La forma en la que consumimos los contenidos en Internet ha cambiado drásticamente. No solo con la llegada de la digitalización que, desde hace años, marca el día a día de las compañías y la sociedad en conjunto, sino también debido a las diferentes generaciones. No consume contenido de la misma manera un joven adolescente que un Baby Boomer.
En los últimos años hemos pasado a consumir contenidos en web como si de una revista digitalizada se tratase, pero de una forma muy diferente. Contenidos visualmente más atractivos y, gracias a plataformas como la televisión en streaming o las redes sociales, mucho más personalizados a cada usuario. De hecho, el papel ha pasado a una posición mucho más secundaria y el contenido online ha ganado el máximo protagonismo. Esto permite a las marcas desarrollar una experiencia más personalizada que muestra a cada usuario, en función de sus intereses, consumo de anteriores contenidos y ubicación, diferentes contenidos.
Una hiperpersonalización que cada vez es más acentuada, y que no solo depende de cómo es el usuario al que se impacta, sino del momento en el que se encuentra la relación de éste con la marca. Sin duda, los próximos años van a ser claves en los anunciantes, que cada vez buscan más este acercamiento a su cliente potencial, relacionándose de manera diferente con cada uno y personalizando al máximo su experiencia con él.
En este cuarto episodio de la temporada nuestro Podcast Digital Talks by t2ó (3ª temporada), hemos contado con la experiencia y conocimiento de Ander Orcasitas, Vicepresidente Regional de Dynamic Yield, compañía que ayuda a las marcas a convertirse en referentes en su manera de acercarse al usuario, creando experiencias digitales únicas con ellos.
¿Qué podrás escuchar en este podcast?
- ¿Por qué está tan de moda hablar de herramientas de personalización de contenidos en base a la experiencia del usuario dentro de un sitio web?
- Valor de estas herramientas a nivel de negocio: ¿depende del sitio web que se tenga? ¿se puede utilizar tanto para un e-commerce como para un sitio informacional que no tiene un objetivo puramente de conversión?
- ¿Cómo se adaptan este tipo de herramientas a nivel de interfaz? ¿Existe alguna particularidad de adaptación para un sitio web con respecto a una aplicación móvil?
- Tiempo de aprendizaje para sacarles el mayor rendimiento.
- ¿Existen perfiles específicos para sacar el mayor partido a estas herramientas?
- Contenido en el sitio web: ¿de qué volumen hablamos para que la predicción funcione/sea relevante?
- Para que una herramienta como Dynamic Yield capture el dato del comportamiento del usuario dentro del sitio web y le ayude a tomar decisiones, ¿qué tiene que implementar el propietario del sitio web?
- Sites multi idioma: adaptación de los algoritmos al comportamiento de los usuarios en estos mercados.
- Sectores más propicios para la implementación de este tipo de herramientas de personalización de contenido.
¡Te esperamos en Digital Talks by t2ó! Ya tienes este episodio disponible en nuestros canales de Spotify, Apple Podcast e iVoox 🎧
Si te ha gustado y te parece interesante de cara a tu negocio no dejes de escuchar los demás episodios, ¡aprenderás de/con l@s mejores! 🤓
[Transcripción del podcast]
E.C: Hoy vamos a hablar sobre cómo el usuario consume cada vez más contenido personalizado cuando accede a un sitio web en base a su comportamiento de navegación. Pero sobre todo, vamos a ver el impacto que tiene un negocio con este tipo de personalización en la experiencia con el consumidor. Para ayudarnos a entender cómo funciona la personalización del contenido, hoy contamos con Ander Orcasitas, vicepresidente regional de Dynamic Yield en Europa Occidental, una tecnología de personalización usada por Mastercard, retailers, banca y restauración. La trayectoria profesional de Ander siempre ha estado ligada a la industria del e-commerce, siendo fundador del Marketplace Shopping en Singapur y Director de Ventas en Asia. Muchas gracias por estar hoy con nosotros, Ander.
A.O: Muchas gracias, Esther.
