Desde que el profesor de sociología rural Everett Rogers popularizara en su libro Diffusion of Innovations (1962) la teoría de la difusión de las innovaciones, se han escrito innumerables tratados y artículos sobre este aspecto tan crucial para la economía y el marketing.
Investigaciones realizadas en el Instituto de Ingeniería del Conocimiento (IIC), han demostrado que es posible predecir la adopción de los nuevos servicios ofrecidos a los usuarios de telefonía móvil partiendo, entre otras cosas, de la información sobre la relación social revelada por el tráfico de llamadas que estos usuarios mantienen entre sí.
En marketing, los modelos de adopción (también llamados de contagio) asumen que la propensión de adoptar un producto o servicio por parte de un individuo aumenta cuando crece el número de vecinos en su red social que ya la han adoptado. La lógica de esa premisa parte de la constatación, contrastada por los datos, de que los vecinos de la red social de alguien que ya dispone del nuevo servicio están más expuestos a oír hablar de él que quienes están rodeados de personas que aún no lo usan.
Con esa base, el proyecto del IIC ha consistido en procesar los datos de llamadas entre móviles de los clientes de una compañía líder en el sector y, junto con los datos de sus perfiles, reconstruir la red de la relación social, las comunidades, grupos y roles de dichos clientes. Utilizando los datos históricos de adopción del servicio a lo largo del tiempo, se determinó la combinación de variables de perfil, de relación social y de comunidad que resultaba más predictiva del comportamiento futuro de los clientes en cuanto a la predicción de adopción del servicio en cuestión.
Este conocimiento condujo a la elaboración de algoritmos predictivos dinámicos capaces de asignar a los clientes que aún no han adoptado el servicio la probabilidad que tienen de adoptarlo en un futuro próximo en función de su red social, comunidad de pertenencia y perfil. Los parámetros de dichos algoritmos se estiman con un conjunto histórico de datos de entrenamiento. Una vez entrenado, el modelo de adopción se utiliza para determinar la influencia, tanto en la adopción del servicio como de su difusión, que un conjunto de usuarios activos puede ejercer sobre el resto de clientes no usuarios que forman su entorno social.
La precisión de estas predicciones se mide, entre otros métodos, a través del ratio de falsos positivos (FPR) que es la tasa de predicciones de adopción erróneas sobre el total de las que han resultado correctas. Este proyecto del IIC ha demostrado que la inclusión de las variables de relación social en los modelos predictivos reduce en un 30% el ratio de falsos positivos y aumenta en un 100% la tasa de detección de nuevas adopciones con respecto a modelos que no incluyen la parte social.
Así, la inclusión de datos sobre la red social núcleo de esta innovación mejora la promoción de nuevos servicios y constituye un avance prometedor en la aplicación de modelos de adopción al marketing de todas aquellas empresas que disponen de información relacional de sus clientes, ya sea de forma directa o derivada de la actividad de aquellos en redes sociales o en acciones de propagación viral.