Los datos son el sustento de la publicidad digital. A medida que el panorama digital siga cambiando, también lo harán los datos, ya sea por la evolución de la normativa sobre privacidad de datos o por la eliminación de las Third-Party Cookies, el acceso a datos de alta calidad -datos limpios, bien estructurados y libres de sesgos- es un reto para las organizaciones de marketing.

A medida que los datos se vuelven cada vez más difíciles de recopilar, almacenar y activar, los líderes del marketing digital necesitan soluciones que mantengan la eficacia al tiempo que protegen la privacidad de sus clientes: ahí entra en juego Synthetic Data.

¿Qué es Synthetic Data?

Synthetic Data es una clase de IA generativa que puede optimizar datos escasos, mitigar sesgos o preservar la privacidad de los datos. Los conjuntos de Synthetic Data se generan artificialmente (es decir, no se obtienen a partir de observaciones directas del mundo real) para conservar los aspectos estadísticos y de comportamiento de los conjuntos de datos reales sin comprometer la privacidad de los individuos de los que se recogieron los datos.

Aunque los profesionales del marketing pueden tener la tentación de tachar la Synthetic Data de "datos falsos", en realidad pueden ser muy potentes. Synthetic Data puede utilizarse para generar conjuntos de datos que, de otro modo, serían impracticables debido a las limitaciones de recopilación o las restricciones normativas, lo que los hace disponibles y aplicables a diversos objetivos de marketing.

Es probable que en los próximos dos a cinco años veamos una mayor adopción de tecnologías de IA generativa como Synthetic Data en la publicidad dirigida. Los profesionales del marketing deben prepararse para el día en que los Synthetic Data se conviertan en la norma de la publicidad en este momento.

Synthetic Data resuelve las preocupaciones en torno a la información de identificación personal
En primer lugar, los Synthetic Data son una solución potencialmente viable a los problemas de privacidad que plantea el intercambio de datos entre socios, incluso para campañas de publicidad digital dirigida.

Aunque la tecnología para anonimizar conjuntos de datos mediante Synthetic Data aún está relativamente inmadura, en teoría la Synthetic Data podría proteger la información de identificación personal (IPI) de los clientes de una empresa, como números de la seguridad social, números de teléfono, direcciones de correo electrónico y datos sensibles como la raza y el sexo.

Hoy en día, el proceso de anonimizar y compartir datos reales de First-Party puede ser largo y costoso. La Synthetic Data, en cambio, pueden crearse a partir del conjunto original de "datos reales" para formar uno sintético que ya no contenga ninguna de las IIP originales o información de datos sensibles.

Por ejemplo, una gran compañía de seguros estadounidense utilizó Synthetic Data para anonimizar conjuntos de datos transaccionales complejos que contenían IPI extrayendo la información estadística y las relaciones complejas de los conjuntos de datos. El nuevo conjunto de Synthetic Data ya no contenía ninguna información original y no podía rastrearse hasta las personas, lo que garantizaba el cumplimiento de la normativa al tiempo que preservaba los atributos estadísticos y las tendencias del comportamiento de los consumidores. La empresa podía entonces compartir la Third-Party Data de forma segura para realizar análisis del comportamiento de las transacciones de cuentas en tres días en lugar de seis meses. En publicidad, esto podría ayudar a crear segmentos para anuncios específicos o para construir recorridos únicos de los clientes.

Seguirán surgiendo ejemplos similares para proteger la privacidad de los consumidores: Para 2025, Gartner espera que la Synthetic Data reduzcan la recopilación de datos personales de los clientes de forma que se evite el 70% de las sanciones por violación de la privacidad.

Synthetic Data ayuda a los profesionales del marketing a avanzar en las creatividades publicitarias
El uso de la IA y el aprendizaje automático (ML) está en auge en el marketing, y una de estas tecnologías respaldada por Synthetic Data es el deepfake, un tipo de medios sintéticos que sustituye los vídeos o el audio existentes por imágenes o audio generados sintéticamente.

Aunque la tecnología deepfake ha sido criticada en casos de uso no consentido, ya se ha aplicado en campañas publicitarias de éxito.

