{"id":89630,"date":"2019-06-25T16:45:09","date_gmt":"2019-06-25T11:15:09","guid":{"rendered":"https:\/\/vwo.com\/blog\/deliver-personalized-recommendations-the-amazon-netflix-way\/"},"modified":"2025-11-13T16:47:22","modified_gmt":"2025-11-13T11:17:22","slug":"personalizacion-de-amazon-y-netflix","status":"publish","type":"post","link":"https:\/\/vwo.com\/blog\/es\/personalizacion-de-amazon-y-netflix\/","title":{"rendered":"\u00bfC\u00f3mo funciona la personalizaci\u00f3n de Amazon y Netflix?"},"content":{"rendered":"\n

En los \u00faltimos a\u00f1os, la personalizaci\u00f3n ha dado pasos concretos para salir del \u00abbombo publicitario\u00bb y ha encontrado su vocaci\u00f3n en los despliegues de marketing B2B y B2C con el mismo vigor. Incluso t\u00fa, querido lector, has formado parte inadvertidamente de experimentos de personalizaci\u00f3n cada vez que te conectas a Netflix para darte un atrac\u00f3n de esa serie web para la que por fin has encontrado tiempo. Entonces, \u00bfc\u00f3mo emular sus modelos de recomendaci\u00f3n personalizada a escala<\/a>? Este art\u00edculo intenta descifrar c\u00f3mo dos de los mayores gigantes de Internet, Netflix y Amazon, enfocan la personalizaci\u00f3n desde el punto de vista de los ingresos.<\/p>\n\n\n\n

Descargar gratis: Gu\u00eda de personalizaci\u00f3n de sitios web<\/span><\/a><\/em><\/h3>\n\n\n\n
\"The<\/figure>\n\n\n

La f\u00f3rmula secreta de Netflix para personalizar la experiencia del cliente<\/strong><\/h2>\n\n\n

Todo lo que hace Netflix est\u00e1 impulsado por datos y potenciado por algoritmos inteligentes de IA. La empresa siempre est\u00e1 pensando y probando ideas para asegurarse de que todo lo que se difunde en su plataforma coincide exactamente con los procesos de pensamiento de sus usuarios. Y sus esfuerzos son bastante evidentes. <\/p>\n\n\n\n

Entendamos c\u00f3mo su mecanismo de personalizaci\u00f3n est\u00e1 haciendo maravillas para Netflix y qu\u00e9 podemos aprender del gigante del streaming de v\u00eddeo online.<\/p>\n\n\n

1. El uso de tests A\/B<\/h3>\n\n\n

Nadie entiende mejor la t\u00e9cnica de los tests A\/B<\/a> que Netflix. Seg\u00fan Todd Yellin, Vicepresidente de Producto de Netflix, la empresa realiza unos 250 tests A\/B<\/a> al a\u00f1o. Cada una de estas pruebas presenta dos versiones diferentes de experiencias a los usuarios para ver c\u00f3mo reaccionan y responden a los cambios sugeridos. De media, Netflix elige a unos 100.000 usuarios para probar sus hip\u00f3tesis. Una de las razones por las que no hay dos personas que tengan la misma experiencia en su plataforma.<\/p>\n\n\n\n

Siguiendo aqu\u00ed un enfoque emp\u00edrico, Netflix se asegura de que todo lo que se muestra en la plataforma (contenido, im\u00e1genes y v\u00eddeos) se basa en datos reales recogidos de los tests A\/B que realiza y no en la opini\u00f3n de una persona. <\/p>\n\n\n\n

Las tarjetas de aterrizaje de Netflix son un ejemplo perfecto para citar aqu\u00ed. Las tarjetas de aterrizaje suelen ser im\u00e1genes o teasers de v\u00eddeo visibles para un usuario que navega por la categor\u00eda de recomendaciones de Netflix. Ahora bien, \u00bfc\u00f3mo pueden marcar la diferencia estas tarjetas? El concepto es bastante sencillo. Tanto las im\u00e1genes como los v\u00eddeos tienen un mayor impacto en la mente de los clientes que el contenido (es decir, las palabras) redactado a su alrededor. Es m\u00e1s probable que la gente vea un v\u00eddeo si se le muestran im\u00e1genes o teasers atractivos y convincentes.<\/p>\n\n\n\n

Los tests A\/B <\/a> de estas tarjetas de aterrizaje permiten a la plataforma comprender la psicolog\u00eda de sus clientes, utilizando adem\u00e1s los datos recopilados para personalizar su experiencia de la forma m\u00e1s eficaz posible. <\/p>\n\n\n\n

