¿Qué es el Propensity Modeling?

El propensity modeling asigna a cada cliente una probabilidad de que realice una acción específica, como comprar en una categoría, convertir en una campaña, darse de baja o responder a un descuento. En un storefront composable, estas puntuaciones viven en la customer data platform y las lee el decision engine, el recommendation engine y los workers de personalización en el edge para elegir la experiencia adecuada en tiempo real.

Definición

El propensity modeling usa aprendizaje automático supervisado entrenado con datos de primera parte y comportamiento vinculado mediante un identity-graph para estimar la probabilidad de un evento futuro. Las características provienen de la actividad observada, el historial transaccional, los Zero-Party Data y la pertenencia a cohortes; las etiquetas provienen de resultados históricos. Las puntuaciones se recalculan de forma programada y a demanda, y luego se publican como atributos de perfil que el storefront puede consultar al inicio de la sesión. Las reglas de uso vinculadas al consentimiento garantizan que las puntuaciones solo se aplican a los canales y contextos que el cliente ha aceptado, incluso cuando el propio modelo se ha entrenado con datos agregados.

Por qué importa

La personalización sin puntuación es una serie de suposiciones que dependen de reglas escritas a mano. Las puntuaciones de propensity comprimen miles de señales débiles en un pequeño conjunto de características fuertes y comparables que un decision engine puede ordenar. Impulsan la selección del next best offer, el refinamiento de la segmentación de audiencias y la automatización de marketing por disparadores. En una configuración composable, las salidas de propensity se sitúan en el límite entre los datos y la experiencia: el CDP calcula, la capa de experiencia consume, el servicio de comercio se mantiene centrado en las transacciones. Esta separación permite a los equipos reentrenar los modelos sin volver a desplegar el storefront.

Casos de uso

Un minorista de moda ordena los artículos de la PLP según una puntuación de propensity de compra específica por categoría, de modo que las compras más probables queden por encima del pliegue. Una marca de suscripción canaliza una propensity de predicción de churn hacia el checkout, activando una oferta de retención cuando la puntuación supera un umbral. Un marketplace B2C usa la propensity de upsell para elegir entre dos módulos de venta cruzada en el carrito, alternando entre contenido dinámico de paquete y de artículo único. Un sistema de email-marketing usa la propensity de hora de envío para programar los envíos, elevando la tasa de clics sin cambiar el creativo.

Relacionado

Explora Agentic Frontend Management Platform · Personalization.