Desentrañando la Personotecnia
85
Apéndice Aplicando técnicas de Personotecnia Javier G. Recuenco Diana Damas de Diego
-
Upload
diana-damas-de-diego -
Category
Business
-
view
1.530 -
download
2
description
Una explicación sencilla de la Personotecnia, un conjunto de técnicas complejas que permiten un Marketing Directo eficaz.Esta presentación ha sido elaborada a partir de varias entrevistas con Javier G. Recuenco, experto en el tema, a quien le pedí que me explicara un caso práctico de aplicación de la Personotecnia.A partir de ese material, he creado esta presentación con el objetivo de transmitir a cualquier persona, incluso a aquellas con pocos conocimientos técnicos relacionados, una visión sencilla de la Personotecnia.Para profundizar más, recomiendo el libro Personalización, de Javier G. Recuenco y otros autores.http://www.buscalibros.cl/personalizacion-recuenco-cp_537207.htm
Transcript of Desentrañando la Personotecnia
Apéndice
Aplicando técnicas de Personotecnia
Javier G. Recuenco
Diana Damas de Diego
Para explicarlo, tomaremos un caso particular:
Personotecnia en la recomendación
televisiva
Un ejemplo:
Ay, españolito que ves la tele…
Años 60: toda la familia se sienta
puntualmente a la hora de su
programa favorito
Año 2015: llegas a casa cuando
llegas, agarras el mando y te
desplomas en el sofá. A ver qué
ponen…
La gente no ve canales, ve contenidos.
Pero el PC todavía no puede competir con un sofá cómodo, un “dime que hay” y un “plasma de 42”.
De los más de 500 canales que pueden estar disponibles en un televisor, el 98% de
los espectadores zapea habitualmente entre solo 8 de ellos.
Probablemente, en alguno de los 492 canales que está ignorando,
hay un programa que realmente le
interesa
Claro que no le interesa lo mismo en todas las circunstancias.
Claro que no le interesa lo mismo en todas las circunstancias.
Claro que no le interesa lo mismo en todas las circunstancias.
Ni en todos los estados de ánimo.
Pero eso va a dar igual. La mayor parte de las cadenas apostarán por el mínimo común denominador de las personas que a esa hora ven la tele.
¿Qué necesita el espectador?
y acorde con su estado de ánimo.
Saber,
en el momento en que quiere encender la tele,
en qué cadena ponen un programa
que coincida con sus intereses y gustos,
adecuado a la circunstancias del momento
Necesita un sistema que aprenda de las elecciones del usuario, que sea actualizado constantemente, que sea
sensible a las diferentes circunstancias y estados de ánimo, y que sea capaz de elaborar perfiles complejos en base a
más de 40 indicadores simultáneos.
Un recomendador balanceado
Si el usuario percibe que va a
recibir todo eso (propuesta de
valor) proporcionará de buen grado todos
los datos necesarios
Esos datos configuran un perfil del cliente, con una gran cantidad de
información relevante.
Nada que ver con el clásico:
“Mujer, casada, de 45 a 55 años, residente
en Madrid”
¿Qué ganan las cadenas / agregadores
de contenidos con esto?
En lugar de pelear con otras
cadenas por el mismo trozo de
tarta del “espectador que
se traga el mínimo común denominador”
Puede emitir programas con contenidos más selectivos, destinados a CADA espectador
concreto, en un estado de ánimo y circunstancia determinada.
Es decir, repartirse TODA la tarta.
Y asegurar al anunciante, no ya cuánta gente va a ver su anuncio…
¡¡ Y tu nueva campaña de ADSL la van a ver las 800.000 personas que
siguen a Belén Esteban!!
… Una pena que 400.000 no sepan manejar un ratón, 100.000 estén dando de cenar al niño y ahora
mismo el ADSL les traiga al pairo, 125.000 hayan tenido una pésima experiencia con tu compañía…
… sino cuántos espectadores para los cuales es relevante su producto van a ver el
programa, y por tanto el anuncio.
