Pase lo que pase dentro de una semana, de un mes o de un año, las marcas seguirán esforzándose por llegar, de una manera eficiente y escalable, a las audiencias relevantes en los momentos que importan.
El reto en ese deseo es que muchas, si no la mayoría, de las estrategias actuales no seguirán funcionando si dependen excesivamente de identificadores de terceros. Para seguir llegando a los clientes actuales y potenciales con los mensajes adecuados, los anunciantes deben asegurarse de que sus estrategias de definición de audiencia sean duraderas y se asienten sobre una base que priorice tanto la flexibilidad como la confianza del consumidor.
¿Qué es una estrategia de audiencia "duradera"?
No es una novedad que la visión que los profesionales del marketing tienen de los consumidores sea cada vez más fragmentada. Sin embargo, según Salesforce, el 78% afirma que comprender a su audiencia es fundamental para su éxito. A medida que navegamos por un sector en constante evolución, es fundamental adoptar estrategias de definición de audiencias que puedan resistir innumerables cambios: soluciones que sean duraderas.
Entendemos por "durabilidad" la capacidad de una estrategia de captación de audiencias para resistir el paso del tiempo. Esto significa que, quien define dicha estrategia, debe confiar en que seguirá conectando con los consumidores adecuados, independientemente de lo que ocurra con las cookies de terceros u otros identificadores, ahora o a medio y largo plazo. Pero también significa que dicha estrategia es capaz de soportar también otros cambios más importantes, como la evolución del clima macroeconómico, la evolución de la política de privacidad, la introducción de nuevos canales publicitarios o la evolución del comportamiento de compra.
Y todo empieza por maximizar las señales denominadas “1st party”.
En cuanto a las señales de origen...
Una encuesta realizada en 2022 por Statista entre ejecutivos de publicidad europeos revela que la segmentación sin cookies es el principal desafío para el sector de la publicidad digital, según indica el 35 por ciento de los encuestados.[1] La desaparición de las cookies, los cambios introducidos por los fabricantes de smartphones y un mayor énfasis en la privacidad han hecho que la información de las propias marcas sea mucho más valiosa.
A diferencia de las cookies, por ejemplo, las señales propias de una marca no dependen de los cambios realizados por los navegadores web o los fabricantes de dispositivos. Y si trabaja con un proveedor como Amazon Ads, sus señales “1st party” pueden combinarse con las de ese proveedor para ampliar aún más su alcance; sólo es importante asegurarse de que trabaja con un proveedor que ofrece señales propias diferenciadas. Amazon, por ejemplo, establece relaciones significativas con los consumidores a través de una amplia variedad de experiencias y puntos de contacto. Y a partir de ahí, Amazon absorbe una gran cantidad de señales de compra, navegación y streaming que permiten a los anunciantes conocer mejor a sus clientes y sus intereses. Estas señales pueden proporcionar segmentos adicionales basados en intereses para añadir a sus campañas, mientras que las capacidades de aprendizaje automático pueden ayudar a ampliar el reach más allá de los perfiles tradicionales.
De hecho, con el proveedor tecnológico adecuado, las señales proprias pueden hacer mucho más. Las data clean room se han convertido para muchos en una parte necesaria de la pila tecnológica de una marca, pero sobre todo con fines de medición. Hoy en día, sin embargo, es posible aprovechar el poder de las data clean room para la creación y activación de audiencias totalmente personalizadas.
¿Por qué ir por el modelado y lo contextual?
Las señales “1st party” son increíblemente valiosas, pero lo cierto es que su escala es limitada, y la audiencia de una marca va a aparecer en lugares hacia los que esas señales quizá nunca apunten. Ésta es sólo una de las razones por las que tácticas adicionales como el modelado y la publicidad contextual son cada vez más populares. El hecho de que estos enfoques también den prioridad a la confianza del consumidor los hace mucho más duraderos.
Con el aprendizaje automático regenerativo, como el que emplea Amazon Ads, los modelos de creación de audiencia aprenden y mejoran continuamente: por su naturaleza, estos modelos tienen en cuenta todo tipo de cambios, ya estén relacionados con un nuevo canal de streaming, un nuevo tipo de dispositivo, cambios en los patrones de compra, etc. Y hemos visto que estas estrategias dan sus frutos. Y hemos visto que estas estrategias dan sus frutos: en pruebas recientes que hemos realizado con anunciantes de distintos sectores, hemos observado que la segmentación contextual genera mejores índices de consideración y rentabilidad del gasto publicitario (ROAS) en comparación con las estrategias tradicionales basadas en cookies. Los anunciantes que emplean estrategias de audiencia modelada han observado un aumento del alcance relevante de forma más rentable, incluido un aumento del 25% en la entrega de impresiones y una disminución del 12% en el coste por cada mil impresiones (CPM).
Independientemente de los enfoques exactos que adopte para preparar su estrategia de audiencia para el futuro, es importante asegurarse de que está cerrando el círculo de la información y la medición, y eso incluye cualquier información offline (por ejemplo, compras en tiendas) que pueda recopilar, y que puede ser una nueva fuente para mejorar aún más la precisión de la audiencia. Piénselo de este modo: Cuanto más pueda introducir en un modelo, más información obtendrá como resultado.
Los cambios en esta industria no van a ralentizarse pronto. Pero, con las estrategias de creación de audiencia adecuadas, es posible estar en condiciones de capear cualquier cambio que se produzca.
[1] Statista, Leading digital advertising industry challenges according to advertising executives in Europe as of December 2022