Angelina Eng
Vicepresidenta del Measurement Center del IAB (Interactive Advertising Bureau)

Si queremos que la IA mejore la medición, necesitamos dejar de optimizar en torno a la disfunción
Según el último informe State of Data de IAB, la IA podría ayudar a liberar 32 mil millones de dólares en inversión en medios y valor de productividad en uno o dos años. ¿El problema? Los sistemas y procesos que hemos construido para capturar esas oportunidades siguen siendo lentos, inconsistentes y llenos de vacíos.

Eso es frustrante —y un desperdicio—. A medida que la IA hace más sofisticados los flujos de trabajo y los modelos de medición, cada una de esas debilidades se vuelve más difícil de ocultar.

Hemos pasado años poniendo parches a los problemas centrales en lugar de solucionarlos. Cada vez que surge una nueva plataforma, solicitamos más datos, construimos más paneles y añadimos notas al pie explicando los vacíos. Los procesos manuales mantienen todo unido. Mantienen las cosas en funcionamiento. La IA está dejando al descubierto las grietas, y esas soluciones improvisadas no se sostendrán por mucho más tiempo.

Las soluciones improvisadas se han convertido en la estrategia
Todos sabemos cómo funciona esto. Los números no coinciden con las expectativas, así que construimos soluciones alternativas. La atribución no cuadra. Es más difícil medir algunos canales, así que trasladamos el presupuesto a medios más amplios que son más fáciles de rastrear o que alcanzan audiencias más grandes.

La estrategia consiste en determinar el enfoque correcto, no en tomar decisiones basadas en lo que es más medible.

Los números cuentan la historia. El informe de IAB, State of Data, muestra que entre el 60% y el 75% de los marketers dicen que sus enfoques de medición no cumplen con requisitos básicos como cobertura, consistencia y confianza. La parte más reveladora: ni una sola persona encuestada dijo que su modelo de mezcla de marketing cubre todos sus canales de medios pagos. La televisión conectada recibe menos de lo que le corresponde, al igual que los medios minoristas, el contenido de creadores y el audio.

Con una mejor precisión en la medición, los planificadores dicen que aumentarían la inversión en estos canales subrepresentados en un promedio de 5,6%, lo que podría representar hasta aproximadamente 26,3  mil millones de dólares del gasto total en publicidad en EE. UU.

La conclusión: cuando los marketers no pueden medir los canales fácilmente, invierten menos en ellos o los omiten por completo. ¿El resultado? El sesgo de medición dicta la estrategia de marketing.

La IA no puede arreglar una base rota
La inteligencia artificial presenta una oportunidad real. Con la base y los conjuntos de datos adecuados, la IA puede mejorar la productividad en 6,2 mil millones de dólares sólo en EE. UU., según el informe de datos de IAB. Pero la IA no puede arreglar una infraestructura rota. Más bien, amplifica lo que ya está ahí, sea bueno o malo.

Si se alimenta a la IA con datos incompletos, se obtienen respuestas incompletas a escala. Si se la utiliza sobre flujos de trabajo desalineados, el caos se multiplica. Si se la implementa en equipos que no confían en los resultados, la adopción se estanca.

Sin una infraestructura sólida que la sustente, la IA sólo nos ofrece una visión más clara de lo rotas que ya están las cosas. El informe de IAB lo especifica, las preocupaciones reales sobre la exposición legal, los riesgos de seguridad, la calidad de los datos y la precisión de los modelos pueden frenar completamente el progreso si no las abordamos de inmediato.

El mercado exige—y merece—más
La presión sigue aumentando estemos listos o no. Alrededor del 40% de los contratos entre marcas, agencias y sus socios ahora incluyen cláusulas de IA, como requisitos de transparencia, métricas de desempeño y estándares de datos, informa IAB. En dos años, se espera que ese número alcance entre el 70% y el 80%.

Los clientes quieren pruebas, no promesas. La medición ya no puede permanecer aislada de la planificación, la presupuestación y los resultados de negocio.

Las preguntas también cambian. Antes bastaba con decirle a los clientes que algo funcionó. Ahora es necesario explicar cómo lo sabe. Y, cada vez más, se necesita evidencia que resista el escrutinio. La transparencia es el nuevo nombre del juego.

Cuando los presupuestos y las decisiones empresariales están en juego, las explicaciones vagas y los informes atrasados no son suficientes. ¿Modelos de caja negra y marcos de atribución sostenidos con cinta adhesiva? No sobrevivirán a la próxima negociación contractual.

Iniciativas de la industria como el Project Eidos de IAB trabajan para abordar estos problemas mediante el establecimiento de marcos y especificaciones estandarizados para la medición. El propio nombre, del verbo griego “ver”, refleja el objetivo. La industria debe ofrecer claridad, consistencia y confianza a través de taxonomías comunes y métodos consistentes para conectar la exposición a medios con resultados a través de la atribución multitáctil, el análisis de incrementalidad y los modelos de mezcla de marketing.

Lo que realmente necesita cambiar
Recuerde que la definición de locura es hacer lo mismo una y otra vez y esperar resultados diferentes. La industria no puede continuar con el mismo patrón de siempre: optimizar lo que es más fácil de medir, recurrir por defecto a lo que funcionó antes porque el modelo dice que funcionó y esperar que la IA lo transforme todo sin arreglar la base.

Arreglar la medición no se trata de añadir otra capa de tecnología ni de crear otro modelo. Se trata de detenerse el tiempo suficiente para reconstruir la base que sustenta casi cada decisión de medios que toma su organización.

Sí, es un problema de datos, pero no del tipo que seguimos intentando resolver. No se trata de obtener más datos. Se trata de si tiene los datos correctos, estructurados de una manera que permita que la IA funcione. Se trata de si puede tomar decisiones con confianza, rapidez y eficiencia.

La disfunción ahora es visible. El costo de ignorarla se acumula. Y la tecnología no resolverá esto por sí sola. ¿Qué lo hará? Un trabajo de infraestructura poco glamoroso. Auditar cómo se mueven los datos a través de sus sistemas. Alinear a los equipos en torno a lo que realmente significa el éxito. Construir una medición que rastree lo que importa en lugar de sólo lo que es conveniente.

Si hacemos primero las cosas difíciles, no al final, las recompensas serán nuestras como industria.