Simplificando muchísimo, podríamos decir que…
Marisol, mujer, de 35 años de edad, amante de los animales y la ecología, que hoy ve la
tele acompañada de sus hijos y que se siente con ganas de experimentar cosas
nuevas…*
* Insistimos, SIMPLIFICANDO MUCHO. El profiling es bastante más complejo y completo.
… probablemente elija un programa infantil sobre animales entre nuestras
recomendaciones. Se emite en un canal temático con una programación muy
específica. Nada parecido a los 8 canales que recorría antes.
Existe un tipo de negocio con poco mercado porcentual entre “las grandes audiencias”,
pero grandes posibilidades de convertir en clientes a personas como Marisol, que ven el anuncio en esas circunstancias y en ese
estado de ánimo.
“El principal beneficio que obtendrás, dejando de lado los lazos afectivos que se pueden generar con este simpático animal, es que las gallinas objeto de alquiler son ponedoras de huevos y te garantizan que pondrán a la semana un promedio de 5-6 huevos. Además podrás darles las sobras de tu comida, reciclando los residuos de manera sostenible. “
Manolo, hombre, de 43 años de edad, le gustan las motos, hoy ve la tele con sus
amigos y se siente preocupado…*
* Insistimos, SIMPLIFICANDO MUCHO. El profiling es bastante más complejo y completo.
Mirotele le recomienda 4 programas entre los 500 emitiéndose en este momento. Elige
una carrera de motos clásicas retransmitida desde Minneápolis.
Durante la carrera, se emite un anuncio de una aseguradora, en el que se ofrece un
descuento importante por contratar dos seguros de moto a la vez.
¿Qué gana el anunciante con esto?
Su anuncio ya no lo ven, en el mejor de los
casos, 800.000 personas, de las cuáles sólo un 0.5% es y está como potencial cliente.
Ahora lo ven 35.000
personas, de las cuales un
15% es y está como cliente
potencial.
Desactivemos el bloqueo mental de
los GRPs
800.000 x 0.5% = 4000
35.000 x 15%= 5250
800.000 35.000
= 22.86 veces podemos repetir ese
efecto
Por no mencionar que 30,000 o 35,000 usuarios barren del mapa cualquier cosa que el
EGM pueda poner encima de la mesa, tanto por
calidad/granularidad de target como por cantidad
Y que el propio recomendador se
convierte en un canal Singular.
Las entrañas de la máquina
Adaptación Creatividad
es
Creatividades
Anál
isis
Enfoque
Perfil Producto 1.0
Perfil Cliente 1.0
NichosPotenciales
ObjetivosEstratégicos
Gestión ciclo de vidaPerfil / Producto
ASoportes Masivos
BSoportes
Singulares
TransiciónTech
Enablers
Mecánicas de Retorno
Brie
fing
Enriq
ueci
do
No es algo que se explique en 5 minutos
Lo contaremos de la forma más sencilla posible
Os voy a dar algunas pistas de cómo
funciona
Datos del usuario
El usuario va introduciendo, voluntaria y conscientemente, los datos que quiere a lo largo
del tiempo
Por ejemplo:
• Edad• Sexo• Intereses• Localidad• Formación• Empleo• Bienes de
consumo• Hijos• Familiares a su
cargo
• Estado civil• Circunstancia en
la que ve el programa
• Estado de ánimo actual
• Situación laboral• Orientación sexual• ETC.
¿Por qué va a darnos datos tan personales como la orientación
sexual o la situación laboral?
2. La propuesta de valor es que podemos recomendarle un programa sobre, por ejemplo, hoteles gay-friendly o sobre búsqueda de empleo. Pero solo si está interesado en que la recomendación tenga en cuenta esos criterios.
1. Solo nos los dará si quiere.
¿Cuándo nos da esos datos?
