{"id":1134,"date":"2020-04-21T15:07:55","date_gmt":"2020-04-21T15:07:55","guid":{"rendered":"https:\/\/apachedigital.io\/?post_type=insight&p=1134"},"modified":"2021-05-31T14:59:46","modified_gmt":"2021-05-31T14:59:46","slug":"analisis-avanzado-de-campanas-de-marketing-con-brand-affinity","status":"publish","type":"insight","link":"https:\/\/apachedigital.io\/en\/insight\/analisis-avanzado-de-campanas-de-marketing-con-brand-affinity\/","title":{"rendered":"An\u00e1lisis avanzado de campa\u00f1as de marketing con Brand Affinity"},"content":{"rendered":"\n

Estamos viviendo una \u00e9poca de cambio, la transformaci\u00f3n digital est\u00e1 protagonizando todos los \u00e1mbitos econ\u00f3micos y sociales, y los m\u00e9todos tradicionales de an\u00e1lisis tambi\u00e9n est\u00e1n cambiando. Hasta ahora se utilizaban s\u00f3lo m\u00e9tricas cuantitativas como las visitas, conversiones, ratios, costes por X. Pero estas m\u00e9tricas cl\u00e1sicas van perdiendo relevancia y se van convirtiendo en una especie de \u201ccommodities\u201d<\/strong>. Cualquier empresa puede medirlos y no necesariamente representan una ventaja competitiva ya que s\u00f3lo nos explican el pasado de forma cuantitativa.<\/p>\n\n\n\n

Con el surgimiento de los m\u00e9todos de Machine Learning podemos \u201cpredecir el futuro\u201d con los datos del presente y esto es un avance incre\u00edble. Las empresas que sepan utilizar esta tecnolog\u00eda de forma adecuada podr\u00e1n posicionarse muy por encima con una ventaja competitiva clave, de ah\u00ed la raz\u00f3n por la que los especialistas en datos estamos tan cotizados en la actualidad.<\/p>\n\n\n\n

\"Image<\/figure><\/div>\n\n\n\n

Hoy quiero profundizar en otra rama del mundo de la Inteligencia Artificial, el Procesamiento del Lenguaje Natural. El NLP (siglas en ingl\u00e9s) es el proceso por el que la m\u00e1quina es capaz de entender una estructura ling\u00fc\u00edstica extrayendo el significado, conceptos, topics, emoci\u00f3n, sentimiento\u2026<\/strong> Y a d\u00eda de hoy supone uno de los retos m\u00e1s grandes porque necesita todo tipo de especialistas que ayuden a desarrollar esta tecnolog\u00eda, desde desarrolladores, analistas, hasta ling\u00fcistas que ayuden a construir la estructura del lenguaje del programa analizador.<\/p>\n\n\n\n

En <\/strong>Apache Digital<\/strong><\/a> nos hemos dado cuenta de la problem\u00e1tica actual con las m\u00e9tricas cl\u00e1sicas y de las infinitas posibilidades que ofrece el NLP<\/strong>. Decidimos crear un producto que ayude a las empresas a extraer m\u00e9tricas avanzadas basadas en este NLP a trav\u00e9s de un an\u00e1lisis de sentimiento y emoci\u00f3n para generar nuevos KPIs como el Brand Affinity. Ahora ya podemos ayudar a optimizar las estrategias de Marketing seg\u00fan los resultados de estas m\u00e9tricas combinadas con las cl\u00e1sicas a trav\u00e9s de m\u00e9todos matem\u00e1ticos. De esta forma, unimos el an\u00e1lisis cuantitativo con el cualitativo en tiempo real y mejoramos la capacidad de an\u00e1lisis.<\/p>\n\n\n\n

