Volver a todas las historias

Aumentar audiencias sin perder precisión gracias al lookalike

 

Si hay algo en lo que coinciden todas las campañas de publicidad digital, es en querer llegar a quienes les interesa. Y, si es posible, que sea una audiencia lo más numerosa posible. Y, para añadir un punto más de complejidad, también queremos que pese a que la audiencia crezca, siga siendo igual de precia. ¿Cómo se logra eso? La respuesta está en la lookalike audience o audiencia similar.

¿De qué hablamos cuando en programática hablamos de lookalike? Con este término nos estamos refiriendo a buscar gemelos. Es decir, a tratar de encontrar usuarios que se parezcan a los de tu segmento objetivo. Incluso, aunque inicialmente no estén incluidos en él. ¿Para qué? Precisamente para conseguir una audiencia más numerosa, para incrementar la cifra de receptores finales. Y, por tanto, hacer una campaña más grande. Y que esto, no nos lleve a dejar de seleccionar los destinarios entre los que tengan un perfil más afín a los objetivos marcados.

Si partimos de datos sociodemográficos podemos pensar que un determinado producto interesa principalmente a mujeres entre 45 y 60 años y dirigir la campaña a ese ámbito. Pero puede haber mujeres de otros rangos de edad u hombres que también sean potenciales clientes. Hay que encontrar patrones de estos usuarios que permita identificarlos como similares al segmento objetivo inicial.

La data es clave para conseguir crear segmentos lookalike

La data tiene un papel determinante a la hora de buscar lookalike audiences. Hasta hace no mucho tiempo, aunque este proceso se pudiera hacer con la data propia (first party data), también era frecuente recurrir a bases de datos de terceros. Eso sí, una vez que se habían exprimido al máximo las propias.

Se hacía de este modo porque la third party data tiene un coste y es más difícil de rentabilizar. Pero permitía descubrir nuevas audiencias de usuarios afines a los que no se estaba llegando hasta ese momento.

Cómo llegar a audiencias similares sin third party data

Trabajar con cookies de terceros podía suponer un riesgo para los usuarios y su privacidad. Por eso, en los últimos años el cookieless ha irrumpido en la industria. Más allá del fin de las cookies de terceros por parte de Google, también ha supuesto un cambio de mentalidad entre los profesionales del sector.

Así, la consecución de lookalike audiences y otras actividades que se hacían a partir de data de terceros, ahora se hace mediante otras soluciones. Entre ellas, hay cinco tecnologías que están despuntando:

  • Segmentación contextual. Con ella se analiza el contenido de cada site para identificar los intereses de los usuarios.
  • ID universal. En este caso, la propuesta apuesta por generar un identificador universal y persistente que sustituya a las cookies de terceros.
  • Grafos de identidad. También conocidos como ID graph. Almacenan distintos identificadores que se correlacionan entre sí sobre usuarios independientes.
  • Data Clean Rooms. A partir de first o second party data, las data clean rooms permiten a dos compañías poner en común sus datos de forma Segura y privada.
  • Hosehold graph. Este término también hace referencia a bases de datos pero, en lugar de a identificadores personales, se asocia a un hogar concreto.

Claves de uso

Hay una serie de consejos que conviene tener presentes cuando se realiza una acción de lookalike de este tipo si se le quiere sacar el máximo provecho:

  • Audiencia base. Es necesario partir de un mínimo de audiencia, porque cuando es demasiado pequeña el margen de error es mucho mayor. Cuando tienes un conjunto de 10.000 es más fácil encontrar alguien que se parezca que cuando tienes un conjunto de 100.
  • Trabajar los datos propios. Hay que tener lo más avanzada posible la first party data. Además, es un hábito que permite conocer mejor a los usuarios y cuidar su privacidad, razón más que suficiente para comprometerse a prestarle la atención que merece.
  • Herramientas. Los DMP están mejor preparados para hacer lookalike. Esto se debe a que trabajan con un user ID que incluye no sólo la cookie, sino también el dispositivo y el login.
  • Afinidad. También se puede y se debe intentar hacerlo con otras herramientas (no sólo los DMP) para sacar un índice de afinidad con otros segmentos.

Con estas cuatro claves en mente es más fácil conseguir que una acción lookalike tenga unos resultados adecuados. Pero, en cualquier caso, siempre proporciona un mejor conocimiento de los usuarios de la marca y eso siempre es positivo. Se logran mejores segmentaciones y se obtiene una mayor afinidad. Nada se pierde por buscar gemelos.

 

 

¿Conoces la newsletter mensual de publicidad y marketing digital de Adevinta? ¡Suscríbete aquí y no te pierdas las novedades del sector!

Historias relacionadas

Descubra todas las historias

10 tendencias en branded content para enamorar a la audiencia

Seguir leyendo acerca de 10 tendencias en branded content para enamorar a la audiencia

La segunda mano en España permitió ahorrar un CO2 potencial al equivalente a 4.455 viajes Madrid-Nueva York

Seguir leyendo acerca de La segunda mano en España permitió ahorrar un CO2 potencial al equivalente a 4.455 viajes Madrid-Nueva York

Las métricas de atención, un elemento indispensable para captar el interés del usuario 

Seguir leyendo acerca de Las métricas de atención, un elemento indispensable para captar el interés del usuario