E.C: Pues Ander, teníamos un montón de ganas de arrancar con un episodio que hablase precisamente de la importancia que está adquiriendo el uso de plataformas de software que permita la dinamización de la generación de contenido dinámico en la experiencia de usuario. Así que me gustaría mucho que empezáramos hablando de por qué está tan de moda hablar de herramientas, de personalización de contenidos, sobre todo en base a la experiencia del usuario dentro de un sitio web.
A.O: El usuario ya está cada vez más acostumbrado por las redes sociales, por todo el contenido que consume viendo elementos y contenido completamente de manera individualizada. Si miramos, por ejemplo, la evolución de redes sociales estas últimas décadas, vemos que han ido desde redes sociales donde había posts más largos, más contenido, digamos a un extremo opuesto como son los vídeos cortos, individualizados para cada usuario. Vemos que esa capacidad de atención está reduciéndose cada vez más. Luego, como marcas y digamos, como proveedores de experiencias digitales para nuestros usuarios, la única solución es adaptarse a esa nueva necesidad de los usuarios, que es esa inmediatez o relevancia general. Cuando pensamos, por ejemplo, en las primeras páginas web, hace 20 años que muchas eran como catálogos, no pensábamos en el mundo antes. En el mundo online muchas páginas eran como catálogos comprimidos de los de siempre, pero digamos, llevados a la web de un catálogo para todo el mundo en el que tú tienes que buscar en la barra de búsqueda o en menús, que es aquello que tú quieres. Esto básicamente es una mentalidad que ya hasta alguien de la Generación Z ya no va a tener, ya que los más jóvenes esperan inmediatez en base a sus hábitos de consumo, a sus hábitos de navegación. Esa personalización, que es algo nuevo, es porque muchos de nosotros somos gente que se acuerda de cuando no había Internet. Si pensamos a nivel mundial, la generación Z ya corresponde a un 40% de los consumidores y, evidentemente, esto va a aumentar.
Es algo nativo para ellos, están acostumbrados cuando navegan en cualquier red social o en cualquier periódico, incluso digamos, cuando pensamos en una tecnología como Dynamic Yield, que lidera varios rankings a nivel de personalización, varios periódicos estadounidenses la utilizan incluso para testear cuál debería ser el cabecero de la noticia que mostrar. De hecho, hay quien tiene la misma noticia, pero el resumen de ésta, que es el titular, puede ser distinto por usuario. Así es como empezó hace diez años con grandes periódicos, y luego muy rápidamente pasó al mundo retail. Por ejemplo, si tengo 500.000 productos, ¿qué debería enseñar a un usuario? ¿Si un usuario viene por primera vez a mi página online debería ver productos directamente, o debería ver contenido y entender qué es lo que puede ver en esta tienda? Y una vez que entienda algo, entonces mostrarle productos.
La experiencia, digamos, la construcción o ley de la página, va a cambiar, en base a quién es este usuario que puede ser relevante. Y luego llegamos a extremos como por ejemplo con nuestro nuestros clientes McDonald’s, que ya personaliza en base al tipo de coche o usuario que venga offline. Entonces, quiero decir, esto es algo que está empezando pero que ya es una necesidad del usuario y que se está viendo. Es la visión macro que veo en el mercado.
E.C: En relación a esto que estás comentando aquí, Ander, ¿el valor que pueden aportar estas herramientas a nivel de negocio depende del sitio web que se tenga, es decir, se puede utilizar tanto para un e-commerce como para un sitio informacional que no tiene un objetivo puramente de conversión?
A.O: Claro. Lo primero que. Hay que entender que una tecnología de personalización avanzada no es, ni siquiera, para una página web. Es muy común, por ejemplo, para sitios de información o para banca, por ejemplo, o incluso para periódicos. Es decir, usarla en cualquier medio digital, online y offline que impacte al usuario. Por ejemplo, la mayor cadena de deportes de Europa la utiliza tanto offline en todas sus tiendas, como online, por ejemplo, en todo lo que es su experiencia web aplicación canales externos para proporcionar esa experiencia no solo coherente, sino predictiva de aquello que va a querer ver el usuario. Al final, cuando pensamos en el para qué se personaliza, una tecnología de personalización va a optimizar la experiencia en base a una métrica primaria o varias métricas. Luego, en un periódico puede ser, digamos, engagement. Es decir, ¿cuántas noticias quiero que lea este usuario? Quiero que lea más noticias o atraer a un usuario que nunca ha venido. O en el caso de McDonald’s, puedo querer ampliar el carrito medio cuando llega un coche almacenado, por ejemplo, y usa toda la información contextual, es decir, toda la información que tenemos del usuario para cargar este menú en tiempo real.
