¡Ya está online nuestro último podcast! En esta ocasión hablamos de cómo los modelos matemáticos con buenos datos nos ayudan a tomar decisiones eficientes en contextos como la omnicanalidad, el consumo multidispositivo o la predicción en las inversiones publicitarias.
Para ello, hemos tenido la suerte de contar con Macarena Estevez, Partner en Deloitte del área de Data, Analítica e Inteligencia Artificial. Macarena, ha sido fundadora y CEO de Conento, y actualmente, es miembro del Consejo Asesor de Corporate Excellence – Centre Reputation Leadership.
¿Qué podrás escuchar en este podcast?
- Cómo dar respuesta a una estrategia de omnicanalidad y cómo medirla: puntos de «dolor».
- ¿Qué aspectos debería tener el modelo de medición que recogiese el impacto de éstos? ¿Cuáles son los más efectivos?
- Si tuviésemos que integrar medios offline, ¿en qué cambiarían estos modelos?
- Evolución de medición dispositivo cruzado (cross-device): dónde surgen más fricciones y ejemplos de marcas que lo están haciendo muy bien.
- En relación al uso de la Inteligencia Artificial para trabajar la predicción del comportamiento del consumidor, y usar esta información para trabajar las estrategias de campaña: ¿qué es lo que hace que estos modelos de predicción realmente puedan funcionar y eficientar las campañas de publicidad?
- Cookieless: recomendaciones en este contexto a marcas que no tienen el control de su first party data (en parte por su propio modelo de negocio).
- Medición del impacto: ¿cómo podemos medir el impacto que tiene el contenido en la cuenta de resultados para una marca? ¿Qué datos necesitamos para evaluar si la inversión realizada en éstos se considera rentable?
- Mayor control de los datos y cómo explotarlos: ¿qué perfiles lideran este control y explotación del dato dentro de una organización?
¡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! 🤓
Si quieres saber más sobre el concepto Cookieless y cómo afectará a las estrategias de Marketing no dejes de escuchar el podcast que dedicamos a ello con un experto de Google.
[Transcripción del podcast]
EC: Hoy vamos a hablar sobre el impacto que tiene dentro de las organizaciones el tener una estrategia clara de recogida de datos, de normalización y de posterior explotación. Sin duda, esta necesidad de tener una estrategia de datos dentro de las organizaciones se ha visto acelerada por la pandemia. Hoy contamos con Macarena Estévez, para que nos ayude a entender la relevancia de los datos en contextos como las estrategias omnicanal, la trazabilidad en el consumo multidispositivo o el uso de la inteligencia artificial para trabajar predicciones que eficienten inversiones publicitarias. Macarena es partner de Deloitte en el área de data analítica e inteligencia artificial. Ha sido fundadora y CEO de Conento y actualmente es miembro del Consejo Asesor de Corporate Excellent Center Reputation Leadership. Muchas gracias por estar hoy con nosotros, Macarena.
ME: Muchas gracias a vosotros por invitarme.
EC: Pues me gustaría que empezásemos por algo en lo que las marcas están poniendo mucho foco a día de hoy y es cómo dar respuesta a una estrategia de omnicanalidad y cómo medirla. Así que aquí, ¿dónde ves que están los principales puntos de dolor, tanto para las marcas como para las agencias o consultoras que trabajan en dar respuesta a esto?
