Las plataformas de crowdsourcing utilizan el aprendizaje automático y algoritmos avanzados para identificar quiénes son las voces más sabias entre el público en línea, y luego convertir esa información en información.

    El estruendo de la multitud puede ser confuso e incluso ensordecedor. Esto es cierto en los lugares públicos, y también lo es en el caso de los grandes datos que provienen de muchas y variadas fuentes. Sin embargo, si los profesionales del marketing perciben correctamente los mensajes que la multitud está transmitiendo, puede marcar la diferencia entre el éxito o el fracaso del lanzamiento o la promoción de un producto.

    ¿Cómo subcontratan los análisis de crowdsource?

    «Lo que quieres encontrar es la sabiduría de la multitud», dijo Matt Bencke, fundador y CEO de Spare5, que proporciona software inteligente de crowdsourcing. «Para obtener esta sabiduría, necesitas encontrar a la gente adecuada entre la multitud para escuchar.»

    Más información sobre Big Data

    Quiénes son esas «personas correctas» depende del problema empresarial que hay que resolver. En la vida diaria, la mayoría de nosotros realizamos esta tarea a través de la investigación. Por ejemplo, si somos nuevos en un área, preguntamos quiénes son los mejores médicos, los mecánicos de autos más acreditados y los mejores contadores.

    Compañías como Spare5 aplican este principio a la web con una plataforma inteligente de crowdsourcing que utiliza el aprendizaje automático y algoritmos avanzados para analizar el estruendo de la «muchedumbre» en línea, determinar quiénes son las voces sabias de la muchedumbre y, a continuación, convertir las aportaciones de estas fuentes en información procesable para las empresas. Encontrar estas percepciones y concentrarse en las mejores fuentes de información puede ser invaluable para las organizaciones que luchan por encontrarle sentido a las montañas de audio, vídeo y texto sin estructurar que les llegan desde todas las direcciones.

    «Nuestro trabajo consiste en conservar los datos para los clientes, una vez que entendemos los problemas empresariales que desean resolver», dijo Bencke. «Digamos, por ejemplo, que una organización quiere entender mejor a un grupo demográfico determinado, como las mujeres y sus actitudes hacia la moda. Una combinación de aprendizaje automático e inteligencia algorítmica podría identificar a los principales voceros de este grupo demográfico al encontrar mujeres en el grupo que de alguna manera están asociadas con la moda».

    «Lo que el software hace fundamentalmente es predecir la probabilidad de corrección con el ser humano más propenso a dar la mejor respuesta a una pregunta», dijo Andy Ganse, científico de datos de Spare5. «A partir de ahí, el aprendizaje automático refinará aún más el enfoque algorítmico.»

    VER: Guía para ejecutivos sobre estrategias y mejores prácticas de Big Data (ebook gratuito)

    Además, la tecnología de análisis de crowdsourcing puede permitir a las empresas ajustar mejor sus enfoques a los estudios de mercado.

    Bencke dio el ejemplo de un minorista que tenía dos niveles de precios para un artículo, ya sea un punto de precio de $8 por unidad para personas que no querían gastar demasiado, o un rango de precio por unidad que comenzaba en $100 para compradores premium. Desafortunadamente, no había puntos de precio de producto entre estos dos extremos para una multitud del mercado medio. Al entrevistar a la «multitud» e identificar las voces de la multitud que eran astutas sobre los gustos de los clientes y las sensibilidades en materia de precios, el minorista estaba en una mejor posición para escalar sus precios y dirigirse a los segmentos del mercado medio que le faltaban.

    «Todavía hay muchas empresas que desconocen en gran medida el valor de la analítica de crowdsourcing, y cómo derivar ideas inteligentes de ella», dijo Bencke. «Han tratado de hacerlo internamente, pero a menudo se dan cuenta de que carecen de recursos. Sin embargo, el pensamiento sobre esto está empezando a cambiar. Las empresas empiezan a entender que, en lugar de intentar dar sentido a los gritos colectivos en un estadio, se pueden emplear herramientas inteligentes que permiten descubrir que la voz en el estadio que realmente se quiere escuchar pertenece a una persona que está sentada en la sección 124. El aprendizaje automático, la inteligencia y el sondeo pueden ayudarte a lograrlo».

    Véase también