Author:Jose Manuel Glez. Corral

Identity-Management

Identity Management: de la cookie a la persona

«Lo que llamamos “casualidad” no es más que la ignorancia de las causas físicas.»
 Gottfried Leibniz

 

Las cookies, como una especie de mónada leibniziana, son el todo y la parte sobre las que se construyen los servicios en Internet. Hay cookies de todos los colores, aromas y sabores, cookies de primera y de tercera, cookies enriquecidas y cookies ramplonas, cookies analíticas y cookies intrusivas. Nada escapa a la cookie, en Internet somos cookies. Incluso varias al mismo tiempo (cada navegador que utilizamos es un YO hecho cookie, cada perfil social que creamos es una parte de nuestro EGO digital). Pieza fundamental para recordar los artículos recogidos en un carrito de la compra o facilitar el acceso a una red social, no hay estrategia de Marketing Digital que no se apoye en cookies para ser ejecutada.
Al igual que el propio Leibniz aportó tantas soluciones como paradojas con su Monadología, las cookies aportan tantas soluciones como limitaciones. Si la mónada es insustancial y al mismo tiempo base de la materia, ¿no caemos así en un absurdo? Si la cookie identifica al usuario sobre el que se definen las acciones de marketing y cada usuario puede ser varias cookies, ¿estamos impactando al usuario a la cookie adecuada?, ¿funcionan nuestras campañas “de casualidad” o realmente conocemos las causas del éxito?.

 

En este contexto, los consumidores cada vez más están demandando métodos de comunicación mas personalizados y eficaces, buscando el equilibrio con el tratamiento respetuoso y ajustado a la privacidad de sus datos, al tiempo que su YO digital está mas fragmentado, en un bucle antagonista; obligando, de alguna forma, al MKT Digital ha dirigir sus acciones a la persona cuando de facto lo está haciendo sobre la(s) cookie(s), y es el Identity Management la disciplina sobre la que apoyarse en este cambio de paradigma.
Tal cual ha sido definido en el Lexicograma Divisadero el Identity Managment: “la disciplina centrada en el establecimiento de atributos que definen a un individuo, y a través de los cuales puede establecerse una identificación inequívoca del mismo”.
Dentro de las diferentes estrategias que se pueden llevar a cabo para conseguir esa identificación de un individuo, y partiendo de la premisa de que los datos de primera parte se muestran como los datos mas valiosos para este propósito, la construcción de una identidad única e inequívoca de un individuo que interactúa con nuestra marca, pasa por pivotar sobre estos datos de primera parte e ir complementando dicha identidad con el resto de cookies y perfiles de tercera parte que se puedan ir integrando por diferentes métodos determinísticos y/o probabilísticos  de forma iterativa y continuada en el tiempo.

 

Esta estrategia supone un reto que tendría que tener en cuenta al menos los siguientes puntos:
  1. Contar con un Data-Layer robusto, consistente y homogéneo en nuestros activos digitales, de tal modo que los atributos que definen a cada individuo en su relación con nuestra marca genere un modelo de datos válido y completo.
  2. Definir espacios de integración del dato digital de primera parte con el CRM, de tal manera que aquellas cookies que puedan ser relacionadas con una persona, lo sean, por ejemplo, a través de la identificación en una zona privada.
  3. Trazar, a través de identificadores únicos y específicos, las iteracciones de los usuarios con servicios de tercera parte enlazados en nuestros activos, que puedan recoger atributos personales y que permitan la identificación del usuario (por ejemplo, servicios de call me back).
  4. Recoger identidades de redes sociales y/o correos electrónicos, debidamente encriptados y securizados, que permitan, a través de tablas de doble entrada vinculadas con los datos del CRM, establecer integración de perfiles anónimos con usuarios ya identificados.
  5. Las estrategias para la generación de Leads pasan a ser fundamentales en el proceso de creación de una identidad única de usuario.
  6. Los puntos anteriores permiten identificar personas de forma determinística a partir de cookies y otras id’s digitales.
  7. Donde no sea posible establecer identificaciones determinísticas se deben de establecer relaciones probabilísticas mediante, por ejemplo, modelos de matching tipo look-a-like, y definir acciones que permitan aceptar o rechazar la hipótesis, a un nivel de confianza elevado, de que se haya identificado unívocamente un usuario.
  8. Las acciones de MKT que se definan sobre los individuos identificados probabilísticamente han de ser diferentes a las que se realicen sobre usuarios identificados con acciones determinísticas. Nos encontramos ante lo que en contraste de hipótesis se conoce como error de tipo II, donde, si damos por válido la identificación de una cookie con una persona siendo esta identificación falsa, el error cometido es más contraproducente que dejar a una cookie sin identificar.
  9. Se ha de poner foco en integrar identidades probabilísticas en identidades determinísticas, de tal manera que la función de error asociada a los modelos de matching tienda a converger a cero.
  10. Diseñar una solución cloud para almacenar cookies y facilitar el proceso de generar id’s únicas de usuario mediante integración, modelado, técnicas de matching, reprocesado de identidades con nuevos atributos, etc. Los Big Data Lakes construidos en este contexto vuelven a cobrar sentido si generan identidades reutilizables por el resto del stack tecnológico de la compañía.

