Aunque creo que la publicidad en buscadores seguirá prosperando y generando resultados para los anunciantes, no hay duda de que la forma en que compramos anuncios en buscadores está cambiando, al igual que la propia página de resultados del buscador (SERP). Uno de los mayores cambios en la forma de comprar publicidad en el ecosistema de Google ha sido Performance Max (PMax). Se trata de un tipo de campaña sin palabras clave, impulsada por IA, que utiliza modelos de aprendizaje automático para optimizar las pujas y las ubicaciones en todo Google (incluida la búsqueda) con el fin de alcanzar un objetivo principal. Los anunciantes no pujan por palabras clave específicas; en su lugar, confían en la IA para gestionar las pujas y la segmentación a través de señales de audiencia, el propio sitio web o las URL del anunciante y los recursos creativos. De este modo, se muestran anuncios en toda la red de Google que se ajustan a las consultas de búsqueda y al comportamiento de navegación de los usuarios con mayor probabilidad de realizar la acción deseada. Así pues, aunque la experiencia de búsqueda es similar para el usuario, la forma en que nosotros, como especialistas en marketing digital, compramos publicidad en la búsqueda está cambiando rápidamente.

La adopción inicial de Performance Max fue desigual y específica de cada sector; ahora, la tendencia está cambiando.

Los anunciantes han acogido PMax con distintos grados de preparación; muchos se resisten a la pérdida de control a la que se han acostumbrado con los anuncios de Google a lo largo de los años. En los primeros tiempos de PMax, yo también percibí esa reticencia, especialmente en sectores distintos del comercio minorista y entre anunciantes con perfiles muy complejos. Además, gracias a mis años de experiencia gestionando evoluciones similares en Google Ads, sabía que, inevitablemente, surgirían nuevas funciones y modificaciones basadas en los comentarios de las agencias y los anunciantes. Efectivamente, nuestras pruebas han demostrado que, aunque quizá no estemos preparados para decir adiós a las palabras clave, PMax nos acerca un paso más a la opción de una segmentación escalable sin palabras clave.

Google está pasando ahora a una página de resultados de búsqueda (SERP) más visual, que se basa en formatos visuales y en una experiencia de búsqueda generativa. Google ha apostado fuerte por Performance Max, la concordancia amplia y los productos basados en IA en general. Google también ha incorporado a la plataforma más información, herramientas creativas, opciones de segmentación y herramientas de prueba para mejorar el producto y permitir formas más perspicaces de aprovechar los datos en todas las iniciativas de marketing, lo que incluye orientar la selección de la audiencia y los creativos. Además, Google está probando y lanzando la creación automatizada y generativa de recursos para ayudar a los anunciantes a superar el obstáculo que suponen las iteraciones creativas, que resultan costosas y requieren mucho tiempo.

Repasemos cómo ha evolucionado PMax durante el último año.

Se siguen lanzando nuevas funciones para mejorar este producto y el rendimiento de las campañas. A continuación, detallo algunas de las que son más relevantes en cuanto a su uso.

• Experimentos de uplift y pruebas de PMax frente a rSC (campañas de compras estándar): Estas pruebas permiten a los anunciantes comparar el rendimiento de las campañas de PMax con el de otros tipos de campañas, como las campañas de compras estándar, y con el de otras campañas de PMax con configuraciones o estrategias diferentes.
• Exclusiones de marcas y palabras clave negativas a nivel de cuenta: estas funciones permiten a los anunciantes evitar que sus campañas de PMax muestren anuncios de determinadas marcas o palabras clave. Esto puede resultar útil para evitar que se muestren anuncios de la competencia o de palabras clave que no sean relevantes para el negocio del anunciante.
• Mejoras en el generador de vídeos y en los informes de grupos a nivel de activos: Estas funciones facilitan a los anunciantes la creación y gestión de sus campañas de PMax. El generador de vídeos permite a los anunciantes crear vídeos para sus campañas de PMax sin necesidad de tener experiencia en edición de vídeo.
• Los informes mejorados a nivel de activos proporcionan a los anunciantes más información sobre el rendimiento de sus campañas de PMax.
• La ampliación de la URL final te ayuda a optimizar el rendimiento de tus campañas de PMax. Esto te permitirá encontrar una página de destino más relevante en función de la consulta de búsqueda y la intención del usuario, y te permitirá crear un titular de anuncio dinámico personalizado que se ajuste al contenido de la página de destino.
• Compatibilidad con las pujas de SA360 Floodlight, lo que permite a los anunciantes utilizar sus propios datos de conversión para pujar en campañas de PMax. 
• La posibilidad de no introducir recursos y publicar anuncios de compras o de feed a través del tipo de anuncio PMax. Aunque no se garantiza al 100 % que los recursos generados automáticamente no se publiquen, nuestras pruebas demuestran que la mayor parte del gasto se destina a las ubicaciones de compras.
• Posibilidad de utilizar scripts para mostrar el gasto por táctica (visualizaciones de vídeo, etc.).

Fuimos de los primeros en adoptarlo e implementamos un enfoque muy sistemático para las pruebas.

Nuestro equipo se ha comprometido plenamente con las pruebas de PMax desde el anuncio inicial del lanzamiento del producto, trabajando para incorporar todas sus nuevas funcionalidades y opciones de experimentación. Hemos comparado PMax con los anuncios de Shopping estándar y con los anuncios dinámicos de búsqueda (DSA). También hemos probado las pujas para nuevos clientes e incluso grupos de recursos múltiples con creatividades claramente diferenciadas, en lugar de un único grupo de recursos, entre otras cosas. Aunque solemos observar un mayor rendimiento entre nuestros clientes del sector minorista que utilizan las soluciones basadas en feeds y locales, ahora estamos observando un crecimiento en otros sectores verticales, incluso con anunciantes sensibles a la generación de clientes potenciales, como el de la sanidad, gracias a las nuevas funciones.

He aquí un ejemplo de nuestras pruebas. Un cliente del sector sanitario realizó recientemente una prueba comparativa con DSA y logró multiplicar por diez la inversión y el volumen de clientes potenciales al aprovechar el potencial de PMax. En tan solo unos meses, el cambio a PMax generó un aumento del 13 % en los clientes potenciales con una reducción del 8 % en el CPA. Establecer objetivos bien pensados y flexibles; desglosar las campañas según las necesidades del negocio; contar con creatividades orientadas a objetivos; y dar al aprendizaje automático el margen necesario para encontrar a las personas adecuadas en el momento oportuno con datos propios permitió a la marca escalar.

Esto es lo que prevemos que sucederá a continuación:

• Los enlaces de sitio visuales o con imágenes tendrán preferencia frente a los enlaces de texto.
• Existe la posibilidad de que PMax sea el objetivo final de Google Ads, con una capacidad limitada o nula para pujar por palabras clave seleccionadas (es decir, un futuro sin palabras clave).
• 2024 podría ser el año en que perdamos otros tipos de concordancia. Espero que mantengamos la concordancia exacta, pero sabemos que la concordancia amplia se mantendrá durante algún tiempo, dada la inversión realizada en la nueva concordancia amplia.

