Los expertos de la industria publicitaria ponen en práctica la IA

La IA está de moda. Herramientas de IA generativa como ChatGPT y DALL-E están deslumbrando al público, y sólo ChatGPT cuenta con 10 millones de usuarios diarios desde su lanzamiento en noviembre.

No hay duda de que tu Twitter o tú LinkedIn está lleno de gente que comparte capturas de pantalla de sus "conversaciones" con ChatGPT, a menudo con ánimo de divertirse. Pero la IA tiene muchas aplicaciones empresariales, desde la automatización de procesos manuales y la supervisión de datos en tiempo real hasta la captación de clientes con mayor precisión. Ahora que el ritmo del marketing digital parece acercarse a la velocidad del sonido, la automatización puede ser clave para mantener el ritmo.

He aquí algunas de las formas en que los players del sector utilizan la IA en su trabajo diario.

Perfeccionar las campañas de medios

La empresa de marketing digital Theorem tardó casi dos años en entrenar a los bots para que imitaran los flujos de trabajo humanos en las campañas de medios impulsadas por IA.

"Hay que asegurarse de que todo esté testeado y que el control de calidad esté hecho", afirma Jay Kulkarni, CEO de Theorem, que despliega miles de campañas globales al mes.

El entrenamiento de bots implica combinar la automatización de procesos robóticos (RPA) con el aprendizaje automático integrado y el aprendizaje profundo. Mientras que el aprendizaje automático ayuda a enseñar a los bots a copiar tareas humanas, el aprendizaje profundo ayuda a descubrir tendencias, puntos en común y eficiencias.

Como empresa B2B, Theorem ha visto muchos beneficios del uso de la IA, dijo Kulkarni, incluyendo aumentos de velocidad de hasta el 50% en la ejecución de campañas, disminuciones "significativas" en las tasas de error y los gastos de esfuerzo y un panel de informes más rápido para los clientes."El ahorro y la eficiencia son enormes", añadió.

Impulsar la personalización y el compromiso

Pero el recorrido del cliente es cada vez más complejo desde el punto de vista de los datos. Los consumidores se relacionan a través de un número cada vez mayor de puntos de contacto, dijo Vijay Chittoor, CEO de Blueshift, un CDP que utiliza la IA para aprovechar los First-Party Data de millones de clientes para generar información en tiempo real.

Las marcas pueden automatizar la toma de decisiones a nivel individual en ámbitos como los medios de pago, el correo electrónico, los SMS y las interacciones con aplicaciones móviles y sitios web.

Como CDP, Blueshift también ayuda a las empresas a conectar sus stacks de AdTech y Martech y a crear perfiles unificados, lo que es fundamental ante la continua pérdida de señal, ya que los profesionales del marketing se esfuerzan por encontrar nuevas soluciones para la segmentación publicitaria.

CarParts.com, un retailer DTC de piezas de repuesto de automóviles, se asoció con Blueshift en 2019 y desde entonces ha podido desplegar mensajes personalizados basados en el comportamiento de click y los datos de transacción, en lugar de enviar correos electrónicos idénticos a toda su lista de clientes, dijo Houman Akhavan, CMO de CarParts.com.

La empresa utiliza la IA de Blueshift para predecir la intención de compra de los clientes y ofrecerles descuentos diferenciales, así como para personalizar sus mensajes de correo electrónico y SMS con puntos de datos, como los nombres de los vehículos, el rango de precios preferido y los artículos consultados.

"La gente quiere que le hablen a nivel individual", afirma Akhavan, y añade que la personalización requiere una "estrategia de First-Party Data sólida como una roca", una comprensión de lo que es relevante para el cliente y un lugar donde almacenar y segmentar la información del cliente.

Automatizar el 'trabajo sucio' de la publicidad digital

La automatización suele ir de la mano de la eficacia, en parte porque los bots pueden encargarse de las tareas más tediosas.

Cuando Jason White trabajó en CBS Interactive como ejecutivo a cargo del marketing programático global y la monetización entre 2013 y 2020, observó una alta rotación entre las personas cuyas funciones requerían tareas monótonas y manuales.

Hay ciertos ''trabajos sucios'' que "a los seres humanos realmente no les gusta hacer", dijo White, quien cofundó una plataforma de automatización inteligente llamada Jiffy.ai en 2020 con su ex colega de CBS Dennis Colón, ahora vicepresidente de producto y estrategia de Jiffy.

Jiffy.ai ayuda a la gente en las trincheras programáticas y de operaciones publicitarias a automatizar el trabajo básico y no estratégico, dijo.

Por lo general, los publishers tienen que introducir la misma información en varias plataformas, explica White. Pero un bot puede tomar los activos asociados a una orden de inserción e introducirlos en un sistema de gestión de órdenes, un CRM y un sistema de ad serving de publishers, según corresponda.

Para instruir a los bots sobre cómo ejecutar tareas automatizadas y repetitivas con poca o ninguna intervención humana, Jiffy.ai utiliza una combinación de RPA, aprendizaje automático, procesamiento del lenguaje natural, análisis, automatización cognitiva y un modelo denominado human-in-the-loop (HITL).

El HITL combina el ML supervisado y el aprendizaje activo mediante el cual las personas entrenan, ajustan e interactúan con un algoritmo en un bucle de retroalimentación continua para ayudar a la máquina a mejorar su rendimiento.

Jiffy.ai elabora esquemas y diagramas de flujo para enseñar a la IA el proceso operativo y, a continuación, reitera esa formación para demostrar excepciones y "lanzar todos los escenarios posibles a la IA" para enseñarle a funcionar, explicó White.

La esperanza, según Colón, es que los bots "permitan a la gente centrarse realmente en las tareas que cambian el negocio". "En realidad, sólo queremos apoyar el flujo de trabajo", dijo.

Segmentación de audiencias y optimización de la medición de medios
Parte de la promesa de la IA es que liberará a la gente para pensar en asuntos de gran alcance, como la estrategia y la creatividad, al menos en teoría.

"La visión que todo el mundo comparte, pero que aún no es realidad, es que la IA ahorrará toneladas de recursos y tiempo", afirma Hyun Lee-Miller, Vicepresidente de medios de la agencia independiente de medios y medición Good Apple.

Establecer y mantener una solución de IA exige atención humana, y mucha. Sin embargo, para Good Apple ha merecido la pena exprimir el jugo.

"La segmentación de audiencias mediante aprendizaje automático ha demostrado ser muy productiva desde el punto de vista de la optimización del rendimiento", afirma Lee-Miller.

En una de las primeras pruebas de Good Apple en las que se utilizó la IA para respaldar campañas, fue capaz de duplicar las optimizaciones que podrían producirse manualmente durante el mismo periodo, lo que se tradujo en una mejora del 64% en el coste por adquisición (CPA).

En otro caso, un algoritmo personalizado consiguió mejoras en el CPM, el coste por visita de calidad y el CPA. Good Apple también fue capaz de optimizar, en un día, 20 veces más de lo que habría sido posible con optimizaciones manuales.

Pero hay un área en la que la IA todavía se queda corta (al menos por ahora), y es en la aportación de información, dijo Lee-Miller.

"Los humanos tienen que profundizar para entender el cómo y el por qué de los buenos resultados", afirma.

Como muchas otras empresas que juegan con la IA y sus usos en la empresa, Good Apple está todavía en sus primeras fases.

"No tenemos prisa", afirma Lee-Miller. "Estamos construyendo poco a poco [y] estamos construyendo buenos casos de uso. Estamos haciendo pequeños experimentos".

Fuente: AdExchanger