'De Big Data a Smart Data: Tendencias de predicción de comportamiento', Daniel Balboa - Head of Data & Programmatic en Mindshare
La irrupción de la tecnología ha supuesto uno de los puntos de inflexión más importantes en nuestra historia reciente. Tanto es así, que algunos expertos consideran este auge como la tercera revolución industrial después de las sucedidas a mediados del siglo XVIII y principios del XX. Pero esta revolución conlleva una circunstancia excepcional ya que su crecimiento es exponencial. La tecnología permite crear otras tecnologías y esto acelera el proceso evolutivo.
Este crecimiento, como no podía ser de otra manera, afecta directamente a los usuarios y a sus hábitos de consumo, haciendo que éstos varíen significativamente en breves periodos de tiempo. En Internet, la navegación es cada día más rápida y podemos acceder desde más dispositivos, lo que supone un gran volumen de puntos de información a nuestra disposición, además de permitirnos mayor agilidad en determinadas transacciones. Estas variables marcan inevitablemente el paradigma de nuestro comportamiento en Internet que, en definitiva, podría clasificarse en: recurrente, aquel que realizamos de manera periódica; y puntual, derivado de una determinada necesidad de información en un momento concreto. Este último cada vez es más rápido: el acceso a grandes cantidades de información acorta determinados procesos de decisión de compra a la par que hace otros más complejos. El resultado es un auténtico quebradero de cabeza para los expertos en marketing digital a la hora de diseñar y comunicar sus campañas publicitarias en el momento y con el mensaje adecuados.
Actualmente, cuando hablamos de extracción de insights o activación de campañas a través de audiencias, nos basamos en el comportamiento reciente de los usuarios, es decir, aquel que han realizado durante la ventana de tiempo que queramos analizar. Sin embargo, corremos el riesgo de llegar tarde cuando queramos aplicarlos en un entorno tan volátil y cambiante como internet. De nada nos sirve en el contexto actual conocer únicamente que un usuario ha tenido un determinado interés durante los últimos 30 días si no somos capaces de saber, además, qué está haciendo en este momento y cuáles serán sus próximos pasos. Pese a que podamos establecer estrategias en las que tengamos en cuenta diferentes variables de manera conjunta, es decir, a través de overlaps de diferentes audiencias, no estaríamos siendo todo lo precisos que deberíamos, ya que estos datos, por valiosos que sean, únicamente tienen en cuenta el comportamiento reciente. En este punto es en el que entra en valor la variable predictiva como capacidad para perfilar de una forma más robusta al consumidor, y permitir anticiparnos a la toma de decisiones finales en un momento en el que, más que nunca, esto es vital para la eficacia publicitaria de una marca.
Las audiencias predictivas nos muestran el camino que el usuario recorrerá y que, junto con las audiencias recientes, con las que trabajamos habitualmente, nos permitirán establecer perfiles de comportamiento más sólidos.
Hablar de predicción, no significa tener una bola de cristal que nos ayude a predecir el futuro, sino sacarle partido al conjunto de datos que hemos ido acumulando durante años con el objetivo de crear patrones basados en la navegación de los usuarios. Con ello combinaremos sus intereses recurrentes y puntuales con el fin de crear líneas de tendencia que nos ayuden a establecer dichas predicciones.
Esta metodología en el uso de las audiencias nos permitirá construir perfiles más completos de los usuarios, combinando el conocimiento de sus intereses recientes y predictivos, y adelantarnos a la toma de decisiones y, por tanto, impactarlos publicitariamente en el momento adecuado, en un contexto tan volátil y cambiante como el actual.
Este modelo proporciona al experto una posición privilegiada en la construcción de patrones de comportamiento y consumo que sin duda son aún más útiles en un mundo cookieless.
Artículo publicado en DIRCOMFIDENCIAL
