-
By incodiad
- In Artículos
Jenny Paola Lis-Gutiérrez[1]
Iniciativa de Investigación en Competencia Digital y Comercio Electrónico
Pontificia Universidad Javeriana
Abril 2023
La inteligencia artificial (IA) es definida como “la capacidad de una máquina para realizar funciones cognitivas que asociamos con la mente humana, como percibir, razonar, aprender, interactuar con el entorno, resolver problemas, tomar decisiones e incluso demostrar creatividad” (Rai et al., 2019, p. 6). La IA es cada vez más frecuente en la vida cotidiana (Crafts, 2021; Fournier Guimbao, 2021) y el comercio electrónico no es ajeno al uso de esta tecnología emergente.
En este documento se explorarán algunas de las aplicaciones de la inteligencia artificial al comercio electrónico, las cuales se profundizarán en un futuro documento de trabajo. Esperamos encuentren esta entrada como una introducción a nuestros trabajos futuros sobre comercio electrónico e inteligencia artificial.
Recomendación y personalización
En el comercio electrónico la IA se está utilizando para brindar recomendaciones y servicios personalizados al consumidor a partir de la aplicación de diferentes algoritmos (Zhou, 2023; Gulzar et al, 2023). Dichas recomendaciones pueden llegar a afectar la percepción de los productos y la intención de compra por parte de los clientes, en un escenario B2C. Dentro de los ejemplos más comunes se encuentran los sistemas de recomendación de tiendas de comercio electrónico o de servicios de streaming (Longoni y Cian, 2022), o las sugerencias de productos o tallas en tiendas de moda. En este ámbito también se incluye el marketing por correo electrónico habilitado y recomendado por algoritmos de aprendizaje supervisado.
Precisamente, en el estudio de Adwan y Aladwan (2022), se encontró que cuando se refiere a comportamientos de compra, los valores hedónicos y utilitarios existentes sobre los productos o servicios son más relevantes que las tecnologías de IA implementadas en la plataforma de comercio. A pesar de ello, cuando la IA es utilizada en las tiendas online, los valores hedónicos y utilitarios pueden verse afectados por la experiencia que el consumidor tenga en el comercio. Esta puede hacer que varíe la percepción, la precisión y la interacción con el producto o servicio, permitiendo una modificación positiva o negativa en la intención de compra.
Procesamiento del lenguaje natural (NPL – Natural language processing)[2]
La pandemia de la Covid-19 fue un periodo en el cual muchas empresas, principalmente las pequeñas, se renovaron para afrontar la nueva realidad que demandaba soluciones digitales. Entre las brechas que se encontraron en este contexto, además de aquellas con los clientes finales, también se incluyen las relaciones comerciales entre empresas (B2B).
En este contexto, Coltey et al. (2022) propusieron la utilización de herramientas de IA como el procesamiento del lenguaje natural (NPL) para la creación de un Marketplace para comercio B2B. Este ayudaría a las pequeñas empresas a: (1) encontrar proveedores que ofrezcan los productos que necesitan y puedan ser difíciles de hallar debido a la escasez, (2) ofrecer bienes relevantes para las necesidades de muchos compradores y (3) ser conscientes de los problemas normativos y logísticos para ciertos bienes.
En el marco del B2C (relaciones empresa -consumidor) las aplicaciones del procesamiento del lenguaje natural incluyen la búsqueda por voz. Esto implicará una modificación de los motores de búsqueda y de la forma como se interactúa con las páginas web (Lambrecht y Peter, 2022).
Chatbots y asistentes virtuales
Las plataformas de comercio digital en su mayoría cuentan con chatbots impulsados por IA, los cuales buscan un servicio al cliente automático y rápido. Ante esto, Cheng et al. (2022) encontraron que los consumidores prefieren que los chatbot sean capaces de apreciar su perspectiva y satisfacer sus necesidades específicas, por medio de atributos que aumentan la confianza, tales como la empatía y amabilidad.