\"Content
Fuente de la imagen: Netflix TechBlog<\/a><\/figcaption><\/figure>\n\n\n

2. El uso de la IA para potenciar el motor de recomendaci\u00f3n<\/h3>\n\n\n

Al igual que Amazon, Netflix tambi\u00e9n apuesta mucho por utilizar la IA y el aprendizaje autom\u00e1tico para potenciar sus motores de recomendaci\u00f3n. La empresa utiliza los datos de visionado de los clientes, el historial de b\u00fasquedas, los datos de valoraci\u00f3n, as\u00ed como la hora, la fecha y el tipo de dispositivo que utiliza un usuario para predecir lo que se le debe recomendar. Las estad\u00edsticas muestran que Netflix utiliz\u00f3 en 2014 76.897 \u00abg\u00e9neros alternativos\u00bb o formas \u00fanicas de determinar el tipo de pel\u00edculas y programas que debe recomendar a cada uno de sus usuarios, no s\u00f3lo para personalizar su experiencia, sino tambi\u00e9n para hacer que vuelvan a por m\u00e1s.  <\/p>\n\n\n\n

Adem\u00e1s, la empresa tambi\u00e9n utiliza los datos de los clientes para crear p\u00e1ginas de inicio \u00fanicas para cada uno de sus usuarios. Muestra el contenido que cree que mejor se ajusta a los intereses de sus usuarios, adem\u00e1s de mejorar su experiencia general con la plataforma.<\/p>\n\n\n\n

\"Netflix
Fuente de la imagen: P\u00e1gina principal de Netflix<\/a><\/figcaption><\/figure>\n\n\n\n

El quid de la cuesti\u00f3n: las recomendaciones s\u00f3lidas basadas en la IA<\/a> y el aprendizaje autom\u00e1tico no s\u00f3lo te permiten ofrecer a tus usuarios una experiencia personalizada que les encantar\u00e1, sino tambi\u00e9n reducir significativamente tu tasa de bajas<\/a>.<\/p>\n\n\n

3. El uso del contenido adecuado en el momento adecuado<\/h3>\n\n\n

Dejando a un lado los algoritmos para alimentar las recomendaciones, el contenido tiene la capacidad de hacer o deshacer la experiencia general y la relaci\u00f3n de un usuario con tu plataforma. Y Netflix lo entiende muy bien.<\/p>\n\n\n\n

El gigante del streaming de v\u00eddeo en l\u00ednea utiliza el contenido para trazar el \u00e9xito o fracaso de sus recomendaciones en funci\u00f3n de lo que gusten o no a los usuarios. Por ejemplo, si a un usuario le gusta mucho ver pel\u00edculas de terror como El ritual, La ni\u00f1era o Ap\u00f3stol, Netflix le recomendar\u00eda pel\u00edculas similares para mantenerlo enganchado a su plataforma. No puede recomendar directamente pel\u00edculas de comedia que, viendo los datos de navegaci\u00f3n del usuario, parecen una sugerencia muy vaga.<\/p>\n\n\n\n

\"screenshot
Fuente de la imagen: P\u00e1gina principal de Netflix<\/figcaption><\/figure>\n\n\n\n

Adem\u00e1s de esto, Netflix tambi\u00e9n utiliza el tiempo como una variable importante para recomendar programas a sus clientes. Es decir, la plataforma te sugerir\u00e1 programas m\u00e1s cortos o aquellos que est\u00e9s a medio ver cuando te conectes tarde por la noche, en lugar de recomendarte programas de mayor duraci\u00f3n.<\/p>\n\n\n\n

Lo que entendemos aqu\u00ed es que mostrar el contenido adecuado en el momento adecuado no s\u00f3lo puede ayudar a aumentar la participaci\u00f3n de los clientes<\/a> en tu plataforma, sino tambi\u00e9n a mejorar significativamente la experiencia del usuario.<\/p>\n\n\n\n

Descargar gratis: Gu\u00eda de personalizaci\u00f3n de sitios web<\/span><\/a><\/em><\/h3>\n\n\n

Sistema integral de recomendaci\u00f3n de productos de Amazon<\/h2>\n\n\n

El viaje de transformaci\u00f3n de Amazon comenz\u00f3 en 2010, cuando empez\u00f3 a recomendar productos a sus clientes a trav\u00e9s de su widget \u00abClientes que compraron\u00bb. Esto les dio un gran salto entonces y sigue haciendo maravillas para el gigante del comercio electr\u00f3nico. Seg\u00fan la empresa<\/a>, casi el 35% de sus ventas proceden de estas recomendaciones personalizadas, \u00a1incluso hoy! Y es probable que casi el 56% de ellas se conviertan tambi\u00e9n en compradores habituales.  <\/p>\n\n\n\n

