5 ejemplos que muestran cómo el aprendizaje automático está cambiando la publicidad digital

De todos los avances en la publicidad moderna, pocos son más emocionantes que el aprendizaje automático. Está cambiando la forma en que las empresas recopilan y analizan datos, e incluso las cosas que pueden hacer los datos.

Pero con la tecnología revolucionaria surgen grandes interrogantes. ¿Qué, por qué y cómo funciona? Hoy damos respuesta a estas y más.

¿Qué es el aprendizaje automático en la publicidad?

El aprendizaje automático en la publicidad se refiere al proceso mediante el cual la tecnología publicitaria toma datos, los analiza y formula conclusiones para mejorar una tarea. En términos más simples: así aprende la tecnología publicitaria.

Lo que aprende depende de la tecnología. Podría ser cualquier cosa relacionada con la publicidad: compra de medios, mapeo del recorrido del cliente, segmentación de la audiencia, etc.

Cuantos más datos procesa una tecnología de aprendizaje automático, más aprende sobre esa tarea y mejor se pone para completarla. Como lo haría un humano.

La diferencia entre el aprendizaje automático y la inteligencia artificial

A menudo escuchará los términos "aprendizaje automático" e "inteligencia artificial" que se utilizan en conversaciones sobre las tecnologías más sofisticadas de la actualidad. Están relacionados, pero es importante saber que no son intercambiables.

Mientras que el aprendizaje automático se refiere a un proceso específico: las máquinas que utilizan datos para "aprender" y mejorar su funcionamiento, la inteligencia artificial es un término más amplio. Se refiere a tecnologías que pueden realizar tareas que tradicionalmente requieren inteligencia humana. El aprendizaje automático, por lo tanto, es un aspecto de la inteligencia artificial, pero no es sinónimo de IA.

¿Por qué el aprendizaje automático?

Desde transacciones digitales y existencias minoristas hasta la temperatura de las salas de servidores, hay pocas cosas que las empresas modernas no puedan rastrear.

Y aunque más datos significan más oportunidades para mejorar, eso solo es cierto si tiene lo que necesita para analizarlo. Desafortunadamente, la mayoría de las empresas no lo hacen.

Los informes muestran que más de la mitad de los datos actuales no se utilizan. Conocidos como "datos oscuros", los principales motivos por los que no se utilizan son los siguientes:

La falta de herramientas, la falta de datos, demasiados datos y los sistemas en silos impiden que las empresas aprovechen al máximo su audiencia. En la raíz de todos estos obstáculos hay un problema simple pero importante: los humanos ya no pueden hacerlo todo. Hay demasiado que identificar, recopilar y procesar.

¿La solución?

Orchid Richardson, vicepresidente y director general del Data Center of Excellence de IAB, dice que es IA:

El 95% de los anunciantes ya tienen terabytes y petabytes de datos demográficos, incluidos datos personales, información de ubicación e intereses que pueden utilizar para dirigirse a clientes potenciales de los que no saben casi nada. La inteligencia artificial es una forma de domesticar esos datos y llevarlos al siguiente nivel.

Si bien domesticar datos y llevarlos "al siguiente nivel" con IA parece un concepto futurista, es algo que ha estado sucediendo durante años. Aún así, los anunciantes solo están comenzando a arañar la superficie del potencial de la IA.

5 ejemplos de aprendizaje automático en publicidad

El aprendizaje automático en la publicidad no siempre es fácil de detectar, ya que el procesamiento complejo se lleva a cabo entre bastidores. Es muy probable que algunas de sus herramientas favoritas aprovechen el aprendizaje automático para brindar la información que da por sentado.

Ya sean nuevos o probados y verdaderos, aquí algunas de las cosas más importantes que el aprendizaje automático les permite hacer a los anunciantes:

1. Aproveche los conocimientos inesperados

Si es un buen anunciante, publica anuncios con la ayuda de datos específicos. Pero la forma en que obtiene esos datos no es perfecta.

Aunque es posible que desee analizar todos los puntos de datos relacionados con su oferta, está operando con un presupuesto limitado. Y eso lo obligará a priorizar los datos más importantes necesarios para ejecutar una campaña publicitaria exitosa. La priorización, según su presupuesto, puede significar muy pocos datos.