Por otro lado, Song et al. (2022) afirmaron que los chatbots y los seres humanos son dos tipos de agentes de servicio que causan diferentes percepciones sobre los consumidores de los e-commerce. En su estudio destacan que:
- Los consumidores están más dispuestos a aceptar a los seres humanos como agentes de servicio que a los chatbot. Esto debido a que la gente se siente incómoda cuando encuentra un robot muy parecido al humano.
- Los consumidores tienen una mayor percepción de capacidad de comunicación de los seres humanos frente a la de los chatbots.
Es por ello, que generalmente se propone que los chatbots funcionen en la primera etapa de comunicación y proporcionen servicios de atención al cliente básicos. Así se evita que los agentes de servicio humano se fatiguen, distraigan y gasten tanto energía como tiempo en tareas repetitivas de interacción e información básica.
Ahora bien, una de las herramientas más recientes en este escenario es el uso del modelo “Generative Pre-trained Transformer” (GPT), siendo una de sus aplicaciones el chat GPT, pero no la única (Garon, 2023). En ese contexto, hay varios trabajos que han iniciado la discusión sobre las ventajas, desventajas y requerimientos éticos del uso de este tipo de herramientas (Rivas & Zhao, 2023; Shaji George et al. 2023).
Predicción y analítica de datos
Dado que el e-commerce es una alternativa cada vez más llamativa y usada debido a que no tiene las barreras geográficas de una tienda física y funciona las 24 horas del día, la captura y el análisis de los datos acopiados es indispensable para: inteligencia empresarial, perfilación de clientes, proyecciones de ventas, entre otros. El trabajo de Al-Ababneh (2022) presentó una síntesis sobre las tendencias globales de marketing electrónico digital y el uso de herramientas de análisis económico y estadístico, incluido el machine learning.
Petroșanu et al. (2022) afirmaron que crear pronósticos de ventas es más complejo, por lo que propusieron un método de previsión de ventas que construye dinámicamente la arquitectura de redes neuronales de grafos acíclicos dirigidos (DAGNN, por sus siglas en inglés). Este sistema combina los beneficios de las Convolutional Neural Networks (CNN) y las capas bidireccionales de long-short term memory (BiLSTM) para entender y aprender las dependencias o tendencias a largo plazo de las diferentes categorías del E-commerce, permitiendo brindar un pronóstico de ventas de hasta 3 meses.
Por su parte, el documento de Biswas et al., (2023) elaboraron un modelo basado en red neuronales para identificar la demanda del cliente en función de la retroalimentación previa (comentarios y calificación) y permitir predecir el volumen de ventas futuro del producto. Estas aproximaciones desde la analítica son gran utilidad para los propietarios de tiendas de comercio electrónico con el fin de mejorar su funcionamiento y planeación estratégica.
Otras aplicaciones
Cabe mencionar que las aplicaciones de la IA al comercio electrónico hasta aquí presentadas no son exhaustivas. Se han identificado también: (i) automatización de la cadena de suministros, (ii) protección del comercio y reducción del fraude; (iii) automatización de la experiencia del usuario; (iv) búsqueda por imagen o visual, entre otras, que se desarrollarán en próximas entradas.
Referencias
Adwan, A. A. & Aladwan, R. (2022). Use of artificial intelligence system to predict consumers’ behaviors. International Journal of Data and Network Science, 6(4), 1223-1232. https://doi.org/10.5267/j.ijdns.2022.6.011
Al-Ababneh, H. A. (2022). Researching Global Digital E-Marketing Trends. Eastern-European Journal of Enterprise Technologies, 1(13), 26-38. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4071999
Biswas, B., Sanyal, M. K., & Mukherjee, T. (2023). AI-Based Sales Forecasting Model for Digital Marketing. International Journal of E-Business Research (IJEBR), 19(1), 1-14. https://www.igi-global.com/viewtitle.aspx?titleid=317888
Cheng, X., Bao, Y., Zarifis, A., Gong, W. & Mou, J. (2021, 12 julio). Exploring consumers’ response to text-based chatbots in e-commerce: the moderating role of task complexity and chatbot disclosure. Internet Research, 32(2), 496-517. https://doi.org/10.1108/intr-08-2020-0460
Coltey, E., Alonso, D., Vassigh, S. & Chen, S. C. (2022, 11 agosto). Towards an AI-Driven Marketplace for Small Businesses During COVID-19. SN Computer Science, 3(6). https://doi.org/10.1007/s42979-022-01349-w
Crafts, N. (2021). Artificial intelligence as a general-purpose technology: an historical perspective. Oxford Review of Economic Policy, 37(3), 521-536.
