A diferencia de los modelos de atribución basados en reglas -como el que atiende al primer o último clic, a la primera o última interacción, el lineal, el de deterioro en el tiempo y el que contempla la posición-, el modelo de atribución basado en datos consiste en una solución algorítmica que asigna crédito a diferentes impresiones a lo largo del tiempo.

El modelo de atribución basado en datos (Data Driven Attribution) se calcula en tiempo real, a medida que el algoritmo asigna un peso específico a cada punto de contacto. Así, la puntuación podría variar en función de los sitios o aplicaciones que contribuyan a las conversiones; o como consecuencia de un cambio en el patrón de navegación de los consumidores. De este modo, la atribución será diferente para cada marca o campaña.

Parece lógico pensar que una mejor atribución conlleva un mejor rendimiento. Pensemos que la atribución basada en datos  ofrece resultados más precisos, ya que tiene en cuenta múltiples señales, como el formato del anuncio o el tiempo transcurrido entre la interacción con el anuncio y la conversión. Cuando se combina con estrategias de licitación automatizadas, la atribución basada en datos puede impulsar conversiones adicionales con el mismo coste por adquisición.

Esto se puede lograr gracias a predicciones sobre el impacto incremental que tendrá un anuncio específico en la consecución de una conversión, que permiten ajustar las ofertas y maximizar el ROI. Google afirma que la atribución basada en datos puede suponer una reducción del 18% en el coste de las ventas con respecto al último clic. En la actualidad, el modelo de atribución basado en datos es compatible con los anuncios de búsqueda, compras, visualización y YouTube.

Modelo de atribución basado en datos: cookies y privacidad

El modelado de datos cobrará mucha más importancia cuando se eliminen las cookies de terceros. El aprendizaje automático puede compensar lagunas en los datos y es útil para descubrir nuevos conocimientos sobre el comportamiento de los consumidores, ya que permite conservar la medición incluso cuando se carece de cookies u otros identificadores.

Google afirma que la atribución basada en datos no solo permite comprender con mayor precisión cómo ha contribuido cada punto de contacto de marketing a una conversión, sino que lo hace respetando la privacidad del usuario, una de las grandes preocupaciones de la industria. Google recuerda que, como ya ocurre con sus otras soluciones de medición, el Data Driven Attribution respeta las decisiones de las personas sobre el uso de sus datos y asegura aplicar estrictas políticas contra las técnicas encubiertas que pueden comprometer la privacidad de los usuarios.

Así, Google trabaja en la creación de soluciones centradas en la privacidad más efectivas y duraderas. «Ante el cambiante panorama de la privacidad, los profesionales del marketing necesitan nuevos enfoques de medición que cumplan sus objetivos y den prioridad a los usuarios. Por ello, hemos invertido en nuevas herramientas que le ayuden a preparar su medición para el futuro», explican en Ads & Commerce Blog.

Accesibilidad tras la eliminación de los requisitos de datos

Si bien los modelos de atribución algorítmicos no son algo nuevo, desde su puesta en marcha han pasado ya varios años y si no la ha convertido en predeterminada hasta ahora es porque en muchos supuestos no alcanza los umbrales de volumen. Es decir, los anunciantes más pequeños generan menos ventas, descargas u otras conversiones, y, por lo tanto, la cantidad de información no es suficiente para un modelo de atribución basado en datos.

Sin embargo, desde Google aseguran que, gracias a cómo han ido mejorando y entrenando el modelo de atribución basado en datos, se ha eliminado esta barrera y que en la actualidad es posible ejecutar atribuciones basadas en datos para cualquier tipo de campaña. Para ayudar a todos los anunciantes a aprovechar una mejor atribución y mejorar su rendimiento, se han eliminando los requisitos de datos y se ha hecho compatible con otros tipos de conversiones. No obstante, los anunciantes más modestos -aquellos que no cuentan con proveedores de medición ni reservan presupuestos de prueba- pueden continuar utilizando los modelos de atribución tradicionales, como el último clic.

Aquellos anunciantes que aún no trabajen con el modelo de atribución basado en datos deben plantearse comenzar a familiarizarse con este método de medición, ante la incertidumbre de qué ocurrirá cuando desaparezcan las cookies de terceros. Hay que tener en cuenta que, a medida que el sector siga evolucionando, la atribución del último clic se quedará cada vez más corta para las necesidades de los anunciantes. Si buscas una agencia de medios que te ayude a lograr un mayor rendimiento de las campañas, contacta con nosotros y un equipo especializado te guiará en la consecución de objetivos.

Así, las marcas que dependan casi por completo de datos de terceros van a tener serios problemas en caso de que la alternativa que Google ofrezca a las cookies no sea lo suficientemente buena como para suplir esa carencia. Los especialistas en marketing no las tienen todas consigo y es por ello que están haciendo un gran esfuerzo para reorientar utilizando identificadores únicos o ID de dispositivo.

FLoC, FLoC… ¿Hay alguien en casa?

Google ha anunciado que no creará identificadores alternativos ni perfiles de usuario dentro de su entorno. En cambio nos promete una nueva tecnología: FloC (Federated Learning of Cohorts). Con este sistema basado en inteligencia artificial, los anuncios se sirven a grandes grupos de personas con intereses similares en lugar de a usuarios únicos. Esto deja fuera la híper personalización de los anuncios. FLoC y data deberán ser combinados para suplir esta carencia.

Desde Google se muestran convencidos de que estos grupos de personas con intereses afines podrán reemplazar a los identificadores individuales y afirman que se pueden obtener resultados casi tan eficaces como los ofrecidos por las cookies, asegurando el 95% del retorno de la inversión.

