Cuando un usuario aterriza en la web de HPE, se encuentra una gran cantidad de herramientas e información útil relacionadas con sus productos. En efecto, se trata de una plataforma con infinidad de recursos donde encontrar el contenido deseado.

Sin embargo, esta fortaleza es también un obstáculo: localizar un asset específico entre tal volumen de información se estaba convirtiendo en una difícil tarea para el usuario. 

Desde HPE, detectó que la cantidad de datos estaba abrumando a los visitantes, provocando frustración y abandono. Como consecuencia, se estaba desperdiciando todo el conocimiento ofrecido por HPE. 

Generar engagement en la plataforma

El objetivo de muchos sitios online consiste en crear un vínculo con sus usuarios, siendo útil para ellos y generándoles valor. Es lo que se llama "generar engagement". 

Sin embargo, la mayoría de los visitantes no pasaban por un número tan elevado de assets, sino que abandonan la sesión antes de tiempo. Es decir, la cantidad de información abrumaba a los visitantes de forma que no se generaba esa vinculación esperada.

Generar engagement en la plataforma era fundamental para alcanzar los objetivos comerciales de HPE. El desafío era claro: encontrar una forma de atraer y mantener a los usuarios promoviendo su navegación de un documento a otro.

Apostar por un sistema de recomendación

La navegabilidad y la UX son dos requisitos clave que hay que tener en cuenta en el diseño web. Y la de HPE no iba a ser menos. Se mejoró la experiencia de usuario rediseñando el directorio de assets en una nueva plataforma, donde mostrar información útil impulsada por herramientas de Machine Learning de Google Cloud Platform.

Esta solución de Machine Learning incluye dos motores de recomendación:

• El sistema de recomendación se basa en el contenido que el usuario está viendo en ese momento. 
• Y el segundo recomendador está entrenado con el contenido que haya visitado con anterioridad.

Este sistema de recomendación tiene como objetivo aumentar el número de documentos vistos por persona, empujando al usuario a consumir un mayor número de documentos en el menor número de visitas posible.

Media de 6,71 documentos por cada usuario del recomendador

Una vez puesto en marcha, el recomendador logró que el usuario consultara un mayor número de documentos en el menor número de visitas, aumentando así la media y el total de assets vistos por usuario.

En este proyecto se ha demostrado dominar el ciclo completo de proyectos de datos de gran complejidad, desde las integraciones de orígenes de datos hasta la generación de motores de visualización orientados al negocio. Daniel Domingo, Program Manager - Marketing Digital Asset Management en Hewlett Packard Enterprise

A los pocos meses de su puesta en marcha, el motor de recomendación ya arrojaba estos números:

• 6,71  documentos de media diarios vistos por usuario del recomendador, frente a los 1,76 vistos por el resto de usuarios.
• 46,74% menos de tasa de rebote en usuarios del recomendador.  
• 07:16 minutos más de tiempo de sesión por usuario del recomendador. 
• 500 millones de registros en total.
• 10 usuarios activos de media diariamente 
• 5 usuarios nuevos cada día.
• 180 GB de datos en total.

Estos datos demuestran que la implementación del recomendador está empujando a los usuarios en el embudo de conversión de nurture a lead con éxito.

Iteración a Marketing Pages

A lo largo de los años, desde su puesta en funcionamiento, la solución construída para HPE ha ido iterando y evolucionando. Así, tras tres años de funcionamiento, se lanzó una nueva versión de la solución, en la que se amplían los tipos de contenidos procesados, y que toma el nombre de Marketing Pages.

En enero de 2023 la solución recibe, de forma permanente, 6 conjuntos de datos de diferente naturaleza que contienen casi 390.000 elementos a procesar. Esto se une al total de 2,5 millones de datos diarios de analítica para trazar la experiencia de los usuarios.

La solución trata los datos de forma continua, ofreciendo recomendaciones basadas en la experiencia de los usuarios. Mensualmente, el servicio recibe una media de 1 millón de peticiones.

El 2022 se cerró con un incremento del 28,35% del uso del recomendador, registrando una mejora del 4,64% en el CTR del portal con mayor impacto.