Una mirada al futuro de las pujas por palabras clave.

Durante el último año, Google ha sido un socio excelente, escuchando los comentarios de los expertos en la materia e invirtiendo en más análisis de datos, capacidad de prueba, formación y controles de segmentación. Además, las nuevas herramientas creativas generativas de la plataforma pueden dotarnos, como especialistas en marketing de búsqueda, de las herramientas necesarias para aprovechar el poder de la IA, al tiempo que utilizamos nuestro conocimiento de la red de Google y las necesidades específicas de las marcas para impulsar los resultados de los clientes.

¿Estamos preparados hoy en día para una experiencia de compra en búsquedas totalmente sin palabras clave? No, pero dado el progreso de Performance Max durante el último año, cada vez es más probable que la combinación de la concordancia amplia y Performance Max forme parte de todas las guías de buenas prácticas de los socios de Google en un futuro próximo.

Los profesionales del marketing de resultados han sido un recurso infrautilizado hasta la fecha, pero sus años de experiencia en el uso de la IA para el éxito del marketing los convierten en los más adecuados para desempeñar un papel importante en la adopción generalizada de la IA. Los discípulos ciegos de todos los atajos generativos de la IA se quemarán y los que se resistan al cambio se volverán irrelevantes. Nadie lo sabe mejor que los profesionales del marketing de resultados.

En lo que respecta a la carrera armamentística de la IA en el marketing digital, Google, y en menor medida Meta, no fueron tan proactivos a la hora de destacar su trabajo en relación con Microsoft (el mayor inversor en OpenAI, la empresa responsable de GPT-4). Lo irónico es que Google y Meta habían estado a la vanguardia de la incorporación de sus inversiones de larga data en IA, que ya estaba desplegada en casi todos los rincones de las plataformas y productos de Google y Meta Ads.

Google y Meta representan casi la mitad de todo el gasto en publicidad digital en EE.UU. y una parte aún mayor del presupuesto típico para medios de rendimiento. La integración de la IA en Google y Meta se ha centrado principalmente en algoritmos de aprendizaje automático para la puja y la publicación de anuncios. Dicho esto, también hay ejemplos de IA generativa (sugerencia de textos publicitarios y creación de textos publicitarios distintos a partir de permutaciones de titulares y textos existentes), y los tentáculos de la IA se dejan sentir en todo el ecosistema publicitario de Google y Meta. Algunos ejemplos destacados son:

• Performance Max (Google) y Advantage+ (Meta) son campañas automatizadas de principio a fin que utilizan la IA para segmentar, generar anuncios y optimizar los objetivos fijados.
• La puja automatizada establece pujas dinámicas en tiempo real utilizando el aprendizaje automático para optimizar de forma más eficiente el ROI.
• Responsive Search Ads (Google) utiliza IA para mezclar y combinar diferentes partes del texto con el fin de ofrecer la mejor permutación para el buscador individual (el anuncio adecuado para el público adecuado en el momento adecuado).
• En las recientes conferencias Google Marketing Live (GML) y Meta Connect 2023 se anunciaron productos en torno a activos impulsados por IA, imágenes generadas por IA, IA generativa para crear textos publicitarios y mejoras automáticas de la ubicación del texto, el brillo, etc.

En esta misma línea, los profesionales del marketing de resultados, la mayoría de los cuales se ganaron su reputación dirigiendo o supervisando Google y/o Meta Ads, están especialmente capacitados para guiar a los anunciantes a través de la próxima gran fase de la transformación digital. La experiencia de casi media década de la mayoría de los profesionales del marketing de resultados, tanto en el aprovechamiento como en el control de las herramientas de IA, justifica que desempeñen un papel central a la hora de guiar a los equipos de marketing en el desarrollo y despliegue de la adopción generativa de la IA.

¿Qué ventajas ofrece esta experiencia a los profesionales del marketing de resultados?

• Enhebrar la aguja entre la adopción acrítica y la resistencia total al cambio
• Comprensión de la importancia de los datos de alta calidad
• Comprender la importancia de establecer límites y ajustarlos con el tiempo

Aportar un sano escepticismo.

Los expertos en marketing de resultados han tenido que adaptarse y aprender nuevos tipos de automatización muchas veces, y pueden compartir sus historias de guerra. Desde palabras clave de concordancia amplia, autocolocaciones Meta e iteración tras iteración de pujas automatizadas en Google que han salido mal, parece que lo hemos visto todo. Google y Meta fueron pioneros en la incorporación de la inteligencia artificial a los productos publicitarios, y sus representantes impulsaron seriamente la adopción de productos que podían presentar errores y, en el peor de los casos, rendir menos que las alternativas manuales. Sin embargo, Google y Meta también fueron diligentes a la hora de perfeccionar esos productos con el paso del tiempo, y los profesionales del marketing de resultados que no estaban dispuestos a seguir realizando pruebas en los últimos años se quedaron atrás rápidamente. Las palabras clave de concordancia amplia, las pujas automatizadas, las campañas de compras Advantage+ y muchos más productos proporcionaron más escala con una eficacia comparable a la de los productos no basados en IA.

A medida que la IA desempeñe un papel más permanente en la creatividad, la experiencia del cliente, la identificación de audiencias y mucho más, este equilibrio será crucial. Los discípulos ciegos de todos los atajos generativos de la IA se quemarán y los que se resistan al cambio se volverán irrelevantes.

Basura dentro = basura fuera.

Una de las mayores distinciones entre un profesional del marketing de resultados sólido y uno mediocre es su comprensión de que las entradas a la automatización pueden tener un profundo efecto en los resultados. Los profesionales del marketing de resultados que pulsan el botón fácil y pasan de cientos de ofertas manuales a la semana al piloto automático no obtienen buenos resultados. Peor aún, se apresuran a declarar: "¡No funciona!" El volumen y la calidad de los datos son la base de una estrategia eficaz de despliegue de la IA. Saber qué fuentes de datos utilizar y excluir, y qué campañas combinar con cada tipo específico de puja automatizada, es una habilidad crucial. Los profesionales del marketing de resultados saben que deben incorporar datos de calidad de clientes potenciales a las pujas automáticas B2B, iniciar pruebas en campañas con mayores volúmenes de conversión y no lanzar inmediatamente después de unas vacaciones fuertes o de la vuelta al cole.

En este sentido, los profesionales del marketing de resultados cuentan con años de experiencia en "ingeniería rápida" sin ni siquiera darse cuenta de que existía un nombre para ello. Las organizaciones de marketing pueden introducir la IA en el mercado más rápidamente, y beneficiarse antes de los resultados positivos, aprovechando esa experiencia.

Los especialistas en marketing de resultados son maestros del ajuste fino.

