Conecta con nosotros

Noticias

5 razones por la que el CRM social es una herramienta vital para el marketing

Publicado el

trabajo equipo

El CRM podría definirse como el nexo de unión entre el consumidor y la marca. Hoy en día los consumidores no solo han multiplicado sus canales de comunicación con las marca, también se sabe más de ellos gracias a las redes sociales. No hay que olvidar que la base para hacer una buena campaña de marketing es conocer al cliente y una buena herramienta de CRM nos puede facilitar este paso.

Un estudio realizado por la agencia DDB Tribal analiza el potencial de estas herramientas y su potencial en las estrategias actuales de marketing. Aquellos CRM que incorporan en su análisis las características sociales de los clientes, se podrían llamar CRM Social. Es decir, un CRM que integra las herramientas y técnicas tradicionales con las redes sociales.

El estudio que analiza las características y ventajas del CRM social, extrae 5 ventajas de estas herramientas:

  1. Los consumidores valoran positivamente las actuaciones de las empresas en las redes sociales.
  2. Para servicios de atención al cliente se sigue prefiriendo el teléfono y el email.
  3. Los consumidores están dispuestos a ofrecer sus datos a las empresas si con ellos se va a conseguir una mejora del producto o servicio.
  4. La mayoría de los consumidores no sólo aceptan, si no que desean publicidad personalizada.
  5. Los jóvenes integran cada vez más las redes sociales en todos los aspectos de su vida.

En el mundo de la tecnología por casualidad pero enormemente agradecida. Social Media Manager, Redacción, Organización y cualquier reto que se me proponga.

Noticias

TransmogrifAI el Machine Learning de Salesforce llega a GitHub

Publicado el

Los modelos de Machine Learning, la Inteligencia Artificial que identifica relaciones entre millones de datos, rara vez son fáciles de diseñar. Los científicos de datos pasan semanas y meses no solamente procesando los datos en los que se basa cada uno de los modelos, si no que también tienen que extraer características útiles de los datos, estrechando algoritmos y al final construyen, o lo intentan, un sistema que no solo funcione bien en el laboratorio, que también lo haga en el mundo real.

Las nuevas herramientas de Salesforce tienen como objetivo intentar aliviar esta carga de trabajo. Salesforce ha publicado en GitHub TransmogrifAI, una biblioteca de Machine Learning para datos estructurados. Este tipo de datos, que se encuentra en tablas y bases de datos, permitirá seleccionar características útiles y modelos de entrenamiento con tan solo tres líneas de código.

Mayukh Bhaowal, director de Salesforce Einstein, comentó en una entrevista telefónica con VentureBeat que TransmogrifAI transforma conjuntos de datos sin procesar en modelos personalizados. Es la evolución de la biblioteca de Machine Learning de Salesforce, que permitió al equipo de Einstein desarrollar en cuestión de horas un modelo personalizado para sus clientes.

Bhaowal explicó que se creó con la experiencia y el aprendizaje que los científicos de datos de Salesforce consiguieron al crear Einstein. Ellos aprendieron que los modelos personalizados superan a los modelos generados a nivel global. “Si se usa el mismo modelo para hacer predicciones para una empresa de Fortune 500 en una tienda familiar, será difícil encontrar un patrón correcto“.

Lo primero es la inferencia de características y la selección automática de características. Es una parte crucial de la capacitación del modelo, ya que la selección de unas características incorrectas podría resultar en un modelo excesivamente optimista, inexacto o sesgado.

Con TransmogrifAI, los usuarios especifican un esquema para sus datos, la biblioteca extrae funciones automáticamente, como números de teléfono o códigos postales. También realizan pruebas estadísticas, catalogando texto con baja cardinalidad, es decir, una pequeña cantidad de elementos, y elimina características con poco poder predictivo, o aquellas que pueden dar lugar a un sesgo no predictivo, otras señales no deseadas.

En una demo, Bhaowal demostró como TransmogrifAI podía aislar rápidamente características como puestos de trabajo, correos electrónicos, direcciones… y de esta forma averiguaba si son predictivas. Los que no lo son fueron descartados automáticamente. “Es perfecto para la reducción de la dimensionalidad“, dijo refiriéndose al proceso de reducción del número de funciones con respecto a la que el modelo se creó.

El siguiente paso es automatizar el flujo de TransmorgrifAI. Basándose en los tipos de características extraídos en el primer paso, la biblioteca transforma los datos estructurados en vectores, tomando automáticamente, por ejemplo, números de teléfono y separando el código del país para saber si es válido o no.

Una vez que TransmogrifAI ha extraído las características del conjunto de datos, estará listo para comenzar la capacitación de modelos automatizados. En esta etapa se ejecutan un cuadro de algoritmos de aprendizaje automático. En paralelo, sobre los datos, se selecciona automáticamente el modelo de mejor rendimiento, se toman muestras y se recalibran las predicciones para evitar datos desequilibrados.

Shubha Nabar, Director Senior de Data Science para Salesforce Einstein, define el entrenamiento de TransmogrifAI como la “explicación del modelo”, la transparencia sobre los factores que influyen en los modelos. “Desde una perspectiva de confianza y privacidad de los datos, es importante que el modelo generado no sea una caja negra. TransmogrifAI muestra los efectos globales de cada característica”.