Cuando el usuario lo mira, esta es la final, la idea de la personalización en cualquier punto. Y yo creo que la parte clave a entender y sobre todo la gran diferencia es que hasta ahora hemos vivido en un mundo de testing, no en un mundo de testeo. Yo creaba mis tests y había muchas empresas que hablaban de la cantidad de tests que crean cada semana o cada mes, en la que es un test de que evidentemente tengo que tener una hipótesis y yo creo un test de masa, unos segmentos y determina un ganado. Entonces, lo que vemos cada vez más, si estamos entrando, digamos, yendo más allá de solo crear estos tests hacia la hiper persona, hace la individualización del contenido. En este caso, lo que hacemos es predecir una afinidad para cada usuario, a cada lifestyle, a cada categoría, a cada contenido, a cada promoción, a cada cupón de descuento. Digamos, tener una afinidad a todo esto desde un primer momento, incluso sin saber quién es el usuario en base al modelo predictivo y ya ser capaz de cambiar la experiencia. Digamos que se muestra desde el primer momento al usuario sin que este lo pueda percibir. Esto es básicamente lo que nos lleva a esa hiper personalización.
E.C: La pregunta que me surge aquí es si este tipo de herramientas a nivel de adaptación, como se adaptan a nivel de interfaz, si existe alguna particularidad de adaptación para un sitio web con respecto a una aplicación móvil. ¿Hay alguna diferencia?
A.O: Claro. Y además hay un punto muy importante aquí que siempre es y tiene mucho que ver con la dependencia de IT. Aquí tenemos, digamos, todo lo que se trabaja en web, tradicionalmente la personalización en web, y lo mismo con el testeo web. Era lo que llamamos completamente de front, como se dice. O teníamos inyecciones de JavaScript que ocurrían en el front marketing, hacía un experimento en el front continuamente y luego no necesitaban tocar el código fuente de una web, por ejemplo. Después, cuando tenían éxito, esto lo ponían en la cola de IT, que lo consolidaba. Este era el viejo mundo. ¿Cómo funcionamos ahora? Básicamente una herramienta como la nuestra tiene capacidades híbridas o podemos personalizar algo en el front o personalizarlo en el back, que aunque esté en el código fuente, sigue siendo individualizado y puede cambiarse por marketing del mismo modo. Esto es lo que hace que la mayoría de clientes de Dynamic Yield tengan activos más de 500 campañas, más de 500 tests en toda su experiencia digital. Esto sería imposible si fueran inyecciones de front, ya que el performance de la página y el uso de las web views de una aplicación sería abismal. No sería. Esto es algo que no se puede hacer hoy en día.
Es todo lo que es front. Es algo experimental que se usa para crear valor para muy rápidamente probar el valor de algo sin meterlo en la cola de IT en absoluto. Creo que cuando trabajamos tanto en web con el long tail de tests como si trabajamos, por ejemplo, en una aplicación, no recomendamos ya ni siquiera usar SDK. Digamos, un SDK es un adjunto o una aplicación que aumenta su peso y que no va a funcionar ni para el 100% de devices, y tiene que ser actualizado. Trabajamos completamente por APIs, los mismos APIs que definen, la experiencia que se muestra a un usuario en un determinado lugar donde se trata de impactar, son los APIs que están en, digamos, en una aplicación de un retailer o o una web o una aplicación de información o que están en un cajero. Para varios de los bancos con los que trabajamos para que la experiencia en el cajero sea completamente o mucho más personalizada para ese usuario, lo cual puede aumentar, incluso triplicar en algunos casos el impacto de las campañas en esos cajeros, que como sabemos todos, suelen ser bastante genéricas.
E.C: Aquí, entendiendo un poco el funcionamiento de estas herramientas que me estás contando. Ander, ¿qué tiempo de aprendizaje tienen para sacarles el mayor rendimiento?