El último nivel de dominio que han alcanzado los profesionales del marketing de resultados tiene que ver con el aprendizaje de los entresijos de los algoritmos. Hemos aplicado CPC máximos, límites de costes y palabras clave negativas para frenar los efectos ocasionalmente nocivos de la IA sin control. A un alto nivel, la IA puede ser voluble y la inteligencia humana es crucial para evitar estos fallos. Hemos visto cómo un conjunto de anuncios de alto rendimiento dejaba de funcionar aparentemente de la nada, sólo para que un pequeño aumento del 5% en el objetivo de ROAS lo devolviera a la normalidad. Hemos aprendido a buscar información sobre cómo, por qué y dónde está funcionando la IA:

• ¿El mayor rendimiento se debe a un aumento del CTR o de la tasa de conversión?
• ¿Estamos llegando al mismo público de forma más rentable o a un público mejor?
• ¿Hemos creado mejores anuncios o las plataformas los han adaptado mejor a las personas adecuadas?

Nos hacemos estas preguntas a diario. Esa curiosidad rayana en la paranoia permite a los profesionales del marketing de resultados sacar el máximo partido de la IA, así como limitar los riesgos.

Los profesionales del marketing de resultados conocen los ritmos de la IA, como un mecánico que sabe qué tornillo apretar para que deje de sonar el traqueteo del coche. Este kilometraje, o dicho de forma anacrónica "inteligencia humana", es difícil de replicar.

Este kilometraje AI y sus amplias aplicaciones son la razón por la que los vendedores de rendimiento deben tener un asiento en la mesa. Como líder de una agencia, estoy mejor equipado para opinar sobre cómo utilizamos la IA para abordar tareas, informes, integración de datos, scripts e implementar procesos en torno a la IA gracias a ese ADN de rendimiento.

el59% de la generación Z ve vídeos más largos que descubrió en aplicaciones de vídeo de formato corto, lo que demuestra la necesidad de que los titulares de derechos de emisión adopten un pensamiento a nivel de ecosistema. Hemos trabajado con marcas como Meta, Hasbro, TikTok y Verizon para evolucionar su enfoque de difusión y satisfacer los hábitos de los espectadores de hoy en día a través de experiencias que son inmersivas, interactivas y llegan a las audiencias donde están. Ahora, estamos desarrollando una solución de IA que revolucionará aún más este flujo de trabajo de emisión de próxima generación para crear contenidos más atractivos y personalizados para los consumidores con Fan-Focused AI Highlights.

Fan-Focused AI Highlights clips de contenido hiper-relevante a velocidad y escala.

Fan-Focused AI Highlights, actualmente en desarrollo, utiliza la IA y el aprendizaje automático para recortar instantáneamente lo más destacado en las retransmisiones en directo. El modelo de IA es capaz de segmentar personas y objetos individuales en retransmisiones en directo y elimina eficazmente la necesidad de selección y edición manual, un proceso que suele requerir mucho tiempo.

La velocidad y el volumen de contenido que ofrece Fan-Focused AI Highlights son cruciales para ofrecer el contenido que los espectadores de deportes de hoy en día ansían. La generación Z consume ahora más resúmenes (50%) que contenido en directo (35%), lo que valida el apetito por un enfoque basado en el momento para la entrega de contenido que también es más personalizado.

Jordan Cuddy, vicepresidente ejecutivo y director global de Experiencia de Media.Monks y ex jugador de la NCAA, ofrece un ejemplo de cómo esta tendencia está afectando al mundo del deporte. "Ahora que Lionel Messi ha fichado por el Inter de Miami, a muchos de sus seguidores no les interesa ver el fútbol estadounidense", afirma. "En lugar de sentarse a ver un partido de 90 minutos, sólo quieren ver los ocho minutos en los que toca el balón" Su punto de vista está respaldado por el hecho de que el 80% de los fans de la Generación Z no solo siguen a un atleta profesional en línea, sino que buscan ver los eventos en los que participan esos atletas, así como seguir a las marcas con las que se relacionan. Con Fan-Focused AI Highlights, podrías crear automáticamente un vídeo del partido centrado en las mejores jugadas de Messi, o de cualquier atleta, con facilidad.

Satisfacer la demanda de contenidos basados en la afinidad.

El mismo enfoque anterior podría aplicarse a contenidos aún más especializados y a los intereses de los espectadores. Imagínese un partido de baloncesto que la IA convierte automáticamente en contenido para redes sociales centrado en el calzado que llevan los atletas, y que una marca de ropa deportiva envía a un público de fanáticos de las zapatillas. Esto se consigue fácilmente con Fan-Focused AI Highlights, ayudando tanto a las marcas como a los titulares de los derechos de emisión a llegar al público de forma más relevante, a la vez que aumentan la cantidad y el valor de sus derechos de emisión.

Estamos en una nueva era en la que las personas ya no se definen por datos demográficos desglosados por el lugar en el que viven; ahora se trata de grupos de identidad. En lugar de delimitar territorios en un mapa, las emisoras pueden empaquetar contenidos de forma creativa para numerosas subculturas simultáneamente, aprovechando el poder de la IA y el aprendizaje automático para distribuir contenidos destacados personalizados a audiencias basadas en intereses personalizados de forma más precisa y eficaz. Esta es una gran oportunidad para los titulares de derechos, ya que el 73% de los espectadores deportivos perciben el uso de los datos de los fans por parte de los titulares de derechos como "decepcionante" (23,4%) o "por debajo de las expectativas, pero poniéndose al día" (49,7%).

Adaptar el contenido de las retransmisiones a los hábitos de los espectadores de hoy.

Fan-Focused AI Highlights es la solución más reciente dentro de nuestra oferta de producción definida por software, que elimina eficazmente la necesidad de una gran planta física -como grandes salas de control o camiones OB que cuestan decenas de miles de dólares de alquiler al día o las docenas de miembros del equipo para mantenerlos- a favor de flujos de trabajo de emisión versátiles y ágiles. Los dispositivos de un solo uso diseñados para una sola tarea dejan paso a las GPU NVIDIA en la nube (o en un rack de servidores), lo que añade más eficiencia, flexibilidad y reducción de costes, mientras que los equipos remotos permiten a los titulares de los derechos contratar a los mejores talentos para el trabajo independientemente de su proximidad al evento.

La producción definida por software nos ha permitido incluso hacer lo que nunca antes se había hecho. Trabajando con UNC Blue Sky Innovations, retransmitimos el primer evento deportivo en 3D estereoscópico a 60 fotogramas por segundo y una resolución de 8K, directamente a los cascos de realidad virtual. El sistema diseñado a medida incluye una cámara RED Digital Cinema; CPU RED que decodifican, corrigen el color y eliminan la distorsión de las secuencias directamente desde la cámara; un controlador Blackmagic para la conmutación y codificación en directo (desde GPU NVIDIA para una tasa de bits de alta calidad); y una red de 1 GB para enviar la señal a una instancia de AWS de camino a los cascos de realidad virtual.