Vamos a poner un ejemplo, una campa\u00f1a de Facebook Ads. Gracias al Brand Affinity, el analista de datos puede predecir que la campa\u00f1a que a priori parec\u00eda prometedora va a tener una progresi\u00f3n negativa y que la afinidad de los usuarios al contenido que se les muestra es bastante bajo. Ahora tiene tanto el trigger como las herramientas para analizar m\u00e1s detenidamente que puede estar fallando \u00bfSer\u00e1n los copies? \u00bfSer\u00e1n las im\u00e1genes? \u00bfAlg\u00fan acontecimiento social est\u00e1 saboteando esta campa\u00f1a? \u00bfQuiz\u00e1s la emoci\u00f3n desde la que se apela al usuario no es la adecuada?<\/p>\n\n\n\n

Este an\u00e1lisis llevado a un modelo iterativo permite pivotar la estrategia, el contenido y el enfoque de la campa\u00f1a para mejorar los rendimientos.<\/strong><\/p>\n\n\n\n

\u00bfSuena interesante? M\u00e1s abajo os cuento c\u00f3mo lo hacemos<\/p>\n\n\n\n

Pero primero, el concepto. \u00bfqu\u00e9 es el Brand Affinity?<\/h1>\n\n\n\n

El Brand Affinity es un algoritmo desarrollado por Apache Digital<\/a> donde se combina el Procesamiento de Lenguaje Natural junto con Algoritmos de Clasificaci\u00f3n para extraer notas de diferentes publicaciones o topics para poder analizar por categor\u00edas o series temporales.<\/p>\n\n\n\n

Mediante el Procesamiento de Lenguaje Natural y los diccionarios ling\u00fc\u00edsticos extraemos el tema sobre el que gira el comentario al igual que el sentimiento y las emociones expresadas<\/strong>. Almacenamos esta informaci\u00f3n para utilizar estos datos en el procesamiento del indicador, que internamente llamamos nota.<\/p>\n\n\n\n

\"Image<\/figure>\n\n\n\n

Las diferentes m\u00e9tricas que recibimos en la publicaci\u00f3n en s\u00ed tambi\u00e9n son importantes, el n\u00famero de compartidos y de comentarios al igual que las diferentes reacciones reflejados en el Post se pesar\u00e1n y formar\u00e1n parte de este algoritmo.<\/p>\n\n\n\n

Una vez que tengamos los datos resultantes del Procesamiento de Lenguaje Natural del conjunto de comentarios y las m\u00e9tricas del Post, aplicamos una serie de algoritmos de clasificaci\u00f3n para poder extraer una puntuaci\u00f3n mediante la combinaci\u00f3n de todos estos datos (nuestra famosa nota)<\/p>\n\n\n\n

Finalmente obtendremos la nota de cada uno de los Post. Esta nota se puede filtrar por d\u00eda pudiendo analizar la evoluci\u00f3n sobre el horizonte temporal de dicho Post<\/strong>. Tambi\u00e9n habremos etiquetado los post y los comentarios en funci\u00f3n de topics para poder agrupar las notas seg\u00fan estos temas y realizar an\u00e1lisis m\u00e1s complejos.<\/p>\n\n\n\n

Las notas del Brand Affinity se actualizan en tiempo real para permitir a los equipos maniobrar y poder pivotar estrategias. As\u00ed generamos un proceso de mejora cont\u00ednua a trav\u00e9s de aprendizajes avanzados sobre lo que funciona y lo que no gracias al Feedback de los usuarios<\/strong>.<\/p>\n\n\n\n

Ahora s\u00ed, el proceso. \u00bfC\u00f3mo generamos el Brand Affinity?<\/h1>\n\n\n\n

Nos centraremos en una campa\u00f1a de Social Ads de Facebook.<\/p>\n\n\n\n

1. Extracci\u00f3n<\/em><\/p>\n\n\n\n

En primer lugar necesitamos el pilar fundamental que son los datos. Utilizaremos la Graph API de Facebook para ir peri\u00f3dicamente extrayendo los datos para contar con informaci\u00f3n en tiempo real. El dato fundamental en este caso son los comentarios.<\/p>\n\n\n\n