A.O: Aquí es donde tenemos que definir el mayor rendimiento. Esto es algo que se puede realizar muy rápido. Dynamic Yield , por ejemplo, tiene una interfaz que puede ser utilizada y es utilizada por la mayoría de clientes por su cuenta. Sin embargo, solemos recomendar que haya un aprendizaje o que haya básicamente un acompañamiento inicial para rápida creación de casos de uso y plantillas. También nos centramos en que haya un acompañamiento estratégico. Entonces, la idea principal es que estamos viendo que va a realizar una herramienta como Dynamic Yield. Al final no sólo va a generar esta afinidad, sino que para cada test que hemos creado o para los cientos de test que habremos creado, va a dividir los test de manera autónoma y sugerirnos qué debería ver cada tipo usuario. Entonces, esto es muy útil. Por ejemplo, muchos grandes bancos comienzan no utilizando la herramienta por su cuenta en absoluto. No la miran, solo cuando quieren ver resultados. Pero siempre, tras 12 o 18 meses comienzan a entrar en la herramienta, porque el tema no es solo que el funcionamiento, el performance, que la relevancia para el usuario sea mejor y que mejoren las métricas también es entender qué está decidiendo el sistema.
Te va a dar información cualitativa sobre tu cliente, sobre un tipo de grupo de usuarios que quieren o no quieren ver esto de manera cambiante y te lo va a dar continuamente esa información cualitativa del negocio. Digamos mezclarla con, este poder algorítmico de tanto crear los subtests de manera autónoma por Dana Miller es lo que trae la mayor potencia al sistema. Entonces mi respuesta siempre es siempre recomendamos empezar por lo que es el mayor win win, que es aquello donde podemos crear el mayor impacto en pocos meses. Y tras esto, esto nunca acaba. Al final seguimos creando más y más experiencias personalizadas desde, uniéndose con sistemas de envío de Journey y juntando toda la información y la data que tengan en cualquier sistema, e incluso creando experiencias offline personalizadas, como ya realizan todos los clientes que llevan varios años en Dynamic Yield. Entonces por eso digo que, con respecto a la pregunta de hasta dónde o hasta dónde se puede llegar, siempre tenemos clientes que son los que hablan en los eventos, por ejemplo, que van a la vanguardia de todo esto y que tienen experiencias ya casi completamente personalizadas. No hay casi nada que esté online u offline que no esté, digamos, viendo una transformación en base al tipo de usuario, incluso a usuarios desconocidos que vienen para los que darán. Dynamic Yield deduce de manera heurística un perfil de afinidad.
E.C: Aquí en relación a esto último que estás comentando de perfiles que lo utilizan, La pregunta es ¿existen o tenéis en mente perfiles específicos para utilizar sacarle el mayor partido de estas herramientas? Porque entiendo que también tiene que haber perfiles que entiendan muy bien la dinámica de comportamiento de la herramienta y la customización que se requiere de la misma. ¿Recomendarías algún tipo de perfil en concreto, o cualquier perfil sería válido, no?
A.O: Solemos hablar mucho de qué equipo debería llevar esto. Y la respuesta es el equipo que el equipo que tenga como KPI la conversión del medio digital que estamos personalizando, ya sea online. Y luego, cuando hablamos de quién es la persona principal que lleva esto, la clave es una persona que tenga una base de analítica, que pueda entender qué funciona mejor que digamos, que ofrezca a consultores también la visión interna del tipo de contenido que está funcionando mejor y que pueda, digamos, leer ese tipo de números más bien tirados a analítica, que tienen que ver con esto. Y el segundo perfil que siempre recomendamos es una persona mucho más de merchandising, que entienda el tipo de contenido o el tipo de producto, o el tipo de noticia, de oferta o contenido que puede ir con cada tipo usuario. Es decir, que cree la hipótesis inicial en base a la cual luego el algoritmo va completamente a definir o va a individualizar que mostrar a cada usuario.