Todo este equipo ocupaba el modesto espacio de una mesa plegable estándar, un espacio reducido para un proceso innovador y una emisión histórica. Aun así, los profesionales de la radiodifusión son un grupo tradicionalmente supersticioso, y es fácil entender por qué trasladar gran parte del equipo y los procesos al software podría hacerles recelar: ¿qué ocurre si se tienen problemas de conectividad o si un centro de datos deja de funcionar? Los mismos centros de datos que utiliza AWS también albergan bancos y otras operaciones extremadamente sensibles, lo que significa que existen múltiples salvaguardas para garantizar que el servicio no se interrumpa. Y si uno se cae, podemos ponerlo en marcha en otro. Con múltiples redundancias, cualquier dificultad técnica con el software es más rápida y fácil de solucionar que si se estropea el generador de su camión.

Un enfoque sostenible de la innovación.

Además de reducir el riesgo y aumentar la flexibilidad, la producción definida por software ofrece otra ventaja importante: la sostenibilidad. Media.Monks ganó un premio a la Sostenibilidad en el Liderazgo en NAB Show al reducir en gran medida la huella de carbono de las emisiones con AWS. Además de evitar las emisiones relacionadas con los viajes, el flujo de trabajo de la producción definida por software se alimenta con más del 95% de energía renovable, lo que reduce aún más el impacto medioambiental.

Con los Fan-Focused AI Highlights añadidos a la mezcla, las marcas pueden seguir ofreciendo contenidos aún más personalizados y relevantes diseñados para las audiencias actuales con menos emisiones, riesgos, costes y personas sobre el terreno. A medida que los espectadores buscan un enfoque más basado en el momento para los medios y el entretenimiento que consumen, este revolucionario modelo de emisión ayuda a las marcas a ampliar el valor de sus derechos de emisión de formas nuevas e innovadoras.

En primer lugar, Salesforce ha anunciado su nueva plataforma Einstein 1. Basada en el marco de metadatos mejorado de Salesforce, la plataforma permite a las empresas conectar cualquiera de sus datos para crear aplicaciones de código bajo basadas en IA. Mientras Salesforce prepara el lanzamiento de su interfaz de IA generativa, Einstein Copilot, este otoño, Einstein 1 ofrecerá a los profesionales del marketing una muestra de cómo la IA generativa puede impulsar nuevas experiencias de CRM.

Pero eso no es todo: para liberar el poder de la IA se necesitan datos empresariales sólidos, y Salesforce está preparando Data Cloud para que se convierta en el centro de datos de Einstein Copilot. Para ayudar a las marcas a afianzarse en este nuevo territorio, Salesforce ofrece acceso gratuito a Data Cloud a determinados clientes existentes, lo que significa que no hay mejor momento que éste para crear una base de datos sólida como preparación para la implementación de la IA en su empresa. Profundicemos en los detalles de lo que se anunció, lo que significa y cómo puede empezar.

¿Qué se anunció en Dreamforce?

Los clientes de Salesforce Sales Cloud y Service Cloud con ediciones Enterprise o Enterprise Unlimited tendrán acceso a Salesforce Data Cloud, además de dos licencias de Tableau creator. Como parte de este acceso, Salesforce proporcionará 250.000 créditos, que permitirán a los clientes incorporarse a Data Cloud y desarrollar casos de uso de Sales y Service Cloud sin coste adicional.

Data Cloud es la base que desbloquea las funciones de IA generativa dentro de la plataforma de Salesforce, que a su vez ayudan a los clientes a impulsar la eficiencia de su negocio. Con este nuevo movimiento, Salesforce hace que Data Cloud sea más accesible para los clientes y les permite empezar a aprovechar la potencia de la plataforma más rápidamente, lo cual es clave, porque la mejor canalización de datos gana cuando se trata de aprovechar el potencial de la IA.

¿Cuáles son los mejores casos de uso para principiantes de Data Cloud?

El acceso sin coste adicional, junto con 250.000 créditos, ofrece a los clientes la posibilidad de empezar a utilizar la plataforma Data Cloud y crear casos de uso básicos que, a su vez, conducen a casos de uso más avanzados y a una mayor utilización. Entonces, ¿con qué tipo de casos de uso debería empezar? Salesforce ha identificado los dos siguientes:

1. Unificar prospectos para ventas dirigidas: Consolide datos en varias organizaciones de Sales Cloud para identificar oportunidades con clientes prioritarios y aumentar los ingresos.
2. Unificar clientes para un servicio personalizado: Consolidar datos a través de múltiples organizaciones para empoderar a los agentes de servicios con una visión unificada de 360 del cliente.

Estos casos de uso están orientados a clientes que buscan consolidar datos en varias organizaciones, ya sea porque son una empresa de cartera con varias empresas o marcas, o porque tienen instancias de Salesforce independientes creadas intencionadamente.

¿Cómo puedo empezar?

Antes de activar cualquier caso de uso de Data Cloud, los clientes deben evaluar primero sus estándares de gestión de datos para garantizar una base de datos adecuada. Aunque el acceso sin coste a Data Cloud representa una oportunidad de riesgo relativamente bajo, una integración mal planificada puede llevar a un trabajo complejo y laborioso más adelante. Por lo tanto, es imperativo que los clientes se tomen el tiempo necesario para desarrollar un plan claro, considerando qué datos ingerir y también cómo ingerir y organizar esos datos.

En Media.Monks, nuestro objetivo es ayudar a los clientes a confiar en su capacidad de aprovechar Data Cloud para generar valor para sus empresas. Nuestro equipo de consultores de datos y arquitectos de Salesforce evalúa la estrategia de datos de origen y la arquitectura técnica de los clientes para crear un plan de implementación detallado que garantice que los clientes están preparados para el éxito y reciben un valor a largo plazo de su implementación de Data Cloud.

Obtenga más información de Dreamforce.

Únase a nosotros en Dreamforce para usted en todo el mundo. En ellos, profundizaremos en cómo diseñar y crear una estrategia y canalización de datos eficaces y cómo liberar el poder de Data Cloud para su negocio. Obtenga más información sobre el primer evento, celebrado en Londres, aquí, ypermanezca atento para conocer más eventos Dreamforce to You en todo el mundo

Como buscador de tesoros digitales, sé que no hay que dejar este oro bajo tierra y, como socio de Google, también sé cómo extraerlo. A través de la IA de Procesamiento del Lenguaje Natural (PLN) de Google Cloud Platform (GCP), los partners de marketing digital pueden ayudar a las marcas a realizar análisis de sentimientos, entre otros métodos, para recopilar información sobre los patrones de comportamiento, las expectativas, las quejas y los estados de ánimo de los clientes y, por tanto, determinar el nivel de fidelidad a la marca.



Los datos cuantitativos que se obtienen mediante este método de investigación permiten construir cuadros de mando y visualizar el sentimiento de marca en todas las regiones. El objetivo es descubrir áreas de mejora, ya que estos datos pueden utilizarse para optimizar las aplicaciones móviles y web o los productos y servicios de una marca, informando así de sus próximos pasos en el proceso de experimentación y ayudándoles a estar más cerca de satisfacer las necesidades de su público.



