El impacto de las leyes digitales en las estrategias de segmentación de audiencias

Hoy en día existe la necesidad de adoptar nuevos enfoques para la creación de audiencias, que se desvían significativamente de las estrategias empleadas en años anteriores. Esta necesidad tiene su origen en los cambios regulatorios, especialmente en la introducción de la Ley de Mercados Digitales (DMA), un reglamento lanzado por la Comisión Europea que entró en vigor el 6 de marzo de 2024.

La DMA no está vinculada directamente a las metodologías de formación de audiencias, pero sí les afecta, y en los siguientes párrafos veremos cómo.

La DMA pretende, por un lado, proteger la privacidad de los usuarios y, por otro, garantizar una competencia más justa e igualitaria en los mercados digitales.

Una de las novedades más relevantes introducidas por la DMA se refiere a la figura de los «gatekeepers» o guardianes de acceso: entidades que regulan el acceso a funcionalidades digitales y que deben cumplir requisitos específicos para ser clasificados como tales. Los criterios incluyen: tener un tamaño significativo, con ingresos superiores a los 7.000 millones de euros en los últimos tres años; disponer de un amplio acceso a los datos de los usuarios; y contar con una posición sólida en el mercado.

Las empresas identificadas actualmente como guardianes de acceso son: Alphabet (la matriz de Google), Amazon, Apple, ByteDance (la matriz que controla TikTok), Meta y Microsoft. Estos seis gigantes gestionan un total de 22 «Servicios de Plataforma Básicos», que cubren diferentes sectores: mercados, redes sociales, servicios de publicidad en línea, sistemas operativos, motores de búsqueda y navegadores.

Para la DMA, la importancia de los guardianes de acceso reside en su capacidad para influir significativamente en la dinámica del mercado, ya que su control sobre ciertas plataformas puede restringir el acceso a competidores más pequeños. Para contrarrestar esta tendencia y promover un entorno de mercado más justo, los guardianes de acceso deben cumplir ciertas obligaciones, a saber:

• Garantizar una mayor apertura en sus plataformas. Por ejemplo, si un usuario busca una ubicación específica a través de Google en Chrome, debe poder recibir resultados que incluyan no solo Google Maps, sino también servicios similares ofrecidos por otras empresas, a fin de reducir las barreras de entrada para competidores potenciales;
• Obtener el consentimiento explícito de los usuarios antes de utilizar sus datos. La responsabilidad de la recopilación y el tratamiento de los datos ya no es prerrogativa exclusiva de las empresas; los guardianes de acceso deben garantizar que las plataformas de terceros también operen de conformidad con el consentimiento proporcionado por los usuarios.

Google, con respecto al cumplimiento de la DMA, ha indicado que a partir de 2024 será esencial obtener el consentimiento explícito antes de enviar datos a las plataformas. Con este fin, ha comenzado a mejorar y actualizar las tecnologías de gestión del consentimiento que, aunque desarrolladas antes de 2024, se han vuelto cruciales para el cumplimiento de la nueva normativa: este es el caso del modo de consentimiento.

Consent Mode: qué es y cómo funciona

El Consent Mode es una tecnología introducida en septiembre de 2020, cuya adopción no era obligatoria pero sí muy recomendable. Sin embargo, con la llegada de la Ley de Mercados Digitales, ha adquirido nuevas connotaciones y requisitos.

El Consent Mode permite el envío de señales sin cookies a Google, es decir, sin utilizar tecnologías basadas en cookies, para los usuarios que no han dado su consentimiento. Esto dará lugar a conversiones tanto observadas como modeladas. En el segundo caso, Google modela los datos anónimos y sin consentimiento mediante la aplicación de técnicas de aprendizaje automático, para estimar el número de usuarios que realmente completaron una conversión.

Los parámetros clave que sustentan la estructura del Consent Mode son «ad_storage», que gestiona el almacenamiento de información relacionada con la publicidad, y «analytics_storage», que gestiona la información relacionada con el análisis de datos.

Estos parámetros indican si el usuario ha consentido o no ser rastreado con fines de marketing. Si el usuario concede el permiso, el valor será «granted» (concedido); si no, será «denied» (denegado).

En 2024, con la introducción de la DMA, se introdujeron otros dos parámetros relacionados con la publicidad:

• «ad_user_data», que rige el consentimiento para los datos del usuario en la publicidad;
• «ad_personalization», que rige el consentimiento para la publicidad personalizada.