FLoC es el salvavidas que propone Google para que las marcas no se queden desamparadas, sobre todo porque le interesa no dejar caer de golpe un sistema que sostiene gran parte de su modelo de negocio y para incentivar que editores y otros agentes del mercado se incorporen a su Privacy Sandbox. Sin embargo, hay mucho escepticismo en la industria sobre si FLoC suplirá con éxito el sistema de cookies, y ya se habla de combinar FLoC y data.

First-party data, eso no te lo quita nadie

«Winter is coming», dirían los Stark para referirse a la que se avecina para muchos anunciantes con la desaparición de datos terceros. Los que entendieron rápido la dimensión de un mundo sin cookies llevan ya un tiempo haciendo acopio de datos propios con el objetivo de escapar al apocalipsis. Datos propios, esa es la clave. Gracias a ellos, las marcas lograrán un mayor impacto con sus campañas, a pesar de que sean a una menor escala. Se trata de datos obtenidos con permiso y de una gran fiabilidad, ya que provienen directamente de los consumidores, por lo que tienen un impacto muy positivo en el negocio. Pero, ¿cómo explotar al máximo esos first-party data?

Campañas de e-mail marketing

Si el e-marketing ya era una de las acciones con mayor retorno, ha salido reforzado con la crisis sanitaria. Las tasas de apertura se dispararon durante el confinamiento, con un incremento del 23,8% en todo el mundo entre febrero y marzo de 2020, según datos de la empresa tecnológica Acoustic. En la actualidad, los especialistas en marketing aún se aprovechan de este crecimiento experimentando con mejoras relativas a la personalización, los test, la medición y la adquisición.

Campañas de SMS marketing

A pesar de que todavía son muchos los consumidores que no admiten con agrado los mensajes publicitarios a través de SMS, poco a poco se van acostumbrando. La compañía de Ecommerce Marketing Automation, Omnisend, informó de un drástico aumento de las tasas de conversión a través de SMS durante la temporada navideña de 2020, en comparación con el mismo período del año anterior.

Marketing en apps de mensajería

Hemos hablado en varias ocasiones del increíble potencial que tienen apps de mensajería como WhatsApp en una estrategia de comunicación y marketing, un canal que se debe empezar a explotar de forma similar al e-mail marketing, pero que promete una mayor eficiencia y ROI. Solo si pensamos en la tasa de apertura (¿Quién demonios deja un wasap sin abrir? ¡Una notificación perpetua da TOC!), nos damos cuenta de que ya le tiene mucho terreno ganado al e-mail marketing. Y efectivamente, los datos lo respaldan: según informa Usergrowth, mientras que el e-mail marketing ofrece una tasa de apertura de un 30% en el mejor de los casos, el mensaje de texto obtiene una tasa de apertura de alrededor del 98%, y el 90% se produce en los siguientes tres minutos a su recepción. No hay más preguntas, señoría.

Mejora de la experiencia de compra

La recopilación de datos propios ayuda a las marcas y vendedores digitales a tener una visión mucho más real y precisa de lo que sucede en su entorno online, lo que permite tomar mejores decisiones y optimizar las estrategias de data driven para mejorar la experiencia de compra. Esto, sin duda, repercutirá en un incremento de las conversiones.

Second-party data, ¡agénciate un buen socio!

En un mundo post-cookies, las marcas todavía podrán contar con datos de socios. Importantes cadenas minoristas como Walmart ya proveen de datos a otras marcas, llegando incluso a crear sus propias plataformas de medios, como es el caso del minorista Target.

Otra opción consiste en buscar asociaciones con empresas complementarias y llegar a un acuerdo con ellas para el intercambio de datos propios. Por ejemplo, un e-commerce de cuentos infantiles puede asociarse con una marca de ropa para niños o un parque de tracciones. Es sencillo conseguir estas alianzas, ya que se trata de un win-win, y sus datos resultará de mucha utilidad pues comparten target y ayudan a ampliar la audiencia. Así es posible acceder a potenciales nuevos consumidores, difíciles de alcanzar de otra forma.

La evolución de las marcas hacia el madtech con el objetivo de ofrecer experiencias relevantes es un hecho. Según informa «Directicos y gerentes», las compañías que saben exprimir el dato en sus estrategias de marketing consiguen un ahorro de costes de hasta un 30% y un aumento de los ingresos de hasta el 20%. En Kanlli podemos ayudarte con tus estrategias digitales y tus campañas en este nuevo escenario. Contacta con nosotros y te haremos la propuesta que mejor se adapte a tu situación y necesidades ante la nueva era basada en FLoC y data.

Un estudio realizado en Estados Unidos y diversos países europeos, entre ellos España, publicado por las plataformas tecnológicas Adform y Dynata, pone de relieve que el 75% de empresas a cree que el fin de las cookies de terceros impactará en su negocio. A pesar de ello, sólo un 29% de ellas trabaja ya con una solución basada en first party ID. En España ese porcentaje se reduce ligeramente: un 26%.

First party data para mayor control y transparencia

Pero, ¿es el fin de las cookies de terceros y otra información de identificación personal (PII) un hecho tan negativo? Algunos expertos señalan que este cambio será lo mejor que le podría pasar al marketing digital. Es probable que la eficiencia del third-party data esté sobreestimada, lo que crearía una falsa sensación de seguridad en los anunciantes y especialistas del marketing en relación a la efectividad de la personalización y la segmentación.  Es innegable que, a menudo, la información sobre la que se activan las campañas es defectuosa, está incompleta o basada en conjeturas. Es por ello que un nuevo enfoque podría ser la solución que busca la industria.

