Hoy traemos una entrevista a Cristina Lera Garcia Managing Director de Matterkind y Head de Data&Tech para el grupo Mediabrands España.

Cristina tiene una visión unificada entre el Dato, su elaboración y su activación lo que permite tener al grupo un posicionamiento muy avanzado y acorde a los tiempos que corren.

¿Cristina, nos gustaría que nos dieras tu visión sobre como las marcas deberían trabajar los datos?

Todos decimos que es fundamental poner los datos en el centro, todos hablamos de soluciones data driven y de que para acertar, sin duda, necesitamos tomar decisiones basadas en datos, pero ¿qué significa todo esto?

Estas asunciones tienen numerosas connotaciones y derivadas. En primer lugar, la más obvia, debemos contar con datos. Debemos contar con datos relevantes, bien tratados y almacenados. Datos trazables que nos permitan entender cómo se interrelacionan entre plataformas y tecnologías propias, no solo de marketing o medios, sino, y cada vez más de negocio o IT.

Una vez contemos con esos datos, necesitamos tener un esqueleto robusto y engrasado, un ecosistema tecnológico que permita esa trazabilidad, pero también el análisis de los datos y por supuesto que nos ayude a ponerlos en funcionamiento, esto no es más que un ecosistema que nos permita hacer real esas dos palabras mágicas ‘data driven’.

Y por último necesitamos algo tan sencillo como retos de negocio. Una aproximación generalista se convertirá en un intangible sin objetivos claros. Sin embargo, trabajar con casos de uso específicos nos ayudará a transformar la toma de decisiones, a escalar los distintos casos y en definitiva a ir sofisticando el uso que hacemos de los datos.

Además, destacar que este trio, datos, tecnología y objetivos seguirá vigente en el tan temido ‘cookieless world’, e incluso cobrará aún más importancia si cabe, pues el vetar nuestra dependencia de datos de terceros, nos obligará a buscar nuevas oportunidades dentro de casa

¿Cómo de maduro está el mercado y en caso de que nos falte algo, por donde hay que ir?

Estamos en un momento de clara explosión y adopción, y precisamente por ello encontramos todo tipo de casuísticas, pues se mezclan las necesidades de negocio, los silos interdepartamentales, la falta de talento en áreas críticas y la visión estratégica e incluso ciertas resistencias al cambio.

Sin embargo, a grandes rasgos podemos diferenciar 3 grandes grupos: los ‘early adopters’ o clientes conscientes de que en la diferenciación está el éxito. Podemos decir que estos tienen una buena estrategia de datos, al menos desde un punto de vista de posibilidades a su alcance, pues suelen haber avanzado mucho tanto en la creación de ecosistemas flexibles y escalables, como en la generación y tratamiento de datos propios. Este tipo de clientes no sólo tienen claros los objetivos que persiguen, si no la valentía y la actitud necesaria para una aproximación ‘test & learn’.

Por otro lado, nos encontramos marcas con un gran ‘legacy’, donde el compartir datos entre departamentos o crear infraestructuras conjuntas, está todavía lejos de convertirse en una realidad. Este tipo de clientes en muchos casos son dueños de datos tremendamente interesantes y valiosos para el conocimiento del consumidor, sin embargo, sus procesos internos lastran iniciativas de innovación. En este tipo de marcas, tan sólo cuando existe una verdadera implicación de la cúpula directiva, empezamos a ver cambios.

Y por último a una gran masa de clientes que saben que el uso de datos y la transformación tecnológica es el camino, pero o bien no saben cómo hacerlo o aún no cuentan con el talento necesario para llevarlo a cabo. En mi experiencia, los partners que este tipo de compañías seleccionen serán claves en su sofisticación y en, lo que a veces puede ser más importante, la agilidad con la que la lleven a cabo.

Después de trabajar con numerosas marcas, de todos los sectores, de entender las distintas casuísticas y conocer sus idiosincrasias creo una de las palancas fundamentales para mejorar los resultados de negocio a través de la sofisticación, es sin duda la elección de empresas colaboradoras. Se vuelve crítico contar con partners que fomenten relaciones de honestidad, que cuenten con el mejor talento y que más allá de seguir tendencias, cuenten con la visión necesaria para llevar a las marcas al siguiente nivel. Y todo esto sin abandonar el pragmatismo necesario para ir avanzando en el día, y no embarcarse en proyectos mastodónticos donde no se verán resultados hasta mucho tiempo después.

