Muestreo en Proyectos de Inteligencia Artificial Aplicada a las Redes Sociales

¿Porqué debes leerte este artículo con un título tan técnico?

• Si trabajas en la gestión de redes sociales y curación de contenidos. Debes saber que, el motivo para escribir este artículo, es mi implicación en el desarrollo de un curador de contenidos automatizado, que podría ayudarte a optimizar la presencia de tu marca en Twitter y otras redes sociales.
• Si desarrollas proyectos basados en Inteligencia Artificial, encontrarás aquí algunas ideas que te ayudarán a maximizar el éxito de tus proyectos, sin tocar una línea de código.
• Pero, incluso, si lo tuyo es el marketing digital o SEO, debes saber que la analítica web es una herramienta fundamental para el desarrollo de una estrategia exitosa. Aunque, en principio, Google Analytics te permite observar toda la población de visitantes de tu web, debes saber que:
  1. Eso no es cierto. Hay un importante número de visitas que no pueden ser contabilizadas por las herramientas basadas en tags.
  2. Aunque lo fuese, hay ciertos casos en los cuales no es conveniente analizar toda la data disponible. Por ejemplo, si sabemos que Google cambia el algoritmo varias veces al día ¿tiene sentido analizar los datos de hace varios meses? Pero, si sólo tomas los últimos días ¿tendrás datos suficientes para obtener conclusiones relevantes?

¿Porqué escribo sobre Estadística e Inteligencia Artificial en un blog de Marketing?

Con el objetivo de conocer algunas metodologías que me permitan optimizar los resultados de @AlicanteMkt, estoy asistiendo a la materia de Inteligencia Artificial Aplicada, que se imparte en el Máster de Ingeniería Informática de la Universidad de Alicante.

La mayoría de las metodologías de IA, se basan en tomar una muestra de los casos que deseamos resolver y sus soluciones. Estos se le ofrecen como entrada al sistema, el cual los utiliza como medio para aprender a identificar las diversas situaciones y determinar la solución idónea. A este proceso le denominamos entrenamiento.

Para verificar los resultados, utilizamos otra muestra de los casos, cuya solución conocemos. Ofrecemos al sistema entrenado los casos, y comprobamos su competencia para ofrecer la solución correcta.

En consecuencia, los conocimientos de estadística y la capacidad para obtener una muestra representativa de la población, resultan indispensables para el éxito del proyecto.

Sin embargo, luego de asistir a un par de clases, pude observar que los conocimientos estadísticos de los alumnos son muy limitados. Se lo comenté a las profesoras, quienes me invitaron a dictar una charla al respecto.

Mis presentaciones, usualmente se basan en imágenes que ayuden al público a recordar mis palabras. En consecuencia, no acostumbro compartirlas en Internet. Ya que, sin el contenido hablado, carecen de sentido.

En este caso, considerando que el público técnico está acostumbrado a encontrar en la pantalla un resumen de la exposición, no me he acogido totalmente a mi metodología usual.

Además, he adaptado la presentación a este medio, incorporando algunos textos adicionales y un par de láminas que tuve que omitir, para ajustarme al tiempo asignado.

¡Espero que la disfrutes y que te ayude a tomar muestras representativas y a obtener mejores resultados!

[slideshare id=54728356&doc=tamaodelamuestraenproyectosdeia-151104110946-lva1-app6892]

He vuelto a mirar la presentación, y sigo pensando que debería desarrollar un poco mas las ideas principales:

• ¿Cuál es el tamaño mínimo de una muestra? En principio este puede ser calculado fácilmente. Pero, la ecuación propuesta, depende del grado de «exactitud» que deseemos y de la dispersión de la población (dato que, usualmente, desconocemos).
• ¿Para que una muestra sea «buena» basta con que sea «grande»? No. Debe ser «representativa». Es decir, debe reflejar las características de la población. El tamaño mínimo es condición necesaria, pero no suficiente.
• Para lograr una muestra representativa, es necesario determinar, con la mayor precisión posible, cuál es población objetivo. En algunos casos, esto puede resultar muy complejo. Por ejemplo, en el caso de @AlicanteMkt, el objetivo es seleccionar tuits de una temática específica. ¿La población está formada por todos los tuits emitidos desde 2006? ¿Por los publicados desde Alicante? ¿O por los publicados por cierto grupo de personas? ¿El último minuto, día, mes o año?
• Muchas veces pensamos que, con tomar una muestra en forma aleatoria, basta para que sea representativa. Pero esto no es cierto. Si realizamos una encuesta electoral, en forma aleatoria, en la entrada de la Universidad, los resultados serán distintos que si realizamos la misma encuesta en las puertas de la Confederación Empresarial. Por lo tanto, debemos utilizar una técnica de muestreo adecuada, que garantice la representatividad de la muestra.
• Además hay otros aspectos que deben tomarse en cuenta, tales como la redacción de las preguntas y la profesionalidad del personal que realiza el muestreo.

Las personas confían más en los números que en las palabras. Pero, si son muchos, no los entendemos y, si son pocos, no son capaces de reflejar las realidades complejas.