IBM (2 de Julio de 2020). What is Natural Language Processing? https://www.ibm.com/cloud/learn/natural-language-processing
Garon, J. (2023). A Practical Introduction to Generative AI, Synthetic Media, and the Messages Found in the Latest Medium. (March 14, 2023). https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4388437
Shaji George, A., Hovan George, A. & Gabrio Martin, A.S. (2023). A review of ChatGPT AI’s impact on several business sectors. Partners Universal International Innovation Journal, 1(1), 9-23. https://puiij.com/index.php/research/article/download/11/5
Gulzar, Y., Alwan, A. A., Abdullah, R. M., Abualkishik, A. Z., & Oumrani, M. (2023). OCA: Ordered Clustering-Based Algorithm for E-Commerce Recommendation System. Sustainability, 15(4), 2947. https://www.mdpi.com/2071-1050/15/4/2947/pdf
Fournier Guimbao, J. (2021). Inteligencia artificial: una carrera hacia un futuro tecnológico. Instituto Español de Estudios Estratégicos. Ministerio de Defensa.
Lambrecht, P., & Peter, M. K. (2022). The Influence of Digital Assistants on Search Engine Strategies: Recommendations for Voice Search Optimization. In Marketing and Smart Technologies (pp. 665-672). Springer, Singapore.
Longoni, C., & Cian, L. (2022). Artificial intelligence in utilitarian vs. hedonic contexts: The “word-of-machine” effect. Journal of Marketing, 86(1), 91-108.
Petroșanu, D. M., Pîrjan, A., Căruţaşu, G., Tăbușcă, A., Zirra, D. L. & Perju-Mitran, A. (2022, 16 septiembre). E-Commerce Sales Revenues Forecasting by Means of Dynamically Designing, Developing and Validating a Directed Acyclic Graph (DAG) Network for Deep Learning. Electronics, 11(18), 2940. https://doi.org/10.3390/electronics11182940
Rai, A., Constantinides, P., & Sarker, S. (2019). Next Generation Digital Platforms: Toward Human-AI Hybrids. Mis Quarterly, 43(1), 3-8.
Rivas, P., & Zhao, L. (2023). Marketing with ChatGPT: Navigating the Ethical Terrain of GPT-Based Chatbot Technology. AI, 4(2), 375-384. https://www.mdpi.com/2673-2688/4/2/19
Song, M., Xing, X., Duan, Y., Cohen, J. & Mou, J. (2022, mayo). Will artificial intelligence replace human customer service? The impact of communication quality and privacy risks on adoption intention. Journal of Retailing and Consumer Services, 66, 102900. https://doi.org/10.1016/j.jretconser.2021.102900
Zhou, Y. (2023). Business Personalized Automatic Recommendation Algorithm Based on AI Technology. In Tenth International Conference on Applications and Techniques in Cyber Intelligence (ICATCI 2022) (pp. 344-351). Cham: Springer International Publishing.
[1] Doctora en Ingeniería – Industria y Organizaciones, Magister en Análisis de Problemas Políticos, Económicos e Internacionales. Magister en «sociétés contemporaines comparées Europe –Amérique latine», spécialité géographie, aménagement et urbanisme, Especialista en Estadística Aplicada, Especialista en Evaluación y Formulación de Proyectos, Economista y psicóloga. Reconocida como investigadora Senior ante Minciencias.
[2] “El procesamiento del lenguaje natural (NLP – [Natural language processing (NLP)], por sus siglas en inglés) se refiere a la rama de la informática, y más específicamente, la rama de la inteligencia artificial o IA , que se ocupa de brindar a las computadoras la capacidad de comprender textos y palabras habladas de la misma manera que los seres humanos” (IBM, 2020).