‘La audiencia que no existe: por qué la programática necesita menos datos y más verdad’, por Julian Garritz (Garritz)

Hagamos un ejercicio incómodo. Piense en cualquier segmento de audiencia que haya comprado en el último año: intencionistas de automóvil, viajeros frecuentes, compradores premium, el que sea. Ahora pregúntese si sabe cómo se construyó. No lo que promete la ficha comercial, sino cómo se construyó de verdad. Qué señales entraron, cuáles se descartaron, con qué umbrales, contra qué línea base.

Si la respuesta es que no, tranquilo, le pasa a casi todo el sector. La programática lleva una década comprando cajas negras. Y la desaparición de las cookies de terceros no ha resuelto el problema; lo ha disfrazado. Hemos cambiado cajas negras basadas en cookies por otras cajas negras “contextuales” que muchas veces se limitan a leer keywords en una página y llamar a eso inteligencia artificial.

En Garritz llevamos tiempo defendiendo una idea que suena casi a herejía: la próxima ventaja competitiva de esta industria no va a ser tener más datos, sino poder explicar cada dato que se usa. Para eso hacen falta tres capas que casi nadie combina: contexto, movilidad y comportamiento.

Primera capa: el contexto como variable viva

El contextual clásico clasifica URLs. Nosotros buscamos otra cosa: identificar intereses. Nuestro sistema procesa con IA un inventario premium de más de 11.000 sitios, apps y CTV sobre una taxonomía IAB de más de 97 categorías, y el listado resultante se recalibra cada hora contra el comportamiento efectivo del inventario, porque una foto fija sirve de poco. Un site de deportes puede funcionar muy bien para una marca de finanzas un martes por la mañana y ser puro ruido un domingo por la tarde. Si el contexto no se mueve con el consumo real, lo que tenemos es una etiqueta con otro nombre.

Y aquí está lo que casi nadie más ofrece: el targeting baja a nivel de URL, no se queda en el dominio. Leer qué consume exactamente cada usuario (su digestión contextual, por llamarlo de algún modo) nos permite mapear en qué punto del funnel está. Quien lee una comparativa de modelos no está en el mismo momento que quien busca el horario del concesionario más cercano; al primero hay que educarlo y al segundo, empujarlo. El mismo dominio, dos mensajes distintos.

Segunda capa: la movilidad, o el arte de descartar

Aquí está el corazón de nuestra tecnología, y también su parte menos glamurosa. Procesamos más de 350.000 millones de señales móviles al mes que, antes de convertirse en audiencia, pasan por una depuración que elimina a la gran mayoría. Sí, la mayoría se tira. Y precisamente por eso lo que queda vale.

Que un dispositivo aparezca cerca de un concesionario no lo convierte en visitante. Para contarlo como tal exigimos que esté dentro de un radio muy ajustado alrededor del punto de interés y que permanezca un tiempo mínimo, lo que ya descarta al que solo pasaba por delante. Después excluimos sistemáticamente a los residentes de la zona, a los empleados del establecimiento y a los patrones de señal que no parecen humanos. Y vigilamos un fenómeno del que casi nadie habla: cuando varias marcas comparten dirección (un hub de concesionarios, un centro comercial), los volúmenes de dispositivos se inflan, y ese efecto de clúster hay que identificarlo y aislarlo antes de que contamine el análisis.

El resultado son audiencias más pequeñas de lo que promete el mercado, y bastante más reales. Un click se puede fingir. Quince minutos dentro de un showroom, ya cuesta más.

La depuración, además, es solo la mitad del trabajo. Sobre las señales que sobreviven aplicamos algoritmos que combinan journeys completos (los circuitos que un dispositivo repite, los lugares que encadena, a qué horas) para inferir perfiles de consumo: género, edad, intención de compra. Nadie declara nada en un formulario; el patrón de movimiento lo cuenta solo, y siempre sobre datos agregados y anonimizados.

Tercera capa: el comportamiento medido contra una línea base

La tercera capa es donde la movilidad se convierte en estrategia. Saber que los visitantes de una marca también van a gimnasios premium no dice gran cosa por sí solo; a lo mejor es lo que hace todo el mundo en esa ciudad. Por eso nuestro modelo de afinidad trabaja con un ratio de ratios: mide cuánto sobreindexa un comportamiento en la audiencia de la marca respecto a la población base de su mercado, con una calibración estadística que se adapta al volumen de señal disponible. Una afinidad del 300% en fitness premium quiere decir que esa audiencia va al gimnasio tres veces más que el ciudadano medio de su ciudad. Eso ya es un dato con el que se puede trabajar.

Hay además un análisis que suele cambiar la conversación comercial de raíz: cruzar la audiencia propia con la de la competencia. Si el solapamiento es alto, su cliente ya está visitando al competidor y el mensaje tiene que retener antes que seducir; la batalla es de fidelización. Si es bajo, hay territorio por conquistar. Son dos estrategias opuestas, y solo el dato físico permite distinguirlas. Ningún panel ni ninguna encuesta le va a decir si sus clientes están pisando el showroom de enfrente.

Esta capa mira, por último, en dos direcciones. Hacia adelante alimenta un enfoque predictivo: qué audiencias tienen más probabilidad de convertir antes de gastar el primer euro en medios. Y hacia atrás habilita lo que llamamos post-buy forensics, una auditoría con dato físico de lo que pasó después de la campaña (quién terminó pisando el punto de venta y quién no) que sirve para afinar los modelos de atribución y medir el impacto real en ROAS. La misma capa que segmenta, corrige la medición.

La capa cero: activar sin fricciones

Todo lo anterior se quedaría en un ejercicio académico si terminara en un PDF. No termina ahí. Los segmentos construidos sobre esta triple capa se validan y se activan directamente en los principales exchanges y DSPs del mercado, con identificadores concretos y volúmenes verificados. Del insight a la impresión sin exportaciones manuales ni traducciones entre equipos. La inteligencia de mercado informa decisiones; la operativa las ejecuta, que es otra cosa muy distinta.

Menos datos, más verdad

Trabajamos cada día con marcas de automoción, retail, entretenimiento y turismo en Europa y Latinoamérica, y el patrón se repite en todas partes: los anunciantes están cansados de segmentos infinitos que no explican nada. Prefieren una audiencia de la que podamos defender cada dispositivo antes que un millón de identificadores de origen dudoso.

El futuro de la programática no obliga a elegir entre privacidad y precisión. Lo que hace falta son arquitecturas capaces de leer al consumidor en sus tres dimensiones (lo que consume, dónde se mueve, cómo se comporta), de medirlo siempre contra una línea base honesta y de convertir esa lectura en activación inmediata sobre datos agregados y anonimizados.

La audiencia perfecta que le prometieron probablemente no existe. La real, verificable y activable, sí. Y es la única que convierte.

Julian Garritz, co-Founder and General Manager de Garritz