Archivo

Archive for the ‘base de datos’ Category

¿Qué es la Inteligencia Artificial?

14 de junio de 2018 1 comentario

Hay una montaña de exageraciones alrededor de los grandes datos, la Inteligencia Artificial (IA) y el Aprendizaje Automático. Es como besarse en el patio de la escuela, todo el mundo está hablando de eso, pero pocos lo están haciendo realmente, y nadie lo está haciendo bien (les leí a unos amigos en Cloudera por esa frase). Sin duda existe un amplio consenso de que las organizaciones deben monetizar sus datos. Pero con todo el ruido en torno a estas nuevas tecnologías, creo que a muchos líderes empresariales se les está rascando la cabeza sobre lo que significa todo esto.

Dada la gran diversidad de aplicaciones y opiniones sobre este tema, puede ser una locura, pero me gustaría intentar proporcionar una definición práctica y útil de la Inteligencia Artificial. Si bien mi definición probablemente no gane ningún reconocimiento por la precisión teórica, creo que proporcionará un marco útil para hablar sobre las acciones específicas que una organización debe tomar para aprovechar al máximo sus datos.

 

La definición teórica

 

Si le preguntas a un científico informático (o Antonio Banderas), la IA es lo que obtienes cuando creas una computadora que es capaz de pensar por sí misma. Es en Odisea en el Espacio en  el 2001: Una odisea del espacio. Los datos de Star Trek: La próxima generación (dos de las mejores obras maestras de todos los tiempos). Estas computadoras son conscientes de sí mismas: máquinas pensantes e independientes que (desafortunadamente) son muy propensas a dominar el mundo.

Si bien esa definición puede ser estrictamente precisa desde una torre de marfil, no es particularmente práctica. Ningún científico creó tal cosa, y ningún negocio realmente está considerando utilizar dicha entidad en su modelo comercial.

El término ‘IA‘ se utiliza tan a menudo hoy en día que tenemos una comprensión básica de lo que significa: la capacidad de una computadora para realizar tareas tales como la percepción visual, reconocimiento de voz, toma de decisiones y traducción de idiomas. La IA ha progresado rápidamente en los últimos años, pero todavía no coincide con las enormes dimensiones de la inteligencia humana. Los humanos hacen un uso rápido de todos los datos a su alrededor y pueden usar lo que han almacenado en sus mentes para tomar decisiones. Sin embargo, la IA aún no cuenta con tales habilidades, en cambio, usa grandes cantidades de datos para aclarar sus objetivos. En última instancia, esto significa que la IA podría requerir grandes cantidades de datos para hacer algo tan simple como editar texto.

Dejando a un lado esa definición, entonces, veamos algo mucho más práctico que pueda hacer avanzar la conversación en los negocios.

 

La IA no es un Aprendizaje Automático

 

Hay dos conceptos principales, de acuerdo con mis definiciones, que son importantes. La IA es una, y lo definiré en breve. El Aprendizaje Automático es el segundo. Existe tanta confusión sobre la definición de Aprendizaje Automático como acerca de la IA, y creo que es importante señalar que no son lo mismo.

El Aprendizaje Automático se conoce con otros nombres. Harvard Business Review lo llamó Ciencia de Datos (Data Science), y lo llamó el trabajo más sexy del siglo XXI, lo cual es una afirmación bastante audaz, dado que quedan muchos años hasta el siglo XXII. Hace años, se llamaban ‘estadísticas’ o ‘modelos predictivos’ (acuérdese del hombre del tiempo).

Como quiera que lo llame, el Aprendizaje Automático es un método de usar datos históricos para hacer predicciones sobre el futuro. La máquina aprende de esos ejemplos históricos para construir un modelo que luego se puede usar para hacer predicciones sobre los nuevos datos.

Por ejemplo, las compañías de tarjetas de crédito deben detectar transacciones fraudulentas en tiempo real para que puedan bloquearlas. Perder dinero por fraude es un gran problema para los proveedores de tarjetas, y detectar el fraude es un problema ideal de Aprendizaje Automático. Los proveedores de tarjetas de crédito tienen una montaña de transacciones históricas, algunas de las cuales se marcaron como fraudulentas. Usando el Aprendizaje Automático, las transacciones históricas se pueden usar para entrenar un modelo. Ese modelo es básicamente una máquina que analiza una transacción y juzga la probabilidad de que sea un fraude.

