OPINIÓN

Hace 100 años que falleció John Wanamaker, comerciante estadounidense, que logró labrarse una gran fortuna gracias, en parte, al uso vanguardista que hizo de la publicidad. Una frase popular, que se le atribuye e ilustra lo difícil que es cuantificar el retorno publicitario, es: “La mitad del dinero que gasto en publicidad se desperdicia; el problema es que no sé qué mitad”. Actualmente, compañías de todos los tamaños siguen enfrentándose a este mismo dilema.

El entorno publicitario que conoció Wanamaker dista mucho del que nos rodea, en el que cada día un mayor número de canales, soportes y opciones de mercado conviven y compiten entre sí. El recorrido del cliente hasta la compra de un producto o servicio presenta múltiples puntos de contacto decisivos: ya no hablamos únicamente del anuncio que ve en la televisión, sino también del banner que le asalta en la web que visita, los posts que lee en redes sociales o de la propia recomendación de un influencer.

Pero no solo ha cambiado el entorno publicitario. Las secuelas de la pandemia, la guerra en Ucrania y el aumento de los precios de los combustibles y la electricidad se han combinado para hacer subir la inflación. El sector de la publicidad ha sido durante mucho tiempo un barómetro del estado de la economía, y el incremento generalizado de los precios también le ha impactado notablemente. Según el Inflation Report Q4 2022, de ECI Media Management, la inflación del coste de la publicidad en los medios de comunicación se situará en el 5,2% en 2022, con un 6,5% para los medios offline y un 4,5% para los digitales. Discriminando por regiones, la inflación global de los medios en Europa alcanzará el 5,9%, por lo que se situará ligeramente por debajo de Norteamérica, con un 6,2%.

En tiempos caracterizados por la inestabilidad y la incertidumbre, la pregunta que más ronda a las empresas es: ¿cómo discernir la estrategia de medios más efectiva? Múltiples anunciantes optan por desarrollar modelos avanzados de Machine Learning (ML) y aplicaciones de Inteligencia Artificial (IA) adaptados a la disciplina del marketing para crear valor, ofrecer una respuesta a este interrogante y optimizar la distribución del presupuesto publicitario.

Hoy en día, es posible identificar los principales factores que contribuyen a las ventas de un negocio, como la publicidad, el mercado, la estacionalidad, la competencia o el precio, y calcular su contribución a lo largo del tiempo. El Marketing Mix Modeling, más conocido como MMM, sirve para conocer la eficacia de cada estrategia de marketing, el retorno de la inversión de cada uno de los canales de comunicación, desde medios offline – como la televisión o la radio– hasta medios digitales –como display o social–. Este método permite también hacer optimizaciones de inversión, con el objetivo de definir la mejor distribución según diferentes escenarios de presupuesto publicitario.

Junto con la incertidumbre del contexto económico actual, en los últimos años se han producido una serie de cambios en el entorno de la industria del marketing digital, enfocados a garantizar el más estricto control de la privacidad de los usuarios. Desde el lanzamiento de la nueva ley de protección de datos GDPR, en 2018, hasta la confirmación por parte de Google de la prohibición del uso de cookies de terceros en su navegador Chrome, una estrategia finalmente aplazada hasta 2024, el sector del marketing y la publicidad, en particular, y el empresarial, en general, se tiene que enfrentar al reto de no tener acceso a los datos de identificación personal para la medición y optimización del impacto de las campañas de publicidad digital.

La desaparición de las cookies es ine vitable, y los profesionales del marketing empiezan a prepararse para un futuro sin ellas. Como todos los cambios, supone una oportunidad para crear una era más humana en la publicidad online. Los MMM y metodologías similares de medición de eficacia publicitaria son resistentes a los cambios en términos de privacidad, adaptándose al inminente entorno cookieless. Este enfoque estratégico permite comprender el rendimiento de los canales y su evolución en el tiempo, convirtiéndose en un gran aliado para la toma de decisiones.

Ante este panorama de desafíos, los anunciantes más avanzados optan por implementar soluciones de inteligencia artificial que mejoren el conocimiento de su público objetivo, midan el retorno de las acciones publicitarias en tiempo real y orienten sobre cómo comunicarse mejor con los clientes.

La tecnología se posiciona como clave para las empresas y su comunicación comercial. En esta transformación, existen algunas metodologías pioneras que desarrollan marcos de trabajo para integrar en el MMM la medición de la eficacia de las creatividades, codificando imágenes y videos por medio de la detección de objetos (DO). En este sentido, son muchas las empresas que se benefician de entender mejor a su audiencia y las tendencias de mercado por medio del procesamiento del lenguaje natural (PLN), analizando el sentimiento detrás de los comentarios publicados en blogs, reseñas y redes sociales.

Incluso hay quienes conocen al detalle el comportamiento de su público objetivo y de la superposición de los medios durante una campaña publicitaria, interpretando los audios a los que se expone su target en tiempo real, lo cual es posible gracias al reconocimiento automático de contenido (RAC).

Estos ejemplos, entre muchos otros, ilustran la riqueza y el valor que puede generar la aplicación de metodologías de marketing basadas en Machine Learning e inteligencia artificial, y que permiten optimizar las inversiones a través de novedosos algoritmos.

La inflación, la creciente competitividad y las políticas de privacidad están cambiando las reglas del juego. En este nuevo escenario, las empresas que se transformen y aprovechen las tecnologías e innovaciones disponibles para responder al interrogante que se planteaba hace más de un siglo Wanamaker tendrán un valioso aliado en la partida.

La publicidad programática hace uso de la Inteligencia Artificial haciendo uso de cookies, chatbots y técnicas de deep learning para acceder a información de múltiples fuentes, aplicaciones y canales para servir publicidad de la forma más personalizada posible, según demanda la audiencia.

También puede leer: Cómo Netflix y Disney van a cambiar el negocio de la publicidad en televisión

Todo parece indicar que Google pondrá en marcha su proyecto FLOC (Federated Learning of Cohorts) para identificar a los usuarios en grupos (cohortes) con intereses comunes, según los datos de su comportamiento e interacción en Internet.

Otro ejemplo de cómo la IA está impulsando la publicidad digital son las herramientas de automatización de gestión de audiencias y la distribución de la publicidad. Estas permiten optimizar las campañas publicitarias, aprendiendo continuamente.

Davide Fabrizio Socio de la consultoría de inteligencia artificial & data Deloitte.