Daniel Heer CEO y fundador de zeotap

Las cuatro revoluciones de la data de la última década y su futuro

dataEn el entorno digital, la data y la identidad digital han sido los temas de conversación durante más de una década. A lo largo de estos años su evolución se resume en cuatro nombres propios: data contextual, data de tercera parte (third party data), data propia o de primera parte (first party data) e inteligencia de datos. Haciendo un repaso de cada una de ellas descubriremos dónde estábamos al principio de este fenómeno de la data y dónde nos encontramos en la actualidad. Un viaje que nos aportará interesantes luces para ayudarnos a diseñar una adecuada y eficaz estrategia de marketing inteligente que permita predecir los comportamientos de los nuevos consumidores y ofrecerles experiencias hiperpersonalizadas.

Datos contextuales

En primer lugar, quería hablar de la data contextual. Para ello, me serviré de un sencillo ejemplo. Situémonos en 2005 en el día de Año Nuevo donde hemos hecho el propósito de ponernos en forma. Y como quieres lograr esa meta, buscas inspiración en Internet donde rastreas información sobre “entrenamiento rápido en casa”. Pero, desafortunadamente como con el 80% de nuestros propósitos los abandonamos en febrero, así que en los días y semanas posteriores recibes una avalancha de anuncios de ropa cada vez que navegas por internet que ya no te interesan. Así se diseñaba la publicidad contextual de principios de los años 2000, que inició y promovió Google a partir de 2003. Los anunciantes confiaban en hacer ventas mostrando publicidad que complementaba el contenido de una página utilizando palabras clave.

Pero el targeting contextual carecía de efectividad porque proporcionaba una visión extremadamente limitada de los usuarios. Puesto que se basa sólo en el consumo de contenido. El foco, siguiendo el ejemplo anterior, se ponía en el contexto, fitness, pero nada de las demás cosas de esa persona como su gusto por los viajes, libros, alimentación, moda o la situación familiar. El resultado de todo ello era que se creaban muchos patrones de publicidad basados en clasificaciones del consumidor erróneas.

Third party data

La segunda revolución han sido los datos de tercera parte o proporcionados por terceros (third party data). Para conocerlos es ilustrativo dar un pequeño salto atrás a los años noventa, cuando se produjo una explosión de la cultura pop y Lou Montulli se centró en la creación de la afamada cookie, y no de comer precisamente. Una herramienta que ganó tracción más tarde en los primeros años del siglo XXI y que continúa haciéndolo hoy. Al respecto, quiero hacer notar que esta ingeniosa línea de código almacena información de un navegador y realiza un seguimiento de los usuarios así como de lo que consumen en Internet. Y aunque su premisa no era rastrear información personal todavía su uso ha causado importantes controversias de privacidad desde su creación. Teniendo en cuenta sus características, soportes y marcas empezaron a colocar cookies propias en sus sites o permitieron que otros players de la industria hicieran eso mismo con cookies de terceros.

Esta situación hizo que los proveedores de datos de terceros ganaran protagonismo. Y los manejaron como si del combustible para la compra programática se tratara y lograron un ascenso meteórico del gasto global en publicidad. De hecho, según Statista, los ingresos por publicidad digital en Estados Unidos crecieron de 6.000 millones de dólares en 2002 a 26.000 en 2010 y 100.000 en 2018. Así, los datos de tercera parte abrieron las puertas de la programática y como consecuencia a la aparición de las DMP (Data Management Platforms), que permiten a los anunciantes programáticos utilizar datos de terceros para mejorar el targeting, los análisis, una gestión de campañas a nivel individual y una orientación de las mismas basada en cookies.

Sin embargo, la mayoría de los proveedores de datos de terceros y DMPs se asentaban en un pequeño conjunto de datos veraces y los extrapolaban a partir de sus modelos blackbox para lograr mayor escala. Y aunque esos datos de terceros permitieron a las marcas segmentar su audiencia, aunque poniendo en riesgo la calidad, con el tiempo, los anunciantes empezaron a dejar de confiar en dichos proveedores.

A todo esto se ha unido la reciente declaración de Google de bloquear las cookies de tercera parte en su navegador Chrome. Lo que ha provocado multitud de conversaciones en torno a los datos y su gestión.

Datos propios o first party data

En tercer lugar se encuentran los datos de primera parte. Son aquellos que pertenecen a los usuarios y que identifican su nombre, dirección, correo electrónico, número de teléfono, así como otros recopilados o declarados, basados en su historial de navegación o patrones de compra, como el sexo o la edad y sus comportamientos en internet.

La mayoría de marcas ya comprenden la importancia de diseñar una estrategia de marketing basada en los datos de los propios clientes. Es más, se han dado cuenta de la importancia de consolidarlos para así comprender mejor a sus consumidores y tomar decisiones de marketing más inteligentes. De ahí que inviertan en tecnología como herramientas de CRM o CDP (Customer Data Platforms).