Esos suelen ser los perfiles clave en los que tengamos en cuenta que lo que quiero hacer es conectar con el repositorio de contenido. Igual que Google optimiza campañas, también va a usar el mismo tipo de tecnología o lo que se llama técnicamente un multi budget para enviar más o menos tráfico a cada variación, a cada banner, a cada acción en tiempo real por usuario. Lo que estamos haciendo en este caso nosotros es dinamizar y optimizar nuestros propios medios, igual que utilizábamos medios externos con anterioridad. Lo que necesitamos es, digamos, el perfil que sea capaz de ver cómo funciona esto y también extraer los inputs cualitativos para entender y mejorar lo que estamos dando al algoritmo. Y eso es donde vemos que esta mezcla entre conocimiento del negocio, conocimiento íntimo del negocio de cada uno y el poder del algoritmo es lo que es, un multiplicador del impacto de la personalización.
E.C: Para que los algoritmos de estas herramientas funcionen tiene que haber una base relevante de contenido en el sitio web. ¿De qué volumen hablamos para que la predicción funcione? ¿Para que la predicción sea relevante?
A.O: Bueno, cuando hablamos de cantidad de contenido es, por ejemplo, cuando vamos a un McDonalds, la cantidad de ese cash de productos que va a tener un McDonalds o la cantidad de campañas activas es francamente bajo. Luego es un tema de hiper relevancia, es un tema de que lo primero que se muestra al usuario sea muy relevante. Otro ejemplo también muy claro en esto tenemos muchas fintech o neo bancos que tienen prácticamente una tarjeta y una cuenta. Usan data million, digamos con app, applets muy significativos. La razón es que quieren crear esta experiencia y tienen grandes applets. Por ello, en sus métricas principales, en las que nada más llegar un usuario de una campaña de un lado o a la página principal, el tipo de benefits, el tipo de de lay out en la página, el tipo de información que ve es exactamente el que es más probable que le interese a un perfil como este.
Entonces es un tema. Lo que buscamos siempre es la hiper relevancia. Puede ser muy sencillo, como por ejemplo un gran retailer de electrónica en el que tengo 1 millón de productos. Pues genial. Voy a mostrar los ocho que más conviene a este usuario haciendo un test mostrando el modelo distinto a cada usuario. Esa es la parte fácil. La parte donde llevamos a la hiper personalización del contenido es cuando todo lo que mostramos va a ser hiper relevante para este usuario, lo cual puede realizarse con hasta con poquísimas variaciones. Por ejemplo, cuando miramos al sector Telco, por ejemplo a Orange, o varios clientes parecidos tienen campañas cambiantes, Dynamic Yield va priorizando en tiempo real en base a cómo un usuario llega y cuál es su propensión al uso de diferentes tipos de ofertas. Y esto se realiza con pocas variaciones, pero simplemente eligiendo la que en este momento puede ser relevante en base al modelo adecuado, ya sea interno del cliente o ya sea de dinámica, ya que puede trabajar con ambos.
A.O: En base a lo que estás comentando. Ander, para que una herramienta como Dynamic Yield capture el dato del comportamiento del usuario dentro del sitio web y le ayude a tomar decisiones, ¿qué tiene que implementar el propietario del sitio web?
A.O: Bueno, cuando hablamos de web es tan sencillo como un tag. Tenemos un tag y tenemos eventos que van a proporcionar esta información. Luego tenemos o inyecciones en el front o APIs en el back para cargar las campañas simplemente. Pero entendamos que Dynamic Yield normalmente captura también información offline. Es muy común, por ejemplo, capturar información de venta offline. Si mostramos un tipo de producto o un tipo de contenido o un tipo de información a un usuario, solemos también tener un evento en el que si se produce una venta offline se atribuye directamente al modelo que sigue aprendiendo. Luego la clave siempre es, no solo trabajar en web, sino aunque sólo estemos personalizando en web, que Dinamic Yield le entienda y tenga la información de todos los sitios. Por ejemplo, en muchas empresas de telecomunicaciones las conversiones ocurren en call center o muchas de ellas todavía sería muy completo personalizar la web en base a conversiones en web. Hay que tener en cuenta la propensión del cliente a convertir por teléfono y si ha ocurrido, si no, el modelo estará incompleto, no aprenderá correctamente. Dinamic Yield tiene un sistema muy sencillo en el que con un evento en cada lugar puede absorber esta información, lo cual es crucial, sobre todo para todo tipo de retailers online y offline.