Además de un perfil inicial, cada vez que usa el recomendador valora la calidad de la recomendación.
El sistema se afila.
Además, actualizará los datos que considere relevantes cada vez que estos cambien.
Porque quiere que la recomendación que reciba sea acertada..
40 parámetros instantáneos del espectador
Máquina de crear perfiles
PERFIL DE USUARIO
Datos de la programación
de TV
Imposible basarse en una “guía de
programación anticipada”
Que además se elabora
en una Sweatshop
Hay que evaluar los contenidos según se emiten.
La información que dan las cadenas
sobre su programa es una birria
Por eso, el sistema sale a cazar su propia información relevante.
Información relevante obtenida en buscadores, webs especializadas en TV,
foros, blogs de espectadores…
El contenido queda caracterizado en
8 dimensiones
Máquina de caracterizar contenido
Para hacer más sencilla la visualización, en este ejemplo vamos
a trabajar solo con 3 dimensiones
Las dimensiones son ATRIBUTOS independientes unos de otros que pueden
tener uno, varios o ningún valor. Por ejemplo:
Dimensión Valor
Edad 1,2….100
Grado de realismo Muy alto, alto, medio, bajo, muy bajo
Formato Dibujos animados, imagen real, mixta
Edad 3 a 100
Grado de realismo Muy bajoFormato Dibujos animados
3 a 100
Muy bajo
Dibujos animados
Vector (3 a 100, muy bajo, dibujos animados)
En realidad, como hemos dicho, el Vector tiene 8 dimensiones (x, y, z, a, b, c, d, e)
Proporciona un posicionamiento del contenido único en un espacio n-dimensional
Gracias a ese artificio matemático, podemos acelerar la búsqueda, convirtiendo el perfil del contenido en un vector fácilmente ordenable y manipulable
Para cada programa que se emite en cada instante
PERFIL DE CONTENIDO
Máquina de caracterizar contenido
La recomendación
De forma casi inmediata, podemos obtener miles de PPM, y compararlos
matemáticamente en segundos
Máquina de crear perfiles Máquina de caracterizar contenido
Generando una recomendación mejor que la que te haría tu madre
En este modelo de marketing, el
Product Manager va a tener que
darlo todo
¿Dónde está el negocio?
El mercado audiovisual se atomiza.
El mercado publicitario en medios audiovisuales, también.
El anunciante demanda a las cadenas
información
relevante acerca del perfil del espectador
en cada momento
puede ofrecer datos relevantes, voluntaria, consciente y
selectivamente cedidos por el usuario, y manipulados de forma que garantizan
anonimato y privacidad individual.
Y esos datos relevantes son de enorme valor para cadena y
anunciante
Y esto, amigos y amigas, es una aproximación
extremadamente sencilla a la compleja Personotecnia
Aplicada a un caso concreto como es la recomendación en
programación televisiva
Si te apetece profundizar en la categorización multidimensional de contenido audiovisual, esta referencia puede resultarte útil:
A New Approach for a Lightweight Multidimensional TV Content Taxonomy: TV Content Fingerprinting
http://about.me/recuenco
Mail: [email protected]
Web: http://www.abypersonalize.com
¡Muchas gracias!
@Recuenco
T. +34 91 632 5919M. +34 670 884 774
Javier.recuenco
Maquetación y storytelling: Diana Damas de [email protected] @dianadamas
www.dianadamas.es
![Chanson Bohéme [From Carmen] - Sheet music · 8 " S A T B 15 K la, tra la la la K ¡ ¡ ¡ ¡ ¡ ¡ ¡ la, tra la la la ¡ ¡ ¡ ¡ ¡ ¡ la, tra la la la la ¡ ¡ ¡ ¡ ¡ ¡ la,](https://static.fdocument.pub/doc/165x107/5fc97b73226e6a2ae9004946/chanson-bohme-from-carmen-sheet-music-8-s-a-t-b-15-k-la-tra-la-la.jpg)