ME: Pues mira, la complejidad aquí viene, porque donde antes nosotras las personas hacíamos una o dos cosas, veíamos a lo mejor la televisión, escuchábamos la radio, pues navegábamos por internet, pero hacíamos una navegación sencilla. Ahora cada una de las personas nos conectamos con un montón de cosas y hacemos un montón de cosas a la vez. Puedes estar viendo la televisión, pero a la vez puedes estar a lo mejor consultando Instagram. En ese momento incluso puedes escuchar la radio. Es decir, hacemos muchísimas, muchísimas cosas en un día y muchísimas cosas a la vez. Entonces, ¿cómo medir esto? ¿Cómo la tecnología puede ayudarnos? En muchas ocasiones lo que hacemos es aprovechar toda la información que tenemos digital de las compañías. Hay una cosa que se llaman las cookies, que es un poco como la huella que tiene tu ordenador y cuando tu con tu ordenador haces una cosa, eso queda reflejado. Entonces las empresas utilizan esa información, aunque ahora dentro de poco ya no van a tener esa información. Y esto dificulta un poco. Pero bueno, hay muchas maneras de medir y las empresas todas están aprendiendo mucho sobre cómo medir para saber exactamente qué es lo que hacen y cuánto le retorna cada una de esas cosas que hacen.
EC: Otro de los aspectos que también está cogiendo bastante peso, es que, debido a la complejidad que tenemos de canales y plataformas digitales y no digitales que utilizamos a día de hoy, ¿qué aspectos se deberían de tener en cuenta desde un punto de vista de la construcción de un modelo de medición? Que recogiese el impacto de estos canales. Y sobre todo, ¿cuáles son los que ves más efectivos en base a tu experiencia?
ME: Claro. Te voy a contar cómo funciona la medición de estas cosas. Las empresas lo que quieren finalmente es vender. Entonces ellos quieren que cada semana ellos hacen muchas cosas. Algunas las hacen ellos, otras suceden. Por ejemplo, la economía va como va o la tasa de paro va como va o la temperatura va como va. Pero eso afecta a las ventas de las compañías. Entonces hay unos modelos en matemáticas que son capaces de analizar cómo has ido vendiendo tú como compañía. Qué de cosas han pasado alrededor de esas ventas? Y la matemática es capaz de decirte de todas esas cosas que han pasado, algunas las has provocado tú, por ejemplo, una campaña de medios. Otras han sucedido a nivel económico, como te decía, por ejemplo, una tasa de paro que sube o que baja y otras son naturales, como la temperatura. La matemática es capaz de decirte de todas esas cosas que suceden, por cuáles de ellas has aumentado en ventas y por cuáles has crecido en ventas. Esa es la ventaja que tienen las matemáticas. Si tú le das a las matemáticas buenos datos, la matemática te va a dar a ti buenas respuestas.
EC: Con respecto a los modelos que estás comentando, Macarena. Si tuviésemos que incorporar los medios offline, ¿modifican o tienen algún cambio sustancial?
ME: Sí, mira la característica que tienen los medios online, los medios digitales, es que ese dato lo tienes en el instante en el que el dato se produce. Si una persona entra en tu página y clica en un banner, eso lo vas a conocer al instante. Sin embargo, los medios offline como la radio, la televisión, la prensa, son medios que tienen esos datos que normalmente a lo más a lo más, tienes un dato semanal. ¿Cuánto invierto en tele cada semana? ¿Cuándo invierto en radio? ¿Cuánto invierto en la prensa? Entonces, matemáticamente, ¿cómo se soluciona esto? Pues hacemos unos modelos primero que tienen en cuenta tanto los medios offline como los medios online, desde un punto de vista estratégico. Es decir, cada semana que yo invierto como me está funcionando YouTube, como me está funcionando Google, como me está funcionando la tele, la prensa, la radio y luego hacemos otros modelos que se llaman modelos de atribución, que ya bajan al detalle de los medios digitales. Y también, por ejemplo, una televisión también se puede medir, por ejemplo, cómo te funcionan las franjas, cómo te funcionan las diferentes cadenas. Esos modelos que son más detallados se llaman modelos de atribución, modelos tácticos, mientras que los otros son modelos estratégicos. Es una visión como más desde arriba.
EC: Relacionada con esta pregunta, con esta última pregunta ¿Cómo estás viendo la evolución de la medición de dispositivo cruzado, los cross device y sobre todo dónde ves que están surgiendo las principales fricciones?
