‘El coste oculto de las Data Clean Rooms’, por Marta Herrero

Como sabéis, soy una fanática y enamorada de todo lo que permite una Data Clean Room y, debido a ello, en la mente siempre pienso en el flujo desde el inicio al fin. El mismo inicio y definición previa, mucho antes que el propio uso de la DCR, es el que vaticina el éxito del caso de uso, e incluso los costes.

En el mundo Adtech, existe este gran desafío de coordinación entre lo que cualificamos dentro de la compañía, y el cómo lo requieren externamente diferentes tecnologías.

Esta falta de sincronización produce un coste oculto en las Data Clean Rooms, que puede cargarse todo el ROI.

Recordemos: una Data Clean Room (DCR) permite una colaboración de datos de dos fuentes completamente distintas, con algún objetivo específico. Estamos alineando dos unidades de negocio diferentes o, incluso, dos empresas diferentes, para que, en conjunto, hablen el mismo idioma.

Lo que cada una tenga dentro de su base de datos vale de poco en una DCR, si no lo puede traducir la otra empresa con la que queremos colaborar.

¿De cuánto es la caída que puedo asumir en los datos finales de activación?

¿Si la caída es muy grande, me conviene realizar la Colaboración de Datos?

Establece el mínimo imprescindible para evitar sorpresas. Hay que buscar el máximo Match Rate Teórico.

El concepto de Match Rate, tradicionalmente, era tan solo un KPI que una plataforma mostraba. Por ello, parece que es un concepto creado por una tecnología Saas y que si falla, es responsabilidad de la tecnología y no la mía propia.

Pero lo cierto es que el Match Rate es una colaboración entre dos tecnologías. Implica la calidad del idioma común en el que hablan dos tecnologías como el CDP y el DSP.

Con el uso de una DCR estamos añadiendo una nueva tecnología con impacto en el Match Rate. Aunque de forma teórica, pues el movimiento solo se demuestra andando.

Match Rate Teórico será el resultado de la colaboración de datos, dentro de la misma DCR: Match Rate Real será el resultado final en el DSP, que es la plataforma de activación.

¿Cómo puedo obtener un Match Rate Teórico lo más alto posible?

Cualificación interna antes que la cualificación externa.

Por supuesto que tienes que alinearte con la empresa con la que vas a realizar la colaboración de datos, pero la realidad es que la alineación con los verdaderos datos que tienes, internamente, es más importante que cualquier otra.

Habla con tus equipos de IT para entender tus datos.

¿En qué momento se hashean los datos?

Los datos de tu base que conectan con la Clean Room, ¿estaban previamente Hasheados o en Bruto?

Te doy una mala noticia: si estaban previamente hasheados, lo más seguro que te impacte negativamente en el resultado final.

Ese hasheo nunca consideró tu caso de uso actual y, a no ser que alguien documentara exactamente cómo se realizó la normalización y el hasheo de los datos, lo más probable es que nunca adivines si coinciden con los métodos de tu partner o no.

Por lo tanto, lo mejor es hashear los datos antes de la salida hacia la DCR, y no reutilizar los datos hasheados creados para otros objetivos.

¿Utilizo toda mi base de datos o solo un segmento?

La inercia nos lleva a pensar que siempre es mejor enviar toda la base de datos. Pero ojo con esto, porque lo que nos puede llevar es a una decepción mayor.

Si el objetivo final es la activación, de nada nos sirve mandar toda una base de datos poco cualificada.

El timestamp, el último login o la última interacción, serán claves para que el Match Rate Teórico (el de la DCR) y el Match Rate Real (el del DSP) sean lo más parecidos posibles.

Si envías tus 50 millones de usuarios que llevas recogiendo desde 2010, lo más probable es que te enfades con tu contacto del DSP o de la Data Clean Room, y esa relación se vea dañada por falta de realidad y cualificación previa.

Recuerda que una query que analice ambas bases de datos y defina la colaboración tendrá un coste. Este coste será mucho mayor si no realizas una cualificación previa.

Este coste, que llamamos oculto porque nadie lo tiene en cuenta, es posible que acabe comiéndose los beneficios que la propia Colaboración de Datos te reporta.

Y luego diremos… “la data clean room no funciona”...

Marta Herrero, Adtech Solutions Consultant en Caixabank Tech