f3nico, llamadas telef\u00f3nicas (a cliente)\u2026<\/p>\n\n\n\n<p>Con las t\u00e9cnicas y herramientas adecuadas, somos capaces de extraer esta informaci\u00f3n, limpiarla, clasificarla y visualizarla para ver la polaridad y el sentimiento que genera el feedback de los usuarios en cada producto y topic, aport\u00e1ndonos&nbsp;<strong>la capacidad de pivotar estrategias de Marketing para quitar lo que genera feedback negativo y reforzar lo que genera feedback positivo<\/strong>.<\/p>\n\n\n\n<div class=\"wp-block-image\"><figure class=\"aligncenter size-large\"><img loading=\"lazy\" width=\"506\" height=\"408\" src=\"https:\/\/apachedigital.io\/wp-content\/uploads\/2020\/10\/0_Wfu3_kyuklwHPs64.jpg\" alt=\"Image for post\" class=\"wp-image-1186\" srcset=\"https:\/\/apachedigital.io\/wp-content\/uploads\/2020\/10\/0_Wfu3_kyuklwHPs64.jpg 506w, https:\/\/apachedigital.io\/wp-content\/uploads\/2020\/10\/0_Wfu3_kyuklwHPs64-300x242.jpg 300w\" sizes=\"(max-width: 506px) 100vw, 506px\" \/><\/figure><\/div>\n\n\n\n<p>Para ello, podemos utilizar algoritmos de Procesamiento de Lenguaje Natural que, combinados con otros algoritmos de Machine Learning como el Clustering y Clasificaci\u00f3n, nos pueden aportar todos estos insights que tan beneficiosos son para mejorar la rentabilidad del negocio.<\/p>\n\n\n\n<h2 id=\"dc1f\"><strong>Segmentaci\u00f3n de usuarios<\/strong><\/h2>\n\n\n\n<p>Algo de lo que hemos hablado durante todo el art\u00edculo es sobre el Clustering o Segmentaci\u00f3n de usuarios.<\/p>\n\n\n\n<p>Cuando tenemos una base de datos de clientes, nos interesa conocer los segmentos o clusters que poseemos. Estos clusters se generan por similitudes seg\u00fan las variables y caracter\u00edsticas de cada usuario.<\/p>\n\n\n\n<p><strong>Agrupando a los Leads o clientes en grupos seremos capaces de orientar campa\u00f1as de Marketing a cada grupo o focalizar esfuerzos en clusters diferentes en funci\u00f3n de la estacionalidad.<\/strong><\/p>\n\n\n\n<p>Las posibilidades son infinitas, por eso es uno de los m\u00e9todos m\u00e1s \u00fatiles.<\/p>\n\n\n\n<p>Los algoritmos utilizados ser\u00e1n de Clustering y de forma m\u00e1s espec\u00edfica depender\u00e1 del tipo de variables que poseamos, pudiendo utilizar K-Means, DBSCAN, K-Medoids, AGNES\u2026<\/p>\n\n\n\n<div class=\"wp-block-image\"><figure class=\"aligncenter size-large\"><img loading=\"lazy\" width=\"655\" height=\"377\" src=\"https:\/\/apachedigital.io\/wp-content\/uploads\/2020\/10\/0_cgbTFKOjd254rTtB.jpg\" alt=\"Image for post\" class=\"wp-image-1188\" srcset=\"https:\/\/apachedigital.io\/wp-content\/uploads\/2020\/10\/0_cgbTFKOjd254rTtB.jpg 655w, https:\/\/apachedigital.io\/wp-content\/uploads\/2020\/10\/0_cgbTFKOjd254rTtB-300x173.jpg 300w\" sizes=\"(max-width: 655px) 100vw, 655px\" \/><\/figure><\/div>\n\n\n\n<p>Ahora que he explicado una gran parte de las posibilidades que ofrece la Ciencia de Datos y el Machine Learning en el Marketing Digital, espero que a las personas que no est\u00e1n metidas en este sector le quede claro lo que podemos ofrecer los Especialistas en Datos y que aquellos que s\u00ed lo est\u00e1n pueden extraer alguna idea de entre los puntos narrados.<\/p>\n\n\n\n<p>Mi gran pasi\u00f3n es el mundo de los Datos y es incre\u00edble todo lo que podemos aportar en todos los departamentos empresariales y sectores del mundo de la empresa, salud, cient\u00edfico, militar\u2026<\/p>\n\n\n\n<p>Lo mejor de todo es que esto no ha hecho m\u00e1s que empezar, con el surgimiento del Deep Learning van apareciendo nuevas aplicaciones y herramientas que nos van a permitir realizar acciones y actividades que ni siquiera se nos pasan por la mente a d\u00eda de hoy.<\/p>\n\n\n\n<p><em>\u00bfTe interesa conocerlas? En APACHE DIGITAL nos mantenemos a la \u00faltima d\u00eda a d\u00eda para poder ofrecer a nuestros clientes las tecnolog\u00edas m\u00e1s disruptivas del mercado para ayudarles a optimizar sus recursos, incrementar sus ventas y por supuesto divertirnos.<\/em><\/p>\n","protected":false},"author":5,"featured_media":1174,"template":"","category_insight":[57],"_links":{"self":[{"href":"https:\/\/apachedigital.io\/en\/wp-json\/wp\/v2\/insight\/1173"}],"collection":[{"href":"https:\/\/apachedigital.io\/en\/wp-json\/wp\/v2\/insight"}],"about":[{"href":"https:\/\/apachedigital.io\/en\/wp-json\/wp\/v2\/types\/insight"}],"author":[{"embeddable":true,"href":"https:\/\/apachedigital.io\/en\/wp-json\/wp\/v2\/users\/5"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/apachedigital.io\/en\/wp-json\/wp\/v2\/media\/1174"}],"wp:attachment":[{"href":"https:\/\/apachedigital.io\/en\/wp-json\/wp\/v2\/media?parent=1173"}],"wp:term":[{"taxonomy":"category_insight","embeddable":true,"href":"https:\/\/apachedigital.io\/en\/wp-json\/wp\/v2\/category_insight?post=1173"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}