ME: Pues mira qué sucede con el cross device, ¿qué es el cross device? Que tú cuando por ejemplo tú vas en el metro y vas con tu móvil y estás planeando hacer un viaje y entras en internet y navegas un poco para ver qué ofertas hay de las diferentes líneas aéreas. Luego tú llegas a tu casa y ya no desde el móvil, sino desde tu ordenador de casa pues, entras otra vez y ya te acuerdas que esta mañana habías visto un par de líneas aéreas que te convencían y directamente vas a esas páginas web. Entonces, ¿qué sucede? Pues que por que cómo vamos a medir lo que tú hiciste online, que finalmente has acabado en el ordenador de tu casa, lo que empezaste en tu móvil y has acabado en el ordenador de tu casa. Entonces esto cuando nosotros hacemos la trazabilidad de las cookies, es decir que lo que el dato que me llega a mí es el dato de la cookie de donde tú estás navegando. Pues no hay conexión entre lo que tú haces en el móvil y lo que tú haces en el ordenador de tu casa. ¿Cómo se soluciona esto? Pues que en vez de basarnos en la cookie, nos basamos en conocer a la persona que hay detrás del dispositivo. Si yo por ejemplo, cuando entro en el móvil de alguna manera me identificase y cuando entrara en el ordenador de mi casa también me identificase. Pues entonces sí que se podría unir lo que yo he estado haciendo en el móvil, con lo que luego finalmente acabo en el ordenador de mi casa. Pero eso son cosas que todavía, aunque se está mejorando mucho, pero todavía cuesta y entonces se pierde la información y como se pierde la información, el anunciante no tiene toda la medición que le gustaría tener porque ve que suceden cosas online en el móvil y luego suceden cosas en en tu casa, en el ordenador de tu casa. Y como no hay conexión, pues luego esas cosas no cuadran.
EC: Aquí Macarena, ¿tienes ejemplos o marcas que te gustaría ponerlas de ejemplo de que lo están haciendo bien?
ME: Hay muchísimas marcas que lo están haciendo bien, muchísimas marcas. Depende mucho del sector, porque esa trazabilidad, por ejemplo, si tú tienes a lo mejor una aseguradora de salud, por ejemplo, y esa aseguradora ha sacado una aplicación muy útil que te pone por ejemplo, o te da información sobre tu salud, te da información sobre cosas referentes a la salud en general o cosas que a ti te parezcan interesantes y por lo tanto tú te bajas esa aplicación en tu móvil, pues esa aplicación les va a dar mucha información sobre las cosas que tú haces y lo van a poder relacionar con campañas publicitarias. No te puedo decir una marca, te podría decir un montón de marcas, te diría que todas las marcas de grandes compañías con las que yo trabajo, todas se superan día tras día y todas están haciendo un montón de cosas interesantes.
EC: En relación al uso de la inteligencia artificial para trabajar esta predicción del comportamiento del consumidor y también para usar esta información para trabajar las estrategias de campaña. ¿Qué es lo que hace que estos modelos de predicción realmente puedan funcionar y eficientar estas campañas publicitarias?
ME: Bueno, estos modelos, los modelos que te decía que hay dos tipos de modelos, los estratégicos y los de atribución. Los tácticos en general funciona muy bien. Pero digamos que son modelos matemáticos de ciencia de datos. ¿Cuándo vamos a pasar al punto de inteligencia artificia? La inteligencia artificial, a mí me gusta explicar que tú tienes inteligencia artificial cuando tú haces algo con datos, lo dejas ahí solo que se alimente de nuevos datos y solo es capaz de funcionar perfectamente. Entonces, cómo vamos a meter inteligencia artificial en los modelos que miden el ROI, el retorno de las inversiones publicitarias? Primero tenemos que tener buenos modelos, que es lo que tenemos actualmente. Pero ¿qué es lo que estamos haciendo ya? Esos modelos, los estratégicos y los de atribución, los ponemos a trabajar en tiempo real, de manera que cuando llegan datos en tiempo real, bien sean datos digitales, bien sean datos de tele o de radio que llegan un poquito más tarde, ese modelo es capaz de actualizarse por sí solo y de dar un insight, un aprendizaje que de alguna manera se va a utilizar en el contacto que tengamos con los clientes de las compañías. Ahí será cuando realmente tengamos inteligencia artificial, cuando en el momento en el que una persona contacte con una compañía podamos ofrecerle no solamente la publicidad que sabemos que va a convencerle más para comprar un producto, sino que de alguna manera, la que sabemos que es más rentable para la compañía que mejor retorno de la inversión tiene.
