Productos en Permanente Mejora

Aunque se debate cuando apareció el primer juego electrónico, la era de las “maquinitas” operadas con moneda inició en 1972. Durante cuatro décadas hemos vivido una permanente era de innovación. Durante este mismo periodo, hemos planeado el futuro de juegos y otros productos con artefactos y técnicas de limitado alcance. Literalmente hemos diseñado con los ojos cerrados.

“Hoy es posible predecir, en 3 días, el riesgo de que el cliente de un nuevo videojuego en línea abandone el servicio”

Identificar a los jugadores que pueden dejar de jugar permite tomar acciones para prevenir el abandono. Mantener a los clientes activos en el sistema significa mayores ingresos y utilidades. Significa también menos copias vendidas en el mercado de productos usados.

Halo recolecta información estadística de toda sesión que se juega. La información que identifica a un sistema se elimina; los datos adquiridos contienen detalle de la interacción, desempeño y aspectos sociales de cada jugador. De estos datos se producen 150 “características” que describen el comportamiento y experiencia del usuario. Ejemplos de estos son: segundos jugados, sesiones más cortas y más largas, sesiones promedio, puntos acumulados, número de juegos con otras personas, número de juegos con un mismo amigo, etc.

Con base en el uso de millones de personas y grandes cantidades de información, el aprendizaje de máquina es capaz de “descubrir el secreto” detrás de posible uso del sistema, con una muy alta probabilidad.

Si el usuario no abandonó la experiencia, los siguientes 7 días crearán un perfil más detallado y será posible conocerlo mejor y en más facetas. Además de conocer con 90% de certeza lo que sucederá,  el análisis de máquina permite identificar errores en el juego, cambios de comportamiento (cheats), dificultad de los niveles y preferencias de diversos tipos.

En el pasado, cambiar un juego llevaría posiblemente meses o años, hoy es posible cambiar el juego en cuestión de horas, crear nuevas áreas en base a preferencias efímeras. De hecho, el motor de gamification que Microsoft utiliza es totalmente independiente al código del juego , este puede ser editado en tiempo real sin ningún programador. El juego emite “eventos” como un gol o un zombi eliminado. Un conjunto de eventos puede “desbloquear” reconocimientos, de hecho éstas se podrán asociar a zonas geográficas, husos horarios, etc.  Con lo anterior un analista es capaz de crear nuevos retos y colocarlos a escala global en minutos.

En resumen, la era de operar “sin” instrumentos terminó. En el futuro tendremos mucho más sistemas de observación, de captar el comportamiento real y con ello tendremos el poder de actuar antes de que los eventos sucedan y de adaptar los productos como nunca antes.

Del juego al negocio

Pronóstico. ¿Qué clientes van a dejar de pagar un crédito? ¿Cuántos bienes se van a vender? ¿Cuánto voy a vender? ¿Cuál será la temperatura en un edificio dentro de 2 horas?

Detección de anomalías. Predecir cuándo el acceso a un servidor por cierto rol se sale de la norma o cuando el comportamiento de la granja de servidores cambia. Fraudes con pago de tarjeta de crédito, propagadas, etc.

Optimización. ¿Cuál es la mejor forma de efectuar cientos de envíos?, Optimizar la inversión de mercadotecnia digital con el precio de subasta de cientos de palabras clave para la mayor conversión. Predecir los ingresos con monedas internacionales de diversos mercados.

Para las grandes empresas, optimizar un proceso en un 0.001% significará generar millones incrementales de venta o ahorros. Dichos modelos no son triviales, requieren de alto poder de cómputo y semanas de experimentar con modelos.  Un sistema en producción se puede implantar también en semanas o meses y va a requerir correcciones permanentes.

Esta capacidad es ahora viable, pero aún es una combinación de “arte” y ciencia que requiere, no de un individuo, sino de un equipo que combine conocimientos de programación, manipulación y modelado de datos, estadística, conocimiento de negocios y por supuesto de visualización y comunicación efectiva.

Para entender las formas en que los diferentes equipos resuelven problemas similares a los descritos visita Kaggle.com.  En un reciente concurso público por crear un modelo para predecir el valor de reventa de autos, decenas de equipos de “científicos de datos” utilizaron todo tipo de parámetros y algoritmos para identificar autos que generarían mayores utilidades. El ganador produjo el mejor “modelo de elevación” en predicciones  ganó consóloo “un elemento”: si el color del vehículo era no estándar, era altamente probable que los dueños lo cuidaran y mantuvieran mucho mejor, reduciendo el riesgo de adquirir autos seminuevos defectuosos.

Si contara con instrumentación similar a la descrita, conocería mejor a mis lectores, sus intereses, el futuro del consumo y aplicación de mis artículos. Mientras llegamos me conformo de saber que nuestro entorno se preparará a anticipar nuestros actos.

Habilitemos la era de la inteligencia prescriptiva y productos que se adaptan en cada instante.