Ni big data, ni smart data: strategic data!

La publicidad dejó de ser exclusivo del ingenio creativo y pasó a ser un negocio basado en datos. Un modelo obsesivo por la medición, pero no por la interpretación de esos indicadores como validadores de aprendizajes.

Casi por default apelamos a fuentes de datos como ComScore, eMarketer o Global Web Index (si no las estás usando, es un gran momento para que comiences a aplicarlas) ante la posibilidad de conocer los intereses de los usuarios e identificar el momento preciso para impactarlos con nuestro mensaje de marca.

Pero estas herramientas, imprescindibles para la exploración de audiencias, son aún rudimentarias a la hora de emitir análisis del significado de las acciones o comportamiento humano. La data dice “qué” hizo el consumidor, pero no el “por qué” lo hizo. Es ahí cuando la sensibilidad humana toma un rol preponderante en el análisis y definición de los próximos pasos.

Efectivamente en Latinoamérica a través de Facebook, Google y plataformas de Programmatic como Retargetly se ha resuelto alcanzar los KPIs básicos. Solo basta decir a cuántas personas queremos llegar, con qué frecuencia y cuánto estamos dispuestos a pagar por el clic, la impresión o adquisición. Y listo. Los algoritmos con su automatización se encargarán del delivery de los contenidos publicitarios con la mejor optimización de inversión posible.

Tantos números de performance de diferentes fuentes hicieron que los reportes se transformen en dashboards y charts de estilo datateinment*, sin interpretación estratégica sobre cómo resolvimos el problema de marca. Se necesita una mirada más profunda para descifrar en base a qué una creatividad funcionó bien o mal. Definirlo únicamente por cuestiones de costos en medios no es válido. Detectar qué más hay en ese mensaje que logró conectar con la audiencia y qué aprendizajes logramos extraer para capitalizar en futuros contenidos desde la estrategia establecida es el valor agregado que debemos dar.

Mientras la inteligencia artificial será (y en algunos casos ya “es”) quien de forma automática implementa, optimiza y recopila la información de pauta, el rol de los analistas o de las personas a cargo debe focalizarse en cómo maximizar el aprovechamiento de esa data con visión holística. Teniendo en cuenta no solo los intereses de sus consumidores, sino también el entorno en el que se mueve -social, político y económico- para proyectar patrones de comportamientos y tomar decisiones de negocios de manera efectiva.

Debemos acostumbrarnos que online y offline se abrazan en una misma estrategia y que los datos de comportamiento digital (behavioural data) combinados con datos actitudinales (attitudinal data) proporcionarán mayor profundidad sobre las expectativas, motivaciones y comportamiento del usuario y perspectiva sobre dónde estamos parados y cómo avanzar en diferentes plazos.

En resumen, los planes de marketing serán realmente eficientes cuando integren la exploración cuantitativa con la cualitativa y tengan criterio en la interpretación de la información a través de entregables con objetivos claros y recomendaciones concisas de ejecutar.

Mientras tanto, las compañías que no inviertan en un correcto análisis de datos -esto incluye desde las herramientas hasta un equipo multidisciplinario de especialistas- les será más difícil, y costoso en términos de pauta, generar una conexión real entre su negocio y las personas ya que no sabrán responder a las necesidades específicas de cada individuo.

*Datateinment: práctica habitual de hacer reportes extensos con varios números y gráficos que cuentan por sí solos el rendimiento pero no profundizan sobre análisis del “por qué” performaron bien o mal, ni dan una bajada de sugerencia estratégica sobre cómo avanzar tras los resultados.