EC: Moviéndonos ahora a una de las temáticas que ha monopolizado durante meses la conversación dentro de la industria publicitaria y con respecto a las marcas y que lo mencionabas en la primera pregunta, que ha sido el cookie less. ¿Qué recomendación darías en este contexto a marcas donde no tienen el control de su first party data y que muchas veces puede deberse a su modelo de negocio?
ME: Pues mira, la recomendación que daría es que poco a poco hay que ir consiguiendo ese first party data. Hay que tener paciencia, pero hay que hacer una estrategia para poder tener el dato directo de mi cliente. De la misma manera que una persona, un emprendedor joven que empieza su negocio en Internet, lo primero que le dicen es, tienes que hacerte tu lista de seguidores, tu lista de lectores, tu lista de personas interesadas por la temática de tu empresa. Lo mismo hay que hacer con las empresas grandes. Tienes que empezar a hacer la lista de tus clientes, la lista de tus consumidores objetivos y eso poquito a poco se va a ir consiguiendo. Mientras tanto, se puede utilizar la matemática para aplicar modelos como los que hemos comentado que te van a dar una estimación de cómo te están funcionando tus diferentes formatos digitales. O sea que se pueden ir haciendo cosas. Es verdad que a lo mejor no vamos a tener esa exactitud que teníamos de las cookies, pero vamos a seguir teniendo información. En el fondo pienso que también va a ser mejor información, porque no solamente va a ser online de temas digitales, sino que se va a enriquecer con ese panorama estratégico que te comentaba. En el fondo creo que las compañías finalmente van a entender mejor este nuevo dato.
EC: Uno de los retos al que nos enfrentamos tanto las agencias como las consultoras, es principalmente el cómo medir el impacto de los contenidos, que es una de las demandas que muchas veces hacen las marcas. La pregunta aquí que me gustaría conocer tu punto de vista, Macarena, es ¿cómo podemos medir el impacto que tiene el contenido en la cuenta de resultados de una marca?
ME: Pues mira, de nuevo, efectivamente, con las matemáticas te voy a contar un ejemplo para que las personas que nos estén escuchando lo puedan entender bien. Yo con estos modelos, con los modelos que hacemos de medición del ROI, del retorno de la inversión, puedo tener a lo mejor las 30 campañas en los últimos tres años y conozco el retorno de cada una de esas campañas. ¿Qué hago ahora? Pues yo ahora, de repente digo oye, ¿podemos saber si de todas estas campañas, aquellas que tenían un contenido con música han funcionado mejor? ¿Podemos saber si las campañas en las que ha habido una persona famosa han funcionado mejor? Entonces se aplica otro tipo de modelo matemático donde tú le preguntas por un patrón en el contenido y puedes saber si los contenidos que han tenido música o los que han tenido famosos, o los contenidos con una promoción o cualquier tipo de contenido, puede sacar una generalización de qué contenidos a lo largo de estos años han funcionado mejor.
EC: Aquí Macarena para medir también esta parte rentabilidad, ¿qué tipo de datos necesitamos para saber si esa inversión se ha considerado rentable?