Todo el conocimiento que adquieren los anunciantes les permite maximizar el impacto de su inversión a través de experiencias digitales personalizadas para sus clientes. En cuanto a las CDP, estas son capaces de ofrecer una visión 360 del cliente al consolidar los datos a través de tres capas, basadas, y esto es un avance novedoso para la industria, en datos propios. En la primera capa, las CDP eliminan los silos y unifican los datos para así  proporcionar una visión 360 del cliente. En la toma de decisiones, se proporciona una segmentación inteligente y unos user flows automatizados. Y por último, en la capa de activación, se posibilita a las marcas llevar a cabo campañas de marketing multicanal y en tiempo real.

Sin embargo, desafortunadamente, los datos propios tienen sus propias limitaciones. Las marcas sólo tienen discrecionalidad sobre una parte de la información de sus clientes y es muy posible que no puedan hacer un seguimiento de todas las interacciones de los consumidores con ellas. Además, sus clientes representan sólo una pequeña parte de la población mundial o de su área geográfica. Todo esto hace imposible a los anunciantes conocer cómo interactúan sus clientes con otras marcas. Circunstancia que les deja en una posición de incapacidad para descifrar el comportamiento de sus potenciales clientes. Y a la postre todo esto hace que, sólo con datos propios, una marca no pueda tener una visión completa del cliente.

Por último, señalar que si bien las CDP y las DMP son efectivas para consolidar y combinar los datos de clientes conocidos y desconocidos, carecen de la capacidad de resolver los problemas de identidad. Dicho de otro modo, de la habilidad para vincular la información tradicional (correo electrónico, teléfono) con los identificadores digitales (dispositivos móviles, cookies, tv conectada). Pero también carecen de otras capacidades muy necesarias para el marketing de próxima generación, como el enrichment a partir de data de tercera parte de calidad o el análisis predictivo.

Inteligencia de datos

Todo esto, ¿en qué lugar sitúa a las marcas? Personalmente considero que ante la puerta de la era de la inteligencia de datos del cliente. Me explicaré. Ante el pórtico de la cuarta revolución de los datos, que está conformada por la creación de las plataformas de inteligencia de cliente o Customer Intelligence Platforms (CIP) creadas en 2019. ¿Y por qué? Puesto que son capaces de combinar los datos propios de las marcas con los datos de terceros procedentes de una multitud de fuentes externas, permitiendo a las marcas contar con la verdadera inteligencia de cliente para una adecuada estrategia de marketing digital.

Las CIPs armonizan las funciones de las DMPs y las CDPs y construyen a partir de ellas. De tal forma que ponen los datos propios en el epicentro y los convierten en inteligencia de datos. Con ello, las marcas comprenden realmente a sus consumidores, resuelven sus problemas de identidades y pueden hasta predecir comportamientos futuros de sus clientes. Además, con sofisticados métodos de segmentación, como algoritmos dirigidos por machine learning, los anunciantes pueden saber qué acción de marketing realizar según esa predicción futura de comportamiento. De esta forma, las CIPs dejan muy poco espacio para las conjeturas.

Así, continuando con el ejemplo que puse al principio, si nos encontramos en Año Nuevo con el propósito de ponernos en forma, y entre ese 20% de personas que permanece fiel a esa meta, ¿qué pasará ahora? Lo que es más probable que suceda es que al ir al navegador a buscar información sobre una rutina de ejercicios, veas un anuncio de descuento en un gimnasio de 12 meses asociado con tu banco. ¿Y esto por qué? Puesto que tu banco podría ser una de las pocas compañías pioneras en el marketing de nueva generación de inteligencia de datos. Así, sabiendo que tu interés en hacer ejercicio es alto y tu propensión de rotación como cliente es baja, el banco ha considerado que mostrarte una oferta de un gimnasio es ideal para mantenerte fiel a tu meta.

Hemos hecho un viaje por la data a lo largo de la última década. Pero a medida que esta nueva echa a andar, vemos que la información aislada se está conectando y que en el horizonte se atisba la inteligencia de cliente; un recurso que está empezando a mostrarnos su grandeza.

Daniel Heer, CEO y fundador de zeotap

Te recomendamos

Living Marketing

EVO Banco

Outbrain

Adecco

Podcast

Compartir

Centro de preferencias de privacidad

Navegación

Estas cookies permiten que el Sitio Web funcione correctamente por lo que son esenciales para que el Usuario pueda usar todas las opciones del Sitio Web y pueda navegar y utilizar las funciones de la misma con normalidad.

Advertising

Analíticas

Estas cookies recopilan información anónima de manera estándar sobre la navegación del Usuario y sus patrones de comportamiento. La información recogida mediante las cookies analíticas es utilizada para la elaboración de perfiles de navegación de los Usuarios de este Sitio Web, con el fin de introducir mejoras en nuestro servicio.

__utma, __utmz, __utmb
__utma, __utmz, __utmb

Other