Sin embargo, un problema menos obvio es que las suposiciones que haga sobre su oferta y su audiencia también limitarán la forma en que se anuncia. Por ejemplo: si su producto es un videojuego, puede publicar anuncios para jugadores jóvenes y sus padres de mediana edad, pero no considerar a los abuelos ni a los jugadores mayores. Este tipo de suposiciones pueden costarle ingresos.

En la Conferencia de IA VentureBeat Transform 2018, este escenario fue presentado por Julie Shumaker, vicepresidenta de soluciones para anunciantes de Unity. Es solo el tipo de problema que el aprendizaje automático puede solucionar:

Los anunciantes pueden tener objetivos muy específicos, como vender una instalación de juego de $ 17 a un jugador de 22 años, dijo. Puede que no piensen en una mujer de 65 años. Pero el aprendizaje automático puede revelar que es probable que esta mujer gaste alrededor de $ 3.99 en el transcurso de tres días. Y si el costo de adquisición es de 75 centavos, produce un ROI tan bueno como los objetivos de mayor valor en dólares para los objetivos publicitarios más típicos.

Por su capacidad rentable para procesar grandes conjuntos de datos, las tecnologías de aprendizaje automático son excelentes para descubrir oportunidades de ingresos que el presupuesto y las suposiciones humanas pueden limitar.

Ya sean conocimientos sobre audiencias, procesos internos, estrategias de licitación o más, el potencial de mejora puede ser excelente.

Con el aprendizaje automático, "puedes probar cosas locas", dice John Koetsier, vicepresidente de Insights en Singular, una plataforma de datos de marketing.

Uno de los clientes de Singular, por ejemplo, adoptó el enfoque poco convencional de ejecutar un anuncio de un videojuego sin mostrar ningún juego real. La campaña contradictoria generó mucha conversación sobre el producto entre su público objetivo.

“Puede probar muchas, muchas cosas porque puede dejar que la máquina averigüe en tiempo real qué está generando impacto”, dijo Koetsier. "Puedes hacer cosas estúpidas y, a veces, las cosas estúpidas son inteligentes".

2. Mejorar la creatividad de los anuncios

Las audiencias responden de manera diferente a las creatividades publicitarias. Medios, tipografía, llamado a la acción: estos son algunos de los ingredientes creativos que hacen que las personas hagan clic o se desconecten.

Si bien muchos consideran que el aprendizaje automático implica datos estrictamente cuantitativos, este no es el caso. Rajiv Bhat, vicepresidente senior de ciencias de datos y mercado de InMobi, dice que un sistema de análisis predictivo también puede ayudar en el desarrollo de mejores creatividades:

En un sistema de este tipo, los datos sobre creatividades y campañas anteriores se procesan para determinar con precisión qué funcionaría para los esfuerzos en curso. Con esta aplicación de IA, las marcas pueden tener una mejor idea de cómo todo, desde los mensajes, las fuentes, los colores, las imágenes, los tamaños de los botones o los formatos, afectan el rendimiento general de la campaña ".

Puede parecerlo, pero un sistema como este no es hipotético. Bidalgo, una plataforma de automatización de marketing de aplicaciones móviles, proporciona una herramienta que hace exactamente esto. Este servicio de aprendizaje automático, denominado "IA creativa", analiza los medios visuales para encontrar enfoques creativos que probablemente tengan éxito. Su CMO, Rishi Shiva, dice:

Antes de invertir cientos de miles de dólares en el desarrollo de activos de video, puede ejecutar sus imágenes históricas y videos a través de nuestro sistema, y ​​realmente le brindará información.

Puede determinar qué creatividad tuvo un impacto positivo en la audiencia. Y este sistema en particular puede ser tan específico como la forma en que las personas posan en las imágenes. Una vez hecho esto, el software ofrece un resumen creativo para los equipos de contenido basado en el análisis.

