‘La Inteligencia Artificial en Clean Rooms’, por Marta Herrero (LiveRamp)
Antes todo esto era campo, ahora son casos de uso con IA. ¿Recuerdas cuándo tus padres recordaban su barrio con los descampados? Pues ahora añádele una capita de Inteligencia Artificial a tus casos de uso, para poder adaptarte al progreso.
Hoy en día, la mayoría de las conversaciones sobre Inteligencia Artificial (IA) giran en torno a casos de uso individuales, es decir, de un único cliente con sus propios activos. Por ejemplo, para una empresa de retail con una base de datos de clientes, sería algo así como añadir IA en su CRM para que escriba los emails a los prospects, o en el envío de sus newsletters o contenido de su web, para adaptar las imagenes según gustos. Sus propias herramientas y sus propios clientes.
La verdad es que cualquier caso de uso avanzado puede mejorarse aún más con esta capa extra que todas las tecnologías ya están añadiendo a su portfolio de productos. Hoy quiero hablarte de la IA en los casos de Data Clean Room.
Por naturaleza, la Colaboración de Datos ya es un caso de uso avanzado, donde dos partes totalmente ajenas entre sí comparten información de manera segura. Me adentraré más en conceptos técnicos en otros artículos, pero por ahora dejémoslo en esta definición.
En España, hay un problema muy común: la escalabilidad
Para ganar en volumen, se necesita tener más usuarios. Pero si somos 40 millones de personas, es imposible que tu marca pueda llegar a 100 millones de clientes. A priori, se me ocurren dos formas de afrontar este desafío.
Una de ellas es añadiendo más identificadores para cada usuario, haciendo que un mismo cliente pueda ser encontrado en 5 ó 10 dispositivos diferentes, dónde cada dispositivo funciona con un identificador distinto.
La segunda, que es sobre la que estoy escribiendo hoy, es el ampliar los casos de uso para una misma campaña de “vuelta al cole”, por ejemplo, consiga tener más volumen. Y aquí es donde la IA, aplicada con creatividad, puede traer nuevas formas de monetización para Publishers o de retorno de la inversión para las marcas.
Imagina un ejemplo de un Retailer en la “vuelta al cole”. Con una colaboración de datos simple, la campaña se lanzaría en clientes del Retailer, dentro del inventario de un Publisher que identifica a esos clientes. Estrategia de marketing de people-based.
Gracias a la Inteligencia Artificial, esa activación de los clientes del Retailer, puede hacerse más efectiva analizando datos de dispositivo, consumo, horas, etc. Y una activación puede hacerse justo en el momento de la siesta, para personas que muestran un patrón de Jornada Intensiva de verano que aún mantienen, y navegan desde la SmartTV.
¿Por qué? Porque un análisis detallado de datos de todas estas audiencias compartidas ha determinado que este cliente tiene más confianza en comprar justo en ese momento y en ese dispositivo.
Pasamos de un caso de uso único, a la creación (y más importante, medición y optimización) de campañas complejas, con múltiples caminos posibles para el impacto final.
Pero, además, imagina que esta activación y medición no se realiza solo en relación de uno a uno (Partner 1 con Partner 2), sino que existen más de 50 audiencias compartidas con diferentes partners. ¿Cómo montas esto?
¿Por qué sólo se puede hacer con IA?
Básicamente, con la gran cantidad de datos generada y compartida entre ambos Partners, se hace muy difícil que un trader consiga leerlos, crear la complejidad de reglas de campaña y optimizarlos, contando con un nivel de confianza mínimo en que esa campaña saldrá bien. “La IA nos quitará el trabajo”. A mí me gusta más pensar que la IA no nos quitará el trabajo, sino que ampliará las posibilidades de trabajo que hoy en día no estamos haciendo por nuestras limitaciones. Lejos de crear casos de uso lineales, ¡hay que pensar a lo grande!
Marta Herrero Villamayor, Addressability Solutions Architect de LiveRamp