Estos dos parámetros no pueden separarse de «ad_storage», ya que se consideran un subconjunto del mismo. Su implementación tiene implicaciones significativas para la gestión de etiquetas y la creación y entrega de audiencias a las plataformas. Cuando un usuario otorga su consentimiento, las etiquetas funcionan normalmente, activando cookies de seguimiento de origen, que no se ven afectadas por el contexto sin cookies. Esto permite un seguimiento eficaz: las conversiones obtenidas son las reales observadas por las plataformas de medición publicitaria. Por otro lado, cuando se deniega el consentimiento, se activan etiquetas que no almacenan cookies y solo envían señales indicando el estado de consentimiento denegado. En caso de conversión, se envía una señal que recopila información anónima, por ejemplo, sobre la tecnología utilizada por el usuario, sin más detalles granulares. En lo que respecta a Analytics, se envían señales relativas a las páginas visitadas y a los eventos registrados, también sin cookies. Estos datos son modelados posteriormente por Google para proporcionar a las plataformas una estimación que, aunque no es totalmente exacta, se aproxima a las tasas de conversión reales de las plataformas. No implementar el Consent Mode resultará en:

• La desactivación gradual de las audiencias de remarketing, ya que Google dejará de transmitir datos sobre los usuarios que no hayan activado el Consent Mode;
• La dificultad para crear eficazmente estrategias de marketing basadas en audiencias similares (lookalike), que son esenciales para las campañas de generación de demanda;
• La imposibilidad de ejecutar campañas de remarketing dinámico, debido a la falta de datos y señales;
• La inexactitud en el cálculo de las conversiones, ya que no es posible modelar las conversiones de todos los usuarios que no han proporcionado su consentimiento.

Existen dos formas de implementar el Consent Mode:

• Implementación básica: las etiquetas no se activan a menos que el usuario proporcione explícitamente su consentimiento para las cookies. Si el usuario visita un sitio y da su consentimiento, las etiquetas no se desplegarán hasta que esté claro si desea ser rastreado. Una vez obtenido el consentimiento, el seguimiento comienza con información adicional relacionada con el Consent Mode, lo que permite modelar los datos de los usuarios que no han dado su consentimiento o los datos observados de los que sí lo han hecho.
• Implementación avanzada: todas las etiquetas de Google se activan independientemente del consentimiento del usuario, ya que el Consent Mode modula los pings y la información enviada. Una ventaja del enfoque avanzado es que el modelado no solo se limita a las conversiones en Google Ads, sino que también se extiende al comportamiento del usuario en Google Analytics, incluyendo el modelado de los datos de tráfico de los usuarios que no han proporcionado su consentimiento. Este trabajo de modelado basado en el aprendizaje automático requiere un volumen considerable de datos, al menos 700 clics en anuncios durante 7 días continuos por dominio o país, para que Google pueda modelar eficazmente los datos y proporcionar información útil para una percepción correcta de las conversiones, sesiones y tráfico.

Soluciones a los retos generados por las leyes digitales

En este contexto, se ha vuelto crucial para las empresas identificar e implementar estrategias eficaces que no solo cumplan con la normativa vigente, sino que también les permitan capitalizar este nuevo escenario de mercado más abierto y competitivo.

Consenso dinámico con el Modern Data Stack

El proceso de gestión del consentimiento del usuario se ha visto impulsado por normativas estrictas como el RGPD, que introdujo los banners de cookies obligatorios. Estas normativas han generado a menudo amplios debates y reflexiones entre los delegados de protección de datos (DPO) y los departamentos jurídicos de las empresas, lo que ha llevado a la necesidad de equilibrar el cumplimiento legal con el impacto empresarial. En algunos casos, esto ha implicado evaluaciones de coste-beneficio, lo que ha llevado a algunas empresas a correr el riesgo de no adherirse plenamente a las normativas de gestión de cookies y consentimiento.

Actualmente, ignorar la recopilación del consentimiento equivale a renunciar a la publicidad digital. Por lo tanto, es crucial cumplir la normativa y entender cómo gestionar los consentimientos expresados de diferentes maneras en distintos contextos. Por ejemplo, en el caso de usuarios que expresan su consentimiento para el marketing y la medición a través de una tarjeta de fidelidad, pero rechazan el consentimiento en el sitio web de la empresa.

Este es el reto de las empresas modernas: ser dinámicas y resilientes, especialmente aquellas que operan tanto en el mundo físico como en el digital, con diferentes puntos de interacción con el usuario.

Una solución es centralizar la gestión de datos en un único Cloud Data Warehouse. Este enfoque permite recopilar e integrar los datos transaccionales y de comportamiento con los datos de consentimiento, creando una plataforma que está siempre actualizada en función del último consentimiento del usuario y es capaz de reaccionar adecuadamente.

Contar con un punto único y centralizado para la gestión del consentimiento sitúa a la empresa en una posición ventajosa con respecto a las obligaciones impuestas por las leyes digitales.

Enfoque en las audiencias de origen (First Party Audiences)

Las leyes digitales han impactado en el proceso de vinculación de los servicios ofrecidos por los grandes actores digitales, imposibilitando la vinculación del comportamiento del usuario entre diferentes propiedades sin el consentimiento explícito del usuario.

La desvinculación no conduce necesariamente a una degradación de las audiencias, pero es ampliamente reconocido entre los analistas y las propias plataformas digitales que la calidad de las audiencias internas, como las que podrían reunirse dentro de YouTube o las llamadas audiencias de «Acontecimientos vitales», disminuirá. Este fenómeno se ve agravado por la eliminación progresiva de las cookies de terceros.