Y esta es solo la punta de un iceberg muy grande

TransmogrifAI cuenta con herramientas que facilitan ajustar los hiperparámetros, variables como la frecuencia de muestreo y filtros, que influyen y optimizan los modelos de Machine Learning. Dentro de los entornos de desarrollo integrados que lo soportan, TransmogrifAI resalta los errores de sintaxis y tipográficos, sugiere como completar el código y las característica de cada “tipo” con una jerarquía extensible, lo que permite a los usuarios diferenciar entre funciones primitivas y matizadas.

TransmogrifAI nos ha transformado, reduciendo el tiempo medio de respuesta en el que se entrena un modelo de rendimiento en un par de horas y permitiendo a nuestros científicos de datos desplegar miles de modelos de producción con un mínimo ajuste manual” dijo Bhaowal. “El objetivo de democratizar el machine learning solo se puede lograr en una plataforma abierta de intercambio de ideas y códigos, y las diversas perspectivas de la comunidad harán que la tecnología sea mejor para todos“.

Casualmente, el lanzamiento público de TransmogrifAI  se produce un día después de la plataforma abierta de Oracle, GraphPipe, una herramienta que facilita el desplieuge de modelo de machine learning hechos para frameworks como Google TensorFlow, MXNet, Facebook Caffe2 y PyTorch.

Photo por Curtis MacNewton en Unsplash

Continuar leyendo

Noticias

Un niño de 11 años hackea una réplica de la web electoral de Florida

Publicado el

Emmett Brewer

Emmett Brewer, un niño americano de 11 años, ha logrado piratear una réplica de la web de resultados electorales de Florida en tan solo 10 minuto, logrando cambiar nombres y cifras. Esta hazaña tuvo lugar durante una convención de seguridad en la que los organizadores pretendían concienciar sobre el tema antes de las próximas elecciones nacionales.

Al acto acudieron un total de 35 niños, de entre 6 y 17 años, a quienes retaron para piratear las copias de las webs de seis estados norteamericanos indecisos con su voto. Brewer fue el más rápido de todos. El evento estaba pensado para evaluar la fortaleza de la infraestructura electoral del país y las vulnerabilidades encontradas se transmitieron a los estados.

La Asociación Nacional de Secretarios de Estado, responsables del recuento de votos, indicaron que recibieron con “satisfacción” los esfuerzos de los organizadores de la convención pero que los sistemas reales utilizados por los estados tenían protección adicional. “Sería extremadamente difícil replicar estos sistemas, ya que muchos estados utilizan redes únicas y bases de datos personalizados con nuevos y actualizados protocolos de seguridad”, afirmaron.

Lo cierto es que existe preocupación sobre las vulnerabilidades que pudieran atacar al sistema electoral antes de las elecciones estatales y federales, de ahí que pidieran comprobar la seguridad del mismo. De hecho, el equipo de seguridad nacional del presidente, Donald Trump, advirtió hace dos semanas que Rusia había estado intentando interferir en las elecciones de noviembre.

Los responsables del evento dijeron que los pequeños hackers  habían logrado cambiar los nombres de los partidos y dado hasta 12.000 millones de votos a los candidatos.

Continuar leyendo

Noticias

El mercado de memoria NAND sigue con exceso de oferta

Publicado el

El mercado de memoria NAND sigue con exceso de oferta

Según datos de DRAMeXchange de los que se han hecho eco en Digitimes, durante el segundo trimestre del año el mercado mundial de memoria NAND flash sigue caracterizándose por un exceso de oferta. A pesar de todo, el sector ha registrado un aumento del 3,5% de los ingresos por venta de estos componentes. En total, alcanzaron los 16.290 millones de dólares en los tres meses analizados.

Eso sí, el precio medio de la NAND flash cayó entre un 15% y un 20% entre abril y junio. Todo a pesar de que los envíos de estos componentes volvieron de nuevo a subir gracias a la demanda de componentes de alta densidad de los fabricantes de smartphone de China.

Durante el trimestre en curso se espera que los precios de la memoria NAND flash caigan de nuevo otro 10% debido al exceso de suministros. Según el analista de DRAMeXchange Ben Yeh, “hay señales palpables de que el crecimiento de la demanda será limitado, a pesar de las contribuciones de la que tradicionalmente es la época de más actividad. Por otro lado no se espera un aumento significativo de los envíos de los productos de electrónica de consumo más populares, como smartphones y portátiles, durante el tercero trimestre de 2018. Y los fabricantes de módulos de memoria seguirán teniendo unos niveles elevados de inventario“.

A pesar de todo, el descenso continuo de los precios de la NAND flash dará alas a los fabricantes de dispositivos móviles para subir las especificaciones de sus productos en cuanto a almacenamiento. Además, la bajada de los precios de la NAND Flash también estimularán los envíos de los discos SSD de alta capacidad para servidores. Así lo ve Yeh, que también ha destacado que la adopción de discos SSD en los portátiles de consumo crecerá también de manera notable.

En cuanto a fabricantes, el que más NAND flash vende es Samsung, con una cuota de mercado del 36,4% durante el segundo trimestre de 2018. Le siguen Toshiba, con un 19,3%, y Western Digital, con un 14,5%. Entre los seis primeros vendedores de este tipo de memoria entre abril y junio también están Micron Technology, SK Hynix e Intel.

Foto: Raymond Spekking

Continuar leyendo




Lo más leído

Suscríbete gratis a MCPRO

La mejor información sobre tecnología para profesionales IT en su correo electrónico cada semana. Recibe gratis nuestra newsletter con actualidad, especiales, la opinión de los mejores expertos y mucho más.

¡Suscripción completada con éxito!