Como muchas empresas, Rémy Cointreau basa su estrategia de marketing y ventas en estudios de consumo. Un enfoque costoso, que consume tiempo y recursos humanos y que no siempre produce satisfacción. Desde hace cinco años, el productor de licores recurre a la escucha social, apoyado por Ipsos Synthesio, cuya plataforma se alimenta de datos “sociales” en línea, pero también de cualquier tipo de datos textuales, como correos electrónicos de clientes o transcripciones textuales de entrevistas abiertas. Y en los últimos meses, el grupo Rémy Cointreau incluso ha adoptado la escucha social impulsada por la IA generativa. Anatole Sarot, director de Tendencias e Insights del grupo Rémy Cointreau, detalló este proyecto durante la última feria Big Data&IA 2023.
“Mi función consiste en seguir las tendencias sociales, comprender a los consumidores, ayudar a las marcas a identificar su personalidad y definir un targeting adaptado a su ADN”, explicó. Sobre todo porque, como productores, en última instancia tenemos un acceso bastante raro y limitado a nuestro cliente final. » Sin embargo, testificó la decepción parcial que fue el despliegue de la escucha social para satisfacer sus necesidades. “Estábamos en un modelo de validación y para cada uno de nuestros universos de marca, teníamos que definir una cierta cantidad de consultas para buscar elementos específicos. » Un enfoque que requirió una cantidad de tiempo muy significativa tanto para la configuración como para el análisis, para identificar señales débiles en corpus de varios millones de conversaciones. Es más, no había garantía de que no se perdería una nueva marca competidora o una tendencia emergente en cócteles.
Primeros descubrimientos relevantes con la PNL
En 2021, para intentar remediar estos problemas, el grupo decidió recurrir esta vez a la IA. Comenzó a implementar algoritmos de PNL (procesamiento del lenguaje natural) con su socio para trabajar en los universos que ya había definido para la escucha social, basándose en el “topic modeling”, un método que utiliza el aprendizaje no supervisado para extraer los principales temas presentes en un conjunto de documentos. , en forma de grupos de palabras. Objetivo: agrupar información, identificar elementos semánticos en las entidades analizadas, identificar eventos o influenciadores.
“Lo hemos probado en el mundo del coñac”, afirma Anatole Sarot. Por supuesto, ya conocíamos algunos de los resultados, ya que normalmente somos bastante expertos en nuestra industria. Pero considerando los elementos que han aparecido en los últimos 3 o 6 meses, esto resulta relevante. » Para Nicolas Baudéan, Strategic Account Manager de Ipsos Synthesio, el ejemplo de Cognac es muy representativo. “Vemos que aparecen grupos de palabras en torno al boxeo, la música, los nombres de los cócteles, etc. » Los resultados aparecen en forma de burbujas de palabras en las que el usuario puede hacer clic para navegar a través de los documentos y las fuentes textuales.
IA generativa de sabor
Tras este primer experimento, el grupo de espíritus se lanzó hace varios meses a la IA generativa aplicada al aprendizaje social, para responder a preguntas empresariales más complejas, en unos pocos clics y unos segundos. El principio es el de los mensajes consolidados por casos de uso de diferentes tipos, como las nanotendencias, la fuerza de la marca, las motivaciones del consumidor o incluso criterios ESG. Ya están disponibles siete grupos de solicitudes de una treintena prevista.
"Queríamos comprender, por ejemplo, las expectativas no cumplidas de los consumidores de nuestras marcas, quienes tienen un vínculo bastante fuerte con el mundo de la coctelería", explica Anatole Sarot. Podemos preguntarnos si ciertas tendencias en torno al cóctel asociado con la ginebra están llegando, por ejemplo, a Alemania. Para ello buscaremos identificar los nuevos sabores consumidos, los nuevos rituales de los bartenders, etc. para que las marcas aprovechen estas señales débiles. Ejecutamos esta IA exploratoria sobre esta pregunta dentro del universo de los licores en 33 millones de menciones para identificar ideas. »
Acceso a fuentes para evitar el efecto alucinación
El módulo exploratorio generativo basado en IA muestra conjuntos de mensajes temáticos consolidados. Recoge y selecciona los documentos correspondientes a la consulta mediante análisis de texto, antes de ejecutar GPT 4Abierto AI sobre este corpus de datos y generar un resultado en unos segundos. Entre las necesidades de coctelería no cubiertas, por ejemplo, la plataforma identificó cócteles sin alcohol, saludables o personalizables, o la posibilidad de elaborar cócteles caseros. La plataforma presenta un cuadro de mando del volumen de conversaciones e interacciones sobre todas las marcas del grupo en el universo considerado: los cócteles, por ejemplo. Permite ver cómo evolucionan con el tiempo, cómo se posicionan entre sí, etc. Finalmente, para evitar el efecto de “alucinación” de la IA generativa, es posible acceder a las fuentes de información utilizadas por el LLM. “Es fundamental poder explorar los resultados del trabajo de IA generativa para validarlos”, insiste Anatole Sarot, “y garantizar que se basen en elementos tangibles y relevantes. »
Además de la extrema rapidez en la obtención de los análisis, el director de tendencias e insights de Rémy Cointreau ve otras ventajas en este enfoque. En particular, la capacidad de un usuario que no es ni codificador ni experto en negocios, un experto en datos, de ejecutar el modelo tanto como quiera, durante semanas y rastrear tendencias cambiantes. Nicolas Baudéan de Ipsos Synthesio añade la posibilidad de asignar el tiempo ahorrado en la realización del estudio a diferentes niveles de la cadena de valor, en particular a la calidad de los datos. “Durante años, la escucha social generó mucho desperdicio en las conversaciones sociales”, recuerda. El tiempo ahorrado con la IA generativa garantiza que tengamos el corpus de datos más limpio y cualitativo posible. »
Otras noticias que te pueden interesar