Contenidos Patrocinados
Todos, como lectores de revistas o de periódicos online, estamos muy aburridos de que nos enseñen banners de productos que no encajan mucho con nosotros o con lo que en ese momento necesitas o te interesa. Si gracias a la data somos capaces de mostrar el mensaje de un producto a la persona adecuada en el momento pertinente, esa relevancia hará que el usuario lo perciba no como una molestia sino como algo que puede serle útil.
¿Pero cómo logramos esto? A través del famoso Big Data que es lo que nos permite entender lo que la gente quiere. La clave está en la forma de recoger datos y darles una forma que tenga utilidad. A través de un equipo formado por lingüistas y matemáticos junto a una gran capacidad de almacenamiento de datos, recopilamos hasta 20.000 puntos de información de navegación de cada usuario (si se está conectando desde móvil o PC, la hora del día, el día de la semana o qué está leyendo) pero, y esto es importante, descartando aquellos que no nos dan pista sobre cómo es el usuario.
Pongamos como ejemplo: a diario hay una "noticia del día" fruto de la actualidad política, económica, cultural, fenómenos climatológicos que casi todo el mundo acaba leyendo esa jornada pero que no describe en absoluto cómo es el lector. Pero, por el contrario, hay noticias que sólo son leídas por un 3% de los usuarios, como por ejemplo, una sobre la nueva colección primavera-verano de Karl Lagerfield, que sí nos aporta una valiosa información sobre ellos. Con todos estos datos, el siguiente paso, y no menos complicado, es ponderar la información y ordenarla para poder clasificar a los lectores según las temáticas en las que están interesados (economía, deporte, o ambos) y en qué grado.
Toda esta información la utilizamos para segmentar. Hay muchas soluciones en el mercado que te permiten segmentar por las variables más estándares, y todas funcionan bastante bien: por localización, por dispositivo, por día y hora; pero hay otras más avanzadas que marcan la diferencia y que solo son posibles gracias a contar con tecnología Big Data: por contexto (a través de keywords) y por intereses (en base al comportamiento de usuario).
El resultado que se deriva de todo este proceso es que vamos a ser capaces de mostrar un mensaje relevante a un usuario adecuado y en el momento pertinente. Por ejemplo, imaginemos un restaurante ubicado en una zona de oficinas de una gran ciudad que quiere lanzar una campaña en una red de publicidad nativa como la nuestra. Podrá segmentar su campaña de manera que aparezca solo en esa localidad y en los días y horas más acordes a su objetivo, seguramente entre semana, lanzando una oferta en las horas previas a la comida. Una información que el usuario agradecerá pues es posible que pruebe un nuevo sitio aprovechándose de un precio ventajoso para comer ese día. Publicidad relevante es la clave.
¿Y cómo evolucionará la data en un futuro próximo?
Como hemos comentado, hasta ahora estamos siendo capaces de utilizar solo la data que recogemos de los usuarios que pasan por las páginas de los medios y revistas online incluidos en nuestra red; pero con el uso de nuevas herramientas tecnológicas como los DMPs (Data Management Platform) podemos explorar datos de orígenes diferentes. Volviendo a nuestro restaurante, y si él lo acepta, podríamos recoger también la información sobre los usuarios que pasan por su web. Y con estos datos crear un segmento de "visitantes de la página del restaurante" lo cual nos permitirá volver a mostrarles publicidad cuando estén en uno de los sites de nuestra red.
De este modo, cerraríamos el círculo recabando data de ambos lados del mercado. Aunque este ejemplo es solo uno de las mil opciones que la avanzada tecnología de los DMP nos permite, no hay que olvidar nunca, ya para cerrar este artículo, que no es tan importante la tecnología en sí, como el modo en que esta se emplea. Esto sólo depende de la capacidad creativa, una cualidad que, por ahora al menos, es solo humana.
