Índice

Sponsors

cic kodak3 kodak3

logo-atdl

Asociación Técnica de Diarios Latinoamericanos

Índice

Boletín Semanal Noviembre 30, 2021
 

El retraso de Google en la eliminación gradual de las cookies de terceros hasta finales de 2023 ofrece un alivio temporal a los editores de noticias, pero muchos aún necesitan encontrar alternativas.

El New York Times parece estar bien preparado para replicar el éxito que han tenido con el modelo de suscripción digital también en el frente publicitario. La compañía comenzó a eliminar gradualmente los datos de publicidad de terceros con mucha anticipación y anunció el lanzamiento de su plataforma de datos de audiencia de primera parte en junio de 2020.

La plataforma se desarrolló durante un período de dos años y es completamente independiente de las cookies de terceros.

"Cuando un vendedor acude a nosotros, les ofrecemos productos dirigidos en función de lo que los usuarios están haciendo en nuestro sitio y nuestras aplicaciones móviles. No confiamos en, o no compramos, ningún dato sobre lo que los consumidores están haciendo fuera de The New York Times", dijo Pranay Prabhat, Director Senior de Ingeniería de NYT.

Hablando en el reciente evento eSummit de Líderes de Medios Indios de WAN-IFRA junto con Mariam Melikadze, Directora de Data Insights Group, NYT, Prabhat describió cómo la plataforma, que se construyó completamente internamente, les ayuda a comprender el comportamiento de un usuario en sus propiedades.

Los datos de comportamiento y de encuestas obtenidos con el consentimiento del usuario se introducen en múltiples modelos de aprendizaje automático de una manera altamente segura para la privacidad.

"Estos modelos de aprendizaje automático son realmente el núcleo de cómo funciona toda esta plataforma de audiencia", dijo Prabhat. "Tenemos que tener especial cuidado con esos modelos. Hay procesos personalizados para retener los modelos y probar la calidad de los datos de forma regular para que los modelos sean precisos y satisfagan la demanda de nuestros vendedores", agregó.

Un enorme tesoro de datos de suscriptores

NYT ha aumentado sustancialmente su base de suscriptores durante los últimos 10 años. En 2020, tenían 7,5 millones de suscriptores, la mayoría de los cuales eran digitales. Este enorme tesoro de datos de suscriptores era algo que la compañía podía aprovechar para crear productos en el frente de los anuncios.

"La otra cosa a tener en cuenta es que The New York Times siempre ha sido muy consciente de la privacidad. Informamos sobre esto en nuestro periodismo", dijo Melikadze. "Entonces, mientras pensábamos en construir este tipo de productos de datos, nos mantuvimos atentos a la privacidad específicamente".

En el pasado, los anunciantes se dirigían a una sección o subsección particular de contenido, por ejemplo, la sección de moda, que era relevante para su marca. Entonces, el equipo del NYT desarrolló un producto llamado "orientación en perspectiva". Es un modelo de aprendizaje automático que predice cómo un artículo hace sentir a un usuario en función de las palabras que aparecen en él.

"Por ejemplo, tenemos sentimientos como 'informado' o 'inspirado' o 'esperanzado'. Por lo tanto, un anunciante podría dirigir su campaña a tales sentimientos si eso es relevante para su marca", dijo Melikadze.

La primera campaña de este tipo fue en torno a la sensación de "aventura" para un programa de televisión.

El siguiente en la cartera fue el "objetivo de neutralidad" que, a diferencia del objetivo en perspectiva, se basa en la ausencia de una emoción particular.

Motivación y segmentación por temas

El equipo también desarrolló la orientación por motivación, que trata sobre cómo un artículo motiva al lector, por ejemplo, a hacer un cambio de hábito saludable o a tomar el control de las finanzas personales.

La siguiente área fue la focalización de temas. El equipo analizó algunos años de contenido del NYT y detectó temas o grupos de contenido sobre los que el periódico escribió constantemente.

"Todo esto en conjunto muestra la amplitud de formas en que un anunciante puede personalizar su campaña para que aparezca en el lugar correcto sin comprometer la privacidad de los usuarios", dijo Melikadze.

"Hoy tenemos alrededor de 20 emociones, siete motivaciones y 100 o más grupos de temas", agregó.

Los artículos se puntúan en tiempo real contra todos los modelos de orientación. De esta manera, los atributos sobre el artículo están disponibles para su orientación de inmediato y la publicidad puede aparecer cerca de la historia recién publicada en poco tiempo.

Junto con la construcción de los modelos, el equipo también comenzó a explorar cómo podían llegar a los lectores de una manera que fuera de privacidad y rendimiento. Así que comenzaron a construir segmentos de usuarios mediante la generación de encuestas y la recopilación de una verdad sobre los usuarios.

"Estas son encuestas que nuestros usuarios optan por saber que estos datos se utilizarán con fines publicitarios, y proporcionan información como el sexo, la edad, los ingresos", dijo Melikadze.

Se construyeron modelos similares en base a estos datos y el producto se lanzó en 2020.

Para el segundo trimestre de 2021, NYT se había alejado por completo de los datos de terceros.

Siguiente paso: Pensar en los viajes de los usuarios

Según Melikadze, solo para la orientación contextual, el rendimiento medido por las tasas de clics fue siete veces mayor que los estándares de IAB.

"Cuando se trata de primera parte, realizamos pruebas A-B contra sus contrapartes de terceros y vimos que la primera parte en general se desempeñó al menos tan bien como la contraparte de terceros. En muchos casos funcionó aún mejor", dijo.

El siguiente paso es pensar en los viajes de los usuarios. En otras palabras, cómo asegurarse de que el momento en que se muestra un anuncio al lector es el momento correcto para ese usuario en ese contexto.

El editor actualmente está construyendo productos como similares de segunda parte donde una vez que un cliente envía una lista de clientes, el equipo construiría modelos similares alrededor de esos usuarios.

Utilizando datos de primera parte, también ha creado lo que se llama "click-alikes", que son usuarios que son similares a los que han hecho clic en una campaña de marca en particular.

"Tenemos que generar confianza con nuestros consumidores"

NYT parece estar por delante del juego, pero ¿qué pasa con el siguiente paso para la industria? Prabhat cree que se avecina una tormenta de tecnología de la información. Según él, se están implementando múltiples soluciones, incluidos correos electrónicos hash, orientación basada en cohortes, duplicación de los datos de primera parte y tecnología basada en mediciones.

Si bien todo eso parece prometedor, Prabhat también agregó que hay mucho trabajo e investigación por hacer.

"Creo que tenemos que unirnos y entender que tenemos que simplificar cómo funciona la industria. Tenemos que generar confianza con nuestros consumidores, y así es como finalmente tendremos una industria próspera y un buen futuro en los próximos 20 años", dijo.