Seis claves para customizar las campañas de publicidad programática y maximizar los resultados

«Si la publicidad programática permite personalizar al máximo el contacto de una marca con cada consumidor a través de anuncios que le resulten relevantes, según sus preferencias, intereses, etc., ¿por qué se planifican igual todas las campañas programáticas?», se pregunta Álvaro Cristóbal, Global Operations Director de Digilant.

Ya de por sí, la programática ofrece múltiples ventajas frente a una planificación tradicional: permite el control y la gestión de las campañas desde una única plataforma, mejorando resultados; cruza diferentes variables (data) para alcanzar sólo a audiencias relevantes y microsegmentando, con lo que no se desperdician impresiones; pone Inteligencia artificial y machine learning al servicio del anunciante, de modo que la campaña se optimiza 24/7 en tiempo real; facilita una personalización de la comunicación para cada usuario; y, en definitiva, ofrece un mayor retorno de la inversión realizada.

Elementos «customizables»

«Cada marca tiene valores y atributos diferenciales, sus propios objetivos y necesidades, y busca distintas audiencias, por lo que no tiene sentido abordar la compra programática como si fuera un modelo único aplicable a cualquier compañía», recuerda Álvaro Cristóbal. «Pero, además de tener en cuenta esas especificidades, ‘customizar’ cada acción incrementa considerablemente esas ventajas de la compra programática y ayudan a optimizar la inversión», defiende Cristóbal.

Los expertos de la compañía han identificado los seis elementos «customizables» que más influyen para maximizar los resultados de las acciones publicitarias programáticas:

Creatividad

La publicidad programática posibilita la personalización creativa adecuándose al perfil de cada usuario impactado, a partir de su comportamiento en la red, perfil e intereses, características sociodemográficas, etc. Además, es posible actualizar las creatividades y contenidos de las mismas durante la campaña en tiempo real, construyendo cientos de mensajes en base al customer journey de cada usuario y a su relación con la marca.

«Una persona no actúa igual por la mañana que por la tarde, no se interesa por los mismos asuntos durante su jornada de trabajo que cuando sale con amigos o con su pareja, ni sus intereses son los mismos durante los días laborables que en el fin de semana. Se trata de identificar micromomentos y qué factores le influirán de manera positiva entonces para activarlos», explica Álvaro Cristóbal.

Audiencias

No se trata sólo de activar diferentes audiencias sino de identificar aquellas que son más relevantes para la campaña, a través de custom data modelling (modelado de datos personalizados) generando así microsegmentos accionables a través de diferentes canales de Marketing Digital.

Se utilizan datos de first party data (propios del anunciante, actividad publicitaria, web analytics, CRM, redes sociales, apps, datos offline, etc.); de la empresa que construye y genera esas audiencias (algoritmos de análisis propios, de análisis de campaña y de navegación); y en ocasiones, complementados con third party data (segmentos comprados en el data marketplace).

De este modo se definen y descubren audiencias realmente relevantes y es posible identificar a otros posibles consumidores similares a ese target óptimo, desechando impactar a audiencias que previsiblemente no vayan a convertir.

Atribución

El modelo de atribución más común en la industria para analizar la contribución de cada canal y/o medio a una conversión es el «last click/last interaction». Estos modelos atribuyen el 100% del valor de una conversión al último touchpointdel customer journey, considerando que todos los contactos previos que han influido en mayor o menor medida en esa conversión no tienen ningún valor, lo que lleva a realizar análisis erróneos del performance de campaña y, lo que es más peligroso, a tomar decisiones erróneas como consecuencia de los mismos.

Para solucionar este importante problema surgen modelos data driven de atribución mucho más evolucionados, que analizan de forma única e individualizada la contribución de cada touchpoint en cada customer journey:

• establecen la contribución de cada impacto dentro de los custom journeys de manera individualizada y en tiempo real, lo que permite distribuir la inversión de modo mucho más preciso y justo;
• analizan la totalidad de customer journeys, tanto de los usuarios que convierten, como de los que no convierten, para establecer el grado de contribución.
• tienen en cuenta múltiples variables dinámicas para establecer la contribución, tales como viewability, post click interactions, frecuencia, recencia, etc.

Web y contenidos

La utilización de plataformas de dinamización de contenidos y de tests multivariantes permite componer dinámicamente y en tiempo real los contenidos mostrados a cada usuario en una web o app, adecuándolos a sus intereses, destacando aquellos más relevantes para cada uno y chequeando múltiples aspectos para maximizar la conversión.

Analítica

Es habitual encontrar campañas y estrategias de marketing digital medidas y reportadas únicamente con KPI y métricas estandarizadas, que no contemplan aspectos específicos de importancia para cada anunciante.

En su lugar, hay que construir dashboards y cuadros de mando personalizados en función de las necesidades específicas de cada anunciante; estableciendo KPI ad hoc para cada marca y cada campaña; que permitan tomar decisiones en base a los objetivos reales de negocio de cada anunciante o marca. Eso permitirá, además, ahorrar tiempo y recursos en reporting, pudiendo por tanto dedicarlo a la optimización y análisis, elementos que aportan valor y generan resultados.

Tecnología

A la hora de abordar una campaña programática, es recomendable trabajar con compañías que cuenten con departamentos avanzados de Data Science, con una eficaz metolodología de generación de algoritmos y modelos específicos, aplicables en los DSP.

Estos algoritmos ad hoc se construyen de forma individual para cada marca y cada objetivo perseguido, en base a múltiples variables y se incorporan en la plataforma DSP, complementando al bidder en la toma de decisiones de puja y en la adquisición de inventario en base a la relevancia de cada impresión en función del KPI perseguido. Además, estos algoritmos aprenden 24/7 y adecuan sus decisiones en tiempo real a las mejores oportunidades de puja.