En este sentido, el 56% de los responsables de marketing en España reconoce no tener el control sobre su cadena de suministro en marketing digital. Esto se debe, en parte, a que las cookies de terceros no permanecen en los navegadores el tiempo suficiente como para poder realizar una medición óptima de la efectividad. En ese sentido, la permanencia de los first party ID es mucho mayor, sobre todo aquellos que se generan a partir de la identificación mediante el correo electrónico.

En la actualidad, muchas empresas han puesto en marcha soluciones alternativas, pero frágiles, como el uso de los correos electrónicos o diversos datos de identificación personal. Sin embargo, este tipo de estrategias están condicionadas a cómo evolucionen las normas sobre privacidad. Esto no quiere decir que los PII no tengan un enorme valor si se obtienen de forma consentida y transparente. Al contrario. Apostar por servicios específicos basados en la suscripción, por ejemplo, aportan valor a la empresa y también al usuario, en un contexto de win-win en el que el consumidor recibe mensajes relevantes que repercutan en un mayor rendimiento publicitario.

En cualquier caso, no sería prudente poner toda la carne es este asador. La clave es apostar por los first party data en toda su dimensión. Pero el ecosistema digital aún no está preparado, debido en parte al ahorro de costes que muchas empresas se marcan como prioridad. Este enfoque se contradice con la necesidad de comenzar a trabajar en un plan B que permita a los anunciantes tener el control absoluto de sus datos, su propiedad y su gestión, un enfoque que va a repercutir, sin duda, en una mayor transparencia y confianza en los datos que se recaben. El fin de las cookies va a suponer una pérdida de control sobre la frecuencia de impacto de los mensajes publicitarios.

Marketing contextual: la experiencia publicitaria relevante

Los first party data hacen posible el uso de los datos más allá del targeting convencional, allanando el camino del marketing contextual, de contrastada eficacia. Se trata de un rediseño de la estrategia que persigue conocer en todo momento el tipo de contenido que consume el usuario para cada marca o mercado particular. El rastreo de la navegación con datos confiables y el uso de la inteligencia artificial que valore el contexto de la interacción y deje poner en marcha mecanismos predictivos, permitirá ofrecer a los consumidores una experiencia mejorada y anuncios más relevantes.

Es en el marketing contextual donde los first party data ganan valor a raudales, ya que se trata de un campo en el que las decisiones de marketing se toman en base a las acciones del usuario a medida que éste las lleva a cabo, por lo que unos datos de tercera parte de cuestionable validez no permitirían construir un engranaje con la precisión necesaria que requiere el marketing contextual. El targeting contextual busca, además, insights y señales relevantes mediante las que conectar con el target. No olvidemos que el éxito de las estrategias contextuales pasan por datos de calidad y por la puesta en marcha de una campaña de medios digitales muy bien orquestada.

En definitiva, y a la luz de los próximos acontecimientos, es urgente comenzar a funcionar publicitariamente, desde hoy mismo, en un mundo sin cookies. A la transformación de los propios anunciantes debe sumarse la de la industria, a fin de lograr una mayor transparencia y certeza en el intercambio de datos, sin descuidar la privacidad. Si buscas una agencia de medios digitales que te ayude en este apasionante proceso de transformación, contacta con Kanlli y nuestro equipo de profesionales te orientará y definirá el camino que debe seguir tu marca ante el inminente fin de las cookies de terceros.

Vía: IPMARK

Este nuevo perfil nos hace darnos cuenta de la brecha existente entre los profesionales del marketing originales y los que son nativos digitales, y de cómo las estructuras tradicionales necesitan actualizarse para poder afrontar el maremágnum de datos generado a partir de los diversos puntos de contacto con el cliente. Hoy, la mejor ventaja es poseer talento técnico e interdisciplinariedad, en una estructura que aglutine diseño, datos, ingeniería, producto y personas con perfil digital que hagan crecer un ecosistema de herramientas capaz de dar respuesta a las necesidades específicas de cada tipo de negocio.

El nuevo marketing se perfila asociado a tecnologías de la información que permitan tomar decisiones más acertadas y ofrecer recomendaciones precisas. Esta nueva realidad basada en la híper personalización reducirá significativamente el exceso de mensajes, las comunicaciones irrelevantes, genéricas o de baja segmentación, esas que prevalecen aún hoy en el seno de la agencia de marketing digital tradicional. Las herramientas de marketing basadas en inteligencia artificial y aprendizaje automático están cambiando el modo de tomar decisiones de marketing o concebir campañas. Sólo las máquinas tienen la capacidad de analizar, procesar y entregar contenido personalizado a gran escala. O ir más allá: contenido individualizado gracias a la predicción específica del comportamiento de cada cliente realizada mediante Inteligencia artificial.

La conectividad de datos y la capacidad de potenciarlo mediante Inteligencia artificial permitirá que MarTech y AdTech converjan. Nos enfrentamos a un rendimiento de los anuncios nunca antes imaginado gracias no sólo a las ingentes cantidades de datos, sino a causa del aprendizaje continuo y en tiempo real para reescribir el modelo con cada oferta y ofrecer a los consumidores los anuncios que esperan a través de los canales a los que conceden mayor importancia y en el momento preciso. El AdTech nos va a permitir conocer el impacto del gasto publicitario en medios y el rendimiento obtenido gracias a la tecnología programática, que se prevé formará parte del 86% de los anuncios digitales en EE.UU, en 2020, según eMarketer.

Mientras tanto, conviene no perder de vista al cliente en ningún momento. El customer centric se impone como una realidad y evidencia la transformación constante a la que debe adaptarse el nuevo marketing digital en la actualidad. El cliente ha evolucionado y su comportamiento de compra también. Esto hace que se quede corto el hecho de atender al embudo tradicional y requiere potenciar la experiencia de cliente a través de un recorrido más largo y complejo y mediante unas técnicas de influencia que fortalezcan la relaciones, retengan clientes y garanticen valor de por vida. Se trata de promover acciones que influencien al consumidor en cada uno de los múltiples puntos de contacto con la marca, a través de una metodología triangular que incida en las áreas de estimulación, socialización y conversión.

