¿Produce su empresa contenido original y cautivador? ¿Trabaja en publicaciones, publicidad o marketing? ¿Cree que sabe exactamente lo que sus seguidores esperan de su contenido? ¿Son sus estrategias lo suficientemente efectivas como para animar a sus lectores a presionar el botón de llamada a la acción?

Está bien. Si puede responder solo la mitad de las preguntas, ya es hora de recurrir a asesores. Y aquí estamos para mostrarle el camino hacia ellos.
Déjenos decirle que no hay nada más importante para los medios de comunicación que mantener a sus lectores y suscriptores comprometidos. Y para hacerlo, si trabaja en la industria de los medios, es obligatorio que su equipo preste atención a lo que sus usuarios normalmente buscan y qué los motiva a tomar esa decisión. Una vez que se familiarice con su comportamiento, nunca volverá a cuestionar los resultados de su contenido.

Estamos seguros de que un software de alta calidad es la respuesta a todas sus preguntas. Gracias al aprendizaje automático, hoy en día es posible anticipar el comportamiento y las preferencias de sus usuarios. En otras palabras, incluso antes de invertir tiempo y esfuerzo en publicar contenido y esperar la reacción de su audiencia, ya debe estar seguro del éxito de sus campañas de antemano. Si encuestara a cada lector, no obtendría datos tan genuinos como los que obtiene cuando los recoge de una herramienta de software que obtiene esa información confiable de mapas de viajes de usuario auténticos.

Dejemos de rodeos porque, en este momento, debe preguntarse cómo obtener esos datos, establecer expectativas realistas y maximizar la satisfacción de sus usuarios. Darwoft, una de las principales empresas de desarrollo de software en Portland, puede hacerlo posible mediante el uso de modelos de aprendizaje automático. Primero que nada, definamos el aprendizaje automático.

¿Qué es el aprendizaje automático?

Cuando hablamos de aprendizaje automático, nos referimos a una de las ramas de la inteligencia artificial y la ciencia de datos. Este no es un término completamente nuevo. De hecho, data de la década de 1950.

Los sistemas de inteligencia artificial se entrenan para realizar tareas realmente complejas imitando el comportamiento humano. Como resultado, se puede decir que ahorra tiempo y esfuerzo, especialmente cuando hay tareas que van más allá de las capacidades humanas. Los algoritmos aplicados al modelo de aprendizaje automático son capaces de guardar una gran cantidad de datos que serán utilizados por los mismos algoritmos en un futuro cercano. Si el modelo necesita resolver un nuevo problema, encontrará la respuesta adecuada siguiendo patrones aprendidos previamente. Dicho de otra manera, la máquina procesa la información recibida y aprende de eso para predecir el comportamiento del usuario.

Esto fue exactamente una de las tareas más desafiantes que tuvo que realizar nuestro equipo, ya que eran responsables de enseñar a un modelo de aprendizaje automático cómo leer los datos obtenidos de un portal de noticias y, en consecuencia, entender y categorizar esa información de manera precisa.

Continúe leyendo si desea saber más sobre este proyecto. 👇

Alcance del Proyecto

La misión era diseñar, crear y entregar un análisis detallado del comportamiento del usuario y una plataforma de predicción que pudiera ingerir información sobre el comportamiento de los usuarios desde un script en el portal de noticias del cliente.

Por un lado, interpretar el conjunto de acciones y patrones que los lectores muestran cuando revisan las últimas noticias permite que el portal de noticias obtenga datos fiables sobre el número de registros comunes, suscripciones y bajas. Por otro lado, basándose en el estado de suscripción de los lectores y el análisis adecuado de su interacción con el producto y las tendencias en tiempo real, el equipo de Darwoft podría segmentar a los seguidores, agrupándolos de acuerdo a un conjunto completo de tableros y widgets.

Además, este esfuerzo para reunir los datos existentes, analizarlos y segmentar la comunidad digital de lectores representa un beneficio a largo plazo para nuestros clientes, ya que podrán usar esta plataforma cuantitativamente. En otras palabras, estarán listos para hacer comparaciones entre meses y analizar los resultados gracias a la información histórica que han recopilado sobre sus usuarios, quienes pueden haber mantenido, actualizado o cancelado su suscripción. Una vez que nuestros expertos en servicios de software pudieran rastrear este tipo de información, podrían crear modelos que sirvan para encontrar patrones, predecir el comportamiento futuro de los suscriptores y categorizar a cada usuario en función de su lealtad y riesgo de baja.

Desafío: Análisis Histórico y en Tiempo Real

El equipo tuvo que lograr dos hitos. Inicialmente, el equipo necesitaba trabajar en la definición del producto para tener un producto mínimamente viable en seis meses. Luego, el equipo tuvo que cumplir con los plazos y mostrar progreso.

Como Darwoft trabaja con Métodos Ágiles, en los cuales la flexibilidad y la iteración son dos elementos clave, priorizamos mostrar a nuestros clientes cada paso del proceso de trabajo, para que siempre tuvieran la oportunidad de ver el trabajo en progreso y hacer cambios cuando fuera necesario.