 

Si el grado de madurez del Marketing está llevando a las compañías a una transición del Performance Marketing (centrado en los canales de comunicación) al Omnichannel Marketing (centrado en los segmentos de usuarios), aquellas compañías mas disruptivas están considerando estrategias de People-Based Marketing (centrado en las personas) asumiendo los retos tecnológicos que ello supone, al tiempo que son perfectamente conscientes del aporte de valor que van a generar en los nuevos escenarios que se van definiendo.

 

Fuentes de información: este post está directamente influenciado e inspirado por la lectura de dos artículos de este mismo blog, a saber: Mas allá del DMP y Es el Momento de tomarse las cosas de modo personal 
0
0
MVP_Basket

Producto Mínimo Viable en proyectos Big Data

Quien con monstruos lucha cuide de convertirse a su vez en monstruo. Cuando miras largo tiempo a un abismo, el abismo también mira dentro de ti.
F. Nietzsche “Más allá del bien y del mal”

Abordar un proyecto Big Data implica Big Challenges, todo es BIG en este nuevo paradigma

 

Por supuesto, contamos con grandes cantidades de datos, que requieren grandes infraestructuras de IT para almacenarlas. Sin olvidarnos del gran esfuerzo que implica el aprovisionamiento de estos datos, cada uno generado en diferentes silos de la empresa, con su propio formato, su granularidad, su mayor o menor estructuración y, la mayor parte de las veces, sin documentación sobre cómo se genera, periodicidad, etc. El reto de convertir DATA into KNOWLEDGE requiere, también, de un gran equipo de Data Scientist y de gran capacidad de computación para atacar, procesar y modelizar los inmensos datasets para dar respuesta a los objetivos del proyecto (porque los objetivos se han definido antes de lanzar el proyecto, ¿verdad?)

LEER MÁS

2
0
MachineLearning_BigData

Por qué el Machine Learning no es la solución a tus problemas (de Big Data)

Much of the current enthusiasm for big data focuses on technologies that make taming it possible […]. While those are important breakthroughs, at least as important are the people with the skill set (and the mind-set) to put them to good use

 Data Scientist: The Sexiest Job Of the 21th Century . T. Davenport (2012)

 

Sin duda, vivimos en tiempos mediatizados por tendencias, hashtags, influencers, gurús, etc.  que, de forma sistemática, van posicionando, entre los términos más cool, diferentes conceptos de los cuales parece que todo el mundo tiene que hablar, debatir y tuitear. Detrás de esta democratización del conocimiento hay una evidente banalización del mismo, generándose, en muchos casos, conversaciones, debates y tweets con mucho continente y muy poco contenido. Uno de estos términos es Machine Learning (ML), considerado como la tendencia estrella en Big Data para el 2017, que parece viene para resolver todos esos problemas que, hasta ahora, se están encontrando las compañías que han acometido este tipo de proyectos.  Sin ánimo de quitar importancia al ML como herramienta para afrontar análisis sobre grandes volúmenes de datos y sobre los excelentes resultados que se pueden obtener al aplicar estos algoritmos en concreto, sí que sería conveniente no dejarse llevar por las tendencias sin contar con una mínima estructura que nos permita afrontar con garantías los vaivenes y tendencias del mercado de lo hype.

LEER MÁS

2
0
6-predicciones-de-Digital-Big-Data-para-el-2016

6 predicciones de Digital Big Data para el 2016

Toda tecnología lo suficientemente avanzada es indistinguible de la magia

Arthur C. Clarke

 

Realizar una predicción de futuro no es tarea sencilla, aunque contemos con robustos modelos de forecasting, incluso aquellos más avanzados requieren contar con suficiente histórico y un balanceo adecuado entre la totalidad de variables que el modelo demanda y la posibilidad de controlarlas (modelarlas) todas. Aún en estos casos, el intervalo de confianza en el cual se sitúa la predicción se amplia a medida que demandamos resultados más a largo plazo. Esto en un contexto matemático, cuando bajamos al mundo real, donde gran parte de las variables son ingobernables, realizar predicciones de futuro entra en el campo de lo especulativo y posteriormente del estudio del error 🙂 . No obstante, vamos a arriesgarnos y tratar de hacer alguna predicción sobre cuáles serán las tendencias en el mundo del Big Data para el 2016 y, particularmente, para el Digital Data; tenemos todo un año por delante para refutar o validar dichas ideas y poder reajustar el modelo.

