El Retail Media entra en una “fase socrática”

Hubo un tiempo en el que el retail media se vendía como la respuesta a todas las inseguridades de la publicidad digital: First-Party Data, ventas observables, atribución “cerrada”. Ese tiempo está terminando. Lo que viene ahora es menos complaciente y más útil: una “fase socrática” en la que, a medida que refinamos la instrumentación, descubrimos cuántas certezas eran comodidad estadística. No es una mala noticia; es el comienzo de la profesionalización.

En el IAB Connected Commerce de Nueva York, el ambiente fue de confesión colectiva. Las data clean rooms se han convertido en el pasaporte a la “claridad”. Por fin cruzamos datos de marca, retailer y, en ocasiones, plataformas; por fin dejamos de inferir con cookies moribundas o last touches caprichosos. Pero abrir la puerta no disipa la niebla de golpe: la sustituye por luz con polvo. Sunava Dutta (Pacvue) lo resumió con una metáfora que desarma: si nadie reservaría un picnic con una semana de antelación basándose en el parte de hoy, ¿por qué estamos aceptando bucles de optimización semanales en entornos que toman decisiones cada hora? La latencia no invalida las data clean rooms, pero las reubica: son un instrumento valioso para cerrar el loop, no una consola de vuelo.

La segunda incomodidad es más profunda: incluso cuando “optimizamos a outcomes”, muchas veces seguimos optimizando a proxies. El sector se ha acostumbrado a mover promedios: ROAS bonitos, CTRs en forma, dashboards que tranquilizan. Jared Belsky (Acadia) lo dijo sin anestesia: demasiada gente se dedica a “empujar medias hacia arriba”. El ROAS medio sube cuando saturas términos de marca, rodeas checkouts con remarketing o dejas que la plataforma coseche a clientes que habrían comprado igual. El negocio no siempre acompaña… y el CFO lo huele a distancia.

La alternativa no es poética, es contable. Cambiar el “¿cuánto ROAS?” por el “¿cuánta caja incremental y en qué plazo?”. Ese cambio implica vocabulario y método: iROAS/POAS (incremental y/o basado en margen), payback period, ventanas de atribución cortas y coherentes con el journey, separación radical de brand vs. non-brand, límites a la reimpresión de última milla, y sobre todo experimentos. El MMM pinta el bosque; los geo-tests y holdouts te dicen si ese árbol crece por riego o por lluvia. Abhi Jain (Instacart) apuntó a una industria (farma) donde la causalidad no es negociable: cuando las pruebas no alcanzan masa crítica, se repiten, no se rellenan con promedios históricos. Nuestro oficio no requiere ese nivel de rigor clínico, pero sí adoptar su disciplina experimental.

Y luego está el elefante en la sala: los incentivos de las plataformas cuando las instruyes a “optimizar a compras”. Algoritmos como los de Google, Amazon o Meta hacen lo que se espera de ellos: maximizan su atribución dentro de las reglas que les das. Por eso Performance Max devora búsquedas de marca y términos de producto: ese usuario ya estaba a un click. Del mismo modo, tantas redes (grandes y pequeñas) encuentran oro en el inventario barato y prescindible (aka MFA o Made for Advertising): impresiones de bajo coste que activan ventanas de atribución generosas para colgarse ventas orgánicas o recompras previsibles. La estadística es “directionally right” hasta que deja de serlo; cuando mueve presupuesto hacia MFA o canibaliza Search de marca, la dirección era un espejismo. Ram Singh (Horizon Commerce) concede que la IA puede ayudar a reconstruir lo que funcionó con más eficacia que nuestro “pincha y reza” de antaño, pero no cambia los incentivos: si la regla premia atribuir, atribuirán.

Ese es, quizá, el núcleo del problema: confundimos precisión con verdad. Podemos contar escaneos, clicks y ventas con seis decimales y seguir estando lejos de la causalidad. Meghan Corroon (Clerdata) advierte que cuando la estadística se tuerce, se tuerce de verdad: puede llevarte justo a lo contrario de lo que deberías hacer con extraordinaria confianza. Nada es más peligroso que un modelo seguro de sí mismo al que nadie osa contradecir.

Tampoco ayuda el factor humano. La incrementalidad pone nombres y apellidos. El MMM diluye responsabilidades; un holdout deja en evidencia una creatividad que no suma o una táctica que solo canibaliza. Ahí no hay deck que suavice el golpe. Kimberly Sugden (PepsiCo) lo plantea desde la gestión: hace falta educar a CFOs y GMs para que entiendan que un ROAS menor puede ser mejor negocio si la parte incremental, y no la atribuida, es mayor. Esa educación debe institucionalizarse: sin un Measurement Council (CMO, CFO, e-commerce, data) con jerarquía de KPI explícita (Caja > Margen > iROAS > ROAS), catálogo de experimentos y bonus pegados a resultados de negocio, el sistema volverá a la comodidad de siempre: premiar la apariencia.

¿Qué cambia el lunes por la mañana? No una lista interminable, sino unos pocos compromisos no negociables. Primero, declarar la guerra al MFA y a la canibalización: cláusulas contractuales con RMNs y walled gardens que definan inventario aceptable, derecho de auditoría, sellers.json y ads.txt en orden, y devoluciones si se detecta supply basura. Segundo, separar por diseño las campañas de marca y no marca; si compiten en la misma subasta y reportan al mismo KPI, el algoritmo hará lo que siempre hace: tomar el camino más corto a su propio éxito. Tercero, cerrar el loop con data clean rooms sabiendo lo que son: lentas pero precisas. Acepta su cadencia semanal para decisiones estratégicas y compleméntalas con señales más rápidas (ACR/panel, lift periódico), pero no pongas al piloto automático en un dashboard diario disfrazado de causalidad.

Cuarto, normalizar el testeo: holdouts permanentes en tácticas clave, geo-lift trimestral en categorías que importan, y decisiones predeterminadas (“si X sube Y puntos con este intervalo de confianza, movemos Z% de presupuesto”). Y quinto, cambiar el idioma con el que nos dirigimos a Finanzas: deja de prometer ROAS y empieza a pronosticar caja con rangos, supuestos y trade-offs claros (margen, payback, dilución de marca, canibalización).

Nada de lo anterior será cómodo. Señalará a equipos y proveedores. Forzará a replantear acuerdos. Disminuirá, a veces, la cifra “bonita” de la columna de la derecha, pero aumentará la que paga nóminas. Retail Media no necesita más piezas laudatorias; necesita contratos con dientes, metodología con nombres y coraje político para sostenerla cuando el primer test contradiga la intuición de alguien importante.

Hay una última humildad que conviene asumir. Esta industria aprenderá tropezando. Como decía Singh: caminamos porque antes caímos. La fase socrática no es un lamento por la incertidumbre; es un marco de trabajo: admitir lo que no sabemos, medir bien, alinear incentivos y decidir en consecuencia. Si lo hacemos, el retail media pasará de ser el mejor generador de dashboards del mercado a ser lo que prometió: crecimiento comprobable. Si no, seguiremos celebrando promedios mientras nos alejamos de la caja.

La elección no es técnica. Es de gobernanza.