A medida que las transformaciones digitales se aceleran y los consumidores exigen cada vez mejores experiencias, los profesionales del marketing y de customer experience se enfrentan a las nuevas realidades a la hora de pensar, trabajar y colaborar para apoyar sus negocios. Los equipos de marketing están adoptando marcos ágiles como parte de su transformación, aprendiendo a identificar qué problemas debe resolver en relación a los resultados que deben lograrse. El marketing ágil permite a los equipos identificar rápidamente prioridades de marketing, entregar trabajo de mayor calidad y con más celeridad y aumentar la productividad. Este cambio en la cultura organizativa que combina un enfoque ágil del marketing con las plataformas Martech adecuadas permite definir un propósito común para impulsar el negocio.

A la luz de los cambios y de la aparición de un nuevo marketing digital, cabe preguntarse si la agencia digital tradicional ha muerto. Por el momento, no; pero está tocada en el corazón. La nueva realidad está transformando las agencias de marketing tradicionales en consultoras, un nuevo modelo de agencia digital que aporte soluciones a partir de una mayor profundización tecnológica en los servicios. Y no se trata sólo de un cambio experimentado por los grandes grupos: pequeñas y medianas agencias están girando también hacia el ámbito de la consultoría, en un momento en el que las marcas las miran con lupa y esperan de ellas ya no un enfoque de nicho soportado en la especialización en áreas concretas, sino capacidad y talento aplicado a integración de datos, inteligencia artificial, desarrollo de soluciones personalizadas, aplicaciones móviles y análisis de la experiencia del cliente. ¿Está tu equipo de marketing y ventas preparado para la era en la que nos adentramos? ¡Bienvenido al nuevo marketing digital!

Aunque las cookies de terceros seguirán existiendo en los próximos años, su uso será complementario al de identificaciones alternativos, avanzando así hacia un modelo en el que se conviertan en algo superfluo. La industria lleva mucho tiempo hablando de no comprar identificadores basados en cookies y todo apunta a que será este año cuando este deseo se torne realidad y se comience a trabajar con una orientación sin cookies. Pero, ¿qué debe ocurrir para ello?

Hace pocos meses, Facebook creó crea una herramienta que permite la desconexión de los datos de terceros. Por su parte, Google ha asegurado que este año revocará su ID de publicidad y limitará el seguimiento entre sitios en Chrome de forma predeterminada. Existe mucha incertidumbre en la industria a causa de estos cambios en la configuración de privacidad de la compañía, aunque el hecho de que Google vaya a bloquear cookies de terceros todavía son especulaciones: sería inaudito, teniendo en cuenta que los ingresos primarios de Google provienen de la publicidad.

Decisiones como estas van a afectar severamente al mundo de la publicidad digital basada en dato, poniendo fin a una era de focalización y medición en la web abierta. Ante este panorama, la industria deberá moverse hacia identificadores de usuario personales. Una solución exitosa para afianzar una la identidad en línea común pasaría por que los navegadores integraran una ID compartida, algo que ya existe en el ecosistema móvil. Sin embargo, es altamente improbable que esto ocurra, dado que los navegadores necesarios para esta cooperación con propiedad de Google y Apple.

Por su parte, Safari y Firefox trabajan ya en la adopción de medidas para lograr un seguimiento sin cookies. La alternativa pasa por crear un modelo amigable con la privacidad pero que sea capaz de medir el rendimiento, de manera que los anunciantes estén capacitados para limitar la frecuencia y cantidad de publicidad que ve un usuario antes de consumir un contenido. De no controlar este aspecto, es previsible que aumente la alienación del consumidor y la ceguera publicitaria. Un ID de usuario no sólo sirve para realizar una adecuada orientación de los anuncios: también permite limitar la frecuencia, el cruce entre dispositivos y la creación de perfiles de audiencia. Las soluciones de dominio cruzado que ya se dan entre aplicaciones móviles podrían extrapolarse al entorno web y todos obtendrían mayores beneficios que los que les brinda un enfoque individualista.

Finalmente, es necesario atender a la regulación en materia de privacidad. Un año y medio después desde la entrada en vigor del RGPD europeo y tras la reciente aplicación del CCPA en California, las empresas con sede en Estados Unidos están poniendo sus barbas a remojar y luchan por suscribirse a marcos regulatorios y ofrecer herramientas a los consumidores que faciliten la eliminación de datos personales. Es de esperar que también se le acabe exigiendo a las empresas la obtención de un consentimiento explícito para la configuración de las cookies, una buena oportunidad para que la industria comience a entender los consumidores, el consentimiento y los datos como un intercambio de valor tangible, más que en una casilla que debe ser marcada.

Si buscas una agencia de medios digitales con más de 13 años de experiencia en campañas online, contacta con Kanlli. ¡Tenemos mucho que aportar!

Vía: Adexchager

Los datos no estructurados son, mayormente, aquellos que un usuario no deja voluntariamente o, al menos, no de manera consciente. Se componen de publicaciones o interacciones en redes sociales, registros de llamadas de atención al cliente, grabaciones de voz, fotografías… En cualquier caso, toda aquella información que no se puede recopilar «ordenada» y que tiene que ver con el comportamiento de los usuarios, más que con su persona.

