Cómo Coca-Cola utiliza la inteligencia artificial para mantenerse en la cima del mercado de refrescos

Como la compañía de bebidas más grande del mundo, Coca-Cola sirve más de 1.9 mil millones de bebidas por día, en más de 500 marcas, incluidas Diet Coke, Coke Zero, Fanta, Sprite, Dasani, Powerade, Schweppes y Minute Maid.

El big data y la inteligencia artificial (IA) impulsan todo lo que hace el negocio: el director global de innovación digital, Greg Chambers, dijo : “La inteligencia artificial es la base de todo lo que hacemos. Creamos experiencias inteligentes. La inteligencia artificial es el núcleo que potencia esa experiencia ”.

¿Qué problema está ayudando a resolver la Inteligencia Artificial?

La comercialización de bebidas no alcohólicas en todo el mundo no es un “asunto único”. Los productos de Coca-Cola se comercializan y venden en más de 200 países.

En cada uno de estos mercados hay diferencias locales en cuanto a sabores, contenido de azúcar y calorías, preferencias de comercialización y competidores que enfrenta la marca.

Esto significa que para mantenerse en la cima del juego en cada territorio, debe recopilar y analizar enormes cantidades de datos de distintas fuentes para determinar cuál de sus 500 marcas es probable que sea bien recibida. El sabor de sus marcas más conocidas incluso diferirá de un país a otro, y entender estas preferencias locales es una tarea sumamente compleja.

¿Cómo se usa la Inteligencia Artificial en la práctica?

Coca-Cola sirve una gran cantidad de sus bebidas todos los días a través de máquinas expendedoras. En las máquinas más nuevas, normalmente el cliente interactuará a través de una pantalla táctil, lo que les permitirá seleccionar el producto que desean e incluso personalizarlo con “disparos” de diferentes sabores. La compañía ha comenzado a equipar estas máquinas con algoritmos AI, lo que les permite promocionar bebidas y sabores que tienen mayor probabilidad de ser bien recibidos en los lugares específicos donde se instalan.

Las máquinas expendedoras pueden incluso alterar su “estado de ánimo” según el lugar donde se encuentren, con máquinas en un centro comercial que muestran una persona colorida y divertida, aquellas en un gimnasio más enfocadas en lograr un rendimiento y aquellas en un hospital que parecen ser más funcionales.

Coca-Cola también utiliza la inteligencia artificial para analizar las redes sociales y entender dónde, cuándo y cómo a sus clientes les gusta consumir sus productos, así como qué productos son populares en localidades particulares. Con más del 90% de los consumidores que toman decisiones de compra basadas en el contenido de las redes sociales , comprender cómo sus miles de millones de clientes están discutiendo e interactuando con la marca en plataformas como Facebook, Twitter e Instagram es esencial para su estrategia de marketing. Para hacer esto, Coca-Cola analizó el compromiso con más de 120,000 piezas de contenido social para comprender la demografía y el comportamiento de sus clientes y los que discuten los productos.

Otra aplicación de AI fue asegurar la prueba de compra de los esquemas de lealtad y recompensa de la compañía. Cuando se pidió a los clientes que ingresaran manualmente códigos de productos de 14 dígitos impresos en tapas de botellas en sitios web y aplicaciones para verificar sus compras, la aceptación fue comprensiblemente baja debido a la naturaleza difícil de manejar de la operación.

Para alentar a más clientes a involucrarse con estos esquemas, Coca-Cola trabajó para desarrollar una tecnología de reconocimiento de imágenes que permita verificar las compras tomando una sola foto de teléfono inteligente.

¿Qué tecnología, herramientas y datos fueron utilizados?

Coca-Cola recopila datos sobre las preferencias de bebidas locales a través de las interfaces en sus máquinas expendedoras de pantalla táctil, más de 1 millón de ellas están instaladas solo en Japón.