ME: Normalmente vamos a necesitar. Siempre hay una cosa importante. O sea, tú dices tú al final estás relacionando lo que tú haces con lo que tú ganas. Tú quieres vender. Eso es lo que tú ganas. Haces muchísimas cosas. Algunas las haces tú, otras las hace tu competencia y otras suceden en tu entorno. Entonces, primero tienes que tener en un modelo todos los datos. Si tú resulta que estás haciendo cosas o que tu competencia está haciendo cosas que te afectan a tus ventas y tú ese dato no lo metes en tu modelo, el modelo se va a pensar que ese dato no existe y te va a dar un resultado que es erróneo porque está pensando que a lo mejor la competencia no ha hecho nada cuando lo cierto es que la competencia se ha hecho algo, pero tú no le has dado ese dato al modelo. Entonces los datos tienen que ser completos, tenemos que tener todos los datos y luego tienen que ser datos buenos. Tenemos que tener un histórico de datos suficientemente largo. Los datos no pueden tener valores que falten, las mediciones tienen que estar bien hechas. O sea, el dato hay que cuidarlo mucho. Y fíjate, lo más importante es que el dato sea bueno, porque si no puedes hacer un modelo súper complicado, pero si está basado en un dato que no es bueno, o en datos faltantes o cosas que no estás teniendo en cuenta, tú te vas a pensar que ese modelo te está dando un resultado que es verdadero, cuando lo cierto es que no.
EC: Muy interesante Macarena, porque fíjate, esta es una de las cuestiones o uno de los grandes retos a los que se enfrentan muchas consultoras, agencias creativas, y es esa parte madurez del cliente. El siguiente paso es entender bien toda esta estrategia de contenidos. Para cerrar, y creo que en el punto en el que estamos, a ninguna marca se le escapa que necesita tener un mayor control de sus datos y entender cómo explotarlos. Aquí en tu experiencia, Macarena, ¿qué perfiles lideran el control y explotación de estos datos dentro de la organización?
ME: Mira, ahora todas las organizaciones con las que yo trabajo, todas las compañías tienen ya sus equipos de científicos, de datos, de ingenieros, de machine learning, equipos completísimos. Pero es verdad que ni con ni con toda esa cantidad de gente técnica empezamos a tener suficiente. Entonces, ¿cómo se está transformando el mundo? Pues lo que está sucediendo es que ahora hay muchas compañías que lo que están haciendo es fabricando software, que prácticamente cualquier persona en la empresa puede utilizar. No hace falta que esa persona sea matemática ni que sea ingeniero. Es un poco como casi como ponerte a jugar con una videoconsola. Entonces el futuro va a ser que todos nosotros, con el perfil que tengamos, sea matemático o no, vamos a poder hacer predicciones de las ventas, vamos a poder hacer estimaciones de cómo están funcionando los contenidos, vamos a manejarnos con las herramientas en las empresas, cómo nos manejamos con el GPS del coche. Nosotros le decimos al GPS que nos lleve a una calle y confiamos plenamente y sabemos hacerlo perfectamente. No nos hace falta conocer el algoritmo por el cual funciona el GPS, pues de la misma manera, en el futuro todos vamos a manejar la tecnología y las matemáticas sin darnos cuenta de lo que hay debajo y con una confianza plena.
EC: La democratización del dato y sobre todo la democratización de la tecnología efectivamente es lo que va a hacer que el consumo y el uso sea masivo. Y que nos dé un poco menos de miedo hablar de tecnología y hablar de matemáticas y hablar de datos que parece que todavía se considera como algo súper excepcional para perfiles excepcionales y efectivamente, muy necesario esa democratización. Macarena, muchísimas gracias por tu tiempo y por el conocimiento que nos has transmitido sobre la base de tu experiencia durante estos años. Y me gustaría poner de relieve antes de irnos, la gran labor divulgativa que tienes como amante de las matemáticas y la tecnología, ya que a Macarena la podemos encontrar como mínimo en su perfil de LinkedIn, en su perfil de Twitter y en sus blogs. Uno de ellos es macarenaestévez.com y también en inteligencia-analítica.com y seguro que nos sorprende con algún otro canal donde podemos leerla o escucharla. Muchísimas gracias, Macarena.
ME: Muchísimas gracias a vosotros.