La búsqueda de insights de negocio es fundamental hoy en día para la marca, ¿cómo crees que debería ser el acercamiento de una marca a un proyecto de data insight?

En primer lugar, debe partir del conocimiento de los que ya son sus usuarios o clientes. Esto parece redundante, pero en numerosas ocasiones nos empeñamos en entender antes a posibles clientes en lugar de entender ‘cuál es la receta de la relación’ con los ya existentes En este sentido, el 1PD como fuente de conocimiento, y no sólo de activación, será clave para garantizar un conocimiento robusto de los usuarios, de sus motivaciones y momentos. Además, no nos podemos olvidar de que hoy en día contamos con técnicas tan avanzadas que incluso nos van a permitir predecir muchos de estos atributos, ayudándonos a definir intereses futuros que sin duda nos ayudarán en la anticipación a nuestros competidores.

A partir de aquí, es importante también, entender al consumidor desconocido desde un punto de vista actitudinal y no sólo demográfico. Conocer sus pasiones, intereses y cómo se relacionan con contenidos y marcas, será uno de los factores diferenciales a la hora de decidir cuándo y cómo comunicarnos con ellos.

Muchas marcas se polarizan en uno u otro análisis, sin embargo, en mi opinión, la unión de ambos y el trabajo conjunto de ambas será la clave del éxito.

¿Nuevos canales CTV DOOH Radio que pasan todos por tener una compra automatizada y programática, como gestionamos una estrategia omincanal?

La respuesta es gracias a la tecnología. El uso de tecnologías que nos permitan una compra unificada de distintas disciplinas digitales será decisiva para alcanzar esa compra automatizada e omnicanal.

Disciplinas como Audio, CTV o DOOH, se vuelven fundamentales por las posibilidades que nos ofrecen desde la propia compra programática, como son el tiempo real o la personalización; pero también desde un punto de vista creativo y estratégico. Nos permiten una capitalización digital de espacios físicos y hacerlo desde la imaginación. Todas las marcas quieren aparecer en Picadilly, pero cada vez más, quieren hacerlo de una forma diferente, de una forma relevante para sus consumidores y de una forma trascendente para los que aún no lo son.

Es decir, estos nuevos canales nos ayudan a tener una visión 360º de los consumidores y además disponibilizan nuevo inventario. Y es la tecnología quien nos ayuda a optimizar los medios que mejor funcionan, y sobre todo a hacerlo de una manera automática y en tiempo real.

¿Modelos de atribución, cuál es tu visión de cara a la imposibilidad de tener deterministamente todos los datos que quiera tener el anunciante?

La clave de la atribución es la trazabilidad. Por ello el acceso al ‘path to conversion’ era el secreto de los modelos de atribución, sin embargo, esta trazabilidad está cada vez más sesgada desde un punto de vista técnico. Los consentimientos, las distintas reacciones a la GDPR, como el Cookieless, las ITPs, o el Total Cookie Protection, nos dificultan contar con el flujo completo de los datos. Y es justo esto lo que nos imposibilita, pero sobretodo una vez desaparezcan las Third-Party Cookies, nos imposibilitará los modelos de atribución determinísticos.

¿Cuál es la solución entonces a este dilema? ¿Cómo podemos tomar decisiones sobre inversiones digitales basándonos tan solo en el last click? Creo que la clave para responder a esta pregunta es abordar el problema desde distintos prismas. En primer lugar, debemos conocer muy bien la tecnología de los walled gardens y su funcionamiento y posibilidades; en segundo lugar, contar con un ecosistema en el cliente que permita la recogida de datos en el menor número de silos posibles y por último contar con una metodología que se base en dos pasos, la modelización y la validación.

Desde Mediabrands hemos desarrollado una metodología que respeta los tres pilares. Entendemos perfectamente el funcionamiento de los walled garden y cómo podemos maximizar la trazabilidad del usuario en cada uno de ellos; ayudamos a nuestros clientes a crear ecosistemas tecnológicos flexibles e interconectados que faciliten que la data fluya entre plataformas; y por último contamos con una metodología propia que, dependiendo de la tipología del cliente, crea un sistema de atribución que a su vez ratificamos con un sistema de validación. De esta manera hemos llegado a un modelo que a pesar de no ser determinístico, da un paso más allá de otros sistemas probabilísticos, que en mi opinión se quedan cortos en un momento tan complicado como el que estamos viviendo.