Una aplicación similar del aprendizaje automático, que se detalla en el Journal of Consumer Psychology, implica un proyecto de investigación que relaciona imágenes con tipos de personalidad. En él, los investigadores utilizaron algoritmos para identificar 89 características diferentes para las imágenes, incluido el tono, la saturación, la diversidad de colores, el nivel de detalle, la cantidad de personas y más.

Se pidió a los 745 participantes del estudio que calificaran las imágenes en una escala del 1 al 7. Cuando terminaron, completaron una prueba de personalidad que los calificó en cinco áreas: apertura, conciencia, extroversión, amabilidad y neuroticismo. Luego, intentaron descubrir qué imágenes apelaban a qué rasgos de personalidad. Entre otras cosas, descubrieron:

• Las personas extrovertidas preferían imágenes simples e imágenes que presentaban personas
• Las personas de mente abierta favorecían las imágenes sin personas y con colores fríos como el azul y el negro.
• A las personas con alto nivel de neuroticismo les gustaban las escenas tranquilas y mínimamente estimulantes

En un estudio de seguimiento, los investigadores encontraron que los sujetos preferían imágenes de anuncios que se adaptaran a sus personalidades. Pero lo que es más importante, el algoritmo de aprendizaje automático descubrió que la relación entre el tipo de personalidad y el tipo de imagen podría afectar el interés del consumidor en un producto. La gente no solo prefería imágenes que coincidieran con sus personalidades. También informaron actitudes más favorables e intenciones de compra hacia estas marcas.

3. Aumentar la relevancia contextual

En teoría, diseñar un gran anuncio debería ser suficiente para generar una gran respuesta de su público objetivo. Por supuesto, nunca es tan fácil.

Además de estar bien diseñado, su anuncio debe publicarse en la plataforma adecuada, con la orientación adecuada, en el momento adecuado. Bhat dice que este también es un proceso que el aprendizaje automático está mejorando:

Por ejemplo, es posible que las creatividades con más contraste de color tengan un mejor rendimiento por la noche o que los anuncios que presentan estrellas del deporte tengan un mejor rendimiento durante el fin de semana. La IA puede proporcionar este nivel de granularidad e información para el desarrollo y el rendimiento de la creatividad publicitaria.

La relevancia contextual se está volviendo más importante ahora que los reguladores están tomando medidas enérgicas contra el uso de datos. El RGPD ha impuesto restricciones a los datos y otros países están haciendo lo mismo.

En lugar de depender estrictamente de los datos de la audiencia, las tecnologías de aprendizaje automático se utilizan cada vez más para procesar datos en la página. Y lo están haciendo de formas tan complejas que son casi humanas. Harmon Lyons, vicepresidente senior de desarrollo empresarial global de IAS, dice:

Los avances actuales están difuminando las líneas entre humanos y máquinas, como es evidente en aplicaciones como el análisis de sentimientos: las máquinas son cada vez más capaces de identificar y categorizar las opiniones expresadas en un fragmento de texto, para determinar si la actitud del escritor hacia un tema o producto en particular. es positivo, negativo o neutral.

El matiz aquí siempre está evolucionando a medida que el lenguaje se expande e incluye cosas como sarcasmo y emoticonos para expresar significado. Los rápidos avances en el aprendizaje profundo están permitiendo que las computadoras procesen imágenes y videos de una manera más similar a la humana.

En un nivel fundamental, la comprensión del contenido de una página puede ayudar al anunciante y al editor a ofrecer publicidad más relevante. A un nivel más complejo, permite a los anunciantes hacer cosas impresionantes.

Ejemplo de Vodafone

Considere un ejemplo de Vodafone en el Reino Unido, que quería anunciar que llevaría el iPhone X. Como resultado de las pautas de uso de marca altamente restrictivas de Apple, la compañía tuvo dificultades para mencionar el producto.

Entonces, aprovecharon la tecnología de aprendizaje automático de GumGum. Cuando se implementó, esta tecnología analizó imágenes en la página para encontrar anuncios de iPhone y luego colocó anuncios de Vodafone encima de ellos. Esto fue lo suficientemente claro para los consumidores, que entendieron que la empresa comercializaría el iPhone basándose en la asociación de anuncios.