En los últimos meses, me he centrado en integrar el análisis de opiniones en nuestra oferta de experimentación, y está cambiando rápidamente las reglas del juego. Con el ánimo de compartir aprendizajes y asegurarnos de que ninguna marca deja sus valiosos datos intactos, vamos a hablar de por qué este método es tan bueno como el oro.

Aprovechar los datos textuales para determinar el sentimiento de marca.

Imagina que eres una marca global de primer nivel en el sector de la alimentación y las bebidas. Recientemente ha añadido nuevas funciones a su aplicación, por lo que está ansioso por saber si los clientes están disfrutando de esta experiencia mejorada. Ahora mismo, hay más de 500.000 opiniones en Google Play Store. Revisarlas sería muy útil, pero ¿quién tiene tanto tiempo? Es un caso clásico que vemos todo el tiempo: las marcas lo rastrean todo, pero no hacen nada con la información que guardan. Sin embargo, este tesoro de datos procedentes de las interacciones activas con los clientes sólo es un tesoro si se activa y se aplica de forma eficaz.



Aquí es donde entra en juego el análisis de sentimientos. Gracias al conjunto de herramientas de GCP, esta técnica de investigación analiza el texto digital para determinar el tono emocional de un mensaje, como una reseña. Como parte de la experimentación, que consiste en crear cambios impactantes para satisfacer las necesidades de sus clientes, el análisis de sentimientos le permite traducir datos textuales cualitativos en datos numéricos cuantitativos. El objetivo es obtener información clave sobre la fidelidad a la marca; en el caso de la marca mencionada, cómo se sienten los clientes con las nuevas funciones de la aplicación. ¿Y después? Eso es, la tan necesaria activación de datos.

Ponga sus datos a trabajar para mejorar su negocio.

Si nos adentramos en los pormenores del análisis de opiniones, veremos que es muy fácil adoptar este método. Con esta solución de inteligencia artificial, no es necesario que los profesionales del marketing revisen manualmente una reseña tras otra para hacerse una idea de las opiniones de la gente.



He aquí el resumen. Una vez que tengas acceso a una cuenta de Google Cloud, puedes organizar tus datos cualitativos, transaccionales y de comportamiento en Google Sheets y Google Cloud Storage. A continuación, utiliza Apps Script (u otra biblioteca de cliente en la nube) para crear un menú personalizado y aprovechar la API de lenguaje natural de GCP. Una vez que hayas habilitado la API de lenguaje natural y creado una clave de API, puedes empezar a procesar tus datos en una solicitud a la API NLP y, a continuación, realizar automáticamente un análisis de sentimientos. En última instancia, esto le abre la puerta para actuar sobre esos conocimientos a través de campañas de pruebas A/B, optimización web y de aplicaciones, marketing de marca y marketing de productos.



La API de procesamiento del lenguaje natural de GCP es tan potente porque combina el análisis de sentimientos con el reconocimiento de entidades con nombre, que es una subtarea de la extracción de información que busca localizar y clasificar entidades con nombre mencionadas en texto no estructurado en categorías predefinidas. Por ejemplo, en la frase "Me tomo un capuchino todos los días y me encanta que ahora pueda ganar puntos en la aplicación y obtener un descuento en mi producto favorito" ya podemos identificar dos tipos de entidades: el producto y la plataforma. Así pues, la herramienta no sólo proporciona información sobre el sentimiento de las personas, sino que también conecta este sentimiento con las entidades del texto.

Por supuesto, esto no es del todo nuevo, simplemente se ha convertido en la corriente principal ahora que Universal Analytics ha llegado oficialmente a su fin y todos estamos pasando a GA4 (si aún no lo has hecho, esta es tu señal para hacerlo).

No desperdicie nunca los datos de sus clientes.

Comprender el comportamiento, las expectativas y las dificultades de los usuarios debe ser siempre el centro de tus esfuerzos. Esta información fundamental alimenta todos tus experimentos y te ayuda a perfeccionar tus productos y servicios. Así que, la próxima vez que piense en dejar opiniones sin leer y dejar que el oro se marchite, piénselo de nuevo, porque esta sencilla solución basada en IA y los socios que saben cómo aplicarla están aquí para ayudarle a extraer significado de sus valiosos datos de origen y de origen cero. Y para añadir algunas guindas frescas al pastel, Google tiene nuevos servicios de IA que te permitirán responder automáticamente a esas reseñas y comentarios, utilizando un modelo de lenguaje amplio (LLM), pero hablaremos de ello más adelante.

Se habla mucho del potencial de la IA, de sus posibilidades futuras y predicciones. Pero permítanme asegurarles que el momento de la IA no está llegando; ya está aquí, es ahora, y está teniendo un gran impacto en todos los sectores. Y lo que me resulta especialmente interesante es que está cambiando el mundo del marketing y las plataformas digitales.

Pero, ¿qué pasa con las barreras de entrada? Es importante recordar que incorporar la IA en tus operaciones no implica necesariamente una renovación completa. En Media.Monks, entendemos que cada marca es única y que algunas pueden requerir un enfoque más iterativo. Esta perspectiva permite ser rentable y accesible sin dejar de beneficiarse de la ola de la IA. Una introducción gradual de mejoras impulsadas por la IA puede aportar beneficios inmediatos a tus clientes y al rendimiento de tu negocio. Puedes comenzar implementando un chatbot de IA para mejorar el servicio al cliente, o aprovechar el machine learning para personalizar el contenido para cada visitante del sitio web. Los pasos iniciales de este tipo pueden proporcionar beneficios rápidos, mejorando engagement y las tasas de conversión. A medida que estas mejoras demuestren su valor, puedes expandir gradualmente el papel de la IA dentro de tu panorama digital. Se trata de crear un camino estratégico y personalizado hacia la integración de la IA, en lugar de sumergirse de lleno sin previo análisis.

Así pues, hagamos un recorrido por las aplicaciones actuales de la IA en el panorama de las plataformas digitales, áreas en las que la IA no solo ofrece promesas, sino resultados cuantificables para los equipos de marketing.

Por dónde empezar con la IA.

Integración de la IA con las plataformas tradicionales. La integración de la IA con las plataformas convencionales está ayudando a las empresas a perfeccionar las operaciones y las experiencias de los clientes. La fusión de los sistemas CRM con la IA, por ejemplo, permite a una marca aprender de los comportamientos de sus clientes en tiempo real, ofreciendo así un mejor servicio y productos adaptados a las preferencias individuales.

Optimización de la experiencia del usuario. El análisis de datos basado en IA está proporcionando información procesable que mejora directamente la experiencia del usuario. Ya sea a través de contenidos personalizados, interfaces personalizadas o la eliminación de los puntos problemáticos del flujo, la IA está impulsando una nueva era de plataformas centradas en el usuario.

Facilitar el marketing personalizado. Atrás quedaron los días del marketing genérico, de talla única. La IA está permitiendo un nuevo nivel de personalización que hace que cada interacción parezca hecha a medida para cada usuario. Desde recomendaciones de productos hasta mensajes personalizados, la IA está ayudando a las marcas a forjar conexiones más profundas con sus clientes.