¿Inteligencia Artificial, que casos de uso podemos aplicar a la publicidad hoy en día?

Más allá de enormes escándalos o fracasos como el de Cambridge Analytics, que buscaba automatizar la propaganda política, o el de Watson (IBM) recomendando tratamientos fatales a pacientes de cáncer, son miles los casos de uso en los que ya se está aplicando, con éxito, IA.

Ciñéndonos al mundo de la publicidad vemos numerosas aplicaciones y mejoras en capacidades creativas, gracias por ejemplo al diseño de productos o servicios; en capacidades analíticas, gracias a la predictibilidad que nos ofrece sobre el comportamiento de los usuarios y en capacidades tecnológicas, fomentando agilidad y la escala de numerosos procesos tecnológicos.

Además, específicamente en el mundo de la activación digital vemos que casi todas las tecnologías de activación cuentan con soluciones propias, e incluso las más avanzadas con la posibilidad de incorporar soluciones de terceros o soluciones ad hoc.

Gracias a la IA somos capaces de ofrecer, por ejemplo, optimizaciones automáticas en los distintos canales digitales, sistemas de recomendación en tiempo real y un aumento del conocimiento del comportamiento digital de los usuarios gracias al análisis de tendencias.

En definitiva, ya usamos en multitud de casos distintos tipos de IA, y cada vez la usaremos más, pues nos garantiza dos grandes beneficios: la agilidad y la predicción, siendo ambos claves a la hora de capitalizar oportunidades.

¿Creatividad, serán las máquinas los próximos creativos?

Alan Turing, considerado el padre de la informática escribió en su libro ‘Maquinaria computacional e inteligencia’, publicado en 1950, «¿Puede pensar una máquina?». Hoy en día, a la vista de los avances tecnológicos creo que podemos decir que sí. Las máquinas piensan y actúan racionalmente, sujetas a una serie de reglas lógicas y es por esto por lo que podríamos afirmar que piensan. Un buen ejemplo de este pensamiento racional fue Deep Blue (IBM), el primer ordenador, que, en 1997, fue capaz de ganar a Kaspárov en una partida de ajedrez.

Sin embargo, dudo que podemos afirmar de manera tan concluyente que las máquinas sean capaces de tener un pensamiento abstracto o subjetivo, de sentir emociones o de no poner límites a su imaginación. Y es en esto, bajo mi punto de vista, donde reside la diferencia entre un pensamiento creativo y un pensamiento racional. Por todo ello me cuesta pensar que las máquinas puedan llegar a ser los próximos creativos.

Dicho esto, ya contamos con tecnologías como Dall-e o Midjourney, que son capaces de crear imágenes a través de descripciones de usuarios. Estas tecnologías se basan en IAs que analizan miles y miles de imágenes y realizan una composición que responda a la descripción del usuario. Pero a pesar del indudable gran avance técnico que esto supone, ¿podemos afirmar que esto es arte o creatividad?

Las máquinas nos ayudan en el proceso creativo, facilitando, por ejemplo, la creación de ciertas imágenes, nos ayudan en la búsqueda de Insights, agilizando esta tarea y descubriendo cosas ‘imperceptibles al ojo humano’, incluso nos ayudan en la adaptación de piezas y numerosas tareas más.

Por ello, a pesar de que la capacidad que nos ofrece la IA es una auténtica revolución, no puede provocar las emociones que evoca ‘El Grito’ de Munch o la capacidad de pensamiento metafórico de Ana María Matute, o la atrevida experimentación de los primeros dadaístas. Y es por esto por lo que se me hace difícil pensar que la IA cree por si sola spots como el de ‘Poderosas’ de Decathlon, ‘Don Dinero’ de Bankinter o ‘Campaña para la belleza real’ de Dove. Incluso a pesar de la innegable aportación de la inteligencia artificial a la campaña ‘Con mucho acento’ de Cruzcampo, esta no habría visto la luz sin la idea inicial de hacer algo así, sin la imaginación y valentía de los creativos que pensaron que algo así era posible.