Cómo se preparó The New York Times para un mundo sin cookies

La demora de Google en eliminar las cookies de terceros hasta finales de 2023 ofrece un alivio temporal a los editores de noticias, pero muchos aún necesitan encontrar alternativas.

The New York Times parece estar bien preparado para replicar el éxito que han tenido con el modelo de suscripción digital también en el ámbito publicitario. La compañía comenzó a eliminar los datos publicitarios de terceros con mucha anticipación y anunció el lanzamiento de su propia plataforma de datos en junio de 2020.

La plataforma se desarrolló durante un período de dos años y es completamente independiente de las cookies de terceros. 

“Cuando un especialista en marketing se acerca a nosotros, le ofrecemos productos segmentados basados en lo que los usuarios están haciendo en nuestro sitio y nuestras aplicaciones móviles. No confiamos, ni compramos, ningún dato sobre lo que hacen los consumidores fuera del New York Times ”, dijo Pranay Prabhat , director senior de ingeniería de NYT.

Hablando en el reciente evento eSummit de líderes de medios indios de WAN-IFRA junto con Mariam Melikadze , directora de Data Insights Group, Prabhat describió cómo la plataforma, que fue construida internamente al completo, les ayuda a comprender el comportamiento de un usuario en sus propiedades.

Los datos a partir de encuestas y los de comportamiento obtenidos con el consentimiento del usuario se introducen en múltiples modelos de aprendizaje automático de una manera altamente segura para la privacidad.

"Estos modelos de aprendizaje automático son realmente el núcleo de cómo funciona toda esta plataforma de audiencia", dijo Prabhat. “Debemos tener especial cuidado con esos modelos. Hay procesos personalizados para mejorarlos y para probar la calidad de los datos de manera regular de cara q que estos modelos sean precisos y satisfagan la demanda de nuestros comercializadores ”, agregó.

Un enorme tesoro de datos de suscriptores

NYT ha aumentado sustancialmente su base de suscriptores durante los últimos 10 años. En 2020, tenían 7.5 millones de suscriptores, la mayoría de los cuales eran digitales. Este enorme tesoro de datos de suscriptores era algo que la empresa podía aprovechar para crear productos en el frente publicitario. 

“La otra cosa a tener en cuenta es que The New York Times siempre ha sido muy consciente de la privacidad. Informamos sobre esto en nuestro periodismo ”, dijo Melikadze. "Así que mientras pensábamos en la creación de este tipo de productos de datos, estuvimos atentos específicamente en la privacidad". 

En el pasado, los anunciantes se dirigían a una sección o subsección particular de contenido, por ejemplo, la sección de moda, que era relevante para su marca. Entonces, el equipo de NYT desarrolló un producto llamado “segmentación por perspectiva” (perspective targeting). Es un modelo de aprendizaje automático que predice cómo un artículo hace sentir al usuario en función de las palabras que aparecen en él.

“Por ejemplo, tenemos sentimientos como 'informado' o 'inspirado' o 'esperanzado'. Entonces, un anunciante podría orientar su campaña a esos sentimientos si eso es relevante para su marca ”, dijo Melikadze.

La primera campaña de este tipo se centró en el sentimiento de "aventura" de un programa de televisión.

El siguiente en la cartera fue la "segmentación por neutralidad" que, a diferencia de la orientación por perspectiva, se basa en la ausencia de una emoción particular. 

Motivación y segmentación por temas

El equipo también desarrolló la segmentación por  motivación, que trata sobre cómo un artículo motiva al lector, por ejemplo, para hacer un cambio de hábito saludable o para tomar el control de las finanzas personales. 

La siguiente área fue la segmentación por temas. El equipo examinó algunos años de contenido del NYT y detectó temas o grupos de contenido sobre los que el periódico escribía constantemente.

"Todo esto en conjunto muestra la variedad de formas en que un anunciante puede personalizar su campaña para que aparezca en el lugar correcto sin comprometer la privacidad de los usuarios", dijo Melikadze.

“Hoy tenemos alrededor de 20 emociones, siete motivaciones y 100 o más grupos de temas”

Los artículos se puntúan en tiempo real con respecto a todos los modelos de segmentación. De esta manera, los atributos del artículo están disponibles para la segmentación en tiempo real y la publicidad puede aparecer cerca de la historia recién publicada en muy poco tiempo. 

Junto con la construcción de los modelos, el equipo también comenzó a explorar cómo podían llegar a los lectores de una manera que respetara la privacidad y el rendimiento. Entonces, comenzaron a construir segmentos de usuarios mediante la generación de encuestas y la recopilación de un conjunto de datos reales sobre los usuarios.

“Se trata de encuestas que nuestros usuarios responden sabiendo que estos datos se utilizarán con fines publicitarios y proporcionan información como el sexo, la edad, los ingresos”, dijo Melikadze.

Se crearon modelos similares a partir de estos datos y el producto se lanzó en 2020. Para el segundo trimestre de 2021, NYT se había alejado por completo de los datos de terceros.

Siguiente paso: pensar en el ‘user journey’

Según Melikadze, solo para la segmentación contextual, el rendimiento medido por las tasas de clics fue siete veces superior a los estándares de la IAB.

“En lo que respecta a datos de primera parte, realizamos pruebas A/B contra sus contrapartes de tercera parte y observamos que los de primera parte en general ofrecían unos resultaos al menos tan buenos como la contraparte de tercera parte. En muchos casos funcionó incluso mejor ”, dijo.

El siguiente paso es pensar en digital journey de los usuarios. En otras palabras, cómo asegurarse de que el momento en que se muestra un anuncio al lector sea el momento correcto para ese usuario en ese contexto. El editor actualmente está creando productos de look-alike de segunda parte donde una vez que un cliente envía una lista de usuarios, el equipo construye modelos similares alrededor de esos usuarios.

Utilizando first-party  data, también ha creado lo que se denomina "“click-alikes", que son usuarios que son similares a los que han hecho clic en una campaña en particular.

'Tenemos que generar confianza con nuestros consumidores’

NYT parece estar a la vanguardia, pero ¿qué pasa con el próximo paso para la industria? Prabhat cree que se avecina una tormenta de tecnología publicitaria. Según él, se están implementando múltiples soluciones, incluios correos electrónicos con hash, segmentación basada en cohortes, duplicación de datos de origen y tecnología basada en mediciones.

Si bien todos estos parecen prometedores, Prabhat también agregó que hay mucho trabajo e investigación por hacer.

“Creo que debemos unirnos y comprender que tenemos que simplificar el funcionamiento de la industria. Tenemos que generar confianza con nuestros consumidores, y así es como finalmente tendremos una industria próspera y un buen futuro en los próximos 20 años ”, dijo.

Artículo original publicado en inglés en WAN-IFRA