2. Almacenamiento<\/em><\/p>\n\n\n\n

Los datos ser\u00e1n almacenados en una Base de Datos, en nuestro caso, en Big Query.<\/p>\n\n\n\n

3. Creaci\u00f3n y optimizaci\u00f3n de diccionarios<\/em><\/p>\n\n\n\n

Antes de comenzar a procesar los comentarios, tenemos que revisar nuestros diccionarios ling\u00fc\u00edsticos para que el programa sea capaz de detectar la iron\u00eda, faltas de ortograf\u00eda, menciones a personas, dobles sentidos\u2026<\/p>\n\n\n\n

4. Bran Affinity (NLP)<\/em><\/p>\n\n\n\n

A continuaci\u00f3n aplicaremos nuestros algoritmos que dan lugar al Brand Affinity y podremos extraer informaci\u00f3n de la combinaci\u00f3n de las m\u00e9tricas cl\u00e1sicas y Procesamiento del Lenguaje Natural sobre los comentarios para as\u00ed detectar la polaridad del sentimiento y las emociones que est\u00e9 generando el Feedback de los usuarios.<\/p>\n\n\n\n

5. Business Intelligence<\/em><\/p>\n\n\n\n

Finalmente crearemos un cuadro de mando con una nota que nos permita ver un evolutivo o acumulativo y detectar esos valles que puedan dar informaci\u00f3n avanzada que no ver\u00edamos solo con las m\u00e9tricas cl\u00e1sicas<\/p>\n\n\n\n

6. Test y aprendizaje<\/em><\/p>\n\n\n\n

El equipo de Paid Media aplica cambios en base a los insights identificados y se vuelven a medir los resultados.<\/p>\n\n\n\n

\"Image<\/figure>\n\n\n\n

Conclusiones<\/h1>\n\n\n\n

La tecnolog\u00eda actual especialmente en el mundo de los Datos nos aporta infinitas posibilidades para poder mejorar los resultados de las campa\u00f1as de Marketing.<\/p>\n\n\n\n

Con las nuevas herramientas de an\u00e1lisis y optimizaci\u00f3n como el \u201cBrand Affinity\u201d de <\/strong>Apache Digital<\/strong><\/a> se pueden detectar las publicaciones que mejor funcionan y cu\u00e1les no, permitiendo a los equipos pivotar estrategias para mejorar los resultados<\/strong>. Dentro de las marcas se genera un aprendizaje avanzado en funci\u00f3n de los datos y poder tomar decisiones de negocio de una forma mucho m\u00e1s precisa y fiable.<\/p>\n\n\n\n

\u00bfTe ha parecido interesante? Si es as\u00ed en breve publicaremos una segunda parte donde mostraremos un ejemplo pr\u00e1ctico de c\u00f3mo aplicar\u00edamos este procedimiento y c\u00f3mo visualizamos estos datos.<\/em><\/strong><\/p>\n","protected":false},"author":5,"featured_media":1141,"template":"","category_insight":[57],"_links":{"self":[{"href":"https:\/\/apachedigital.io\/en\/wp-json\/wp\/v2\/insight\/1134"}],"collection":[{"href":"https:\/\/apachedigital.io\/en\/wp-json\/wp\/v2\/insight"}],"about":[{"href":"https:\/\/apachedigital.io\/en\/wp-json\/wp\/v2\/types\/insight"}],"author":[{"embeddable":true,"href":"https:\/\/apachedigital.io\/en\/wp-json\/wp\/v2\/users\/5"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/apachedigital.io\/en\/wp-json\/wp\/v2\/media\/1141"}],"wp:attachment":[{"href":"https:\/\/apachedigital.io\/en\/wp-json\/wp\/v2\/media?parent=1134"}],"wp:term":[{"taxonomy":"category_insight","embeddable":true,"href":"https:\/\/apachedigital.io\/en\/wp-json\/wp\/v2\/category_insight?post=1134"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}