CTV quiere dejar a los agentes que decidan dónde comprar, pero el mercado sigue sin comportarse como una máquina
En publicidad hay una obsesión bastante comprensible por quitar personas de las decisiones que las personas hacen mal. Elegir inventario entre miles de oportunidades, cruzar audiencias, controlar frecuencia, comparar rendimientos y mover presupuestos continuamente parece, sobre el papel, un trabajo hecho a medida para un agente de inteligencia artificial. CTV es además uno de esos verticales donde la cantidad de variables creció bastante más deprisa que la capacidad humana para gestionarlas.
A finales de septiembre, NBCUniversal, FreeWheel, Carat y la empresa de investigación Newton dieron otro paso en esa dirección. Las cuatro empresas trabajan en una iniciativa que utiliza agentes personalizados para ayudar a los anunciantes a decidir qué inventario de streaming comprar en función del resultado que persiguen. El sistema combina datos de identidad de NBCU y FreeWheel con inteligencia de audiencias de Dentsu y Newton y utiliza información de rendimiento para recomendar inventario. Un retailer de lujo, cuyo nombre no se ha hecho público, es el primer anunciante que lo está utilizando.
La dirección resulta bastante lógica. Digamos que llevamos muchos años automatizando la ejecución de medios manteniendo una parte importante de la decisión en manos humanas, pero ahora empezamos a automatizar también esa capa. Ya no se trata únicamente de que una máquina ejecute la puja que alguien ha configurado, sino de que interprete el objetivo y proponga qué comprar para conseguirlo.
Carat está desarrollando agentes adaptados a KPI’s concretos, desde incremento de búsquedas hasta alcance incremental. Si funciona como está planteado, el resultado sería una CTV bastante más cercana a la lógica del performance: defines qué quieres conseguir y el sistema intenta construir el camino hasta allí.
Suena estupendo, ¿verdad? Pero ojo, que también tiene una trampa bastante evidente. Si enseñamos a un agente que su trabajo consiste en maximizar un resultado que podemos medir rápidamente, tenderá a favorecer aquello que produzca ese resultado rápidamente. El problema es que una parte importante del valor histórico de la televisión nunca se produjo así. Una campaña puede aumentar consideración, familiaridad o predisposición hacia una marca sin generar una búsqueda mañana por la mañana; puede influir en una compra semanas después e incluso puede hacer que otro canal funcione mejor sin quedarse con el mérito en el dashboard. Si cada compra termina juzgándose únicamente por resultados inmediatos, los anunciantes pueden sacrificar construcción de marca a largo plazo para perseguir ganancias que aparecen antes en la medición.
Pero déjame que te diga que no es un problema específico de la IA, sino un problema de objetivos. El agente hará exactamente lo que le pidamos, y ahí reside precisamente el peligro. Tradicionalmente se ha culpado al algoritmo cuando optimizaba campañas hacia inventario barato, audiencias fáciles de convertir o usuarios que probablemente habrían comprado de todas formas, pero un algoritmo que maximiza la métrica que hemos definido no está haciendo trampas, tan solo está exponiendo la pobreza de nuestra definición de “éxito”.
Pues bien, la IA agéntica puede aumentar mucho esa capacidad. Antes, una optimización demasiado agresiva encontraba algún freno humano: un planner que cuestionaba el movimiento, un cliente preguntando por la cobertura, un responsable de marca recordando que había otros objetivos además del CPA. Un agente puede analizar miles de combinaciones y ejecutar una decisión con mucha menos fricción. Esto hace todavía más importante decidir qué señales permitimos que gobiernen el presupuesto. CTV tiene además otra particularidad: debajo de toda esa sofisticación tecnológica sigue existiendo un mercado con precios y dinámicas que a veces parecen bastante menos racionales de lo que nos gusta admitir.
Veamos todo esto con un ejemplo “político”: imagina que en las retransmisiones de la NFL, los espectadores que viven fuera de Texas vean publicidad favorable a Ken Paxton, que es el candidato republicano al Senado por ese estado. A primera vista, comprar una “audiencia nacional” para una campaña que se decide exclusivamente en Texas parece una forma bastante “creativa” de tirar el dinero, pero puede haber una explicación que puede ser exactamente la contraria. Según recogió el medio tejano Chron, el PAC que apoyaba a Paxton probablemente compró inventario nacional porque entrar en el saturado mercado televisivo de Texas resultaba más caro: comprar un único spot de treinta segundos en Houston, Dallas, San Antonio y Austin durante el Cowboys-Texans podría superar los dos millones de dólares, así que una campaña dirigida a votantes texanos podía encontrar económicamente razonable pagar también por impresiones en gente de Chicago, Nueva York o cualquier otro lugar del país. Esto que parece una anécdota política, en realidad explica bastante bien el tipo de mercado que los agentes van a tener que aprender a navegar. Y esto me lleva al siguiente punto; la decisión más óptima no siempre es la más intuitiva: “Comprar Texas” puede ser más caro que “Comprar Estados Unidos”. Un inventario aparentemente desperdiciado puede formar parte de la ruta de menor coste, una plataforma premium puede aportar menos alcance incremental que otra menos prestigiosa, y un CPM más barato puede terminar siendo la opción más cara cuando se mide el resultado final.
Ahí los agentes pueden ser realmente útiles, porque son capaces de encontrar relaciones que una planificación basada en categorías demasiado rígidas puede pasar por alto, pero también complican otra cosa: explicar por qué se tomó la decisión. La industria ha intentado conseguir más transparencia sobre supply paths, fees, subastas y optimización y ahora estamos construyendo sistemas que pueden tomar miles de decisiones a una velocidad imposible de supervisar manualmente. Si un agente decide que comprar inventario nacional es la mejor forma de alcanzar un objetivo local, quizá tenga razón, pero la cuestión es si comprador, cliente y auditor pueden reconstruir después el razonamiento del agente. Este es, probablemente, el problema que va a acompañar a la siguiente fase de CTV: la automatización puede hacer la compra considerablemente más sofisticada, pero sofisticación y buen criterio no son sinónimos.
Y todavía queda una cuestión más delicada: cuanto más orientemos CTV hacia resultados medibles y cuanto más capaces sean los agentes de encontrar exactamente el inventario que produce esos resultados, mayor será la tentación de valorar la televisión con la misma lógica que Search o performance. Sería curioso que, después de conseguir finalmente que las máquinas entiendan cómo comprar televisión, terminemos enseñándoles a ignorar aquello para lo que la televisión era especialmente buena.
Puntos clave:
NBCUniversal, FreeWheel, Carat y Newton trabajan en agentes personalizados que combinan datos de identidad, audiencias y rendimiento para recomendar inventario de streaming según el objetivo del anunciante.
La automatización puede acercar la compra de CTV a modelos más orientados a resultados, pero también empujar inversión hacia aquello que puede probarse rápido y penalizar construcción de marca a largo plazo.
La paradoja del mercado sigue intacta: en Texas, una campaña política habría encontrado más barato comprar cobertura nacional durante la NFL que competir por determinadas inserciones locales.
Este resumen lo ha creado una herramienta de IA basándose en el texto del artículo, y ha sido chequeado por un editor de PROGRAMMATIC SPAIN.
