Cada vez se utiliza más machine learning en publicidad digital. ¿Por qué? Las máquinas son capaces de detectar patrones que para los humanos resultan irreversibles. Esto se debe a que, si se descubren esos patrones ocultos, los resultados de una campaña publicitaria pueden mejorar.
Vayamos a un ejemplo básico: ¿quién puede estar interesado en comprar carritos de bebé de gama media alta? Lógicamente quienes acaban de ser padres o están a punto de serlo, con sus consiguientes parámetros de edad y nivel económico. ¿Alguien más? A veces el interesado puede ser un familiar solvente que quiera hacer un buen regalo por el nacimiento de la criatura. O puede ser que la empresa en que trabaja uno de los padres sea generosa y haya alguien en recursos humanos que tenga que hacer la compra de ese carrito último modelo para los futuros padres.
Si estás haciendo una campaña publicitaria lo más importante es conocer todas las variables que influyen en el proceso de decisión, es decir, qué dominios, frecuencias, formatos, segmentaciones, horas del día, urls, etc., son las que intervienen y son más sensibles respecto a la toma de decisiones del usuario. En este proceso de decisión juegan un papel fundamental los segmentos de usuarios. Representan grupos de usuarios con un comportamiento similar y aportan ventajas competitivas de cómo podemos actuar. Incorporan una diferenciación y punto adicional de aprendizaje y optimización para las “máquinas”. Mezclando la optimización tecnológica de cada impacto con un conocimiento del usuario a partir de segmentos es posible conectar la realidad sobre un potencial comprador con el impacto publicitario y cómo le debo impactar, en qué momento y qué le debo mostrar.
Cada segmento de usuarios suele seguir un patrón de compra distinto. Con machine learning llegamos a ver y optimizar cada una de las variables de decisión que se puedan presentar, aportando una predicción y extrapolación ante situaciones equivalentes. Alguien que está buscando hacer un regalo tendrá un proceso de compra distinto al que quiere comprarlo para sí mismo y las variables que intervienen en la decisión son totalmente distintas. Lo mismo con alguien que compra un producto por primera vez o es ya recurrente, por ejemplo.
Segmentos, funnel y creatividades
Esa labor conlleva que haya tres elementos trabajando de forma coordinada: los segmentos elegidos, la fase del funnel en que se encuentra el usuario y la creatividad que se le presenta. Con la incorporación de creatividades dinámicas logramos adecuar el mensaje a cada usuario y acompañarlo en cada fase del funnel. Eso multiplica hasta el infinito las variables que intervienen en la efectividad (o ausencia de efectividad) de la campaña.
Tantas variables que sólo las máquinas son capaces de detectar, cuando los volúmenes de datos son suficientes, cuál de ellas ofrece mejores resultados: porque una creatividad que funciona para el segmento de los padres que están empezando la búsqueda puede resultar irrelevante para los abuelos que ya se han decidido por un modelo de carrito.
Lo importante es encontrar estas diferencias y aplicarlas en la campaña, porque son las que permiten optimizarla para el objetivo que se hubiese asignado previamente.
Pero su ventaja va aún más allá, porque este aprendizaje tiene un largo recorrido a futuro: las “máquinas” nos muestran cuál es la efectividad y cómo ha funcionado en cada caso. Esto nos permite aplicarlo a futuras campañas sin partir desde cero. Se incorporarán nuevas variables, nuevos segmentos, comportamientos y hábitos distintos. La máquina nos ayudará a detectarlos y la evolución será constante.
¿Conoces la newsletter mensual de publicidad y marketing digital de Adevinta? ¡Suscríbete aquí y no te pierdas las novedades del sector!
