.

Otros

AT&T aplica las tácticas de la publicidad en línea a los anuncios de televisión

1

Los experimentos sugieren que hacer un seguimiento del comportamiento de los espectadores a través del aparato emisor podría aumentar la eficacia de los anuncios de televisión.

  • por Tom Simonite | traducido por Lía Moya (Opinno)
  • 06 Febrero, 2013

Pocos abonados a la televisión por cable se dan cuenta, pero cada vez que cambian de canal, su proveedor de televisión toma nota. En la actualidad esos datos se usan principalmente para investigaciones internas y para elaborar los índices de audiencia. Pero un trabajo reciente de los investigadores de AT&T demuestra que también se podrían usar para hacer que la publicidad televisiva resultara más atractiva.

Los métodos probados por investigadores en los laboratorios de AT&T en Florham Park, Nueva Jersey (EE.UU.), se detallan en un artículo presentado en la Conferencia Internacional sobre Minado de Datos celebrada el mes pasado. Aunque no permiten dirigir los anuncios a espectadores de forma individual, podrían servir para que los anuncios televisivos resultaran más eficaces y por lo tanto más valiosos.

La publicidad para televisión se compra y vende casi de la misma forma que hace décadas. Una empresa que quiera anunciarse primero decide quién quiere que vea su mensaje y se lo dice a un canal de televisión, donde los expertos usan las audiencias e información proveniente de encuestas, así como su propio juicio para decidir cuál es el mejor momento para pasar el anuncio y cuánto cobrar por ello.

En comparación, muy pocos humanos intervienen en el proceso de dirigir la publicidad en línea. Los anunciantes escogen su público objetivo, y el software hace todo lo demás, casando los anuncios de manera automática con páginas web concretas e incluso con personas concretas (ver "Grandes repercusiones del seguimiento por Internet").

Para esta nueva investigación se usaron datos de los aparatos de un "proveedor de televisión importante" sin especificar (supuestamente AT&T). Los datos, hechos anónimos para eliminar cualquier dato que pudiera identificarlos, como por ejemplo el nombre del cliente, incluían detalles sobre cambios de canal, ajustes del volumen y algo de información demográfica. Partiendo de la suposición de que alguien estaba viendo un canal siempre que la televisión se mantuviera sintonizada en ese canal durante más de 20 segundos pero menos de una hora y media, los investigadores crearon un registro de qué abonados estaban viendo qué canales y cuándo. Estos datos se usaron para predecir cuándo habría distintos segmentos demográficos viendo la tele en el futuro, predicciones que sirven para planificar la emisión de anuncios.

Los investigadores de AT&T probaron el método con dos grandes anunciantes de televisión que se identifican solo como "un fabricante de vehículos de lujo" y "una gran empresa de inversiones/planificación de pensiones". Ambas empresas planearon campañas de cuatro semanas usando el enfoque convencional. Las dos campañas se emitieron siguiendo una parrilla elaborada usando el método convencional, pero una vez emitida, se podía usar los datos de los aparatos de los proveedores para demostrar que un sistema más dirigido hubiera dado lugar a resultados más dirigidos. El enfoque de grandes datos habría permitido que un anuncio llegara a alrededor de un 18 por ciento más de público objetivo con el mismo número de emisiones. Para una campaña dispuesta a emitir hasta seis anuncios a la hora, el coste de lograr 1.000 visionados por parte del público objetivo sería la mitad de una campaña convencional.  

Heather Way, analista de tecnología publicitaria en Parks Associates, afirma que los resultados de AT&T subrayan el hecho de que las cadenas televisivas, los anunciantes y los espectadores tienen algo que ganar si el negocio de los anuncios televisivos se convierte en algo más parecido a la publicidad en línea. Way afirma que "es más eficaz para el comprador de anuncios, el proveedor puede conseguir una tarifa más alta por su anuncio; el consumidor no se ve bombardeado por un montón de contenido irrelevante".

Según Way, en la industria existe la esperanza de que algún día este tipo de enfoques posibiliten programar anuncios en tiempo real en respuesta a quién está viendo el programa e incluso llegar a dirigir los anuncios individualmente.

La mayoría de la gente no sabe que su proveedor de televisión hace un seguimiento de sus cambios de canal. Los grupos de defensa de los consumidores pueden protestar por las posibles implicaciones respecto a la privacidad de dichas técnicas, pero Way cree que a los espectadores les preocupará aún menos de lo que les preocupa la publicidad dirigida en línea. "Es un medio en el que los consumidores están más cómodos", afirma.

AT&T no es la única empresa que explora nuevos usos para los datos provenientes de sus aparatos, explica Way, aunque la mayoría de los esfuerzos se centran en sustituir las audiencias basadas en encuestas como forma de medir  al espectador. "Todos quieren minar esos datos del aparato reproductor para usarlo mejor y usarlo para elaborar perfiles de los espectadores", afirma.

AT&T no ha querido responder a preguntas sobre su investigación de anuncios dirigidos para televisión, así que no sabemos si esto puede convertirse en algo más que un proyecto de investigación. Pero el año pasado la empresa lanzó un nuevo servicio llamado AdWorks que ofrece a los anunciantes formas de medir el impacto de sus campañas televisivas usando datos de los aparatos, y de hacer los anuncios interactivos a través del mando a distancia del abonado.

Otros

  1. Robotaxis

    Las 10 Tecnologías Emergentes 2025: los coches sin conductor solicitados mediante 'apps' se extienden a más ciudades

  2. Combustible más limpio para aviones

    Las 10 Tecnologías Emergentes 2025: los combustibles alternativos fabricados a partir de desechos industriales o dióxido de carbono podrían ayudar a reducir las emisiones climáticas de la aviación

  3. Robots que aprenden rápido

    Las 10 Tecnologías Emergentes 2025: los avances de la IA han hecho que sea más rápido que nunca entrenar a los robots para realizar nuevas tareas