Si bien crear una base de datos estructurados y hacer de ella un uso adecuado no entraña una gran dificultad a la hora de, por ejemplo, utilizarlos para perfilar una estrategia de marketing digital, en el caso de los datos no estructurados la cosa se complica. Se trata de un conjunto de datos mucho más difícil de analizar, que suele requerir de herramientas y softwares especializados y una adecuada capacitación. Además, por su naturaleza, este tipo de datos son mucho más numerosos.

Sin embargo, únicamente combinando datos no estructurados con datos estructurados lograremos tener una visión plena y acertada de nuestro consumidor. Es por ello que los especialistas en marketing cada vez aplican mayores esfuerzos para su recopilación y tratamiento, ya que gracias a ellos es posible realizar híper segmentaciones que ayuden a crear experiencias personalizadas que tengan un mayor impacto en el consumidor.

Pero no sólo el área del marketing sale beneficiada del uso del data: las organizaciones orientadas a producto incorporan datos a todos los aspectos de sus operaciones como ventas, desarrollo de producto o el servicio al cliente, ya que la información recabada ayuda a optimizar la estrategia de negocio a todos los niveles. Pero para que esto incida positivamente en los negocios, es necesario convertir los datos estructurados en información inteligente, un reto para el que muy pocas compañías están preparadas.

Analítica avanzada para la comprensión del dato no estructurado

Cada día se generan 2,5 quintillones de bytes de datos, y la mayor parte de ellos son no estructurados. Sólo imaginarlo cuesta trabajo. La analítica y la tecnología se vuelven imprescindibles para gestionar tal cantidad de datos. Así, en su camino hacia la completa transformación digital, las empresas se enfrentan al huge data, solo posible si entra en juego la inteligencia artificial, el único modo posible de abarcar grandes volúmenes de datos no estructurados.

El análisis del big data permite obtener una información muy valiosa, por ejemplo correlaciones desconocidas o patrones ocultos. Manejar bien las conclusiones que extraigamos de los datos no estructurados nos va a proporcionar una gran ventaja competitiva, así como un incremento significativo de los ingresos.

Las disciplinas analíticas avanzadas, como el análisis predictivo o la minería de datos, son adecuadas para el tratamiento de datos no estructurados, si bien las herramientas de uso común se nos quedarán cortas. Por ello, será necesario utilizar tecnologías más avanzadas, capaces de soportar el procesamiento de grandes volúmenes de datos mediante sistemas en cluster, bases de datos como NoSQL (Not only Structured Query Language) o herramientas como Hadoop, ambas tecnologías de código abierto.

Privacidad y datos no estructurados

Decíamos más arriba que los datos estructurados, por lo general, componen esa parte de información que el usuario da de sí mismo sin ser muy consciente de ello mientras interactúa en redes sociales, hace consultas de voz o comparte fotografías. Hasta hace no mucho, el usuario protegía únicamente datos personales y de navegación, pero a medida que es más conocedor del valor que este otro tipo de información tiene, ha comenzado a cuestionarse las repercusiones que desatender la privacidad puede conllevar.

Conversaciones registradas por asistentes de voz que son escuchadas por empleados de las compañías, cesión de datos a terceros sin el consentimiento de los usuarios, brechas de seguridad, lectura de conversaciones privadas a través de chats… Según datos de la Advertising Research Foundation (ARF), en 2019 ha disminuido la intención de compartir datos personales en comparación con 2018, lo que permite aventurar que compartir datos no estructurados también hace cada vez menos gracia.

Mientras el consumidor intenta comprender qué es lo que está cediendo o no y para qué fin, las políticas de privacidad de las grandes compañías no paran de cambiar en su búsqueda por obtener cada vez mayor volumen de información. El usuario que desee disfrutar de los servicios o funcionalidades que ofrecen redes sociales, asistentes de voz o plataformas de consumo de contenido deben, sí o sí, aceptar la política de privacidad, por muy leoninas que sus cláusulas sean.

Por otro lado, los gobiernos se esfuerzan por regular en materia de privacidad, pero es difícil hacerlo al mismo ritmo que aumentan las posibilidades de recabar información: las cosas de palacio, van despacio; mientras el ritmo en innovación y tecnología se desboca. Es difícil contemplar en la ley aspectos muy novedosos o de elevada complejidad: para cuando los legisladores llegan a comprender de qué se trata, las tecnológicas ya han hecho cantera. Y a otra cosa, mariposa.

Valor de los datos no estructurados para el marketing

Las pruebas de incrementalidad comparan los resultados obtenidos entre un grupo de prueba y un grupo de control. De este modo, es posible aislar las variables que intervienen en una conversión, lo que convertiría el Incrementality testing en una metodología más precisa, que logra medir la relación causa-efecto y elimina las conjeturas.

Los modelos de atribución no son capaces de identificar a los usuarios en todos los dispositivos y canales, lo que pone en entredicho la calidad de los datos. Además, no son transparentes, son subjetivos, no permiten la predicción, no tienen en cuenta factores externos ni permiten la medición de medios tradicionales. Por su parte, los numerosos puntos ciegos de la atribución multitáctil -derivados de los jardines amurallados de las grandes plataformas o los canales offline- tampoco permiten realizar un seguimiento preciso de impresiones o individuos en su camino a la conversión, a pesar de que se trata de un modelo de atribución de valor para más de la mitad de los especialistas de marketing estadounidenses, según datos de Nielsen.

En este contexto, las pruebas de incrementalidad se centran en los canales o medios específicos. La división del mercado en dos grupos hace posible exponer a uno de ellos a determinadas variables que intervengan en su comportamiento, a fin de poder realizar una medición antes y después para comprender el impacto. A pesar de que el procedimiento puede parecer similar, el Incrementality testing se aleja considerablemente de las pruebas A/B testing tradicionales, si bien la división geográfica es aplicable a las pruebas de incrementalidad si se realiza correctamente.