Mejora de los análisis. Los análisis predictivos basados en IA están transformando la forma en que las empresas entienden a sus clientes y mercados. Estas herramientas proporcionan un nivel de conocimiento sin precedentes sobre el comportamiento futuro de los clientes, las tendencias del mercado y los posibles riesgos empresariales.

Colaboración interdepartamental. La inteligencia artificial no es solo para equipos de tecnología. Está brindando oportunidades para una colaboración fluida entre departamentos, ayudando a crear enfoques unificados y eficientes en cada paso, desde el desarrollo de productos hasta el servicio al cliente.

La IA resuelve muchos de los retos a los que se enfrentan las marcas en la actualidad.

A continuación, veamos algunos ejemplos reales en los que hemos trabajado para lograr mejoras transformadoras en los indicadores clave de rendimiento (KPI) mediante la implementación iterativa y a gran escala de mejoras de inteligencia artificial. Estos son algunos de los desafíos con los que ayudamos día a día:

"¡Ayuda, me ahogo en un mar de contenidos!" Cuando el volumen y la complejidad de la información es abrumadora, a veces una búsqueda estándar no es suficiente. Una posible aplicación de la IA es crear una función de búsqueda inteligente que aproveche el procesamiento del lenguaje natural y el aprendizaje automático. Esta funcionalidad comprende mejor las consultas, permite un diálogo conversacional y proporciona resultados más relevantes, mejorando continuamente según los patrones de interacción del usuario.

"¿Cómo podemos establecer conexiones significativas con los clientes mientras construimos una comunidad de usuarios?" Una plataforma mejorada con inteligencia artificial podría proporcionar contenido personalizado basado en los intereses de los clientes y los patrones de uso del producto. Al comprender la interacción de cada cliente con el producto, la IA puede adaptar el contenido, ampliando la experiencia de la marca y fomentando una comunidad en línea atractiva en torno a experiencias compartidas del producto.

"¿Cómo hacer frente a la desalentadora tarea de gestionar las solicitudes de empleo de un vasto grupo de diversos candidatos y numerosos roles?" Aquí, la IA puede emplearse para desarrollar herramientas de autosegmentación y crear recorridos de usuario individuales basados en el perfil y las preferencias únicas de cada usuario. La IA puede analizar datos a escala, extrayendo ideas que permitan a una agencia de contratación adaptar cada experiencia y guiar a los posibles solicitantes hacia roles que se adapten a sus habilidades y aspiraciones.

"¿Cómo mostrar eficazmente una extensa red de servicios y proporcionar pruebas de la eficacia de la campaña a los clientes potenciales?" Mediante la implementación de análisis impulsados por inteligencia artificial, una empresa podría ofrecer informes detallados sobre el rendimiento de las campañas a los clientes, incluso prediciendo posibles resultados futuros basados en datos históricos. Este enfoque proporciona una medida tangible del retorno de la inversión (ROI) para los clientes.

Cada uno de estos escenarios ilustra el potencial transformador de la inteligencia artificial dentro del panorama de las plataformas digitales. En líneas generales, la inteligencia artificial complementa y mejora nuestras estrategias existentes, permitiéndonos crear experiencias más atractivas, personalizadas y eficientes para los usuarios. La inteligencia artificial no es solo algo que debemos tener; es una herramienta versátil que utilizamos a diario para crear experiencias digitales significativas e impactantes.

Prepárate para el éxito continuo con la IA.

El potencial de la IA se hace realidad en tiempo real, por lo que lo emocionante es ver cómo se desarrollan estos avances y aprovecharlos de forma transformadora. Recuerda que el futuro no es un punto lejano en el horizonte, sino que está sucediendo ahora mismo. Si adoptamos la IA de forma reflexiva y estratégica, podemos obtener beneficios inmediatos y sentar las bases de un éxito sostenido a largo plazo.

La razón por la que medimos cada vez más es sencilla: para poder prever el rendimiento de distintos escenarios estratégicos y ayudar así a las marcas con las que nos asociamos a optimizar sus esfuerzos en medios. Y al igual que cualquier otra disciplina dentro de la publicidad, el campo de los medios de comunicación sigue evolucionando, así que vamos a centrarnos en lo que importa ahora mismo y le servirá de apoyo a la hora de medir los medios de comunicación.

Bienvenida a la incrementalidad en el mundo de los medios.

En primer lugar, demos un paso atrás y veamos qué implica la incrementalidad. En pocas palabras, se refiere al aumento de las conversiones o las ventas que puede atribuirse a una campaña publicitaria específica por encima de las que se habrían producido de todos modos, lo que también se conoce como la base. La incrementalidad ha sido adoptada recientemente por los profesionales de los medios de comunicación, y el término ha cobrado importancia porque es una solución de medición de medios que aísla el aumento incremental. Esto es importante porque, de lo contrario, no se puede saber qué medios están impulsando el crecimiento y cuáles sólo están cosechando conversiones que se habrían obtenido de todos modos. Como tal, la incrementalidad ofrece una visión mucho más precisa de cómo sus canales de medios están impulsando las conversiones.

Por ejemplo, la atribución multitoque (MTA) tradicional a menudo no consigue separar la base del aumento de la campaña publicitaria. Esto puede llevar a resultados exagerados. En cambio, para medir con precisión la incrementalidad, es importante utilizar la MTA junto con técnicas incrementales como el modelado de la mezcla de mercado (MMM). De este modo, podrá comprender mejor el verdadero impacto de las campañas publicitarias, pasar del ROAS al ROI y, por tanto, mantener una conversación más sensata con sus equipos financieros sobre la eficacia de los medios.

Cómo la modelización de la combinación de mercados ha recuperado la medición de los medios.

La modelización de la combinación de mercados -a veces denominada modelización de la combinación de medios, pero yo prefiero la primera- no es nueva, y esta técnica lleva varias décadas aplicándose comercialmente para comprender las subidas de los medios. Sin embargo, la disciplina ha mejorado notablemente, sobre todo en los últimos años.

El MMM contemporáneo ha recorrido un largo camino. Antiguamente, las actualizaciones anuales tardaban meses en dar resultados, mientras que hoy en día se puede poner en marcha un piloto en seis semanas y utilizar la automatización y el aprendizaje automático para obtener actualizaciones mensuales en cuestión de días. Además, las visualizaciones también han mejorado mucho, ya que los cuadros de mando de informes actuales ofrecen a los analistas un sinfín de formas de abordar los conjuntos de datos.

Es importante señalar que los modelos de combinación de mercados tienen en cuenta el mercado en su conjunto -incluidos factores como las promociones, los precios, la reciente pandemia, la estacionalidad, etc.- y, por tanto, ofrecen una visión holística. Si no se tienen en cuenta estos otros factores, no se puede obtener una lectura precisa de los medios de comunicación y se corre el riesgo de exagerar su impacto. Por ello, cada vez son más las marcas que se asocian con expertos en MMM para que les ayuden a crear modelos de combinación de mercados, o que trabajan con ellos para disponer de esta capacidad.

