Descubre cómo el marketing conversacional, con WhatsApp a la cabeza, impulsa el éxito empresarial y lee más sobre Dynamic UTMs de LinkedIn, AI overviews de Google y la innovación en la industria cervecera.
El marketing conversacional se ha convertido en una herramienta esencial para el éxito de las empresas, con WhatsApp destacándose como la plataforma más utilizada, abarcando el 93% de su uso. Además, en el ámbito del marketing digital, herramientas como Dynamic UTMs están siendo introducidas por LinkedIn para optimizar el tráfico web a través de anuncios, simplificando el proceso de seguimiento y análisis de campañas publicitarias. Por otro lado, Google está explorando el uso de AI overviews en su interfaz de búsqueda principal, buscando mejorar la experiencia de búsqueda y obtener retroalimentación de una audiencia más amplia. Mientras tanto, en el campo de la innovación en productos, la aplicación de inteligencia artificial está revolucionando la industria cervecera al permitir la mejora continua de la calidad y el sabor de la cerveza belga, adaptándose a las preferencias de los consumidores de manera eficiente.
No dejes de leer: Tendencias: La IA generativa tendrá un impacto positivo en la publicidad digital, nos dice Naveen Sarma de S&P Global Ratings
WhatsApp es la herramienta más utilizada para el marketing conversacional
¿Qué? El 67% de las empresas está utilizando herramientas que refuerzan su marketing conversacional, siendo WhatsApp la más utilizada con un 93%. El marketing conversacional tiene un impacto significativo en los negocios, ya que permite una interacción bidireccional rápida y precisa con los consumidores, lo que puede aumentar las operaciones a través de canales digitales. Es importante porque mejora la experiencia del cliente y permite resolver dudas sobre productos, métodos de envío y formas de pago de manera eficiente.
¿Cómo? El marketing conversacional se aplica principalmente a través de herramientas como WhatsApp, Messenger y SMS, con un enfoque en la atención post venta, fidelización, atención durante la venta, atracción de nuevos usuarios y realización de campañas publicitarias. Su aplicación ha demostrado impacto directo en la conversión de ventas, el re-marketing y la cantidad de subscriptores.
LinkedIn está introduciendo Dynamic UTMs para optimizar el tráfico web a través de sus anuncios
¿Qué? Los Dynamic UTMs permiten a los marketers añadir automáticamente opciones de UTM a sus campañas, en lugar de construirlas manualmente. Son importantes porque son críticos para entender el rendimiento de una campaña y juegan un papel importante en la medición de anuncios al no utilizar cookies de terceros ni direcciones IP. Sin embargo, crearlos manualmente es tedioso, ineficiente y propenso a errores.
¿Cómo? Los marketers añadirán un parámetro de UTM dinámico a su campaña solo una vez y luego nosotros automáticamente incluiremos el nombre de la cuenta, la campaña y/o la creatividad en la URL de destino para que puedan ser recogidos por herramientas de análisis, permitiendo a los marketers analizar los resultados más fácilmente.
Google está llevando a cabo la prueba de AI overviews en la interfaz principal de búsqueda
¿Qué? Google está probando AI overviews en la interfaz principal de búsqueda, incluso para aquellos usuarios que no han optado por la función de laboratorios de Google Search Generative Experience (SGE).
¿Por qué? Google está llevando a cabo estas pruebas para obtener comentarios de los buscadores que no han optado específicamente por SGE. Quieren aprender cómo una población más general encontrará útil esta tecnología. El objetivo es obtener el feedback de una audiencia más amplia.
Mejoran la cerveza belga con IA
¿Qué? Un equipo de investigadores belgas, liderado por Kevin Verstrepen de la Universidad Católica de Lovaina (Bélgica), está utilizando la inteligencia artificial para mejorar la cerveza belga. La palican para predecir cómo valorarán los consumidores una determinada cerveza belga y qué compuestos aromáticos se pueden añadir para mejorarla. Esto es importante porque ayuda a comprender y predecir las preferencias de los consumidores en términos de sabores alimentarios, una tarea compleja influenciada por numerosos compuestos químicos y factores externos.
¿Cómo? El equipo de investigadores caracterizó más de 200 propiedades químicas de 250 cervezas comerciales de 22 estilos, midiendo las concentraciones de cientos de compuestos aromáticos y evaluando cada cerveza según 50 criterios. Luego, entrenaron modelos de aprendizaje automático para conectar estas variables y predecir los aromas clave y la puntuación final de apreciación de una cerveza sin necesidad de cata humana. Este proceso permitió mejorar el sabor de una cerveza belga comercial existente, añadiendo aromas predichos por el modelo para aumentar su calidad.
Fuentes: Search Engine Land, LinkedIn, El Siglo de Torreón y El Economista
