Artificial Intelligence for Marketing

Guía conceptual y directiva publicada por Wiley dentro de su serie con SAS, en la que Jim Sterne explica cómo desmitificar y aplicar el aprendizaje automático en las organizaciones comerciales. El libro prescinde por completo de código fuente y fórmulas matemáticas complejas para centrarse en los fundamentos operacionales de la inteligencia artificial. Está dirigido a directores de marketing, consultores y estrategas de negocio de nivel intermedio que necesitan comprender las capacidades reales de la tecnología para liderar iniciativas de automatización y colaborar fluidamente con equipos de ciencia de datos.

El contenido estructura el uso del aprendizaje automático a lo largo del ciclo de relación con el cliente: captación, persuasión y retención. Sterne repasa conceptos esenciales como aprendizaje supervisado, no supervisado y por refuerzo, aplicados a la segmentación dinámica, la atribución multicanal, la optimización predictiva de precios y la predicción del abandono de clientes (churn). Examina tecnologías como el procesamiento del lenguaje natural (NLP) para el análisis de sentimientos y chatbots de soporte, el reconocimiento de imágenes en redes sociales, y cómo las plataformas de datos empresariales (mencionando herramientas como SAS, IBM Watson y Salesforce Einstein) explotan bases de datos CRM para personalizar campañas.

Al ser una obra orientada al liderazgo y la toma de decisiones, no plantea ejercicios de programación ni desarrollo de software; en su lugar, ofrece marcos estratégicos, preguntas clave para evaluar proveedores de software y directrices para lo que el autor denomina 'tutorizar a la máquina' (proporcionar retroalimentación humana a los modelos). Su mayor valor reside en enseñar a detectar cuándo los algoritmos fallan —por sesgos en los datos de entrenamiento o correlaciones espurias— y cómo alinear la automatización con los objetivos comerciales. Al ser de 2017, no trata los modelos de lenguaje modernos (LLMs) ni la IA generativa actual, pero sus lecciones sobre analítica predictiva, medición y ética publicitaria siguen siendo sólidas.