Otro ejemplo común en el espacio sanitario es predecir los resultados de los pacientes. Supongamos que un paciente va a la sala de emergencias y termina teniendo una infección mientras está en el hospital. Ese es un mal resultado para el paciente (obviamente), pero también para el hospital y las compañías de seguros, etc. Es en interés de todos tratar de evitar este tipo de incidentes.

Los médicos de atención médica con frecuencia usan datos pasados ​​de pacientes (incluida la información sobre pacientes que tuvieron y no tuvieron un mal resultado) con el fin de construir modelos que puedan predecir si un paciente en particular es probable que tenga un mal resultado en el futuro.

Los modelos de Aprendizaje Automático están definidos muy estrechamente. Predicen un evento o un número. ¿El paciente va a ponerse más enfermo? ¿Cuánto gastará mi equipo de ventas el próximo trimestre? ¿Este cliente potencial responderá a mi mensaje de marketing? Los modelos están diseñados para responder a una pregunta muy específica al hacer una predicción muy específica y, a su vez, convertirse en entradas importantes para las soluciones de inteligencia artificial.

 

La Inteligencia Artificial combina datos, lógica de negocios y predicciones

 

Tener un modelo de Aprendizaje Automático (Machine Learning) es como tener una superpotencia o una bola de cristal. Puedo alimentarlo con datos y hará predicciones sobre el futuro. Estos modelos pueden identificar préstamos potencialmente malos antes de que fallen. Pueden pronosticar los ingresos en el futuro. Pueden destacar lugares donde es probable que se cometan crímenes. El sistema de datos en la IA es cómo los pones en práctica.

Volvamos al ejemplo del fraude con tarjeta de crédito. Supongamos que puedo decirle por medio de un modelo de Aprendizaje Automático si es probable que una transacción sea fraudulenta o no. ¿Qué haría? Incluso pensarlo por un minuto hace que sea obvio que hay mucho más trabajo por hacer antes de que pueda comenzar a obtener valor de ese modelo.

Aquí hay algunas preguntas que debe considerar en este ejemplo:

  1. ¿Qué datos hay disponibles para mí en el momento de la transacción?
  2. ¿Cuánto tiempo tengo para procesar los datos y rechazar la transacción?
  3. ¿Qué regulaciones limitan mi capacidad de bloquear las transacciones potencialmente fraudulentas?
  4. A nadie le gusta tener legítimas transacciones bloqueadas. ¿Qué preocupaciones de experiencia de cliente necesito en esta dirección?
  5. ¿Con qué tasas de falsos positivos y falsos negativos me siento cómodo?
  6. …y así

Hay muchas más preguntas que un proveedor de tarjeta de crédito debería considerar antes de implementar un sistema para bloquear transacciones potencialmente fraudulentas.

Ese sistema, sin embargo, es lo que yo llamo IA. Es la combinación de toda la lógica comercial, todos los datos y todas las predicciones que necesito para automatizar una decisión o un proceso.

 

  • Lógica Comercial: La lógica comercial es probablemente el aspecto más importante para poner en práctica un sistema de IA. Esto cerca la experiencia de usuario, las cuestiones legales de conformidad, varios umbrales y banderas que puedo necesitar, etcétera. Esto es básicamente el pegamento que mantiene el proceso entero unido.

 

  • Datos: Los sistemas de IA extienden la mano para los datos. Ellos podrían tener que agregar datos de cliente, resumir transacciones, coleccionar una medida de un sensor, etcétera. Sin tener en cuenta de donde esto viene, los datos conducen el sistema de la IA; sin ello, el sistema viene hablando alto.

 

  • Predicciones: No todos los sistemas de Inteligencia Artificial usan datos, pero sí todos los buenos lo hacen. Cualquiera que haya llamado a su proveedor de cable ha tenido que lidiar con el sistema telefónico automatizado sin fin. Están tratando de automatizar un proceso, pero no están siendo inteligentes al respecto. La Smart AI podría hacer predicciones sobre por qué estaba llamando. Hay muchos recursos para las organizaciones que intentan comenzar con la IA. DataRobot ofrece programas educativos que pueden ayudar a cualquier persona a ponerse rápidamente al día. Existen muchas organizaciones que pueden ayudar a acelerar el proceso.

 

Empiece hoy mismo

 

Hay muchos recursos para las organizaciones que intentan comenzar con la IA. DataRobot ofrece programas educativos que pueden ayudar a cualquier persona a ponerse rápidamente al día. Existen muchas organizaciones que pueden ayudar a acelerar el proceso.

