Noticias

Beauchef Magazine 2021

NoiseGrasp: Modelamiento matemático y machine learning para un marketing más efectivo

NoiseGrasp: Modelamiento matemático y machine learning para un marketi

Por Comunicaciones CMM - U. de Chile

¿Es posible saber mediante la matemática qué tan efectivo es un comercial que aparece en televisión, en una pancarta o en el video de un influencer? Fue la pregunta que se hizo el emprendedor chileno Andrés Groisman y que lo llevó a desarrollar uno de los emprendimientos basados en modelamiento matemático más efectivos del último tiempo.

Groisman y su socio Andrés Gottlieb crearon la startup NoiseGrasp en 2014, con el propósito de ayudar a empresas a definir cuánto y dónde invertir en marketing de la forma más eficiente posible. “Es la forma para que puedan tener ventas mucho mayores, con la misma inversión en publicidad”, afirma Groisman. Todo ello a través de estrategias implementadas con machine learning y otras herramientas de ciencia de datos.

El emprendimiento nació cuando Groisman trabajaba en Estados Unidos, donde notó que este tipo de servicios suelen ser muy costosos, incluso para grandes empresas que operan a nivel mundial. “El desafío era ver cómo hacer algo similar, pero más asequible para empresas más pequeñas. Y para eso había que desarrollar un proceso mucho más escalable, donde se puedan automatizar pasos que convencionalmente toman meses y cuestan muchísimo dinero”, explica.

Para iniciar el negocio, el ingeniero industrial de la U. de Chile unió sus conocimientos a los de su socio, ingeniero civil en computación, para fortalecer la estrategia y pulir los servicios del emprendimiento. Pero necesitaban buscar la forma de optimizar el proceso, reducir el tiempo de análisis y el costo que implica realizar un análisis de marketing, por lo que acudieron al Centro de Modelamiento Matemático (CMM) de la Universidad de Chile.

El machine learning fue la respuesta para hacer ese proceso más escalable, automatizado y eficiente. Con esto, NoiseGrasp pudo establecerse como servicio de análisis de mercado, a través de la generación de modelos matemáticos con inteligencia artificial. “Aunque no es 100% automatizado, todas estas técnicas de ciencia de datos han sido fundamentales para lograr lo que queremos hacer. Si no fuera por esas técnicas, estaríamos igual que cualquier otro, con las técnicas mucho más tradicionales, que son más lentas y caras”, detalla Groisman.

Precisión y rapidez

Al utilizar modelos matemáticos predictivos, basados en inteligencia artificial, NoiseGrasp ha logrado tener más del 90% de precisión en la asesoría que proporciona a sus clientes, incluso cuando existe una cantidad limitada o deficiente de información. De esta forma puede revelar y predecir cómo las distintas iniciativas de marketing impactan en las ventas de una marca. Para poder incorporar estas técnicas de la ciencia de datos, Groisman recurrió al investigador del CMM Daniel Remenik. “Era algo relativamente nuevo para el CMM este tipo de relaciones con un emprendimiento que estaba partiendo de cero. Era un modelo completamente nuevo, que fuimos creando durante el trayecto de este emprendimiento”, recuerda el CEO de NoiseGrasp.

Groisman ve con buenos ojos el futuro de su emprendimiento, con el que efectivamente ha logrado optimizar la inversión publicitaria de empresas en menor tiempo y a más bajo costo. “En promedio, mejoramos alrededor de un 15% de efectividad en los avisos que las marcas posicionan. Eso puede llegar a ser una diferencia muy cuantiosa si pensamos que se gastan muchos millones en publicidad por campaña”, concluye. Actualmente trabajan con diferentes marcas que buscan optimizar su inversión de marketing en América Latina, para prontamente expandirse a Estados Unidos y Asia.

Galería de fotos

Últimas noticias