El verdadero valor de las pruebas de incrementalidad lo hallamos en que son capaces de analizar inversiones individuales, midiendo el impacto directo en los resultados generales del negocio, prescindiendo de la necesidad de identificar y medir cada paso que dé el consumidor en su recorrido. Esto puede eliminar la subjetividad que tanto preocupa a anunciantes y especialistas del marketing, alcanzando incluso a contemplar el efecto halo de una inversión.

De igual modo, no hay lugar para la ambigüedad, por su alejamiento de factores como la estacionalidad, la ubicación geográfica o el cross marketing. La capacidad de salvar la barrera de los impactos que se producen fuera del canal online es otra de las grandes ventajas de las pruebas de incrementalidad frente a los modelos de atribución.

La efectividad de los modelos de atribución lleva tiempo en entredicho, parece que se han quedado cortos en el ecosistema publicitario actual. No ayuda la falta de estándares, las trabas puestas por las grandes compañías como Amazon, Google o Facebook, o la dificultad de la medición en móvil y del salto entre dispositivos. Ni siquiera la Inteligencia Artificial ha dado respuesta a la necesidad de un modelo de atribución preciso.

Ante la falta de datos que permitan extraer conclusiones reales, algunos anunciantes combinan determinados modelos de atribución con Incrementality testing, a fin de validar la medición de la atribución y poder ajustar el modelado para un mejor rendimiento de los anuncios.

Las pruebas de incrementalidad han ayudado ya a entender a muchas marcas cuál es el funcionamiento de las conversiones en su negocio concreto, aportando luz acerca de aspectos como si es adecuado o no hacer remarketing y durante cuánto tiempo o en qué meses incrementar el presupuesto y en qué canales. Conviene tener en cuenta las pruebas de incrementalidad a la hora de realizar una medición para valorar si realmente ayuda a tomar mejores decisiones.

Si buscas una agencia que te ayude a tomar mejores decisiones en las campañas que realizas para tu marca, contacta con Kanlli, agencia de medios digitales que pone tecnología y data al servicio de las grandes ideas.

Aunque, generalmente, la creatividad en publicidad se entiende como una cualidad que aplica al mensaje o relato, en realidad va mucho más allá y forma parte de todos los procesos en cualquier disciplina, por muy árida que ésta sea. La búsqueda de soluciones creativas es aplicable a cualquier campo, ya que consiste en encontrar un nuevo modo de hacer las cosas. Así, la creatividad en publicidad trasciende al departamento creativo.

Creatividad y data, la clave del éxito en digital

Tenemos las herramientas, tenemos los datos: es el momento de comenzar a pensar en cómo sacarles rendimiento. Para empezar, debemos entender creatividad y data como disciplinas que necesitan la una de la otra, en lugar de como universos aislados. Cierto es que nada tiene que ver una mente analítica con una mente creativa, y que la naturaleza de ambas disciplinas se presenta contradictoria, pero en la era del big data, disponer de una información precisa y fiable otorga al creativo un punto de partida de gran valor, egos aparte. No olvidemos que el fin último es que el usuario se identifique con la campaña.

Más allá de poner de acuerdo a estas dos figuras – que, en muchos casos, será una labor de mediación del planner– se halla la dificultad de saber qué hacer con los datos. Aplicados a la compra programática, por ejemplo, creatividad y data encuentran grandes posibilidades. Y la clave está en la personalización de los mensajes publicitarios. El data nos va a ayudar a saber a quién nos dirigimos, cuáles son sus gustos y necesidades. Conocido esto, entra en juego la creatividad, qué elementos o mensajes utilizamos para impactar de una forma dirigida.

Las creatividades personalizadas no son posibles sin el data, que debe integrarse junto con la tecnología en pro de una mayor efectividad. Es lo que Google llama Data-Driven Creatives y que no son más que creatividades dinámicas adecuadas al receptor. Según datos de la consultora McKinsey, reducen el CPA hasta un 50%, incrementan los ingresos un 15% y mejoran la eficiencia del presupuesto de marketing en un 35%, gracias a que aumentan la relevancia del mensaje.

El papel de la tecnología es clave en este sentido, pues permite generar miles de anuncios de forma automática en tiempo real. Sin duda, la creatividad aplicada al marketing es una de las grandes tendencias en compra programática, algo que se desprende de la madurez del mercado y que ya es imparable. Ahora toca crear equipos que velen por la integración, exprimiendo todo el potencial que mana del binomio conformado por creatuvidad y data.

En resumen, podemos decir que la creatividad en publicidad es un valor que debe estar presente desde el principio del proceso de planificación, integrada en todos los departamentos; y todas las disciplinas deben beneficiarse de ella. En el caso del matrimonio conformado por creatividad y data, además, debe ser recíproco.

Ser creativo es construir algo de la nada, algo que no se haya hecho antes y sin miedo a correr riesgos. Ser creativo en publicidad consiste en pensar diferente para obtener más y mejores resultados, pero también en ser capaz de resolver problemas a partir de una visión innovadora.

Si buscas soluciones publicitarias creativas en cualquier ámbito, contacta con Kanlli y trabajaremos en la estrategia que más se adapte a tus intereses.

Con esta estrategia basada en el sampling, Amazon estaría utilizando el envío de muestras bajo la premisa de anuncios dirigidos, es decir, previendo -gracias al historial de compra y otros datos de navegación de sus clientes- qué tipo de productos podrían resultar de su interés. De confirmarse, podríamos hablar de jugada maestra de Amazon, en un contexto de cruenta lucha por hacerse con el grueso de cuota de ventas online.