Recuerde, sin embargo, que no se trata de encontrar el caso de uso perfecto con la información perfecta. Se trata de asumir tantos proyectos pequeños como pueda para generar valor rápidamente. Puede obtener algunas ganancias que acumulará un impulso sustancial y hará posible que itere y amplíe su monetización de sus datos.

 

Artículos relacionados:

 

 

hostgator2

Web Hosting HostGator

Anuncios

¿Qué es Google BigTable?

11 de enero de 2013 2 comentarios

Google BigTable es un mecanismo no relacional, un almacenamiento de datos distribuida y secuencia-replicasmultidimensional basado en las tecnologías de almacenamiento de propiedad de Google para la mayoría de aplicaciones en línea y back-end de la empresa / productos. Proporciona arquitectura de datos escalable para infraestructuras de bases de datos muy grandes. BigTable se utiliza principalmente en los productos de propiedad de Google, aunque algunos disponible en Internet en el Google App Engine y aplicaciones de otros fabricantes de bases de datos.

BigTable es un mapa continuo y ordenado. Cada cadena en el mapa consta de una fila, las columnas (varios tipos) y un valor de marca de tiempo que se utiliza para la indexación. Por ejemplo, una serie de datos de un sitio web que le ahorra:

  •     La dirección URL invertido como el nombre de la fila (com.google.www).
  •     La columna de contenido almacena el contenido de las páginas web.
  •     El contenido ancla guarda cualquier texto de anclaje o referencia a la página de contenido.
  •     Un sello de tiempo proporciona la hora exacta en que se almacenaron los datos y se utiliza para ordenar múltiples instancias de una página.

BigTable se construye en la parte superior de las tecnologías como Google File System y SSTable. Es utilizado por más de 60 aplicaciones de Google a partir de 2012, como Google Finance, Google Reader, Google Maps, Google Analytics y la indexación Web.

Está construido sobre GFS (Google File System), Chubby Lock Service, y algunos otros servicios y programas de Google, y funciona sobre ‘commodity hardware’ (sencillos y baratos PCs con procesadores Intel).

BigTable comenzó a ser desarrollado a principios de 2004.

BigTable almacena la información en tablas multidimensionales cuyas celdas están, en su mayoría, sin utilizar. Además, estas celdas disponen de versiones temporales de sus valores, con lo que se puede hacer un seguimiento de los valores que han tomado históricamente.

Para poder manejar la información, las tablas se dividen por columnas, y son almacenadas como ‘tabletas’ de unos 100-200 Mbytes cada una. Cada máquina almacena 100 tabletas, mediante el sistema ‘Google File System‘. La disposición permite un sistema de balanceo de carga (si una tableta está recibiendo un montón de peticiones, la máquina puede desprenderse del resto de las tabletas o trasladar la tableta en cuestión a otra máquina) y una rápida recomposición del sistema si una máquina ‘se cae’.

BigTable es un mapa multidimensional ordenado, disperso, distribuido y persistente.

Google creó BigTable porque los sistemas de bases de datos tradicionales no tenían ni tienen, la capacidad de crear sistemas lo suficientemente grandes. Además, estos sistemas de bases de datos relacionales, como SQL Server, Oracle o MySQL fueron pensados y diseñados para que se ejecutasen en un solo servidor con mucha potencia. Por ello, no encajarían en las estructuras distribuidas den miles de servidores.

El paper de este sistema de almacenamiento, denominado BigTable, se encuentra en la página de Google.

Leer más sobre Google BigTable.

 

Artículos relacionados:

 

 

Los Mercados Online de Envato: ebooks, tutoriales, vídeos, cursos, temas para WordPress y App

¿Qué es SAP HANA?

10 de enero de 2013 3 comentarios

SAP HANA es una plataforma de datos en memoria que se puede implementar como un dispositivo en local, o en la nube. Se trata de una plataforma revolucionaria que mejor se adapta a la realización de análisis en tiempo real, y en el desarrollo y despliegue de aplicaciones en tiempo real. En el núcleo de esta plataforma en tiempo real de datos es la base de datos SAP HANA que es fundamentalmente diferente de cualquier motor de base de datos en el mercado de hoy en día (figura 1).

