Cómo los científicos de datos pueden mejorar la publicidad en las redes sociales

La ciencia de datos está explotando, lo cual es natural, dada nuestra cultura en constante cambio y nuestra capacidad de aprender cualquier cosa que esté al alcance de nuestros rápidos dedos.

Considere, por ejemplo, que dentro del próximo año, Internet habrá llegado a su usuario número 5 mil millones. Mientras tanto, las personas realizarán alrededor de 1,2 billones de búsquedas en Google al año para acceder a los más de mil millones de sitios web de Internet.

Con cada búsqueda en Google (y otras actividades similares en Internet), se crea una huella de datos repleta de información sobre los intereses, comportamientos y datos demográficos del usuario. Eso significa que el mundo está nadando en datos. Por lo tanto, muchas empresas de martech, incluida Strike Social, deben confiar en la capacidad intelectual de los científicos de datos para determinar qué información es útil y qué debe descartarse.

Repensar lo imposible con la ciencia de datos

Los científicos de datos son a menudo los que hacen las grandes preguntas que pueden parecer imposibles de responder. Su curiosidad también les permite desarrollar nuevos modelos a la vanguardia de la tecnología. Lo logran a través de la experimentación estructurada, como la reestructuración de parámetros o la combinación de diversos conjuntos de datos.

No sorprende entonces que muchos científicos de datos provengan de antecedentes académicos, con títulos avanzados en campos como la biología o la física.

^{Los científicos de datos de Strike, Bing Bu, Dmitry Bandurin y Jeongku Lim, trabajan en la sede de la empresa en Chicago.}

Este último es precisamente el caso del trío de científicos de datos de Strike Social (Dmitry Bandurin, Bing Bu y Jeongku Lim), quienes tienen doctorados en física experimental o física elemental (es decir, el estudio de los componentes básicos de la materia y su interacciones). Antes de unirse a Strike, Bandurin, Bu y Lim eran científicos investigadores que se centraban en romper partículas elementales dentro de grandes colisionadores para dar sentido al universo.

Ahora, están asumiendo el mundo de las redes sociales pagas.

Como científico de datos sénior de Strike, Bandurin acredita su experiencia en investigación con la capacidad de repensar lo que es posible con big data. Y está acostumbrado a trabajar con datos experimentales reales para producir nuevos resultados.

“Nunca es lo mismo, y siempre está cambiando”, dice.

Bandurin, Bu y Lim están de acuerdo en que los científicos de datos necesitan sólidas habilidades matemáticas y analíticas, así como habilidades de programación para tener éxito en el aprovechamiento del poder de la IA para las redes sociales pagas.

Entonces, ¿cómo es exactamente un día promedio para ellos? Bandurin estima que las reuniones ocupan entre el 25 y el 30 % de su tiempo, y dedica otro 10 % a trabajar con desarrolladores o discutir nuevos hallazgos con el equipo de ciencia de datos. El resto del tiempo, estos científicos de datos se centran en probar y desarrollar modelos y luego implementarlos en códigos prototipo.

Bu dice que también le gusta resumir el trabajo de cada día y planificar su agenda para el próximo día, semana o incluso un mes en caso de que se le presente un proyecto a largo plazo.

Cómo los científicos de datos pueden mejorar las redes sociales pagas

Los clústeres creados a través de modelos complejos ayudan a los científicos de datos a probar sus resultados en campañas publicitarias administradas. Los científicos de datos y los equipos de medios de Strike trabajan juntos para desarrollar microcampañas que permitan realizar pruebas discretas de combinaciones de datos. Cuando una combinación funciona o cumple con los indicadores clave de rendimiento, la inversión publicitaria se reasigna de conjuntos de anuncios de bajo rendimiento a aquellos que están más dentro del objetivo.

Luego, los resultados de la campaña se retroalimentan a la combinación de datos, donde los científicos de Strike continúan refinando los modelos estadísticos para mejorar el rendimiento una y otra vez.

El proceso continuo de consulta, modelado y prueba nunca se detiene en el mundo del análisis de datos, ni puede detenerse, ya que los datos cambian constantemente. Cuando las personas crecen, adquieren intereses y abandonan viejos hábitos. La cultura también evoluciona, como lo demuestran los métodos de comunicación mejorados.

Con la tecnología, las técnicas perfeccionadas durante años ahora se ven eclipsadas en cuestión de meses, como el ritmo acelerado de aprendizaje disponible con la IA.

