“La orientación contextual se remonta a los primeros días de la publicidad en línea, principios de la década de 2000, donde evolucionó hasta convertirse en una forma de orientación que usaba principalmente palabras clave y contenido en la página sin ningún tipo de IA sofisticada o aprendizaje automático”, dijo Lior Charka, vicepresidente. presidente, producto en Outbrain. “Era una forma muy básica de comprender lo que había en la página y luego usar palabras clave para orientar”.

Sin embargo, a medida que la tecnología publicitaria se volvió más sofisticada y compleja, y la industria cambió hacia la orientación por comportamiento, para muchos anunciantes, lo contextual se quedó en el camino. Y dado que es probable que la industria se regule aún más en el corto plazo, la orientación contextual aparece en las hojas de ruta estratégicas de los anunciantes como una táctica preparada para el futuro ante el aumento de las restricciones.

La nueva era de la orientación contextual se centra en el sentimiento. Los equipos de marketing identifican momentos a lo largo del día que les informan sobre el contexto de los usuarios, como qué dispositivos están usando, si están viajando y otros elementos de su comportamiento en línea. Para aprovechar mejor este enfoque, los especialistas en marketing están desarrollando sus propias estrategias de datos para recopilar la información que necesitan para informar el análisis de sentimiento y conectarse al modelo predictivo. A medida que ganan terreno, los equipos de marketing abren caminos hacia recomendaciones específicas de productos y actividades, como el siguiente artículo para leer o el área de un sitio para visitar.

El análisis semántico y de sentimiento está ayudando a los anunciantes a ajustar las ubicaciones.

Por lo general, cuando las personas se refieren a la orientación contextual, hablan sobre el análisis profundo de la página: de qué se trata generalmente la página o el anuncio en función de la comprensión del idioma a través de la categorización. Sin embargo, en 2023, mediante el análisis semántico, es posible profundizar aún más al interpretar el texto y descifrar el significado detrás de él.

Con el análisis semántico, los equipos pueden identificar cuándo y dónde se mencionan las marcas, las organizaciones y las personas en línea y usar el procesamiento del lenguaje natural para reconocer cómo cambia el significado cuando ciertas palabras o frases están presentes en esas menciones. Luego, el procesamiento de IA puede reconocer el sentimiento vinculado a estas señales.

A partir de ahí, el análisis de sentimientos ayuda a descubrir el tono y el valor emocional del contenido. Esta información puede ayudar a los anunciantes que pueden suponer que las cohortes de audiencia no quieren aparecer junto al contenido político a identificar artículos políticos con un tono positivo junto a los cuales se sentirían cómodos colocando anuncios.

Los datos de ubicación y clima aumentan la relevancia y brindan información sobre el sentimiento

Cuando las señales anónimas brindan la hora y la ubicación de una vista de página, y así cuándo y dónde un usuario ve un anuncio, ayudan a los anunciantes a comprender mejor a su audiencia de una manera segura para la privacidad. Con estas señales y datos, los especialistas en marketing pueden inferir cosas sobre el usuario, como el clima, dónde están o qué fuentes de comercio electrónico relevantes podrían estar vinculadas a sus ubicaciones específicas.

Por ejemplo, los datos meteorológicos pueden aumentar la relevancia y el compromiso de los anuncios.

“Los datos meteorológicos pueden ayudar a proporcionar información sobre el sentimiento”, dijo Charka. “Un ejemplo es si estoy en Londres y llueve a las 8 a. m., tal vez sea un buen momento para mostrarme un anuncio de vacaciones en las Bahamas. Pero si es un viernes a las 4 p. m. en julio, tengo una mentalidad completamente diferente y espero con ansias el fin de semana, así que tal vez me muestren algo completamente diferente. Entonces, el clima se conecta a la ubicación y luego a otras señales de datos y lo devuelve a la capacidad de llegar a la audiencia correcta”.

A lo largo de los años, una idea errónea generalizada ha sido que los datos de ubicación no cumplen con la privacidad. Sin embargo, el cumplimiento de la privacidad rara vez está en juego, ya que se necesita el consentimiento para obtener la ubicación de un usuario. Además, los datos de ubicación no necesitan ser precisos para ser efectivos y permitir inferencias, por lo que los usuarios también se eliminan del tipo de especificidad que genera problemas de privacidad.

La combinación de tácticas y puntos de datos alimenta el modelado predictivo

Cuando los anunciantes combinan el análisis semántico y de sentimientos con señales basadas en la ubicación y datos ricos en contexto, especialmente cuando aprovechan la inteligencia artificial para ayudar con ese análisis, pueden crear perfiles de usuario para predecir el comportamiento de la audiencia. Esto se conoce como predicción de la intención del usuario.

Sin embargo, no se puede hacer una predicción basada en un solo punto de datos (o solo en unos pocos), por lo que los especialistas en marketing deben comprender que la intención del usuario proviene de numerosos puntos de datos.

Estos incluyen información más tradicional como datos demográficos, datos de comportamiento y comentarios de los clientes, consultas de búsqueda aprovechadas, datos de flujo de clics, datos de redes sociales y datos contextuales.

En conjunto, estos puntos de datos alimentan el contenido relevante, mostrando a los usuarios el próximo producto en el que podrían estar interesados. El paso es solo uno en un proceso que sigue; los equipos de marketing deben actualizar estos análisis con el tiempo para identificar cambios en la intención y el comportamiento.

Según Charka, la predicción de la intención del usuario es un resultado cuando los equipos combinan todos estos elementos.

“Si usted es una gran marca de moda y tiene todos estos artículos en su tienda, y está tratando de que las personas no solo compren algo específico por lo que firmaron, sino que piensen en qué servirles a continuación y cómo mantenerlos comprometidos e interesados, recopilar toda esa información y ponerla en un modelo predictivo será beneficioso”, dijo Charka.

Cuando los especialistas en marketing utilizan el análisis semántico y de sentimientos junto con los datos de ubicación y clima, el resultado son perfiles de usuario cada vez más sólidos. Otra es la capacidad de predecir la intención y el comportamiento del usuario. Es crucial que los equipos dominen esta táctica antes de que desaparezcan las cookies y aumenten las regulaciones de privacidad. Cuando lo hacen, están en camino de establecer una estrategia preparada para el futuro que brinde un mayor compromiso, relevancia e ingresos.

Patrocinado por: Outbrain

https://digiday.com/?p=490577