E.C: Muy interesante. ¿Y mira, por ejemplo, ahora que estás comentando esto me surge en el caso de los sites que son multi idioma, cómo es la adaptación de los algoritmos al comportamiento de los usuarios en estos mercados?
A.O: Claro, aquí hay dos factores. Lo primero es que todo lo que es un site multi idioma y por eso el mercado principal de Dynamic Yield es Europa, muy multi idioma. Luego todo contenido que se genera, todo test, todo test que es multi idioma. No hay que generar un test por idioma, lo cual es completamente esencial para la viabilidad de un programa de personalización. Que un equipo no tenga que crear un test por idioma y después dividirlo por audiencias, afinidades…. es más eficiente. Entonces, una vez que hacemos esto, tenemos muchos equipos, sobre todo en España, que llevan marcas globales que primero empezaban a dividir tests o comportamientos por país, no lo que hacíamos geográficamente. Yo tengo mi marca y digamos, primero divido el test por país, tengo España, tengo Francia, tengo Alemania, tengo UK y empezaban así. Evidentemente eso es muy fácil de realizar, pero donde se empieza a deducir o a encontrar todavía digamos más interesantes es a la hora de, por ejemplo, definir. Hay un tipo de audiencia que puede ser más o menos prevalente en diferentes países, pero que se encuentra, digamos, en casi todos los países de Europa Occidental y Estados Unidos, que es una audiencia que tiene un tipo de estilo concreto. Luego esta audiencia quizás no es tan relevante para la audiencia general de UK o Alemania. Quizás tienen un comportamiento distinto que se puede ver, se puede ver a través de a través de varios países.
Entonces, aquí es donde se empieza a mezclar no solo todo lo que es el multi idioma, sino entender que esta misma audiencia, aunque aunque quiera ver el contenido en francés, quiere ver este tipo de contenido en Francia. Y esto es lo que nos va a sugerir de manera autónoma Dynamic Yield, una herramienta que nos va a decir ese tipo de campaña o ese tipo de de elemento que estamos creando, que es de esta familia de piezas de contenido, es la interesante para este tipo de usuario. Al final vamos a tener una mezcla entre, digamos, lo tradicional o la propensión a un tipo de usuario, esté en el país donde esté, y eso es algo que siempre suele ser un gran descubrimiento para marcas, digamos, globales e internacionales y que es la principal ventaja que tienen cuando comparamos, cuando las comparamos, por ejemplo, con marcas que tienen un equipo por país que también es muy común, que son capaces de adentrarse en su mercado de manera más profunda, pero que evidentemente van a tener menos visión de conjunto de lo que es una audiencia a través de varios países. Es la ventaja que tienen, digamos, aquellos equipos que llevan la marca de manera global.
E.C: En base a la experiencia que tenéis y sabiendo que trabajáis en varios sectores. La pregunta probablemente más obvia es ¿qué tipo de sectores son los más propicios para la implementación de este tipo de herramientas de personalización de contenido? Tenéis experiencia en muchos sectores. ¿Pero tu recomendación para qué tipo de sectores es el que mejor puede funcionar este tipo de herramientas?
A.C: Claro, la adopción de la personalización ha tenido que ver más con qué tipo de sectores han empezado a generar equipos de CRO o equipos de optimización. Digamos, todo cliente ha empezado primero con un testing, empezaron a hacer tests que luego querían individualizar. Entonces, digamos, aquellos sectores que han llegado ahí antes, han empezado a adoptar tecnologías y han empezado a adoptar, dar a millón. De hecho, el primero fue media, con periódicos hace ya diez años. Después tuvimos a Ridgeway y Twitter, después tuvimos travel, después tuvimos banca, por ejemplo, que ahora evidentemente no lo he mencionado, pero como somos parte, somos parte de Mastercard. Es más, Banca es un gran de crecimiento en el mundo de la personalización y cada vez más nos movemos hacia otros como Restaurantes, por ejemplo. Digamos, lo que ofrecemos a McDonalds es algo que es un gran cambio para una empresa, pero con un enorme impacto. Luego no es tan sencillo como implementar un tag en la web, pero evidentemente el impacto a nivel negocio core es desde el principio, digamos, todavía más alto. Entonces depende mucho del equipo, de qué tipo de de la empresa que tenga ya esta mentalidad de, digamos, digamos casi analítica, de mostrar la experiencia adecuada a cada usuario, porque tenemos, por ejemplo, clientes que son aeropuertos.