 

Qué es SAP HANA

Figure 1:        SAP HANA – plataforma para una nueva clase de análisis en tiempo real y aplicaciones

 

Cuando las empresas tienen que ir más profundo en sus conjuntos de datos, para hacer preguntas complejas e interactivas, tienen que ir en sentido amplio (lo que significa trabajar con conjuntos de datos enormes que son de diferentes tipos y de diferentes fuentes) al mismo tiempo, SAP HANA es bien adecuado. Cada vez existe una necesidad de estos datos para que sean recientes y preferiblemente en tiempo real. A esto se añade la necesidad de alta velocidad (tiempo de respuesta muy rápido y la interactividad real), y la necesidad de hacer todo esto sin ningún tipo de pre-fabricación (sin preparación de los datos, no pre-agregados, no tuning-) y tiene una combinación única de requisitos que sólo SAP HANA puede abordar de manera efectiva. Cuando este conjunto de necesidades o cualquier subconjunto de ellos tienen que abordarse (en cualquier combinación), SAP HANA está en sus elementos.

 

Análisis y Aplicaciones

 

1. Análisis en tiempo real – las categorías de Analytics que se especializa HANA son:

  1. Presentación de Informes Operacionales  (Perspectivas en tiempo real de los sistemas de transacción tales como la costumbre o ERP SAP). Esto cubre Informes de ventas (mejorar las tasas de cumplimiento y la aceleración de los procesos de ventas clave), Información Financiera (percepciones inmediatas a través de ingresos, clientes, cuentas por pagar, etc), informes de envío (que permite un mejor análisis completo resumen de stock), Informes de compras (completa en tiempo real análisis de historial de pedidos completo) y Master Data Reporting (capacidad de impactar la productividad y la precisión en tiempo real).
  2. Almacenamiento de Datos (SAP NetWeaver BW en HANA) –Los clientes de BW pueden ejecutar la totalidad de su solicitud BW sobre la plataforma SAP HANA con rendimiento sin precedentes que lleva a BW (consultas que se ejecutan 10-100 veces más rápido, las cargas de datos 5-10 veces más rápido, ejecutan cálculos 5-10 veces más rápido), un espectacular panorama de TI simplificada ( conduce a una mayor eficiencia operativa y reducción de los residuos), y una comunidad de negocios capaz de tomar decisiones más rápidas. Además, no sólo es la inversión BW de estos clientes conservados pero también súper-cargada. Los clientes pueden migrar con facilidad a la base de datos de SAP HANA sin afectar a la capa de aplicación BW en absoluto.
  3. Análisis predictivo y texto en Big Data – Para tener éxito, las empresas deben ir más allá de centrarse en ofrecer el mejor producto o servicio y descubrir cliente / empleado / proveedor / socio, tendencias e ideas, anticipar el comportamiento y adoptar medidas proactivas. SAP HANA proporciona la capacidad de realizar análisis predictivo y el texto en grandes volúmenes de datos en tiempo real. Lo hace a través del poder de sus bases de datos en algoritmos de predicción y su capacidad de integración R. Con su texto de búsqueda / análisis de las capacidades de SAP HANA también proporciona una forma eficaz de aprovechar los datos no estructurados.

2. Aplicaciones en tiempo real – las categorías de aplicaciones que se especializa HANA

  1. Aceleradores de procesos principales – Acelerar los informes de negocio mediante el aprovechamiento de los aceleradores de ERP, que son sin interrupciones maneras de tomar ventaja de la tecnología in-memory. Estas soluciones implican una base de datos SAP HANA sentada junto a un sistema SAP ERP del cliente. Los datos transaccionales se replican en tiempo real de ECC en HANA para la notificación inmediata, y entonces los resultados pueden incluso ser alimentados de nuevo en ECC. Las soluciones incluyen CO-PA Accelerator, Finanzas y Control del Acelerador, Acelerador de segmentación de clientes, análisis de ventas Pipeline, y mucho más.
  2. Planificación, optimización de Aplicaciones SAP HANA sobresale en aplicaciones que requieren programación compleja con resultados rápidos y SAP ofrece soluciones que ningún otro proveedor puede igualar. Estas incluyen ventas y planificación operativa, BusinessObjects Planning y consolidación, previsión de caja, cálculo ATP, cálculo de márgenes, optimización de la programación de fabricación (desde la puesta en marcha de Optessa), y más.
  3. Sentido & respuesta aplicaciones – Estas aplicaciones ofrecen perspectivas en tiempo real sobre Big Data, tales como los datos de los medidores inteligentes, los datos de punto de venta, los datos de medios sociales y más. Implican complejidades tales como la visión personalizada y las recomendaciones, búsqueda de texto y la minería, y el análisis predictivo. Sólo SAP HANA es muy adecuado para estas aplicaciones, incluyendo Smart Meter Analytics, SAP Supplier Infonet, venta al por menor de precisión, SAP y aplicaciones geoespaciales de visualización (desde el arranque Space-Time Insight). Normalmente, estos procesos tienden a ser intensivos en datos y muchos no podrían ser desplegados en el pasado debido a las limitaciones de costo y rendimiento.

