Hay una gran parte de la inversión publicitaria, sobre todo la que está basada en la creación de marca, que no se puede validar su eficacia de una forma real. No todo se puede medir: hay saltos entre dispositivos, hay saltos del entorno online al offline (el conocido efecto ROPO) y nos engañamos si valoramos el éxito de una campaña por el alcance sin poder cualificarlo.
Sin embargo, las marcas ya poseen la información que necesitan para dejar de cometer errores en la optimización de sus estrategias de comunicación. Su problema es que no saben utilizarlo. Esta información vive en sus perfiles sociales, son las interacciones del público con sus contenidos, las reacciones y los comentarios. Tecnología como Tatanka IO.Tanka (by Apache) permite extraer, analizar, interpretar e incluir esta información como variable en la toma de decisiones.
Para sacarle el máximo partido lo primero que hay que hacer es definir los buyer persona a los que nos vamos a dirigir. Esto es un proceso de design thinking donde a través de first party data y el conocimiento interno del cliente se construyen estereotipos que combinan perfiles sociodemográficos, comportamentales y de intereses. En este proceso de discovery se analiza el negocio y el territorio de cada marca con el objeto de crear los diccionarios semánticos para asignar polaridad a ciertos términos (no es lo mismo un banco de sentarse, que un banco de peces o una entidad bancaria) y los indicadores de intensidad. De esta manera podremos interpretar correctamente la conversación con los usuarios.
Lo siguiente es definir y parametrizar las líneas de contenido, gama de productos, geografías o cualquier otra variable que queremos evaluar. Así podremos establecer audiencias que combinen los estereotipos que hemos definido en la primera fase con estas nuevas variables. Así se construye una matriz de combinaciones que se parametriza. Una vez que hemos construido el modelo adhoc para cada marca se ejecutan las campañas, impactando de forma individualizada a cada estereotipo con cada versión de contenido. Todas las interacciones se extraen, analizan e interpretan y se pintan en en un dashboard de control. El director de marketing sabe en tiempo real la afinidad de sus diferentes buyer persona a cada contenido y ahora ya puede tomar decisiones.
Le hemos dado un ancla para pivotar mensajes, contenidos, tonos, etc y poder comprobar sobre la línea de tiempo como evoluciona la favorabilidad hacia su marca. Este aprendizaje basado en las interacciones sociales ahora lo podemos llevar al resto de canales: programática, off, etc.
Hemos pasado del viejo modelo a un modelo en tiempo real, en el que una campaña de branding puede evolucionar de forma personalizada para cada público y multiplicar su eficacia. Hemos pasado de un modelo de full funnel incompleto en performance donde se crean listas de audiencias calientes en base al éxito de ver el 50% de un vídeo a tener listas de audiencias cualificadas y clasificadas por afinidad al producto o la marca y poder hacer los ajustes en la puja de segundo y tercer impacto de forma inteligente. Ha nacido el brand affinity como KPI de éxito de las campañas de marketing.