Estos hitos, establecidos desde el principio, definieron el rumbo del proyecto y la hoja de ruta del producto. Necesitábamos estar muy despiertos y pensar en el principal desafío de nuestro cliente, que era encontrar una forma fácil y comprensible de gestionar datos históricos y en tiempo real mientras mantenía un gran rendimiento.

Entonces, ¿qué hizo Darwoft?
 

Enfoque a Gran Escala de Darwoft

Darwoft creó una plataforma para analizar y predecir el comportamiento del suscriptor hacia los medios digitales en función de modelos de suscripción. Para hacerlo, Darwoft llevó a cabo un proceso de Desarrollo de MVP.

1. El comienzo del proyecto es compartir una visión empresarial común dentro del equipo. Se realizó un inicio el primer día del proyecto para compartir la visión empresarial común del producto y el objetivo: Predecir el comportamiento futuro del lector para aumentar el número de suscripciones y reducir el riesgo de baja mientras se maximiza la lealtad de los usuarios.

2. Durante el primer mes, cuando comenzó el proceso de Descubrimiento del Producto, el enfoque se centró principalmente en diseño UX y arquitectura. Analizar posibles competidores y aplicaciones similares fomentó una discusión para comprender el valor diferencial de la aplicación mientras ayudaba a aclarar el concepto. Estas reuniones fueron fundamentales para los arquitectos senior de Darwoft, ya que tuvieron que crear un Pipeline de Infraestructura, una Hoja de Ruta Técnica y un Mapa de Funcionalidades para priorizar funciones orientadas al cliente y al cliente basadas en los usos del cliente final.

3. Después de que el flujo de la experiencia de la aplicación se definió completamente, Darwoft asignó un equipo que incluía al diseñador UX, así como a un gerente de proyecto y un líder técnico senior, para finalizar el diseño arquitectónico y la plataforma subyacente. El equipo pasó tres meses trabajando en el desarrollo, que terminó en la primera versión del producto que cumplió con las expectativas del primer hito. Una vez que se recopiló toda la información sobre el comportamiento del usuario, se crearon y probaron los primeros modelos de aprendizaje automático.

4. Una vez alcanzado el primer hito, Darwoft se centró en los widgets y tableros que debían presentar los datos a los distintos usuarios. El equipo de Darwoft trabajó siguiendo la definición realizada en el prototipo de alta fidelidad. Después de eso, se publicó una nueva versión del producto, con la funcionalidad para todos los perfiles de usuario definidos.
    

Soluciones Presentadas por el Equipo de Darwoft

Después del proceso de descubrimiento, el primer objetivo fue recopilar todos los posibles datos sobre los lectores y su comportamiento. Necesitábamos poder responder a las siguientes preguntas:

• ¿Qué secciones suelen leer?

• ¿Qué temas les interesan?

• ¿Qué tipo de artículos les gustan más?

• ¿Prefieren leer un artículo o ver un video?

• ¿A qué hora leen las noticias?

• ¿Qué dispositivo utilizan para leer o registrarse?

Teniendo en cuenta esta solicitud, Darwoft desarrolló un plugin de JavaScript capaz de rastrear el comportamiento de los usuarios del portal de noticias y almacenar esa información en un conjunto de bases de datos optimizadas por Analítica y Aprendizaje Automático. Además, Darwoft creó integraciones entre la nueva plataforma y el sistema de gestión del cliente, importando información sobre suscriptores, planes de suscripción, notas, temas y toda la información relacionada con la gestión de suscriptores.

El mes siguiente, Darwoft desarrolló un conjunto de tableros para presentar la analítica y la información a los editores y usuarios de marketing, de acuerdo con los diseños definidos durante la fase de Descubrimiento del Producto. En ese momento, se estaba recopilando toda la información sobre el comportamiento de los usuarios, creando una base de datos que era esencial para los modelos de aprendizaje automático.

Después de un tiempo recopilando datos, Darwoft creó un modelo de aprendizaje automático que clasifica a lectores y suscriptores en diferentes grupos de acuerdo con sus características e interacciones y proporciona predicciones de comportamiento futuro después de haber estudiado su actividad, lealtad y riesgo de baja.

Tener esta información ayudó a crear un calendario de publicaciones más ambicioso adaptado a cada grupo de lectores y programas de fidelización más exclusivos destinados a aumentar las tasas de suscripción y, al mismo tiempo, reducir la cancelación.

Con los modelos funcionando y procesando información todos los días, Darwoft estaba listo para presentar los resultados en un conjunto de tableros para usuarios de marketing y editores.

Ahora, los equipos de marketing y editorial pueden entender el comportamiento de su audiencia, qué tipo de contenido es el más adecuado para ellos y cómo interactuar con ellos.

¿Le gustaría saber cómo sus lectores interactúan con su contenido?

¡Contáctenos!