Ejemplo de Jeep

Jeep, otro cliente de GumGum, decidió omitir el modelado de comportamiento y en su lugar capitalizar el contexto. Con su tecnología de aprendizaje automático, la empresa escaneó páginas web en busca de imágenes de modelos que competían con su Cherokee, como el Toyota RAV4. Luego, al igual que Vodafone, colocaron sus anuncios encima de los modelos de la competencia.

Más allá de estos casos de uso, el aprendizaje automático puede mejorar la reputación de la marca. Con la mayor cantidad de anuncios programáticos que se ejecutan en ubicaciones que no son seguras para la marca (como junto a contenido extremista, por ejemplo), el aprendizaje automático puede ayudar a los anunciantes a prevenir una pesadilla de relaciones públicas antes de que suceda y evitar tener que boicotear un sitio y su audiencia potencialmente masiva. (como muchos se vieron obligados a hacer con YouTube).

4. Apunte a segmentos más definidos

El objetivo de todo anunciante es la máxima relevancia. Y el camino hacia la relevancia es la segmentación. Cuanto más estrechos sean los segmentos de su audiencia, más cerca estará de ofrecer la personalización 1: 1 que los clientes anhelan.

Pero para llegar a una personalización cercana a 1: 1, necesita una gran cantidad de datos, para empezar. Luego, necesita un algoritmo de aprendizaje automático lo suficientemente sofisticado para examinar los datos y convertirlos en algo utilizable.

Afortunadamente, estas son características de las principales redes como Facebook, Google y LinkedIn. Acumulan vastas colecciones de datos sobre sus usuarios (pasatiempos, intereses, ubicación, puestos de trabajo, etc.) que los anunciantes pueden utilizar para limitar sus segmentos objetivo. Gil Allouche, cofundador y director ejecutivo de Metadata.io, dice que datos como este son tan valiosos que facilitan el trabajo con otros datos:

No quiero ser demasiado "meta" aquí, pero los metadatos son información que proporciona información sobre otros datos. Digamos eso nuevamente de una manera diferente: los metadatos resumen información básica sobre los datos, lo que facilita la búsqueda y el trabajo con instancias particulares de datos. Según Smart Insights, “los metadatos pintan una imagen sobre la rutina diaria, las interacciones, los puntos de vista y las asociaciones de un individuo, y la razón por la que son tan útiles es que no mienten.

Cuando reúne este tipo de datos, obtiene lo que Gil y el equipo de Metadata.io llaman una "'nota de amor' para perspectivas comerciales futuras" porque es "una expresión de la verdad en forma escrita".

Para las empresas, la verdad en forma de información del cliente no es fácil de conseguir. Por lo tanto, cuando se recopila en abundancia y se aprovecha en redes como Facebook y Google, se convierte en una forma valiosa de reducir significativamente su público objetivo a uno con más probabilidades de reclamar su oferta.

Facebook recopila datos y le permite crear audiencias. Aún más importante, la plataforma utiliza el aprendizaje automático para determinar quién de esa audiencia tiene más probabilidades de completar el objetivo por el que está pujando.

Al mismo tiempo, esta práctica es inútil si simplemente reduce su público objetivo y ofrece la misma experiencia publicitaria. Gil tiene razón cuando dice: "Los mejores anuncios de hoy son contenido atractivo y personalizado con un significado real para la audiencia de una marca".

Cada audiencia debe tener un anuncio personalizado en función de sus datos. Y para continuar con esa experiencia, cada anuncio debe dirigir a los usuarios a una página posterior al clic que sea igualmente personalizada.

Tome este ejemplo de Abreva, quien creó 119 anuncios diferentes para su producto según el contexto en el que se vio. Cuando los clientes encontraban el anuncio en un video sobre, digamos, chismes de celebridades, se les mostraba un anuncio como este:

Pero si veían un anuncio mientras veían un video tutorial, verían algo como esto:

La campaña personalizada generó un gran impulso en la conciencia y la consideración. Abreva generó un aumento del 41% en el recuerdo del anuncio y un aumento del 342% en el interés de búsqueda en Google y YouTube.

