LAS COSAS QUE NOS SOÑÁBAMOS.

Desde que entré a trabajar en publicidad, en el 2000, he oído que hablamos del Share Of Wallet y de la canasta cruzada.

Todos nos babeábamos con la idea de poder saber con exactitud qué marca de pan acompañaban el café las personas que tomaban una marca X. Emocionarse con eso solo nos pasa a los marketers.

Acepto que presentamos mil veces iniciativas de analítica que no podíamos hacer realidad en ese momento, pero es que no había otra forma de ir aprendiendo.

Hoy, con los Data Clean Rooms, podemos desbloquear muchas de las cosas que nos soñábamos:

La canasta cruzada.

Antes, cada ejercicio de cruce de datos requería una sentada entre dos compañías, con todo el protocolo corporativo que podía requerir una solicitud como "vamos a cruzar nuestros datos". Los abogados entraban en pánico, no sin razón. En la época pre API, los de tecnología cruzaban los dedos manifestando que la bodega de datos alcanzara a estar para el día de la junta.

Algunos retailers tecnológicamente maduros alquilaban sus datos para hacerlo, porque tenían suficientes datos de consumidores a lo largo de muchas categorías.

Hoy, entender detalladamente qué compra el mismo consumidor ya no representa ni un riesgo para los abogados, ni un reto para los técnicos. El Data Clean Room permite hacer análisis de canasta cruzada a nivel individual. Adiós a la inferencia, bienvenida la granularidad.

El Reach & Frequency.

La publicidad parte de la base de que para lograr impactar a una persona, de manera tal que se gaste su dinero y se tome el trabajo de comprar, hay que mostrarle ciertos mensajes, varias veces.

Y es lógico. Así como uno termina amando esa canción que al principio le generaba náuseas auditivas.

Eso se llama Frecuencia +.
Frecuencia +3 significa que - en promedio - le vamos a mostrar a una persona 3 veces el anuncio. El principio es que, entre más veces, mejor, pero en realidad no sabemos cuándo estamos perdiendo dinero en mostrar el anuncio más veces de las necesarias, ni cuándo nos volvemos spam y la inversión se vuelve contra producente.

Con el Data Clean Room, podemos analizar a nivel individual cuántas veces le mostramos un anuncio a cada persona de la base de datos. Esto cambia todo, porque podemos hacer experimentos para identificar dónde comienza el desperdicio, y dónde el spam.


La inclusión y la exclusión.

Supongamos que un cliente va a hacer una campaña de sampling.

Después de entregarle muestras a 5.000 personas, decide hacer una campaña pautando en Meta, invitando a la gente a probar su producto. Hasta ahora, la marca tenía que pagar sin tener la certeza de si esos 5.000 (o el total de personas que ya habían probado su producto) que ya la habían probado iban o no a estar en la audiencia.

Con el Data Clean Room, podemos hacer una campaña dirigida solamente a las personas que ya probaron la marca, para invitarlos a usar el producto en otros momentos del día.


Los Data Clean Rooms son herramientas diseñadas para mejorar la privacidad de las personas. Por su sigla en inglés, una PET (Privacy Enhancing Technology).

Permiten cruzar dos o más bases de datos para encontrar insights conjuntos entre esas bases. Esto significa que podemos entender al consumidor desde más categorías y formas de consumo. Podemos tener un entendimiento del consumidor más completo, basado en datos confiables, que no nos dejan mentir.