Tomemos el ejemplo de una gran empresa de belleza. Su objetivo era concienciar sobre la naturaleza nociva de los consejos de belleza online utilizando la tecnología deepfake face-mapping para crear dobles digitales de madres que promovían consejos de belleza nocivos (irónicamente) dentro de los contenidos de los medios sociales. El resultado fue la reacción de sorpresa de las madres al ver a sus yos digitales dando esos consejos tóxicos, lo que a su vez las inspiró a tener conversaciones más honestas e informadas con sus hijos sobre lo que están viendo en sus redes sociales. La aplicación de la tecnología deepfake permitió a la marca de belleza transmitir un mensaje de campaña genuino reduciendo los esfuerzos de producción y ahorrando costes.

La creatividad generada por deepfake se convertirá en un elemento cada vez más frecuente de las campañas publicitarias, ya que los profesionales del marketing se esfuerzan por seguir el ritmo del desarrollo tecnológico emergente. De hecho, para 2025, Gartner espera que el 30% de los mensajes de marketing saliente de las grandes organizaciones se generen sintéticamente, frente a menos del 2% en 2022.

Synthetic Data mejora las pruebas y el desarrollo de productos

Gartner predice que Synthetic Data relacionada con imágenes y vídeos constituirán más del 95% de los datos utilizados para los modelos de IA en 2030. Uno de los casos de uso más prevalentes para la Synthetic Data incluye el entrenamiento de modelos ML para desarrollar productos y características que pueden aumentar el valor comercial al mejorar la calidad del producto, reducir los costos y potencialmente descubrir nuevos productos o servicios en el proceso.

En un ejemplo, una empresa de vehículos autónomos presenta en sus vídeos de entrenamiento escenarios generados sintéticamente que, de otro modo, sería poco práctico o inseguro recoger en la vida real, como un peatón que camina delante de un vehículo en movimiento. Los datos de estas pruebas informan de cómo reacciona la IA y se optimizan para cualquier número de funciones de seguridad sin necesidad de aprender de escenarios reales y poniendo en peligro a personas reales. Gartner predice que la Synthetic Data reducirá en un 70% el volumen de datos reales necesarios para el aprendizaje automático en un plazo de tres años.

El futuro ya está aquí

Imaginemos lo siguiente: estamos en 2030 y los responsables de marketing de la "Marca X" están preparando sus campañas para la Super Bowl 64. El partido, y su récord de audiencia, se disputará en el estadio de la ciudad. El partido, y sus anuncios y patrocinios, que baten récords, se retransmitirán en directo en casi 100 millones de hogares digitalmente conectados y direccionables.

La marca ''X'' cree en su producto y está entusiasmada con el estreno de su nuevo anuncio, en el que, mediante el uso de Synthetic Data basados en su base de clientes existente y la IA generativa para vídeo, ha podido elaborar miles de versiones en una fracción del tiempo de un rodaje de anuncio tradicional. Los hogares de destino se han segmentado en uno o varios de los cientos de grupos de entrega, cada uno de los cuales recibe su propia combinación de vídeo, sonido y gráficos diseñada para conectar con cada espectador en un atributo clave de sus productos. A los espectadores les encanta, pero la campaña echa por tierra las típicas listas de lo mejor que salen el lunes después del partido.

Entonces, ¿cómo pueden aprovechar hoy los profesionales del marketing estas implicaciones prácticas y prepararse para el papel que la Synthetic Data acabará desempeñando en sus estrategias? Los responsables de marketing pueden empezar con los siguientes imperativos:

• Identificar si la Synthetic Data puede ayudar a seguir cumpliendo las normativas en materia de privacidad e identidad, así como las normativas emergentes sobre las aplicaciones de la IA en los negocios.

• Verificar las afirmaciones de los proveedores y validar los casos de uso. Elegir proveedores que generen conjuntos de Synthetic Data que preserven los atributos estadísticos y las tendencias de comportamiento al tiempo que eliminan la IIP.

• Evaluar si los deepfakes pueden ayudar a aumentar el impacto de las campañas publicitarias y cumplir los objetivos de marketing. Considere el coste y los plazos de entrega en comparación con las campañas publicitarias y los presupuestos tradicionales.

• Evite el "síndrome del objeto brillante" colaborando con los responsables de TI, I+D y los equipos de producto para evaluar el valor empresarial y para el cliente de los productos generados sintéticamente o entrenados.

Acceder a los datos del mundo real necesarios para entrenar modelos u obtener información sobre los consumidores es cada vez más difícil, en parte debido a problemas de privacidad y seguridad. Pero con la Synthetic Data, los profesionales del marketing pueden eludir las limitaciones de recopilación o las restricciones normativas en torno a la información personal, haciéndola disponible y aplicable a diversas aplicaciones de marketing y productos.

Fuente: Adweek