 

¿Cuál es el ingrediente secreto?

 

Otros sistemas de administración de bases de datos en el mercado son típicamente o bien a las cargas de trabajo transaccionales, o cargas de trabajo de análisis, pero no ambos. Cuando los transaccionales productos DBMS se utilizan para cargas de trabajo analíticas, se requieren para separar las cargas de trabajo en diferentes bases de datos (OLAP y OLTP). Hay que extraer los datos de su sistema transaccional (ERP), transformar esos datos para el reporte y los cargan en una base de datos de informes (BW). La base de datos de informes todavía requiere un esfuerzo significativo en la creación y mantenimiento de las estructuras de ajuste tales como agregados e índices para proporcionar incluso un rendimiento moderado.

Debido a su estructura híbrida para el procesamiento de cargas de trabajo transaccionales y cargas de trabajo analíticas completamente en memoria, SAP HANA combina lo mejor de ambos mundos. No es necesario que tome el tiempo para cargar los datos de su base de datos transaccional en su base de datos de informes, o incluso construir estructuras tradicionales de ajuste para permitir que se informa. Como las transacciones están ocurriendo, puede informar en contra de ellas mientras “viven”. Mediante la consolidación de dos paisajes (OLAP y OLTP) en una sola base de datos, SAP HANA proporciona a las empresas con menor TCO masivamente además de una alucinante velocidad.

 

Qué es SAP HANA

Figure 2:        Amplia cartera de soluciones de SAP HANA habilitadas – como “Juegos” en la “Xbox”

 

Pero aún más importante es el paradigma de la programación de aplicaciones habilitado para las aplicaciones de “extremos”. Desde la base de datos de SAP HANA reside completamente en memoria todo el tiempo, los cálculos complejos adicionales, las funciones y los datos de operaciones intensivas pueden suceder en los datos directamente en la base de datos, sin necesidad de movimientos que consumen mucho tiempo y costosos, los datos entre la base de datos y las aplicaciones. Esta simplificación increíble y la optimización de la capa de datos es la “función única” de SAP HANA, ya que elimina múltiples capas de tecnología y gran esfuerzo humano para conseguir una velocidad increíble. También tiene la ventaja de reducir el coste total de propiedad de toda la solución.

Algunos motores de base de datos en el mercado de hoy en día podrían pretender dar uno u otro de los beneficios que aporta SAP HANA. Sin embargo, ninguno de ellos puede cumplir todos ellos. Se trata de computación en tiempo real, y los clientes pueden tomar ventaja de esto hoy a través de SAP BW en SAP HANA, los aceleradores de SAP HANA y las aplicaciones de SAP HANA nativas (figura 2).

 

SAP HANA sobresale en aplicaciones que requieren programación compleja con resultados rápidos y SAP ofrece soluciones que ningún otro proveedor puede igualar. Estos incluyen ventas y planificación operativa, BusinessObjects Planning y consolidación, previsión de caja, cálculo ATP, cálculo de márgenes, optimización de la programación de fabricación (desde la puesta en marcha Optessa), y más.

 

Artículos relacionados:

 

Big Data significa grandes innovaciones

El Camino de un Data Scientist

El Futuro del Cloud Computing

¿Qué es Big Data?

¿Qué son los cubos OLAP?

 

Los Mercados Online de Envato: ebooks, tutoriales, vídeos, cursos, temas para WordPress y App

3 pasos para hacer listas de email B2B más efectivas

2 de agosto de 2010 Deja un comentario

Los responsables de marketing B2B (Business-to-Business) dicen que las listas de email internas son siete veces más efectivas a la hora de generar un volumen ventas de calidad que las listas de terceros. Pero muchos están de acuerdo también al afirmar que sus listas de email no son lo suficientemente grandes como para dirigir el volumen que su organización de ventas necesita.