LEER MÁS

0
1
Grafo complejo extraido de http://www.math.ucsd.edu/~fan/complex/

De la atribución a la contribución

No existe ninguna verdad fuera del mundo de las matemáticas. […] la filosofía ha muerto, porque de lo que no se puede hablar, mucho mejor es callarse

Tractatus Logico-Philosophicus  L. Wittgenstein []

 

Es difícil opinar acerca de algo después de tan lapidaria sentencia, no obstante, y dado que nos moveremos por la componente matemática del estudio de atribuciones en  campañas de marketing, desafiaremos al Wittgenstein aún a riesgo de socavar los fundamentos de la lógica.

Si en los entornos clásicos, la comunicación del usuario con los diferentes canales se realizaba a través de unos procedimientos establecidos, con pasos perfectamente definidos y con poco margen de interacción entre ellos, con la irrupción en el ecosistema de la empresa del entorno digital, donde el hipervínculo socava las jerarquías, las posibles interacciones de un cliente con la empresa a través de sus activos digitales se convierte cada vez más y más compleja. El enfoque CRM clásico, donde la información es estructurada a partir de grandes bases de datos diseñadas para almacenar y, posteriormente, estudiar y mejorar el customer journey, deja paso a grandes volúmenes de datos que, como comentamos en anteriores posts, tienen sus propias características, aumentando la entropía del propio sistema de información y forzando a la evolución en la forma de abordar el análisis.

LEER MÁS

0
0
DataLake

El Monstruo del Data Lake

No hay en el mundo fortuna mayor, creo, que la incapacidad de la mente humana para relacionar entre sí todo lo que hay en ella. Vivimos en una isla de plácida ignorancia, rodeados por los negros mares de lo infinito, y no es nuestro destino emprender largos viajes. Las ciencias, que siguen sus caminos propios, no han causado mucho daño hasta ahora; pero algún día la unión de esos disociados conocimientos nos abrirá a la realidad, y a la endeble posición que en ella ocupamos, perspectivas tan terribles que enloqueceremos ante la revelación, o huiremos de esa funesta luz, refugiándonos en la seguridad y la paz de una nueva edad de las tinieblas.

La llamada de Cthulhu. H.P. Lovecraft

Si el Digital Big Data se está consolidando como tendencia, tal y como comentamos en un artículo previo, el Data Lake o lago de datos se posiciona como el sistema de almacenaje y, fundamentalmente, de explotación de los nuevos datos que forman parte del ecosistema de una compañía. El dato “clásico” y generado por sistemas propios, el tradicional DataWareHouse, se va enriqueciendo con datos generados en sistemas externos, en muchos casos, provenientes del mundo digital (datos de analítica digital, tweets en streaming, sensores digitales, etc.)  que, prácticamente, son volcados en tiempo real a nuevas arquitecturas de almacenamiento de información, generando lo que se ha pasado a denominar Data Lake.

LEER MÁS

0
0
Big Data

La transformación digital será a través del Digital Big Data o no será

Podemos asegurar, sin riesgo a equivocarnos, que después del Gin Tonic, el Big Data es uno de los términos más populares de nuestros tiempos. Tanto es así que se hace necesario usar Big Data para procesar toda la información que surge en torno al propio término, entrando así en un bucle perversamente recursivo.

El interés por esta “nueva” disciplina crece exponencialmente y si bien cada vez son más los ámbitos en los cuales se incorpora como elemento disruptivo, también es sorprendente su aparente ausencia en otros.

GRÁFICO GOOGLE TRENDS COMPARATIVA BIG DATA(azul)- GIN TONIC(rojo) ESPAÑA

GRÁFICO GOOGLE TRENDS COMPARATIVA BIG DATA(azul)- GIN TONIC(rojo) ESPAÑA

 

Industrias como la banca o los seguros llevan ya tiempo aplicando Big Data sobre sus datos, en procedimientos que recuerdan en gran medida al clásico “data mining”, del cual no es sino su evolución, para determinar desde el riesgo de conceder un préstamo a una persona que viva en una determinada localización geográfica  a la creación de perfiles de buenos conductores en base a datos financieros.

En otras disciplinas como aquellas asociadas a Open Data , Smart cities, healthcare, e-Goverment y el internet de las cosas, el Big Data se presenta como uno de los catalizadores para lanzar su desarrollo e implantación efectiva en la mejora de la calidad de vida de la ciudadanía.

LEER MÁS

0
3

¡Suscríbete a nuestra newsletter mensual Stay Sharp!

Para más información

CONTÁCTANOS