Dynamic Creative Optimization (DCO): optimizando la publicidad digital de manera inteligente

Antiguamente, los anuncios no cambiaban. No tenían en cuenta datos como la ubicación del cliente, el dispositivo, el día de la semana y la hora del día, las condiciones climáticas, el historial de búsqueda y las interacciones previas en sites. Entonces surgió el término Dynamic Creative Optimization (DCO). Fácilmente combinado con el AdTech programático, crea y optimiza automáticamente anuncios personalizados en tiempo real.

El DCO utiliza datos de comportamiento, demográficos, psicográficos del consumidor para generar docenas, cientos o miles de variaciones de creatividad publicitaria. A lo largo de una campaña, los algoritmos de aprendizaje automático ajustan continuamente las creatividades publicitarias en función del compromiso del cliente con diferentes versiones. A medida que la tecnología sirve y prueba una variedad de combinaciones creativas, recopila datos sobre cómo funcionan los anuncios, que los clientes pueden utilizar para informar futuras campañas publicitarias.

A pesar de estar presente durante mucho tiempo, el DCO sigue siendo popular entre los profesionales del marketing. Ha evolucionado en los últimos años para incorporar IA generativa. Y aunque la próxima pérdida de señal puede desafiar todas las formas en que los anunciantes pueden optimizar sus anuncios, la creatividad sigue siendo una palanca clave que las marcas pueden utilizar para mejorar el performance.

¿Cómo funciona el DCO?

Incluso las campañas publicitarias simples se ejecutan en múltiples canales y se dirigen a múltiples audiencias. Rotar entre algunas creatividades según la hora del día podría requerir docenas o cientos de versiones. El DCO puede hacer este proceso complejo, laborioso y propenso a errores de forma más eficiente.

Para operar la tecnología DCO, los anunciantes construyen su creatividad publicitaria a partir de componentes intercambiables. Como las creatividades son modulares, los usuarios ven combinaciones cambiantes de titulares, subtítulos, imágenes, precios, logotipos, 'call to action' y otros elementos publicitarios. En cuanto a las pruebas, el DCO tiende a utilizar test A/B y pruebas multivariables porque el número de variaciones es alto en comparación con lo que una prueba A/B puede capturar.

En lugar de probar dos versiones, las pruebas A/B/n permiten n número de variantes que prueban cada uno un elemento publicitario. Por ejemplo, la variante A podría usar un esquema de color azul, la variante B un esquema de color rojo, la variante C un esquema de color blanco y negro y la variante D un esquema de color sepia. O la variante B podría probar un matiz diferente, mientras que la variante C prueba un titular diferente y la variante D prueba una imagen diferente. Las pruebas multivariables prueban diferentes combinaciones de elementos individuales dentro de cada variación publicitaria. Así que una sola variación publicitaria podría probar un 'call to action' diferente, un titular y un fondo diferente al mismo tiempo.

Dado que un algoritmo determina la mejor manera de unir estos elementos para una audiencia en función de los resultados de estas pruebas, el proceso puede ser "una operación secreta y bastante misteriosa en términos de qué creatividad está funcionando" o por qué una creatividad en particular está funcionando especialmente bien, dijo Nick Graham, consultor senior en Kepler EMEA.

La evolución del DCO

Con el tiempo, los formatos creativos digitales se han convertido en "fórmulas", dijo Graham, lo que hace que un enfoque automatizado y basado en algoritmos para planificar y desplegar campañas sea más atractivo. Pongamos como ejemplo los formatos preferidos de Google o Meta, a los que los anunciantes deben adaptarse. A medida que el titular, la imagen y el texto de la creatividad se estandarizaron más en la open web y en los walled gardens, "las diferentes variables pueden sacarse fácilmente y volver a introducirse para asegurarse de tener el tamaño de fotograma o los límites de caracteres correctos", comenta el experto.

Anteriormente, el DCO tenía un toque más humano, y algunas empresas aún adoptan un enfoque antiguo para desarrollar creatividades y optimizarlas manualmente a través de pruebas A/B o A/B/n en lugar de utilizar tecnología DCO, dijo Graham.

Con un DCO más manual y dirigido por humanos, los anunciantes pueden determinar qué creatividad funciona mejor para una audiencia y comprender mejor qué productos, servicios o promociones ofrecer, explica Graham. Pero la tecnología DCO impulsa el performance a corto plazo porque el aprendizaje automático está optimizado únicamente para obtener resultados. No se basa en la intuición sobre lo que está funcionando o no.

Las herramientas de IA pueden "analizar las relaciones y correlaciones que los humanos no ven entre los clientes y las diferentes creatividades", dijo Graham. En lugar de probar partes de un anuncio, están optimizando en función de los atributos del cliente. La IA puede aislar las variables más probables de cumplir con los objetivos del anunciante y cambiar la creatividad en consecuencia. Gracias a la tecnología de IA generativa, los anunciantes pueden subcontratar tareas como escribir copys, insertar imágenes o modificar fondos a herramientas de IA, lo que permite una producción creativa a gran escala, lo que, a su vez, crea más opciones para probar.

A veces, las marcas recurren a las pruebas A/B (con solo dos opciones) porque no tienen tiempo para idear diferentes opciones, dijo Kevin Wang, director de producto de Braze.

La IA generativa es útil porque acelera el proceso de composición para que las marcas puedan explorar una variedad de ideas, aunque Braze generalmente recomienda 10-15 variantes, dijo Wang. Los profesionales de marketing pueden revisar la creatividad antes de que se publique.

¿Hacia dónde se dirige el DCO?

Para seguir siendo viable, el DCO tendrá que lidiar con la desaparición de third-party cookies y los fallos de las direcciones IP e IDs móviles. Para servir anuncios DCO de manera efectiva en el futuro, “los proveedores deberán tener conexiones tanto con el lado de la compra como con el lado de la venta", dijo Graham.

Los profesionales que deseen utilizar DCO se beneficiarán al usar empresas que tengan más partes de un adtech stack. Las plataformas de automatización de marketing como Flashtalking de Mediaocean y Adform, que tienen un adserver y un ID persistente en todos los dispositivos, seguirán viendo los efectos de la desaparición de las third-party cookies, dijo Graham.

Pero pueden ver dónde se posicionado un anuncio, a qué usuarios ha llegado, qué creatividades enviar a esos usuarios y qué anuncios se han entregado. Las empresas mejor posicionadas para servir anuncios DCO después de la pérdida de señales pueden ser los walled gardens como Google, Meta y Amazon debido a sus vastos conjunto de data.

No está de más mirar diferentes plataformas DCO para ver si pueden ofrecer anuncios en Open Web, dijo Graham, como display, apps y navegadores móviles. "Vale la pena entender las limitaciones que tienen estas empresas", dijo, investigando qué tan transparentes son sobre la medición, así como sus planes para el próximo año.

"Como marca o anunciante, si te adentras en el DCO, debes preguntarte: ¿Es para obtener información o para obtener perfomance a corto plazo?" dijo Graham. Los anunciantes deben desarrollar una estrategia que combine la toma de decisiones humanas con la optimización IA. Pero deben tener un profundo conocimiento de los procesos para saber la respuesta a esta pregunta: "¿Dónde comienza lo humano y dónde interviene el aprendizaje automático?".

Fuente: AdExchanger