Tengo que señalar que algunos actores pueden decir que realizan "modelización de la combinación de medios", pero en realidad sólo construyen una simple regresión con variables de medios o utilizan técnicas de vías multitoque (que no es un análisis incremental). Lo preocupante de todo esto es que ofrecen las llamadas soluciones MMM a precios muy baratos, lo que puede parecer atractivo, pero no hay que subestimar los perjuicios de utilizarlas. Basar tus decisiones en un modelo barato pero malo puede salir mal y costarte más del 40% de tus ingresos por medios de comunicación, frente a un aumento de aproximadamente el 30% si la técnica se aplica correctamente. Usted puede decidir qué es lo mejor para su marca.

Aprovechar la IA para acelerar nuestros análisis.

Otra razón muy oportuna por la que estoy tan entusiasmado con la aplicación del modelado de la combinación de mercados es el reciente auge de la inteligencia artificial y las soluciones de automatización que se han derivado de ella: la IA ha avanzado rápidamente en diversas áreas, y no se ha olvidado del MMM.

En Media.Monks, somos optimistas respecto a la IA. Dicho esto, también sabemos que es importante ser cautelosos y actuar con la debida diligencia, sobre todo porque vemos que muchos proveedores de IA afirman crear modelos de combinación de mercados sin tener la experiencia ni las herramientas adecuadas para hacerlo. Cuando se trata de MMM, creemos que la IA y las soluciones de automatización pueden ser increíblemente útiles para acelerar el proceso, pero por supuesto también hay algunos casos que requieren trabajo manual. Echemos un vistazo.

Datos en bruto y procesamiento. Esto se puede automatizar utilizando API o plantillas para introducir los datos y, a continuación, los procesos preestablecidos automatizan la limpieza, lo que ahorra mucho tiempo. Desconfíe de los proveedores que tardan varios meses en incorporar inicialmente los datos, ya que debería estar listo en cuestión de semanas.

Modelos iniciales. Utilizamos algoritmos evolutivos para automatizar la construcción del modelo inicial, ejecutando miles de modelos instantáneamente en la nube y puntuándolos, lo que nos permite llegar a un modelo base mucho más rápido y ahorrar semanas en proyectos MMM con múltiples KPI.

Modelos finales. Tenga en cuenta que esto (todavía) requiere la intervención manual de un equipo de modelado muy experimentado. Tenemos que comprobar los modelos con el sentido común, triplicar la comprobación de los datos y utilizar nuestra amplia experiencia para detectar cualquier anomalía y realizar análisis alternativos para cuestionar cualquier hallazgo controvertido.

Efectos sobre las ventas y cálculos del ROI. Pueden automatizarse sin recurrir a la IA: se trata de un proceso que puede repetirse fácilmente mediante código.

Informes automatizados. Una vez calculadas todas las cifras, es fácil rellenar automáticamente los cuadros de mando y las herramientas de optimización de medios. Sin embargo, algo que no se puede automatizar es la respuesta a las preguntas personalizadas de los clientes sobre la duración del segundo más eficaz, la audiencia, etc.

Compromiso. Una cosa es informar sobre el rendimiento de la inversión y las optimizaciones, y otra muy distinta es lograr que el cliente comprenda los modelos y confíe en ellos. Por lo tanto, en las primeras etapas de los compromisos de MMM, es imperativo contar con personas que puedan explicar los modelos y resultados a todo el equipo, no sólo de marketing, sino también de finanzas, ventas, la junta directiva, por nombrar algunos. Mi consejo sería volver sobre este tema en fases posteriores, una vez que la gente entienda el modelo y confíe en él, y entonces se podrá pasar a informes más automatizados.

En resumen, la automatización puede sustituir gran parte del trabajo pesado de procesamiento y visualización de datos y resultados, mientras que la IA puede utilizarse en la fase inicial de modelización. Pero lo que no puede sustituirse es la comprobación del sentido, la interpretación y la experiencia de un buen modelizador para garantizar que los resultados son sólidos, realistas, comprensibles y, por tanto, utilizables.

Reducir el tiempo y aumentar los resultados.

En un contexto de incertidumbre económica, una solución que ahorra tiempo y, por tanto, costes, como la modelización de la combinación de mercados, especialmente cuando se basa en la IA y la automatización, resulta muy útil. Basándose en estos modelos, la medición de medios suele permitir a las marcas prever diferentes escenarios de ventas. A su vez, contar con una previsión sólida del rendimiento es fundamental para justificar diferentes escenarios estratégicos ante el consejo de administración, los propietarios y los inversores de una empresa.

La incrementalidad es fundamental en la búsqueda de un ROI preciso, y la MMM es una forma principal de conseguirlo. Aunque esta técnica existe desde hace décadas, su ritmo de cambio y su tasa de adopción se están acelerando, lo que estoy seguro que se verá impulsado aún más por la IA. Dicho esto, para poder cosechar los numerosos beneficios de esta técnica de eficacia probada, es fundamental trabajar con un socio de medios que incluya todos los factores que impulsan las ventas y pueda llevar sus modelos de los meros números a acciones empresariales claras.

En Media.Monks, siempre estamos buscando formas de integrar la mejor tecnología de IA en nuestro negocio. Lo hacemos no sólo porque sabemos que la IA es (y seguirá siendo) altamente disruptiva, sino también porque sabemos que nuestra gente, conocedora de la tecnología e incesantemente curiosa, está destinada a experimentar con nuevas y emocionantes herramientas, y queremos asegurarnos de que esto ocurra de la manera más segura posible. Todos recordamos errores garrafales de los últimos meses, como la filtración de código privado al dominio público, por lo que no es de extrañar que nuestros equipos jurídico y de seguridad de la información hayan estado frenando un poco la tecnología que podemos adoptar, teniendo en cuenta la seguridad de nuestra marca y la de nuestros socios.

Así que, cuando OpenAI -la fuerza detrás de ChatGPT- actualizó sus condiciones de servicio, permitiendo a las personas que aprovechan la API utilizar el servicio sin que ninguno de sus datos se utilice para entrenar el modelo como configuración predeterminada, se nos presentó una gran oportunidad. Naturalmente, la cogimos con las dos manos y decidimos crear nuestra propia versión interna de la popular herramienta aprovechando la API de OpenAI: MonkGPT, que permite a nuestros equipos aprovechar la potencia de esta plataforma a la vez que incorporan nuestros propios controles de seguridad y privacidad. ¿Por qué? Para que nuestros talentos puedan utilizar una herramienta específica para su negocio y mucho más segura, con el objetivo de mitigar riesgos como la fuga de datos.

No podemos arriesgarnos a poner en peligro la protección de la marca.