Amazon sent me a random coffee sample! Is it because I have like 15 diff types of coffee in my cart pic.twitter.com/LAXOdmpYMa

— Aman (@amanfbaby) 25 de agosto de 2018

Hay una guerra abierta entre Amazon y Google en el mercado de los asistentes virtuales, ya que la era de la voz y el voice commerce -una de las más importantes tendencias de comercio electrónico– marcarán, inevitablemente, el desarrollo y posicionamiento de los gigantes tecnológicos. Por ejemplo, Google acaba de lanzar en Estados Unidos Google Express, una plataforma que centraliza la compraventa de productos y que se hace necesaria para poder competir con Amazon en la carrera de los smart speakers. Esta decisión, probablemente esté motivada por la necesidad de ponerse a la altura de la principal ventaja de Echo: las compras de voz de manera directa y fácil, sin intermediarios.

Pero no sólo eso: los datos son también una mina de oro, datos de consumidores reales que Amazon lleva una casi dos décadas recopilando en sus labores de intermediación de venta o de venta directa de sus productos. Y esos son los datos que Google se ha estado perdiendo, dado que su modelo «Shopping» solo funciona como buscador.

En ese sentido, toda la ventaja del modelo del sampling sería para Amazon, ya que otros grandes como Facebook quedarían fuera al no contar, tampoco, con la infraestructura logística necesaria para hacerlo realidad. Para Amazon es simple: tan sólo debe aprovechar el envío de alguno de los productos que un cliente haya comprado para incluir una muestra en el mismo paquete, logrando hacer llegar las muestras gratuitas sin que repercuta coste alguno.

Muestras gratuitas de Amazon como nuevo modelo publicitario

Por otro lado, esta estrategia le reportaría mayores ingresos al gigante del retail: en el programa de muestras gratuitas de Amazon los anunciantes pagarían por este «servicio» de entrega de muestras como ahora se paga por los anuncios gráficos. Vendedores y marcas también obtendrían una ventaja, ya que las muestras gratuitas de Amazon se harían llegar a aquellos consumidores que se sabe que tiene altas probabilidades de consumir, gracias a los valiosos datos que el marketplace tiene de sus clientes, procedentes no sólo del historial de búsqueda o compra, sino también del Carrito de la compra o de la Lista de deseos.

Este programa de muestras gratuitas de Amazon sería un modelo publicitario que le permitiría competir con otros gigantes de su categoría, pero a otro nivel, en el campo del marketing directo. Es sencillamente brillante, pues de este modo Amazon sumaría los ingresos obtenidos por esta vía a los que ya percibe por los anuncios publicitarios, asegurando, además, una mayor probabilidad de conversión que a través de la publicidad gráfica.

Además, gracias a esto ganaría cuota en cuanto a compraventa de productos envasados, donde no es fuerte.  Las muestras gratuitas de Amazon serían mucho más efectivas que los anuncios de Facebook o Google para este tipo de consumibles. Además, se especula con que los vendedores a través de Amazon tendrían la posibilidad de automatizar las campañas, gracias a una tecnología en la que ya estarían trabajando los desarrolladores.

Muestras gratuitas de Amazon y su incidencia en la privacidad

A la luz de este hecho, surge la especulación respecto al tema de la privacidad, pues no falta quien ve un impedimento en el celo con el que muchos consumidores preservan sus datos. Antes de nada, cabe señalar que los usuarios de la plataforma tienen la posibilidad de indicar que no desean recibir muestras gratuitas de Amazon, pues, a pesar de que el consentimiento para la recepción de muestras es un supuesto por defecto al crear una cuenta, es posible revocarlo en el apartado de configuración.

Sin embargo, nuestra opinión es que el tema de la privacidad tendrá una baja incidencia: los clientes ya ceden sus datos cuando realizan la compra y, además, cada vez son más conocedores de que son utilizados para la orientación de los anuncios o el ranking de las SERP. En el supuesto de las muestras gratuitas de Amazon, lo único que cambia es que el usuario recibe un producto gratis. Puede sorprender al principio recibir algo que no se haya comprado, pero cabe pensar que ese ser humano se acostumbrará enseguida a los regalos. Después de todo a nadie le amarga un dulce.

Si eres retailer y estás buscando una agencia de marketing de resultados que te ayude a incrementar tus ventas -tanto en tu propio site como a través de plataformas terceras-, contacta con Kanlli y un equipo experto en marketing para comercio electrónico te guiará a la hora de perfilar tu estrategia y definir las campañas.

El huge data va a cambiar el panorama con la ayuda de la inteligencia artificial, debido a los enorme volúmenes de información que entran en juego. La necesidad de mayor aproximación, más precisión en la segmentación y de obtener unos resultados más concluyentes hace que los sistemas de datos deban trabajar con unas cantidades ingentes de información, lo que pasa por que las compañías adopten una cultura corporativa orientada al dato.

¿Qué es huge data?

Se estima que se generan 2,5 quintillones de bytes de datos al año, una cantidad desmesurada que, además, aumenta exponencialmente y a un ritmo imparable. Al margen de las infinitas oportunidades que esto supone para el conocimiento y la interpretación de la realidad, lo cierto es que genera una serie de desafíos que obliga a empresas e instituciones a encontrar nuevas formas de manejar esta enormidad de datos (o huge data) de manera efectiva.

El huge data hace que las organizaciones deban centrarse no tanto en la recolección, sino en el propio tratamiento de los datos, en su aprovechamiento, con el fin último de ofrecer a sus clientes mejores productos, servicios y experiencias. Los antiguos sistemas para procesar big data se han quedado obsoletos: son muy costosos en términos de tiempo y velocidad, y se hace necesario un nuevo marco en el que el análisis de datos a gran escala sea mucho más eficiente.

