Inteligencia Artificial en el mundo de la meteorología
Artículo realizado por Fabián González.
Ya en 2009 hablábamos aquí de la tercera revolución de la Meteorología, de internet y de cómo los desarrollos tecnológicos iban a permitir que las empresas pudieran prestar un mejor servicio. En los 7 años transcurridos desde esas reflexiones la tecnología ha evolucionado a pasos agigantados, y a día de hoy todo apunta a que el reto de Internet en el corto plazo es la personalización, la contextualización de la experiencia de usuario. Sin embargo, el objetivo sigue siendo el mismo que entonces: Optimizar la oferta de servicios para incrementar la conversión.
Esto, que puede resultar un tanto complejo conceptualmente, en el fondo trata de trasladar los conocimientos de un buen agente de viajes tradicional (sirva como ejemplo de buen comercial) adquiridos a través de una dilatada experiencia, al entorno online. Pero más rápido. Mucho más; debido a los desarrollos tecnológicos ya disponibles derivados del creciente interés de las grandes corporaciones por conseguir replicar el comportamiento cognitivo humano, con el fin de poder reconocer un patrón de cliente y adaptar la oferta, el contenido, a cada usuario individual antes incluso de que la busque. Es cuestión de experiencia acumulada y mucha capacidad de observación.
Desde el punto de vista más técnico, en digitalmeteo lo hemos resuelto de la siguiente forma. Travel Meteocast es un desarrollo tecnológico basado en un modelo de detección de patrones con capacidad de autoaprendizaje (learning machines) a medida que es alimentada con más información (Big Data).
El algoritmo, de desarrollo propio, trabaja con información real de las búsquedas o compras realizadas en una plataforma online, y los registros históricos de cada una de las ubicaciones donde se realizaron cada una de esas búsquedas o compras, ofreciendo como resultado la predicción de futuros comportamientos basándose en las mismas variables, probabilidad de búsqueda y conversión en función de un contexto específico, exista o no un registro con los mismos valores en su histórico. Al ir alimentando al sistema con nuevos comportamientos comprobados, detecta automáticamente los posibles nuevos patrones y rectifica los ya existentes para reducir las desviaciones e incrementar la fiabilidad de las predicciones. El algoritmo analizará todas las variables de las que disponga la plataforma, más el histórico meteorológico global del que disponemos nosotros.
Este algoritmo, corazón de la API, está basado en dos tipos de algoritmos matemáticos:
- Un modelo de regresiones matemáticas
- Un modelo de categorización, o Distribución de Bernuilli.
El algoritmo, como todos los ejercicios matemáticos, necesita una cantidad mínima de datos (muestra) para poder ofrecer resultados concluyentes, por lo que cuanto mayor sea la muestra, mayor será la precisión de los resultados.
Una vez que se conoce el comportamiento del usuario en cada situación meteorológica, y teniendo en cuenta las previsiones para los próximos días, se abre un mundo de posibilidades para optimizar procesos gracias a una contextualización de la experiencia. Desde algo tan básico como un banner u optimizar el SEM o el SMM, hasta una adaptación total del contenido para cada usuario en base a sus preferencias; como si cada usuario de internet fuera un cliente habitual. Nosotros, al menos, estamos trabajando en esa línea, y ya somos capaces de reconocer a cada cliente. Ahora sólo nos queda enseñar a nuestro “agente de viajes” las técnicas de venta para que pueda lanzarse a vender por sí mismo.
