La próxima era de las subastas programáticas será para quien sepa explicar mejor el valor de las impresiones
¿Esto de la programática no iba de datos, algoritmos y eficiencia? Al menos es lo que solíamos decir y servía para justificar casi cualquier fee... Pero si te pones a rascar un poco, la dinámica de poder es bastante más sencilla: quien recibe el dato de conversión manda… y ese, tradicionalmente ha sido el DSP.
El anunciante activa una campaña, el usuario convierte (o no), la medición registra lo que puede, el DSP aprende algo y el SSP se queda mirando desde el otro lado de la subasta, como ese invitado a la cena que ha puesto la casa, la mesa y parte del vino, pero al que nadie le cuenta cómo acabó la noche. La imagen es un poco injusta, pero déjame que te diga que quizá no demasiado.
Después de una campaña, los datos de conversión vuelven al anunciante, al vendor de medición y al DSP, pero casi nunca vuelven al SSP. Este detalle explica buena parte de los últimos quince años de jerarquía programática mejor que muchas discusiones sobre first-price auctions, SPO o inteligencia algorítmica. El DSP ha construido su ventaja porque está al final del feedback loop. Ve resultados, entrena modelos, ajusta pujas y aprende qué combinaciones de usuarios, inventario, señales y contextos parecen funcionar. El SSP en cambio, tiene una visión privilegiada del momento previo a la impresión: contexto, publisher, sesión, profundidad de navegación, señales on-device, comportamiento dentro del entorno, relación con el contenido, pero normalmente no sabe si aquello acabó generando una venta, una visita, un registro o simplemente otro bonito gráfico en un post-campaign que nadie volvió a abrir.
Mientras la programática era sobre todo un juego de volumen, esa asimetría DSP-SSP era tolerable: el sell-side optimizaba yield, el buy-side optimizaba performance y todos fingíamos que la subasta era un mercado razonablemente eficiente, pero si la industria se mueve hacia compra basada en resultados, optimización agéntica y modelos que prometen decidir mejor que un trader humano con tres pantallas y demasiados Excel abiertos, esa separación empieza a ser un problema estructural porque la compra por outcomes no puede depender solo de una mitad del cerebro.
El DSP sabe más del resultado, pero sabe menos de lo que estaba ocurriendo exactamente en el supply en el instante anterior a la puja, mientras que el SSP sabe más del contexto, pero no puede conectar con precisión esas señales con el resultado final. Es decir, uno ve el antes y el otro ve el después y ahora parece que queremos que una de esas dos partes sobre, pero no, no puede. La interesante promesa de la compra agéntica no está en decir que ahora tendremos “agentes” haciendo lo mismo que antes, pero con una interfaz más futurista. Lo relevante es que por primera vez, puede existir un mecanismo para que el agente del sell-side y el agente del buy-side compartan señales de forma más estructurada, más específica y más útil para calcular valor.
Pongámoslo de una forma sencilla: un SSP puede saber que una impresión aparece en una sesión de alta profundidad, junto a contenido de comparación de producto, en un entorno donde el usuario ha mostrado señales recientes de intención. Quizá incluso tenga datos derivados de un SDK, secuencias de interacción, contexto de dispositivo o patrones de retorno. Todo esto puede ser muy valioso, pero si esas señales llegan al DSP como una etiqueta pobre, genérica o mal normalizada, el modelo de compra no tiene grandes motivos para tratarlas como algo especial. Ahora imaginemos otro escenario: un agente del sell-side no solo pasa una taxonomía, sino que explica con más precisión que esa impresión tiene un cierto contexto, con una serie de señales, y un nivel estimado de intención y que además tien una base de datos que lo respalda. El agente del buy-side cruza esa información con su histórico de resultados y puede responder: cuando aparece este tipo de cluster contextual, en esta categoría, con este perfil de exposición, la conversión tiende a mejora y no porque el SSP lo diga ni porque el DSP lo adivine sino porque ambos aportan una parte del puzzle. ¡Ahí cambia todo!