“Dado el aumento exponencial del uso del teléfono inteligente, la televisión inteligente y otros dispositivos electrónicos avanzados, es posible recopilar información individualizada, lo que permitirá la entrega dedicada de anuncios individualizados”, dice Bu. “En el futuro, la red será más barata y la cobertura de uso será más amplia, por lo que la audiencia de los anuncios de video crecerá rápidamente”.

Sin las mentes inquisitivas de los científicos de datos de Strike, y su intrépido compromiso con la experimentación de datos, los avances tecnológicos de la IA no serían posibles.

Así es como su trabajo está cambiando la publicidad en las redes sociales.

^{Los científicos de datos de Strike, Jeongku Lim, Dmitry Bandurin y Bing Bu, tienen doctorados en física elemental o experimental.}

Ciencia de datos para una mejor gestión de la audiencia

Con las enormes cantidades de datos que se crean cada segundo, los especialistas en marketing deben controlar los resultados defectuosos debido a sesgos inherentes, conjuntos de datos incompletos o muestras demasiado pequeñas.

Un científico de datos entiende que las audiencias no se basan únicamente en la demografía, sino que están compuestas por personas con diferentes comportamientos, puntos débiles e intereses.

El análisis de datos de calidad incorpora pistas de comportamiento de cookies, análisis web, contenido generado por el usuario y otras fuentes de datos masivos. Para crear audiencias detalladas y útiles, los científicos de datos fusionan grandes conjuntos de datos para permitir que los grandes datos formen segmentos que ofrezcan información real sobre los comportamientos de sus clientes.

Las audiencias de calidad se verifican mediante pruebas en campañas publicitarias y dependen de la actualidad, la frecuencia y la profundidad de los datos.

Recuerde, la creación de audiencias comienza con una hipótesis basada en variables y objetivos conocidos. Por ejemplo, la suposición inicial de una compañía de seguros podría ser: personas que buscan un seguro de automóvil en línea, entre 18 y 50 años, que poseen al menos un automóvil. Una hipótesis bien formulada limita lo suficiente su análisis al mismo tiempo que produce suficientes resultados para descubrir información sobre el comportamiento y la motivación.

Ciencia de datos para un modelo de atribución adecuado

La atribución de marketing adecuada, o la ciencia de determinar qué mensaje generó una compra, se basa en datos tanto de los que convierten como de los que no. Como estos datos pueden ser muy grandes, se necesita un modelado avanzado para identificar y acreditar correctamente el evento que condujo a la conversión del usuario.

Gracias a la tecnología mejorada, como la IA, las marcas ahora comprenden mejor el camino del consumidor para comprar. Con suficientes datos, los científicos pueden analizar los canales y dispositivos de marketing para mejorar los puntos de contacto y mejorar los mensajes.

Ciencia de datos para mejores ofertas en tiempo real

Los avances en la segmentación de la audiencia y una comprensión más profunda de los eventos de conversión han llevado a la práctica de RTB, un método para comprar y vender anuncios. RTB permite comprar una impresión de anuncio individual simultáneamente con la visita de un usuario a un sitio web.

Si alguna vez miró un producto en un sitio web, luego pasó a revisar su feed de redes sociales, solo para ver un anuncio del mismo producto, probablemente haya experimentado RTB a través de un anuncio dirigido.

O digamos que compró su primera casa y está cansado de comer en platos de plástico. Decides visitar Macy's en línea para buscar cubiertos nuevos. Aún no está listo para comprar, decide visitar Facebook para ver qué está pasando con su familia y amigos. Mientras se desplaza por su feed, ve un anuncio con la imagen exacta del plato que acababa de ver.

RTB amplía el proceso de compra y permite la orientación directa a usuarios individuales. Para participar en el proceso, los científicos de datos deben tener acceso a grandes cantidades de datos y poseer la experiencia adecuada para clasificar y recuperar información útil para obtener información procesable.

Hacia dónde se dirige la ciencia de datos

A veces, el campo de la ciencia de datos parece expandirse tan rápido como el universo que Bandurin, Bu y Lim pasaron tantos años explorando.

“La ciencia de datos continuará ayudando a diferentes empresas a resolver problemas, haciendo que las cosas estén más automatizadas”, dice Bandurin. “El desarrollo de autos sin conductor es un ejemplo, pero también la automatización de otros vehículos, incluidos aviones, jugar al ajedrez, ayudar a personas con discapacidades y verdaderos androides en todas las esferas de la vida humana”.

El resultado será un mundo completamente nuevo tal como lo conocemos.