Desde que la IA generativa apareció en escena, hemos estado experimentando con estas herramientas mientras explorábamos sus infinitas posibilidades. Resulta que las herramientas de IA son increíbles, pero no necesariamente vienen sin limitaciones. Además de no estar adaptadas a las necesidades específicas de las empresas, las plataformas públicas de IA pueden utilizar algoritmos o modelos patentados, lo que podría suscitar dudas sobre los derechos de propiedad intelectual y la titularidad. En línea con esto, estas herramientas públicas suelen recopilar datos, cuyo uso puede no ser transparente y no cumplir las políticas de privacidad y las medidas de seguridad de una organización.

El riesgo para la marca es lo que más nos preocupa, ya que nuestra máxima prioridad es proteger tanto nuestra propiedad intelectual como los datos de nuestros empleados y clientes. Curiosamente, una solución clave es crear las herramientas uno mismo. Además, no hay mejor manera de comprender realmente las capacidades de una tecnología que arremangarse y ensuciarse las manos.

Batir récords de implantación, a pesar de los obstáculos.

Al crear MonkGPT, no hubo necesidad de reinventar la rueda. Por supuesto, podemos formar -y formamos- a nuestros propios LLM, pero con el rápido éxito de ChatGPT, decidimos aprovechar la API de OpenAI y las populares bibliotecas de código abierto examinadas por nuestros ingenieros para introducir esta funcionalidad de IA generativa en nuestra empresa de forma rápida y segura.

De hecho, el principal obstáculo que tuvimos que superar fue interno. Nuestros equipos jurídicos y de seguridad de la información son críticos con las condiciones de servicio de las herramientas de IA, especialmente en lo que respecta a la gestión, propiedad y almacenamiento de los datos. Por lo tanto, necesitábamos alinearnos con ellos sobre el riesgo de los datos y las actualizaciones de las condiciones de servicio de OpenAI, que se habían modificado específicamente para los usuarios de la API, de modo que los datos transmitidos a través del servicio de OpenAI no se utilizaran para entrenar sus modelos de forma predeterminada.

Aunque OpenAI almacena los datos que se pasan a través de la API durante un período de 30 días con fines de auditoría (después de lo cual se eliminan inmediatamente), sus condiciones de servicio establecen que no utiliza estos datos para entrenar sus modelos. Si unimos esto a nuestra documentación interna sobre buenas prácticas, a la que todo nuestro personal tiene acceso y que se le insta a revisar antes de utilizar MonkGPT, nos aseguramos de minimizar cualquier posibilidad de que persistan datos confidenciales en el modelo de OpenAI.

Como he visto una y otra vez, no hay obstáculo lo suficientemente alto que nos impida convertir nuestras ideas en realidad y en herramientas útiles para nuestro talento. En sólo 35 días fuimos capaces de desplegar MonkGPT, ampliarlo a toda la empresa y lanzarlo en nuestra reunión global All Hands. Hablando de más rápido, mejor y más barato, este proyecto es nuestro lema manifestado. Por supuesto, no nos detuvimos ahí.

Incorporamos beneficios para nuestra plantilla.

Ahora mismo, tenemos nuestra propia interfaz y pila de aplicaciones, lo que significa que podemos empezar a crear nuestras propias herramientas y funcionalidades aprovechando todo tipo de tecnología de IA generativa. La intención es mejorar la experiencia del usuario y, al mismo tiempo, satisfacer las necesidades de nuestros casos de uso. Por ejemplo, estamos añadiendo funciones como la Prevención de Pérdida de Datos para aumentar la seguridad y la privacidad. Esto implica implementar formas de eliminar eficazmente cualquier posibilidad de que se envíe información sensible al ecosistema de OpenAI, con el fin de aumentar nuestro control sobre los datos, algo que no habríamos podido hacer si hubiéramos pasado directamente por el servicio de ChatGPT.

Otra función interesante que estamos desarrollando gira en torno al descubrimiento y la compartición inmediatos. Uno de los principales retos a la hora de aprovechar el software de un LLM basado en preguntas es averiguar cuáles son las mejores formas de preguntar algo. Por eso estamos trabajando en una función -que ChatGPT aún no tiene- que permite a los usuarios explorar las preguntas más útiles en todas las unidades de negocio. Por ejemplo, si eres redactor publicitario, la herramienta podría mostrarte las preguntas más eficaces que otros redactores utilizan o les gustan. Al integrar esta capacidad de descubrimiento en el uso de la herramienta, nuestro personal no tendrá que dar tantas vueltas para llegar al mismo destino.

En la misma línea, también estamos entrenando a los LLM para fines específicos. Por ejemplo, podemos formar un modelo para nuestros asesores jurídicos que descubra todas las señales de alarma en un contrato basándose tanto en el lenguaje para entidades jurídicas como en lo que han visto en contactos similares. Imagine el tiempo y el esfuerzo que puede ahorrar dirigiéndose a MonkGPT y, en función de su unidad de negocio, seleccionando el modelo con el que desea interactuar, porque ese modelo se ha entrenado específicamente para sus casos de uso.

Es sólo cuestión de tiempo que todos estemos impulsados por la IA.

Todos estos esfuerzos alimentan nuestra oferta global de IA. Al desarrollar nuevas funciones, no sólo avanzamos en nuestra comprensión de los LLM y la IA generativa, sino que también ampliamos nuestra experiencia para llevar estas herramientas al siguiente nivel. Se trata de preguntarnos: "¿A qué retos se enfrentan nuestras unidades de negocio y cómo puede ayudar la IA?" con el objetivo de proporcionar a nuestro talento los superpoderes adecuados.

Huelga decir que mi equipo y yo aplicamos este mismo tipo de pensamiento al trabajo que hacemos para todos nuestros clientes. Nuestra misión con la IA va mucho más allá de nuestra propia organización, ya que queremos asegurarnos de que las marcas con las que nos asociamos también se benefician de nuestras pruebas y errores. Esto se debe a que sabemos con absoluta certeza que tarde o temprano cada marca va a tener sus propios modelos que conocen su negocio desde dentro, al igual que MonkGPT. Si aún no ha asumido esta inevitabilidad, estoy seguro de que pronto lo hará. Mi equipo y yo tenemos las herramientas y la experiencia necesarias para personalizar la capa perfecta para ti, tanto si necesitas un poco de asesoramiento como si necesitas un apoyo integral.

Las ofertas basadas en el valor modelado abordan estos retos para los profesionales del marketing:

• La eliminación de las cookies de terceros y el endurecimiento de la normativa sobre privacidad suponen importantes obstáculos para las marcas que desean conectar con los consumidores.
• Con las fuentes de datos de origen y los volúmenes de datos creciendo a velocidades vertiginosas, muchos profesionales del marketing se ven abrumados por la gestión manual de los datos.
• Las empresas que disponen de grandes conjuntos de datos no pueden gestionar estrategias de ofertas manuales con una sola persona o incluso con un equipo.
• Cada vez más anunciantes buscan entender cómo la IA y el aprendizaje automático pueden encajar en sus estrategias de publicidad digital y datos para ayudar a impulsar la eficiencia.