Para mantener audiencias de calidad, es esencial obtener el consentimiento del usuario y crear audiencias de origen. Al buscar en línea las mejores prácticas para las leyes digitales y cómo reaccionar ante la desvinculación, se pueden encontrar las audiencias de origen entre las primeras estrategias. Google, por ejemplo, ha organizado numerosos seminarios web sobre este tema.

Para crear eficazmente audiencias de origen, además del consenso, es crucial contar con un punto de agregación de datos sólido. Además, los algoritmos de IA desempeñan un papel fundamental en este proceso, permitiendo enriquecer y segmentar dinámicamente la base de clientes. Un ejemplo es el algoritmo RFM para identificar a los clientes más importantes. O algoritmos específicos para analizar los intereses de los usuarios. Estos datos, una vez enriquecidos y modelados, pueden utilizarse para crear «audiencias semilla» que sirvan de base para campañas de audiencias similares.

En el pasado hubo cierta confusión sobre las campañas de audiencias similares debido a la decisión de Google de retirar las «audiencias similares». En realidad, las sustituyó por un nuevo conjunto de algoritmos que explotan la similitud de diferentes maneras.

Bytek Prediction Platform utiliza inteligencia artificial y datos de origen para agrupar a los usuarios, creando audiencias bien definidas que pueden enviarse continuamente a las plataformas publicitarias para un uso optimizado en las campañas.

Customer Match

La segmentación por lista de clientes (Customer Match) es una metodología que permite a las empresas utilizar datos de origen, como una dirección de correo electrónico cifrada (hashed), para identificar a los usuarios y enviarlos a plataformas publicitarias como Google, Meta o TikTok. Estas comprueban si la dirección de correo electrónico cifrada está presente en sus sistemas, sin revelar la identidad específica del individuo para preservar la privacidad. Si se reconoce el correo electrónico, permiten a las empresas realizar campañas de retargeting.

Esta técnica se ha considerado una estrategia pionera para el marketing digital, ya que evita el uso de cookies de terceros, beneficiándose de una relación directa 1:1 entre las plataformas y los usuarios. Sin embargo, como hemos visto, la introducción de la DMA ha planteado nuevos retos: Google y otras plataformas requieren el consentimiento explícito para mostrar publicidad personalizada a través de Customer Match.

Para implementar Customer Match, si se decide transferir datos a Google a través de un archivo CSV, la plataforma exige que los anunciantes confirmen que tienen el consentimiento específico para personalizar los anuncios. Esto requiere una doble confirmación a través de un banner. Por tanto, la responsabilidad de garantizar el cumplimiento recae en los anunciantes. Si, por el contrario, los datos se transmiten a través de API, el consentimiento para la personalización de anuncios debe especificarse para cada usuario, indicando si el usuario ha dado su consentimiento y a qué tipos de datos.

Por lo tanto, es necesario replantearse cómo debe gestionarse el propio consentimiento. Mediante el uso de herramientas como BigQuery para centralizar los datos, las audiencias pueden actualizarse dinámicamente según los cambios en el consentimiento del usuario. En ausencia de esta información de consentimiento específica en Google, la plataforma ignorará la fila de datos correspondiente.

Impulso de la conversión (Conversion Push)

Este aspecto a menudo no recibe la atención que merece: para optimizar la gestión del Consent Mode, es esencial trabajar también en la Plataforma de Gestión del Consentimiento (CMP). Una configuración inadecuada de estos elementos puede tener repercusiones no solo en el público objetivo, sino también en las propias conversiones. En un contexto en el que las campañas publicitarias están cada vez más impulsadas por la inteligencia artificial y dependen de las conversiones para la alimentación y el entrenamiento de los algoritmos, el bajo rendimiento de las campañas puede atribuirse directamente a una gestión del consentimiento subóptima.

Google ha introducido dos soluciones para abordar estos retos. La primera, que ya hemos visto, es el Consent Mode, que adapta las conversiones a los casos en los que no se dispone del consentimiento del usuario. La segunda solución es Enhanced Conversion (Conversiones mejoradas), una tecnología que permite enviar una señal de conversión incluso cuando el usuario no es rastreado a través de los píxeles tradicionales, aprovechando los datos personales. Esta tecnología puede implementarse a través de API, lo que permite a los operadores utilizar los datos recopilados en su Cloud Data Warehouse, como la dirección de correo electrónico del usuario, la fecha de conversión y el valor de la transacción, para transmitir esta información a las plataformas publicitarias. Dado que los usuarios suelen acceder a diversos servicios utilizando el mismo correo electrónico, las plataformas pueden vincular la visualización de un anuncio a una conversión específica, atribuyendo así el mérito a la campaña publicitaria adecuada.

Este proceso de atribución, antes predominante en sectores como el de la automoción —donde la compra puede producirse meses después del primer contacto, tras una prueba de conducción—, se considera ahora esencial para todo tipo de negocios. Sin esta práctica, se puede perder un número significativo de conversiones. El modelado de conversiones solo a través del Consent Mode puede no ser lo suficientemente eficaz.