Huge data, por tanto, hace referencia a la enormidad del data en la actualidad y a la necesidad de explorar nuevas tecnologías y afianzar nuevos modelos, todo ello desde una cultura corporativa a bordo del data driven. El huge data es el activo de mayor peso hacia la transformación digital.

Huge data, sólo posible con inteligencia artificial

Casi la totalidad de las empresas líderes se encuentran ya inmersas en proyectos de big data de diversa envergadura y naturaleza. Sin embargo, el salto al huge data no va a ser posible sin la ayuda de la inteligencia artificial: machine learning y deep learnig son tecnologías que van a tener mucha repercusión en cómo se recopilan y se tratan datos a tan gran escala, con el objeto de extraer todo su valor. Para entender qué es huge data en su justa dimensión, diremos que requiere del desarrollo de algoritmos predictivos capaces de convertir en útil tal volúmen de información.

La inteligencia artificial está ayudando a reactivar algunos proyectos de big data que habían sufrido cierta desaceleración al no obtener resultados medibles. Con la consolidación del Internet de las cosas, la cantidad de datos que se generarán será inabarcable por tecnologías actuales, pensemos en el gran volumen de dispositivos conectados a Internet, que va en aumento. Sólo un coche autónomo es capaz de general los mismos datos que 3.000 usuarios de Internet en un día, por hacernos una idea. Eso sin contar el momento en el que las casas estén dominadas por el IoT.

Blockchain y big data para afianzar la industria 4.0

Se prevé que el elevado volumen de datos pase por la integración del big data con la tecnología blockchain, gracias a que genera un archivo informático cifrado e inmutable. En este escenario, las máquinas están interconectadas y la información es transparente, por lo que unificando IoT y blockchain las empresas podrán ser mucho más competitivas. Se trata de una tecnología en la que está todo por desarrollar, pero cuando la maquinaria se ponga en marcha, será imparable. Se estima que el valor del blockchain podría suponer el 20% del mercado total de big data en 2030, según afirma la revista Harvard Deusto Business Review.

Si hablamos de sectores, entre los dos más beneficiados se señala ya al sanitario y el financiero. Pensemos la importantísima repercusión que tiene para la investigación en el campo de la salud poder extraer conclusiones derivadas de datos de calidad. La precisión de los análisis de los grandes volumen de información recabada hará posible que se hallen respuestas a cuestiones médicas que hoy en día son un misterio. Es más, me atrevería a asegurar que cuando el sector de la salud comprenda qué es huge data en toda su dimensión, muchas enfermedades hoy incurables desaparecerán.

En cuanto a finanzas, se puede decir que es el hábitat natural del blockchain (no olvidemos que se trata de una tecnología que nace para soportar criptomonedas como la bitcoin). Las principales entidades financieras mundiales se hallan ya inmersas en proyectos que parten del desarrollo de la cadena de bloques, conocedoras de los beneficios que entraña esta tecnología. Un dato: las predicciones apuntan a que los datos que formen blockchain valdrán billones de dólares cuando la tecnología se integre en el servicio financiero.

Marketing de personalización en la era del huge data

Otra de las industrias que se verán altamente beneficiadas al bañarse en este océano del huge data es la de la publicidad y el marketing digitales. El dato es la unidad mínima para el buen funcionamiento de las campañas digitales. Cada vez más, las tecnologías publicitarias se basan en la información que obtienen de los usuarios con el objetivo de ir creando un mensaje cada vez más personalizado. El data es básico en programática, en estrategias omnicanal, en social ads, context marketing, publicidad geolocalizada… Sin embargo, a día de hoy no se explota ni una mínima parte del potencial que ofrece el big data. Esto cambiará cuando la tecnología, el mercado y los profesionales estén preparados para afrontar una nueva era: la del hugh data.

Tener datos del usuario es conocer al consumidor y, por tanto, saber en todo momento qué necesita. Es más: el dato sabe lo que el usuario quiere antes, incluso, de que éste se percate de ello. Cuando seamos capaces de domar la fiera del big data, los anuncios ya no serán mensajes promocionales, sino que darán solución a problemas reales de las personas. Este tipo de publicidad dirigida, hipersegmentada y altamente personalizada no puede por menos que hacer que se incrementen las conversiones y se optimicen las inversiones. El marketing de personalización llegará a extremos individualistas cuando el sector esté preparado para entender en toda su dimensión qué es huge data.

Conclusión: las CÍAS nativas digitales tienen las de ganar

En definitiva, para estar más cerca de saber qué es huge data hemos de pensar en lo que las empresas que ya se están colocando a la cabeza de sus competidores tienen en común: han reorientado el modelo, reorganizando su arquitectura empresarial y apostando por la inteligencia artificial y por nuevos perfiles profesionales dirigidos al desarrollo de algoritmos.

Start-ups y compañías nativas digitales lideran la carrera, pues en este nuevo escenario no gana el más grande y poderoso, sino el que con mayor rapidez y agilidad es capaz de adaptarse al cambio. En ese sentido, las compañías jóvenes y con corazón digital tienen ventaja frente a las grandes compañías «dinosaurio», también porque es más fácil empezar de cero que reorganizar cultura, estructura y mentalidades empresariales ya fosilizadas.

Si deseas profundizar en esta tecnología, te recomendamos leer nuestro post sobre qué es blockchain y cómo afecta al marketing.  ¿Buscas una agencia de marketing de resultados que te ayude a entender cómo el uso de los datos puede mejorar tus campañas y multiplicar tus beneficios? Contacta con Kanlli y nuestros profesionales expertos en análisis de datos te ayudarán a entender qué estrategia digital es la más adecuada a tu marca y objetivo.