Su intento de personalizar la experiencia de compra del cliente no se ha quedado ah\u00ed. Amazon ha realizado notables avances en personalizaci\u00f3n<\/a> en los dos \u00faltimos a\u00f1os con la ayuda de la inteligencia artificial, el aprendizaje autom\u00e1tico y el an\u00e1lisis predictivo<\/a>.<\/p>\n\n\n\n

Esto es lo que hay que aprender de los esfuerzos de personalizaci\u00f3n de Amazon.<\/p>\n\n\n

1. El uso de la IA y las t\u00e9cnicas de aprendizaje profundo<\/h3>\n\n\n

Accede a tu cuenta de Amazon y ver\u00e1s que la plataforma siempre tiene algo nuevo que recomendarte, que, est\u00e9s de acuerdo o no, coincide perfectamente con tus intereses. \u00bfC\u00f3mo lo hace? La respuesta es \u00a1aprendizaje profundo<\/strong>!<\/p>\n\n\n\n

El aprendizaje profundo, una rama ampliada de la IA y el aprendizaje autom\u00e1tico, utiliza algoritmos para comprender de forma natural el comportamiento humano y ofrecer resultados en consecuencia. En el contexto de Amazon, el aprendizaje profundo ayuda a la plataforma a analizar qu\u00e9 producto(s) es probable que un cliente compre a continuaci\u00f3n, recomend\u00e1ndoselo adem\u00e1s mientras est\u00e9 en el sitio o cuando vuelva a iniciar sesi\u00f3n. En este caso, la tecnolog\u00eda tiene en cuenta los productos y las p\u00e1ginas de productos que un cliente ha visto, comprado, valorado y rese\u00f1ado.<\/p>\n\n\n

2. El uso de la analog\u00eda de la recomendaci\u00f3n de productos<\/h3>\n\n\n

Una cosa que nos ense\u00f1a la empresa (y que se desprende de las estad\u00edsticas antes mencionadas) es que las recomendaciones tienen la capacidad de disparar las ventas.<\/p>\n\n\n\n

La incorporaci\u00f3n de un sofisticado motor de recomendaci\u00f3n basado en IA permite a Amazon aprovechar el \u00abdescubrimiento\u00bb, mostrando a los usuarios los art\u00edculos que tienen m\u00e1s probabilidades de comprar (bas\u00e1ndose en sus datos de comportamiento en el sitio web) y tambi\u00e9n arrojando luz sobre art\u00edculos que probablemente no descubrir\u00edan por s\u00ed mismos. La personalizaci\u00f3n del sitio web<\/a> desempe\u00f1a aqu\u00ed un papel crucial.<\/p>\n\n\n\n

\"personalized
Fuente de la imagen: Amazon<\/a><\/figcaption><\/figure>\n\n\n

3. El uso del enfoque \u00abtalla \u00fanica – no sirve para todos\u00bb.<\/h3>\n\n\n

Otra cosa que hay que aprender de Amazon es su capacidad \u00fanica para mimar a cada uno de sus clientes a nivel personal. Esto significa que, cada vez que un cliente entra en el sitio del gigante del comercio electr\u00f3nico, es recibido con una p\u00e1gina de inicio que parece dise\u00f1ada especialmente para \u00e9l. Estos cambios no se producen una sola vez, sino todos los d\u00edas y se basan en el comportamiento en tiempo real del cliente en la plataforma. De este modo, Amazon ofrece constantemente una experiencia personalizada con art\u00edculos relevantes y recomendados que hacen que los usuarios vuelvan a por m\u00e1s.<\/p>\n\n\n\n

\"homepage
Fuente de la imagen: Amazon<\/figcaption><\/figure>\n\n\n\n

Amazon no s\u00f3lo ha cambiado la forma de comprar de los clientes, sino que les ha mimado con una experiencia distintiva y personalizada. Es bastante evidente por el hecho de que el 57% de los clientes afirman que Amazon les ofrece m\u00e1s informaci\u00f3n, caracter\u00edsticas y calidad de los productos, lo que mejora su experiencia de compra en general. <\/p>\n\n\n\n

\u00bfTe sientes inspirado? Mira el Webinar para aprender a alimentar los datos de los clientes para la personalizaci\u00f3n.<\/p>\n\n\n\n

\n