Para comprender cómo se discuten y comparten sus productos en las redes sociales, la compañía ha establecido 37 “centros sociales” para recopilar datos y analizarlos para obtener información sobre el uso de la plataforma Salesforce. El objetivo es crear más contenido que se demuestre que es efectivo para generar un compromiso positivo. En el pasado, el proceso de creación de este contenido fue llevado a cabo por humanos; sin embargo, la compañía ha estado buscando activamente el desarrollo de sistemas automatizados que crearán y contenido social informados por datos sociales .

También utiliza la tecnología de reconocimiento de imágenes para los usuarios que comparten imágenes en las redes sociales, lo que deduce que podrían ser clientes potenciales. En un ejemplo de esta estrategia en acción, Coca-Cola dirigió publicitarios para su marca Gold Peak de té helado a aquellos que publicaron imágenes que sugirieron que disfrutaran de té helado, o en los que los algoritmos de reconocimiento de imágenes detectaron logotipos de marcas competidoras . Una vez que los algoritmos determinaron que los individuos específicos probablemente serían fanáticos del té helado y los usuarios activos de las redes sociales que compartían imágenes con sus amigos, la compañía sabe que apuntar a estos usuarios con probablemente sea un uso eficiente de sus ingresos publicitarios.

Para la verificación de la compra, la tecnología de reconocimiento de imagen estándar demostró ser insuficiente para leer la impresión de matriz de puntos de baja resolución utilizada para estampar los códigos de producto en el embalaje. Entonces, Coca-Cola trabajó para desarrollar su propia solución de reconocimiento de imagen utilizando la tecnología TensorFlow de Google. Esto usó redes neuronales convolucionales para permitir el reconocimiento automático de códigos que a menudo podrían aparecer de manera diferente según cuándo y dónde se imprimieron.

¿Cuáles fueron los resultados?

El análisis de los datos de las máquinas expendedoras por los algoritmos de AI permite a Coca-Cola comprender con mayor precisión cómo varían los hábitos de compra de sus miles de millones de clientes en todo el mundo.

Utiliza esto para informar las decisiones sobre nuevos productos; por ejemplo, la decisión de lanzar Cherry Sprite como producto embotellado en los Estados Unidos se tomó porque los datos mostraron que esta podría ser una iniciativa ganadora .

El análisis de la visión por computadora y el procesamiento del lenguaje natural de las publicaciones en las redes sociales, así como el análisis profundo de las métricas de compromiso social impulsado por el aprendizaje, permite a Coca-Cola producir publicidad social que es más probable que resuene con los clientes e impulse las ventas de sus productos.

La aplicación de TensorFlow para crear redes neuronales convolucionales permitió a los escáneres reconocer los códigos de los productos a partir de una simple fotografía, aumentando el compromiso del cliente con los diferentes programas de lealtad de Coca-Cola en todo el mundo.

Desafíos clave, putos de aprendizaje y conclusiones

  • Si vende cientos de productos diferentes en varios países, las percepciones y el comportamiento del cliente pueden variar mucho de un mercado a otro. Comprender estas diferencias ayuda a adaptar mensajes específicos para diferentes mercados, en lugar de confiar en un enfoque único para todos
  • Cuando se trata de marcas globales, los datos de usuario de las redes sociales o generados a través de sus propios sistemas (como las máquinas expendedoras) son enormes y desordenados. AI proporciona un método viable para estructurar estos datos y extraer información
  • La tecnología de visión artificial, como las herramientas de reconocimiento de imágenes, puede analizar millones de imágenes de redes sociales para ayudar a una marca a comprender cuándo, cómo y de quién disfrutan sus productos.
  • Además de tomar decisiones de marketing, las marcas que están totalmente invirtiendo en AI están comenzando a utilizarlo para diseñar nuevos productos y servicios.

Este es un extracto editado de Inteligencia Artificial en Práctica: Cómo 50 Compañías exitosas usaron la IA y el Aprendizaje Automático para Resolver Problemas , por Bernard Marr, con Matt Ward (publicado por Wiley, abril de 2019).

Deja un comentario