Al final de ciclo en la era AdTech y MarTech se unen unas circunstancias globales únicas, impregnadas por la pandemia del coronavirus, que están haciendo cambiar a marchas forzadas el ecosistema digital. Las tecnologías del pasado darán paso a otras nuevas. Y el reto para las marcas es que sean capaces de ofrecer experiencias hiperpersonalizadas en un contexto en el que los consumidores están cambiando sus hábitos de consumo y de navegación a una velocidad de vértigo.
Durante más de una década, los especialistas de marketing han intentado comprender la complejidad de los datos de los clientes a través de tecnologías a menudo incompletas e ineficaces. En su día, los Data Management Platform (DMP) fueron vistas como el santo grial del marketing digital. Sin embargo, hoy se están resquebrajando. Y lo están haciendo porque se asientan principalmente en datos anonimizados o third party data, que se ven amenazados por el reciente anuncio de Google de eliminar las cookies de terceros en 2022. Además, y por el momento, sin una moratoria por su parte ante la crisis mundial del ecosistema que estamos viviendo. Al mismo tiempo, esa data, especialmente orientada para que anunciantes y agencias mejoren el targeting de los anuncios, sólo ofrece segmentación basada en datos históricos y muy poco, o prácticamente nada, de comportamientos futuros.
Los Customer Data Platforms (CDP) aparecieron en el mercado con la promesa de gestionar de manera más avanzada el 1st party data de la marca y lograr un perfil 360º. Sin embargo, el mercado ya ha encontrado detractores de estas plataformas, puesto que consideran que estas no son capaces de resolver los problemas de identidad digital o identity resolution, ni tampoco la pulcritud de los datos de tercera parte, como recoge un viejo estudio de Forrester del año 2018, titulado Customer Data Platforms Overpromise And Underdeliver.
El caso es que esas limitaciones de las DMP y las CDP significan que, a menudo, las marcas no pueden entender bien quiénes son sus consumidores y lo que están haciendo. Además, esta falta general de comprensión, cuando se produce en el momento en el que un usuario interactúa con una marca o con muchas, puede afectar de manera notable a su relación con ellas e impedir la puesta en marcha de esa inteligencia de cliente. Y, entonces, ¿qué hacer?
Customer Intelligence Platforms (CIP)
En 2019 empezaron a surgir las primeras plataformas de inteligencia del cliente o Customer Intelligence Platforms (CIP), como es el caso de Zeotap, que están destinadas a garantizar a las marcas un conocimiento completo del consumidor, basado en first party data, pero que al mismo tiempo permite predecir comportamientos de los consumidores y hacer eficiente la inversión en publicidad digital.
Los Customer Intelligence Platforms (CIP) transforman la data existente en inteligencia de datos. Algo que no estaba presente en la tecnología de marketing del pasado, que se centraba en mejorar las capacidades de la data, pero que dejaba de lado una capa adicional, la inteligencia de datos, esencial para realizar un marketing inteligente y en tiempo real.
No cabe duda de que la inteligencia del cliente dominará la nueva década y considero que las marcas llegarán a ser más sofisticadas en el desarrollo de sus modelos de machine learning y en sus algoritmos internos. Puesto que pueden proporcionar valiosos insights, mejor conocimiento de sus consumidores, así como la predicción de sus comportamientos futuros, y con todo ello establecer la acción de marketing más adecuada para cada persona.
De hecho, cada día se crea y mejora la tecnología de plataformas de inteligencia del cliente como las de Oracle, SAS o IBM. Pero ¿cómo pueden las marcas combinarlas todas ellas y prepararse para hacer un marketing inteligente en esta década que comienza? A mi juicio, estos serían los pasos a seguir:
1º Reunir los first party data, procedentes de CRM, de la página web o de aplicaciones y unificarlos bajo una única tecnología. Porque es crucial, cuando se crean perfiles de cliente, consolidar los datos lo máximo posible.
2º Resolver la identidad de los consumidores o identity resolution conectando al máximo sus identificadores digitales y offline, y expandiendo esas conexiones con la ayuda de un tercero para poder llegar al mismo consumidor de forma omnicanal
3º Tras haber resuelto los problemas de identidades, hacer una segmentación de los clientes según los datos históricos de comportamiento.
4º Combinar los first party data con otros datos externos (third party data) para lograr visión 360º del consumidor. Y, además, utilizar los data clean rooms – una tecnología que ha generado mucho interés últimamente por la seguridad que ofrece – para que la data no se contamine y el intercambio cumpla con el reglamento GDPR.
5º Aplicar los propios modelos y algoritmos para predecir mejor cómo se comportarían sus clientes en un futuro próximo.
6º Agrupar de nuevo a sus clientes según su comportamiento futuro y decidir a qué grupo o segmento asignar una inversión adicional y recursos de marketing.
7º Crear estrategias centradas en el cliente que se ajusten a cada segmento y personalizar cada campaña según la inteligencia de datos del cliente con que cuenta.
Una vez que ha realizado todo este camino, y sólo entonces, es el momento de analizar el retorno de la inversión publicitaria. Porque es justo después de haber implementado todas estas mejoras cuando el diagnóstico es acertado y no antes.
La nueva década no ha hecho más que arrancar. Y lo ha hecho en unas circunstancias muy complicadas. Sin embargo, hay dos formas de afrontar la situación. Confiar en los datos propios históricos o adaptar la estrategia, igual que el sastre o la modista diseñan el traje o vestido a medida para cada persona, con ese patrón adaptado a cada consumidor que está compuesto por la inteligencia del cliente y las previsiones de comportamientos futuro. ¿Qué camino desea emprender?
TEXTO MARC GINJAUME, COUNTRY MANAGER DE ESPAÑA Y LATINOAMÉRICA DE ZEOTAP.
