Introducción al marketing algorítmico: Inteligencia artificial para operaciones de marketing

Opiniones de los lectores

El libro es elogiado por ser un recurso completo para el marketing basado en datos, con un fuerte énfasis en los métodos estadísticos y las aplicaciones de aprendizaje automático. Aunque ofrece ideas valiosas y metodologías detalladas, es criticado por su complejidad técnica y la falta de ejemplos prácticos adecuados para un público más amplio.

Cobertura exhaustiva de temas de marketing basado en datos, incluidos anuncios dirigidos, promociones y sistemas de recomendación. Sólida base matemática con metodologías detalladas y ejemplos industriales. Útil para profesionales con formación técnica, contenido bien estructurado y explicaciones claras e intuitivas en algunas secciones.

Es muy técnico y presupone conocimientos sólidos de estadística y aprendizaje automático, lo que puede alejar a los usuarios empresariales y a los neófitos en la materia. Algunos lectores lo consideran excesivamente prolijo y carente de ejemplos prácticos o aplicaciones concretas de las teorías tratadas.

(basado en 15 opiniones de lectores)

Título original:

Introduction to Algorithmic Marketing: Artificial Intelligence for Marketing Operations

Contenido del libro:

Introducción al marketing algorítmico es una guía completa de automatización avanzada del marketing para estrategas de marketing, científicos de datos, gestores de productos e ingenieros de software. Resume varias técnicas probadas por las principales empresas de tecnología, publicidad y venta al por menor, y une estos métodos con la teoría económica y el aprendizaje automático. El libro abarca las principales áreas del marketing que requieren microdecisiones programáticas: promociones y anuncios dirigidos, búsqueda en comercio electrónico, recomendaciones, fijación de precios y optimización del surtido.

"Una referencia exhaustiva e indispensable para cualquiera que emprenda el viaje transformador hacia el marketing algorítmico".

-Ali Bouhouch, CTO, Sephora Americas

"Es una lectura obligada tanto para los científicos de datos como para los responsables de marketing-incluso mejor si lo leen juntos".

-Andrey Sebrant, Director de Marketing Estratégico, Yandex

"El libro ofrece a los ejecutivos, mandos intermedios y científicos de datos de su organización un conjunto de recomendaciones concretas, procesables y graduales sobre cómo generar mejores conocimientos y decisiones, empezando hoy mismo, paso a paso." -Victoria Livschitz, Directora de Marketing Estratégico de Yandex.

-Victoria Livschitz, fundadora y CTO, Grid Dynamics

Índice

Capítulo 1 - Introducción.

⬤ El tema del marketing algorítmico.

⬤ La Definición de Marketing Algorítmico.

⬤ Antecedentes Históricos y Contexto.

⬤ Servicios Programáticos.

⬤ ¿Quién debe leer este libro?

⬤ Resumen.

Capítulo 2 - Revisión del Modelado Predictivo.

⬤ Análisis Descriptivo, Predictivo y Prescriptivo.

⬤ Optimización Económica.

⬤ Aprendizaje Automático.

⬤ Aprendizaje Supervisado.

⬤ Aprendizaje de Representación.

⬤ Modelos más especializados.

⬤ Resumen.

Capítulo 3 - Promociones y Anuncios.

⬤ Entorno.

⬤ Objetivos Empresariales.

⬤ Dirección del público objetivo.

⬤ Modelado y medición de la respuesta.

⬤ Bloques de construcción: Modelos de segmentación y LTV.

⬤ Diseño y ejecución de campañas.

⬤ Asignación de recursos.

⬤ Anuncios online.

⬤ Medición de la eficacia.

⬤ Arquitectura de los sistemas de segmentación.

⬤ Resumen.

Capítulo 4 - Búsqueda.

⬤ Entorno.

⬤ Objetivos empresariales.

⬤ Bloques de construcción: Emparejamiento y clasificación.

⬤ Mezcla de señales de relevancia.

⬤ Análisis semántico.

⬤ Métodos de búsqueda para la comercialización.

⬤ Ajuste de la relevancia.

⬤ Arquitectura de los servicios de búsqueda de merchandising.

⬤ Resumen.

Capítulo 5 - Recomendaciones.

⬤ Entorno.

⬤ Objetivos empresariales.

⬤ Evaluación de la Calidad.

⬤ Métodos de Recomendación.

⬤ Filtrado basado en el contenido.

⬤ Introducción al Filtrado Colaborativo.

⬤ Filtrado colaborativo basado en el vecindario.

⬤ Filtrado colaborativo basado en modelos.

⬤ Métodos híbridos.

⬤ Recomendaciones contextuales.

⬤ Recomendaciones no personalizadas.

⬤ Optimización de Objetivos Múltiples.

⬤ Arquitectura de Sistemas de Recomendación.

⬤ Resumen.

Capítulo 6 - Precios y Surtido.

⬤ Entorno.

⬤ Impacto de la fijación de precios.

⬤ Precio y valor.

⬤ Precio y demanda.

⬤ Estructuras básicas de precios.

⬤ Predicción de la demanda.

⬤ Optimización de precios.

⬤ Asignación de recursos.

⬤ Optimización del Surtido.

⬤ Arquitectura de los sistemas de gestión de precios.

⬤ Resumen.