Siempre me ha parecido gracioso que tenemos una lista de potenciales clientes que creemos que son perfectos para la misión, pero quizás no están listos, o no tienen equipo o están en transiciones, y tenemos otros que quizás no serían lo más evidente o no teníamos ningún cliente del estilo como este aeropuerto que tengo en mente ahora mismo y que, al final, como tienen un equipo o tiene, aunque sea, uno o dos juniors que pueden estar al lado de Dynamic Yield y realmente sacarle provecho. Son ahora enormes clientes que lo utilizan online, offline o en diferentes puntos. Luego tiene mucho más que ver con esa, como se dice que se ruedines del equipo, esa capacitación o esas ganas existentes del equipo en en, digamos, sumarse a esta individualización para no depender de descuentos o no depender de mailing o no depender de todo aquello que del marketing automation de siempre, sino de la pura relevancia de lo que ve el usuario cuando toca cualquier medio digital, o ve cualquier pantalla o habla con cualquier empleado offline.
E.C: Bueno, me ha gustado bastante esto último porque precisamente era una pregunta también tenía en mente, era ¿cuál es la diferencia o cuál es el valor diferencial entre una herramienta de estas características con respecto a herramientas de marketing Automation? Y yo creo que has respondido bastante claro. Ander, para cerrar, ¿cómo Dynamic Yield se alinea acorde con la GDPR?
A.O: Claro, la GDPR no solo es importante en Europa, sino que vemos en todo el mundo, que toda empresa, digamos de un buen tamaño, se está alineando ya con con la GDPR. Luego, todo lo que de aniquilarse puede trabajarse con consentimiento, digamos el que tenemos full tracking, la individualización de todo aquello que realizamos o puede realizarse de manera contextual cuando no hay consentimiento, simplemente lleva a personalizar en base al momento del día, en base a elementos, digamos que pueden ser relevantes, como el que mostraríamos, como el elemento en base al cual personalizamos el menú del gato cuando no sabemos quién es el usuario que lo está mirando. El momento del día, aquello que pueda ser relevante en base, por ejemplo, a la resolución de la pantalla o al tiempo que hace. En este momento vamos a mirar este tipo de elementos contextuales para aumentar un poquito la probabilidad de que este usuario. De algo relevante y vamos a usar lógicas contextuales de productos o contenido que suele funcionar con este. La idea siempre es trabajar en dos modos y tenemos ya grandes clientes que incluso necesitan que se renueve el consentimiento cada seis meses y que tenemos épocas de consentimiento, no consentimiento, y ser capaz de unificar todo esto. Ese dato es esencial. Por eso muchos clientes hasta nos piden y los exportamos. Al ser un sistema abierto, permite exportar, digamos, toda la información para incluso entrenar modelos de la casa. Con toda esa información de épocas en las que hay consentimiento. Si no hay consentimiento, tenemos un agujero, hay vuelta del consentimiento y suelen utilizar toda esa información para entender modelos internos, pero todavía activando solo para usuarios que nos han dado consentimiento, lo cual es completamente esencial. Y repito, no solo en Europa, si no ya GDPR es ya el gold standard de todo lo que es privacidad.
E.C: Muy bien Ander, pues muchísimas gracias por el tiempo que nos has dedicado, pero, sobre todo, por poner el punto de valor de cómo personalizar o el valor de la personalización del contenido. Cuando un usuario está en un sitio web, está en una aplicación que al fin y al cabo, somos cada vez mucho más exigentes en el consumo de la información que tenemos en los sitios y que el que haya herramientas que permitan poner foco en esa personalización de consumo, pues yo creo que es fundamental. Así que muchísimas gracias por tu tiempo Ander.
