Cómo las salas limpias de datos pueden ayudar a mantener Internet abierto

¿Son las salas limpias de datos la solución a lo que el CEO de IAB, David Cohen, ha llamado el «choque de trenes en cámara lenta» de la direccionabilidad? Las voces en el IAB le dirán que tienen un papel importante que desempeñar.

“El problema con la direccionabilidad es que una vez que desaparezcan las cookies, y con la pérdida de los identificadores, aproximadamente el 80 % del mercado direccionable se convertirá en audiencias desconocidas, por lo que existe la necesidad de un consentimiento centrado en la privacidad y un mejor intercambio de valor de consentimiento. ”, dijo Jeffrey Bustos, vicepresidente de medición, direccionabilidad y datos del IAB.

«Todo el mundo habla de datos propios, y es muy valioso», explicó, «pero la mayoría de los editores que no tienen inicio de sesión, tienen entre el 3 y el 10 % de los datos propios de sus lectores». Los datos propios, desde la perspectiva de los anunciantes que desean llegar a audiencias relevantes y de los editores que desean ofrecer un inventario valioso, simplemente no son suficientes.

Por qué nos importa. Hace dos años, ¿quién hablaba de salas limpias de datos? El aumento de interés es reciente y significativo, según el IAB. Los DCR tienen el potencial, al menos, de mantener a las marcas en contacto con sus audiencias en la Internet abierta; mantener la viabilidad de los inventarios de las editoriales; y para proporcionar capacidades de medición sofisticadas.

Cómo pueden ayudar las salas limpias de datos. Los DCR son un tipo de tecnología de mejora de la privacidad que permite a los propietarios de los datos (incluidas las marcas y los editores) compartir datos propios de los clientes de una manera compatible con la privacidad. Las salas limpias son espacios seguros donde los datos propios de varias fuentes se pueden resolver en el mismo perfil del cliente mientras ese perfil permanece anónimo.

En otras palabras, un DCR es una especie de Suiza: un espacio donde se pide una tregua a la competencia mientras se enriquecen los datos propios sin comprometer la privacidad.

“El valor de una sala limpia de datos es que un editor puede colaborar con una marca en sus dos fuentes de datos y la marca puede comprender el comportamiento de la audiencia”, dijo Bestos. Por ejemplo, una marca que vende anteojos podría no saber nada sobre sus clientes, excepto los datos transaccionales básicos, y que usan anteojos. Hacer coincidir los perfiles con los datos de comportamiento de un editor proporciona enriquecimiento.

“Si puede comprender el contexto del comportamiento, puede comprender lo que leen sus clientes, qué les interesa, cuáles son sus pasatiempos”, dijo Bustos. Armado con esos conocimientos, una marca tiene una mejor idea de qué tipo de contenido quiere publicitar.

El editor necesita tener un cierto nivel de datos propios para que se produzca la coincidencia, incluso si no tiene un requisito universal para los inicios de sesión como The New York Times. Es posible que un editor pueda hacer coincidir solo un pequeño porcentaje de los clientes del proveedor de anteojos, pero si les gusta leer las secciones de deportes y artes, al menos eso brinda una guía direccional sobre a qué audiencia debe dirigirse el proveedor.

Profundice más: por qué nos preocupamos por las salas limpias de datos

¿Qué cuenta como una buena coincidencia? En su informe «Estado de los datos 2023», que se centra casi exclusivamente en las salas limpias de datos, se expresa la preocupación de que la eficacia de DCR podría verse amenazada por las bajas tasas de coincidencia. Las tasas de coincidencia promedio rondan el 50% (menos para algunos tipos de DCR).

Bustos desea poner esto en contexto. “Cuando se comparan los datos desde la perspectiva de las cookies, las tasas de coincidencia suelen rondar el 70 %”, dijo, por lo que el 50 % no es terrible, aunque se puede mejorar.

Un obstáculo es la persistente falta de interoperabilidad entre las soluciones de identidad, aunque existe; El RampID de LiveRamp es interoperable, por ejemplo, con el UID2 de The Trade Desk.

Sin embargo, dijo Bustos, “es increíblemente difícil para los editores. Tienen un montón de píxeles de identidad disparando para todas estas cosas diferentes. No sabe qué proveedor de identidad usar. Definitivamente, queda un largo camino por recorrer para garantizar la interoperabilidad”.

Mantener una Internet abierta. Si los DCR pueden contribuir a resolver el problema de la direccionabilidad, también contribuirán al desafío de mantener Internet abierta. Los jardines amurallados como Facebook tienen abundantes tesoros de datos propios y de comportamiento; las marcas pueden acceder a esas audiencias, pero con una visibilidad muy limitada de ellas.

“La razón por la que CTV es una propuesta realmente valiosa para los anunciantes es que puedes identificar al usuario 1:1, lo cual es realmente poderoso”, dijo Bustos. “Su editor de noticias o editorial estándar no tiene eso. Quiero decir, el New York Times se ha movido a eso y ha sido increíblemente exitoso para ellos”. Para competir con los jardines amurallados y los servicios de transmisión, los editores deben ofrecer cierto grado de direccionabilidad, y sin depender de las cookies.

Pero los DCR son un trabajo pesado. La madurez de los datos es una calificación importante para aprovechar al máximo un DCR. El informe de IAB muestra que, de las marcas que evalúan o usan DCR, más del 70 % tiene otras tecnologías relacionadas con datos, como CDP y DMP.

“Si desea una sala limpia de datos”, explicó Bustos, “hay muchas otras soluciones tecnológicas que debe tener implementadas antes. Debe asegurarse de tener activos de datos sólidos”. También recomienda comenzar preguntándose qué quiere lograr, no qué tecnología sería bueno tener. “La primera pregunta es, ¿qué quieres lograr? Es posible que no necesite una DCR. ‘Quiero hacer esto’, luego vea qué herramientas lo llevarían a eso».

Entienda también que la implementación va a requerir talento. “Es un proyecto exigente en términos de configuración”, dijo Bustos, “y ha habido un crecimiento significativo en las empresas y agencias de consultoría que ayudan a establecer estas salas limpias de datos. Se necesita mucha gente, por lo que es más eficiente contratar ayuda externa para la configuración y luego tener un equipo de mantenimiento interno”.

Subutilización de las capacidades de medición. Un hallazgo clave en la investigación de IAB es que los usuarios de DCR están explotando las capacidades de coincidencia de audiencia mucho más que realizando el potencial de medición y atribución. “Se necesitan científicos e ingenieros de datos muy fuertes para construir modelos avanzados”, dijo Bustos.

“Muchas marcas que investigan esto dicen: ‘Quiero poder hacer un análisis predictivo de mis clientes de alto valor de por vida que van a comprar en los próximos 90 días’. O ‘Quiero ser capaz de medir qué canales están impulsando el aumento incremental’. Son análisis muy complejos los que quieren hacer; pero en realidad no tienen una razón de por qué. ¿Cual es el punto? Comprenda su resultado y desarrolle una estrategia de datos secuenciales”.

Tratar de comprender el aumento incremental de su comercialización puede llevar mucho tiempo, advirtió. “Pero puede hacer fácilmente un análisis de alcance, frecuencia y superposición”. Eso identificará la inversión desperdiciada en los canales y, como subproducto, sugerirá dónde se está produciendo un aumento incremental. “Existe la necesidad de que las empresas sepan lo que quieren, identifiquen cuál es el resultado y luego hay pasos que lo llevarán allí. Eso también ayudará a demostrar el ROI”.

Profundice más: no aprovechar al máximo las salas limpias de datos les está costando dinero a los especialistas en marketing