Rosa Almarza: Cómo la IA está revolucionando el targeting contextual
Compartimos esta interesante entrevista, realizada por Programa Publicidad y Rosa Almarza, (ex Southern Europe Media & Digital Manager at Procter & Gamble) . Para Almarza «los desarrollos en IA han cambiado completamente el panorama y el targeting contextual -impulsado por IA- está dirigido por la audiencia y puede rastrear y modelar el comportamiento de consumo de contenido en tiempo real, afinando la audiencia en vivo y el rendimiento de campañas como nunca antes».
Con esta nueva dimensión, el targeting contextual no solo ofrece una alternativa a las cookies, sino que supera el performance que estas han tenido.
El cronograma de Google para eliminar las cookies puede parecer “flexible”, pero una cosa es segura, desde el GDPR las impresiones basadas en cookies están cada vez menos disponibles en el mercado programático.
Durante los últimos 20 años, la industria de la publicidad online ha estado basada en la información que las cookies ofrecían, por lo que este cambio sísmico ha causado una gran disrupción en muchos niveles. Los anunciantes más avanzados ya habían visto venir este momento.
El targeting basado en cookies siempre ha sido difícil de justificar desde una perspectiva de privacidad, además de no permitir una gran escalabilidad y estar basado en datos históricos.
Debido a esto, el mercado publicitario está tratando de desarrollar alternativas a las cookies – otra forma de identificar a la audiencia. Sin embargo, algunas de las soluciones más innovadoras, en realidad, no involucran identidad en absoluto, si no que provienen de una nueva fusión entre targeting contextual y conductual, impulsado por IA.
Reingeniería Contextual
Históricamente, el targeting contextual ha implicado la compra de impresiones en páginas cuyo contenido se considera relevante para la marca , según lo definen las palabras clave y otras métricas dentro del contenido o la URL. Por ejemplo, es posible que una aerolínea quiera aparecer en el contenido sobre escapadas urbanas, vacaciones familiares o centros de negocios globales.
La publicidad contextual siempre se ha visto como una opción sencilla: los anunciantes pueden controlar el contexto en el que aparece su marca y aumentar la probabilidad de llegar a los usuarios con los intereses relevantes. Pero esta facilidad de lo contextual también ha sido un hándicap: se lo ha visto como unidimensional, de limitada escala, y un lugar en el que las marcas a menudo pueden terminar apareciendo junto a sus competidores.
Sin embargo, gracias a las innovaciones recientes en IA y machine learning, las deficiencias que la publicidad contextual podía tener en el pasado, ya han dejado de existir y han situado al contextual como una sólida alternativa a las cookies.
Las 3 formas en las que IA está transformando el targeting contextual:
1) Permite un targeting basado en datos en tiempo real y dinámico
La mayoría de los targetings publicitarios se basan en datos históricos y unidimensionales. Por ejemplo, tema, palabras clave y, más recientemente, otras variables como el sentimiento, el tono y la longitud del artículo. Los anunciantes y los traders deciden de antemano qué métricas seguir con el objetivo de alcanzar los KPI de la marca.
A medida que la campaña se desarrolla, los traders observan las líneas de planificación que mejor funcionan y, en muchos casos, les hubiera gustado tomar decisiones diferentes. Pero cambiar el targeting durante la campaña para conseguir más impresiones no suele ser sencillo, debido a la velocidad del procesamiento de los datos.
Sin embargo, ahora, gracias a la IA y a aprendizaje automático, la velocidad de procesamiento de datos aumenta rápidamente, consiguiendo un ciclo de retroalimentación dinámico y en tiempo real para el targeting contextual.
Esto permite actualizar las URL en las que aparece el anuncio, en función del performance, y mientras se ejecuta una campaña. La aplicación de IA durante la campaña consigue una optimización basada en señales en tiempo real y, por tanto, más efectiva, consiguiendo así, mejores resultados de campaña.
2) Cobertura relevante
Cuando se toma como input las señales de engagement y de atención que nos ofrece el usuario a través de su interacción con el anuncio en tiempo real, el alcance de la campaña no se ve limitado por el seguimiento de unos contextos preestablecidos.
El targeting contextual se mantiene dentro del espacio de brand safety delimitado por la marca, pero en vez de ajustarte a contextos concretos, se expande a otros contextos basados en las señales recibidas en tiempo real por el comportamiento de los usuarios, alcanzando así audiencias relevantes en contextos predecibles y también, en contexto no tan obvios para la marca, lo que permite alcanzar nuevas audiencias.
De esta manera, el targeting contextual, impulsado por interacciones y métricas de atención, permite a las campañas generar cobertura de manera inteligente y explorar una cantidad casi infinita de contextos de calidad sin diluir la relevancia de la audiencia. Esta escala relevante está marcando una diferencia significativa en los resultados de la campaña.
3) Expansión de audiencias basadas en el consumo del 1st party data -LAL contextuales
La creación de segmentos de audiencias en función del tipo de contenidos que el usuario consume es una práctica habitual de las marcas. Esto les permite matchear su 1st party data con URLS de contenido similar al consumo que su target realiza, expandiendo así su audiencia.
Los avances en tecnología contextual permiten hacer seguimiento de forma continua y en tiempo real del tipo de contenido que el 1st party data consume, y en base a eso lanzar nuestro anuncio en sites con contenidos similares. Gracias a la IA y la machine learning esto ya es posible, estas tecnologías aprenden el consumo que realiza el 1s party data y en base a este aprendizaje expande a nuevas audiencias.
Por ejemplo, una línea de campaña puede enfocarse en seis o siete temas contextuales cuando una audiencia propia se considera una vez, pero 60 o 70 temas cuando se permite reflejar la audiencia de manera fluida a lo largo de la campaña. Nuevamente, esto contribuye enormemente tanto a la relevancia como a la escala.
En resumen, el targeting contextual siempre ha sido unidimensional y eran los anunciantes y los traders los que seleccionaba los contextos que podrían funcionar para una marca. Este tipo de targeting no se podía adaptar dinámicamente porque no había forma de procesar los datos lo suficientemente rápido.
Los desarrollos en IA han cambiado completamente este panorama y, como resultado, el targeting contextual impulsado por IA ahora está dirigido por la audiencia y puede rastrear y modelar el comportamiento de consumo de contenido en tiempo real, afinando la relevancia de la audiencia en vivo y el rendimiento de la campaña de una manera que no es visto antes.
Con esta nueva dimensión, el targeting contextual no solo ofrece una alternativa a las cookies, sino que supera el performance de estas han tenido.
Las cookies de terceros pueden estar viviendo sus últimos meses, pero con la IA apoyando una nueva generación de herramientas y soluciones, el mercado esta evolucionado hacia unas alternativas más efectivas, relevantes y más respetuosas con la privacidad del usuario.
Fuente: ProgramaPublicidad