Para ello, necesitan una estrategia de crecimiento de listas que atraiga un gran número de nombres de alta calidad sin desechar el crecimiento y la vitalidad. Con estas tres tácticas que propone ClickZ es posible empezar a ver un crecimiento real de estas listas y a su vez evitar los peligros que acechan cuando se intenta hacer crecer una lista demasiado rápido sin los controles adecuados.

1. Trabaja con tu equipo de ventas

Normalmente, los equipos de ventas y los email marketers no trabajan en conjunto para aumentar la lista. Además, muchos comerciales se muestran reticentes a la hora de compartir sus contactos co los equipos de email porque temen que el marketing pueda estropear sus relaciones al bombardear a los clientes o sus perspectivas con demasiados correros electrónicos confusos o irrelevantes.

Pero los buenos marketeros de email B2B deben ser transparentes con sus equipos de ventas y trabajar con ellos a la hora de definir sus metas y objetivos para el programa de email marketing.

• Ofreciendo detalles sobre los mensajes que se van a mandar, incluyendo la frecuencia, la llamada a la acción y los puntos del mensaje que se utilizarán para las campañas.

• Explicando exactamente los puntos que se definen necesarios para obtener un volumen de datos completo, y las preguntas que utilizas para segmentar a la hora de clasificar y hacer seguimientos.

• Escuchando el feedback que ofrecen los comerciales. Si dicen que algo no está funcionando, es importante discutir las ideas con ellos y hacer cambios, si es necesario, al programa, para apoyar los procesos de ventas e impulsar las conversaciones.

Una vez se ha establecido una relación cómoda y de confianza en relación con las ventas, tendrás acceso a un montón de direcciones de email para tu lista interna y poder cultivar un programa de liderazgo.

2. Construye tu lista orgánicamente

Muchos responsables de email marketing han conseguido que su lista de direcciones de email crezca gracias a acciones básicas como promocionar el registro en la web a través de todo el marketing online y offline, solicitando los registros en demostraciones comerciales o recogiendo estas direcciones en el momento de compra.

Pero también existen otras ideas más creativas:

• Mira más allá del stand de demostraciones comerciales. Desarrolla una serie de seminarios de liderazgo, libros blancos, e-books o incluso una lista de mejores prácticas que ofrezcan a tus objetivos o clientes respuestas y consejos útiles. También solicita que se registren para acceder al contenido y pon una opción de recibir email marketing en el registro.

• Impulsa las búsquedas y el social media marketing. Facilita una opción de email en el encabezamiento y final de cada página de búsqueda de pago y en el contenido de las redes sociales. Después pide a tus objetivos y clientes que compartan su email y el contenido de la web en sus contactos, de forma que sea más fácil que los miembros de estas redes se suscriban.

• Identifica oportunidades offline que conduzcan a la gente a online. La estrategia que desarrolló Southwest Airlines es un buen ejemplo. Promocionó registros de email con una llamada a la acción desde los cuadros de horarios y puentes a las revistas en la cabina, servilletas e incluso las bolsas de cacahuetes. Ten en cuenta que los clientes pueden estar sin tener nada que hacer un buen rato, por lo que aprovecha la oportunidad de promocionar el registro de su dirección de email.

• Utiliza códigos bidi o QR. Estos códigos son pequeños códigos de barras que los smartphones con cámaras digitales pueden escanear y enviar a una web móvil. Crea un código bidi que dirija a los clientes a una página especial con más información y una opción de sign-up. Incluye estos códigos en las tarjetas de empresa, marketing colateral, anuncios en los aeropuertos o publicidad impresa, de forma que tus objetivos no tengan que escribir o recordar una URL.

• Implementa Facebook Connect. El Facebook Connect API ofrece acceso a la información que tus objetivos ya han incluido en sus páginas de Facebook cuando les das la opción de registrarse en su página utilizando su cuenta en Facebook. Se les pedirá que den permiso para que tú puedas acceder a su información pública, enviarles emails, y acceder a su perfil en la red, lo que puede servir para enviar emails más segmentados.

3. Evita comprar listas en caso de pánico

No te decantes por la adquisición de listas de terceros. Son caras y normalmente no funcionan demasiado bien. Puedes invertir entre 10.000 y 15.000 dólares en una lista muy bien segmentada y de gran calidad que, a la hora de desarrollar tus acciones, no te ofrezca las perspectivas esperadas.

Si las estrategias para hacer crecer tu lista de forma orgánica no funcionan como tú esperabas, invierte en campañas de segmentación que dirijan a la gente a tu web y te permita construir tu propia lista.

A %d blogueros les gusta esto: