Las Data Clean Room resuelven los desafíos de la identidad del consumidor
A medida que los profesionales del marketing y las marcas se esfuerzan por encontrar nuevas soluciones de identidad tras la desaparición de las Third-Party Cookies, hay un conjunto de tecnologías que destaca entre las demás: las Data Clean Room. Estos entornos digitales -también conocidos como plataformas de colaboración de datos- permiten a los profesionales del marketing comparar conjuntos de datos sin tener que arriesgarse a compartir los datos de los consumidores.
El CEO de InfoSum, Brian Lesser, habló recientemente con Ari Paparo, fundador y CEO de Marketecture Media, sobre cómo un número cada vez mayor de marcas busca tecnologías de Data Clean Room que les permitan incorporar los datos de sus clientes de forma eficaz. La entrevista destacó cómo las Data Clean Room están ayudando a las empresas a alejarse de los tradicionales procesos centralizados de combinación de datos y a adoptar tecnologías que descentralizan la información de la audiencia, permitiendo un mejor análisis y protección de la privacidad.
"Existe una forma probada y verdadera de normalizar los datos, que consiste principalmente en encontrar una identidad común y mezclar los datos en una base Third-Party Data", dijo Lesser. "Pero ahora la industria nos ha trasladado a las Data Clean Rooms".
Las Data Clean Rooms están ayudando a los profesionales del marketing a evaluar y comprender los datos de sus clientes permitiendo a los profesionales del marketing desarrollar estrategias de marketing más precisas y centradas en el cliente. Estos entornos neutrales permiten un análisis más eficaz de los datos CRM y de la exposición a los anuncios. Además, los Data Clean Room están ayudando a las marcas a reunir First-Party Data de los consumidores y a realizar análisis en profundidad protegiendo la identidad de la audiencia.
Sin embargo, muchas soluciones de colaboración de datos crean vistas aisladas debido a las limitaciones del canal específico del proveedor. Según Lesser, las marcas suelen verse obligadas a trabajar con varios socios para diseccionar estos datos de audiencia. Según este modelo, un socio proporciona la información de identidad y otro ofrece la solución de incorporación, reuniendo los datos, anonimizándolos y enviándolos para su análisis.
"Todo este proceso lleva mucho tiempo, es ineficaz y, además, está cada vez más plagado de problemas de privacidad y seguridad", afirma.
Para complicar aún más los problemas de resolución de identidades, los Data Clean Room tradicionales suelen construirse con bases de datos centralizadas. Esto requiere que cada propietario de los datos cargue los datos personales en un entorno de Third-Party, lo que plantea importantes problemas de privacidad del consumidor. Los anunciantes deberían adoptar soluciones de Data Clean Room descentralizadas, como Infosum u Optable, que concedan licencias a partes que utilicen tecnologías de "búnker" de datos para resolver estos problemas. Los anunciantes cargan los datos de CRM en estos segmentos aislados y luego se sientan mientras la información se transforma de filas individuales de datos de clientes a modelos matemáticos descriptivos que están protegidos de la ingeniería inversa en un archivo de clientes.
Este tipo de soluciones descentralizadas ayudan a proteger la privacidad de los consumidores y a tender un puente entre las fuentes de datos y las identidades de los consumidores.
"El puente puede ser cualquier cosa.Estos sistemas de colaboración de datos reconocerán dónde hay solapamiento. Si esos dos conjuntos de datos tienen direcciones de correo electrónico en común, el sistema te dirá que el mayor solapamiento entre ellos es el correo electrónico. Podría ser cualquier descriptor de los datos, y puede ser online y offline".
Cómo las tecnologías de resolución de identidades pueden mejorar las capacidades de los Data Clean Room
Hace tiempo, las marcas confiaban principalmente en las tecnologías de resolución de identidades para hacer coincidir a los clientes en varios conjuntos de datos, pero a medida que los profesionales del marketing continúan inclinándose por el First-Party Data, muchos están descubriendo que estas tecnologías funcionan mejor cuando se combinan con Data Clean Room.
Al evaluar las soluciones de identidad compatibles para trabajar con Data Clean Room, los profesionales del marketing inteligentes están tomando nota de sus capacidades de tasa de coincidencia, es decir, el porcentaje de registros de consumidores que pueden coincidir con otro conjunto de datos. Estas métricas ayudan a destacar la eficacia de las tecnologías de identidad para resolver las identidades en un entorno de Data Clean Room. Los profesionales del marketing también deberían fijarse en características como el nivel de precisión de la identidad, la exactitud de las coincidencias y el alcance de los usuarios a los que se dirige.
Mientras tanto, los nuevos marcos de Data Clean Room están permitiendo una mayor transparencia de los datos, flexibilidad y análisis descentralizado para potenciar una correspondencia y medición de datos más eficaz. Aun así, cuando los datos son demasiado distintos, Lesser dice que es mejor trabajar con soluciones de identidad, especialmente si la tecnología de Data Clean Room permite una colaboración de datos eficaz.
"La colaboración de datos funciona bien cuando esos conjuntos de datos tienen algo en común", dijo. "No funciona tan bien cuando esos conjuntos de datos no tienen nada en común. Es entonces cuando podemos recurrir a un proveedor de identidades para salvar esa distancia".
Fuente: Digiday
