Rosa Almarza: Sí, los anunciantes ya pueden utilizar los datos de su audiencia en CTV
Para las audiencias de TV linear, la incorporación de la televisión conectada y los servicios de streaming en el hogar supone un gran avance en la manera de consumir el contenido: Una amplia gama de contenido, bajo demanda, y personalizado según el tipo de consumo que la audiencia realiza.
Sin embargo, esta realidad representa un reto para los anunciantes que intentan llegar a las audiencias en el entorno de la televisión conectada. La mayoría de las marcas y agencias poseen first party data que puede se utilizado en open web para alcanzar a su target con un mensaje personalizado, pero estos datos, en gran medida, no pueden ser utilizados en el entorno de CTV.
Aunque los broadcaster están trabajando en la dirección correcta, la mayor parte del targeting en la CTV todavía se basa en temas genéricos, datos demográficos o geográficos, pero no adaptados a las audiencias particulares de una empresa.
Por esta razón, las marcas con un conocimiento más profundo de sus clientes no pueden llegar a implementar un targeting tan efectivo en CTV, a pesar de las audiencias tan valiosas de este medio.
Por lo tanto, ¿Como pueden las marcas utilizar los insights obtenidos de su first party data a la hora de hacer targeting en CTV?
1. Piensa en intereses, no en identidad
En primer lugar, debemos comenzar a pensar de manera diferente sobre las audiencias y lo que las hace relevantes para la publicidad. El targeting que hemos venido trabajando hasta ahora y que no es escalable en CTV (edad, genero, localización) no son las únicas variables de segmentación que debemos tener en cuenta. También debemos considerar el tipo de contenido que nuestros clientes visitan en open web y los lugares donde se genera mayor engagement con la publicidad. A estos insights los llamamos “señales contextuales” y nos ofrecen muchísima información sobre los intereses y las motivaciones de nuestros clientes, sin necesidad de conocer su identidad. Una vez que comenzamos a escuchar atentamente las señales contextuales, empezamos a pensar en su relevancia de una manera más lateral.
2. Modela los datos de tus clientes
Cuando hemos analizados los insights de nuestros clientes y hemos comprendido sus intereses en la open web, podemos utilizar esta información para encontrar nuevas audiencias que cumplen con el mismo perfil en términos de consumo de intereses similares. Por ejemplo, si una marca de decoración de hogar encuentra que un gran número de sus clientes visitan webs de recetas de cocina, al expandir su campaña de publicidad a más contenido de recetas, existe una alta probabilidad de encontrar más personas interesadas en la decoración de hogar.
La incorporación de la IA y el machine learning en la segmentación programática hace posible este proceso de recomendación de contenido en tiempo real a lo largo de toda la campaña. Por esto, no es necesario adivinar los intereses contextuales de nuestros clientes potenciales, ya que la tecnología permite entenderlos y reaccionar a ellos, en tiempo real, a medida que sus intereses cambian a lo largo de la campaña.
3. Traslada los insights obtenidos a otras plataformas
Los avances en IA contextual permiten ampliar los insights obtenidos en open web a otras plataformas. Por ejemplo, la IA de Illuma modela los intereses que las audiencias de las marcas tienen en las campañas de display en la open web, y utiliza este dato para realizar un targeting contextual en CTV. El resultado es una segmentación especifica y aplicable a la televisión conectada, basada en las señales que nuestra audiencia nos ofrece en tiempo real.
Trabajando de esta manera, los traders pueden ahora ofrecer a sus clientes una forma única de impactar en CTV a las audiencias específicas de una marca determinada. A medida que la web y la CTV se compren cada vez más en paralelo, los traders podrán beneficiarse de una forma de trabajar que ofrece una verdadera capacidad multiplataforma, al tiempo que aprovecha al máximo esos datos de audiencia tan importantes.
Rosa Almarza