El precio de una impresión deja de depender únicamente de lo que el DSP puede inferir desde su lado y el sell-side empieza a participar en la construcción del valor, no solo en la ejecución de la transacción, y eso para una industria que ha tratado al SSP demasiadas veces como infraestructura intercambiable, es bastante más relevante de lo que parece… Pero querido lector, aquí viene lo complicado: no todos los SSPs están preparados para esto.
En la etapa agéntica, no bastará con decir que se tiene acceso a publishers premium o inventario de calidad, eso ya lo dice todo el mundo, y hasta lo dicen quienes tienen tres hops de distancia y un PowerPoint con palabras como “curation”, “quality” y “directness”. La principal diferencia estará en la capa de enriquecimiento: qué señales propias puede aportar el sell-side, con qué granularidad, con qué permisos, con qué consistencia y con qué capacidad de ser validadas por el buy-side. Las señales de contenido pasadas por el publisher serán importantes, pero probablemente no suficientes. El valor diferencial estará en integraciones más profundas, señales de sesión, comportamiento de interacción, contexto de dispositivo, patrones de retorno, datos validados de intención y modelos que permitan entender no solo dónde aparece una impresión, sino por qué esa impresión podría valer más que otra aparentemente similar. Dicho de otra forma: el sell-side tendrá que dejar de vender inventario y empezar a vender “explicación”, pero no explicación comercial, sino explicación técnica, verificable, una explicación que un agente del buy-side pueda usar para ajustar precio, priorizar supply y justificar una decisión ante un anunciante que ya no quiere comprar inventario, sino resultados.
Esto cambia también la lógica de price discovery. Hoy en día cualquier SSP puede tener una impresión muy valiosa, pero si no puede demostrar por qué es valiosa en términos que el comprador entienda y pueda contrastar, difícilmente podrá capturar ese valor. El DSP acaba marcando el precio con lo que ve y si lo que ve está incompleto, el precio también lo estará.
Con la colaboración agéntica, el mercado podría acercarse a una valoración más rica de la impresión: el SSP aporta señales de intención, contexto y calidad previa a la puja mientras que el DSP aporta histórico de outcomes, atribución y aprendizaje posterior. La puja resultante, al menos en teoría, puede reflejar una idea más completa del valor real, quizá no sea perfecta ni mágica y ni siquiera estará libre de incentivos raros, que para eso seguimos en AdTech… pero sí menos ciega.
La ironía es que el sell-side lleva años quejándose y con razón, de que la compra programática reduce el valor editorial, contextual y cualitativo a una puja demasiado estrecha, pero ahora puede abrirse una ventana para corregir parte de esa asimetría, pero no con discursos sobre calidad, sino con datos, señales, interoperabilidad y una participación real en el feedback loop.
El futuro de la puja no lo ganarán solo los DSPs, ni tampoco lo ganarán automáticamente los SSPs por estar cerca del inventario, lo ganarán quienes sean capaces de demostrar, antes de que ocurra la impresión, por qué esa oportunidad merece otro precio y quienes puedan demostrar, después, que tenían razón. Hasta ahora, la inteligencia programática vivía principalmente donde terminaba la campaña, pero la siguiente batalla será decidir si también puede vivir donde empieza.
Puntos clave:
El DSP ha dominado la inteligencia programática porque recibe el feedback de conversión, mientras que el SSP suele conocer el inventario, el contexto y la señal previa a la impresión, pero no el resultado posterior.
La compra agéntica puede cambiar esta dinámica si permite que agentes del buy-side y del sell-side colaboren para valorar mejor cada oportunidad de impresión.
Los SSPs que no aporten señales enriquecidas y verificables seguirán siendo pipes; los que sí lo hagan podrán influir en cómo se define el valor del inventario en la próxima etapa programática.
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.