En otras redes, como la búsqueda de Google, el aprendizaje automático acelera aún más el proceso. Con los anuncios de búsqueda receptivos, puede ingresar varias versiones del título, el texto y la descripción, y Google probará y ofrecerá el mejor desempeño. En promedio, los anunciantes que utilizan esta función generarán un aumento del 15% en los clics.

5. Oferta más estratégica

En la publicidad programática, no todas las impresiones valen lo que está dispuesto a ofertar por ellas. Algunos son. Y algunos valen aún más.

Gracias a las plataformas orientadas a la demanda, evaluar estas impresiones ya no requiere conjeturas. Mediante el uso de la tecnología de aprendizaje automático, estas plataformas pueden realizar ofertas y optimizaciones que antes requerían compradores experimentados.

Tome las Ofertas inteligentes de Google, por ejemplo: una estrategia de ofertas automáticas que utiliza el aprendizaje automático para optimizar las conversiones, o el valor de conversión, en cada subasta. Esto se conoce como "pujas en el momento de la subasta". Según Google, existen cinco tipos de estrategias de Ofertas inteligentes:

• CPA objetivo: el CPA objetivo establece ofertas para ayudar a obtener la mayor cantidad posible de conversiones al costo por acción (CPA) objetivo o por debajo del mismo.
• ROAS objetivo: el ROAS objetivo le permite realizar ofertas en función de un retorno de la inversión publicitaria (ROAS) objetivo. Esta estrategia lo ayuda a obtener más valor de conversión o ingresos con el retorno de la inversión publicitaria (ROAS) objetivo que estableció.
• Maximizar conversiones: Maximizar conversiones establece ofertas automáticamente para ayudarlo a obtener la mayor cantidad de conversiones para su campaña mientras gasta su presupuesto.
• CPC mejorado: el costo por clic mejorado (ECPC) lo ayuda a obtener más conversiones a partir de las ofertas manuales. El ECPC funciona ajustando automáticamente sus ofertas manuales para los clics que parecen tener más o menos probabilidades de generar una venta o conversión en su sitio web.

Lo que elija dependerá del objetivo de su campaña, su presupuesto y otros factores. Independientemente, puede estar seguro de que el algoritmo de Ofertas inteligentes de Google está bien entrenado. Constantemente está adquiriendo y analizando datos, según Google, para comprender qué ofertas e impresiones son más efectivas para el objetivo elegido. Estos datos contienen una gama de parámetros mucho más amplia que la que podría procesar cualquier equipo o persona.

Incluye factores básicos como el dispositivo y la ubicación, que se pueden ajustar manualmente, así como señales automáticas que son exclusivas de Smart Bidding. Estos son mucho más numerosos. Puede encontrar varios aquí, incluido el comportamiento del sitio, los atributos del producto, la ubicación web y más.

Dado que las Ofertas inteligentes pueden optimizar en función de los datos de todas sus campañas, incluso las nuevas pueden ver un mayor rendimiento. Aún así, no debe tomar decisiones comerciales basadas en los resultados de la campaña hasta que tenga una muestra lo suficientemente grande: al menos 30 conversiones (50 para el ROAS objetivo) y / o más de un mes de tiempo de ejecución.

Comience a usar el aprendizaje automático para impulsar las conversiones

Los anunciantes siempre esperan mejores aplicaciones de las tecnologías actuales. Ese es el caso del aprendizaje automático tanto como cualquier otro: mejores chatbots, reconocimiento de voz, procesamiento de imágenes, etc.

Pero el aprendizaje automático puede tener un gran impacto positivo en sus campañas hoy . Las estrategias de ofertas, creativas y, sobre todo, la personalización, pueden mejorar exponencialmente cuando encuentra un modelo de aprendizaje automático que funcione para usted. Sin duda, hay algo para todos. Incluso si solo se trata de Smart Bidding o los anuncios de búsqueda adaptables de Google.

Aprenda cómo sacar aún más provecho de sus esfuerzos de aprendizaje automático conectando páginas de destino post-clic personalizadas desde Instapage. Obtenga una demostración aquí.