"Billetera mata galán" No te pierdas este interesante artículo de opinión de Enrique Díaz, Director de Digital e Innovación de Equmedia, acerca de los errores inherentes al funcionamiento de los algoritmos a los que tanta confianza damos en nuestras campañas.
"Es un dicho argentino que tiene el mismo significado que el acuñado por Quevedo (“poderoso caballero es don dinero”) o como el de la canción de Fito y los Fitipaldis, Soldadito Marinero, que en su letra decía: “Soldadito marinero conociste a una sirena, de esas que dicen te quiero si ven la cartera llena...”. Pero no va por ahí este artículo, sino que menciono todo esto porque, no hace mucho, viendo un video sobre el funcionamiento del algoritmo de Tinder, el especialista que lo explicaba resumió éste con esta frase. En resumen, indicaba que el algoritmo estaba diseñado para emparejar individuos del mismo nivel de belleza, basándose en una serie de parámetros: matches, tiempo visionando las fotografías, número de fotografías vistas, swipe rights y swipe lefts, etc. a los que aporta un valor. Y, al final, cuanto más guapo se es, más valor tiene el perfil, y luego busca otros perfiles de valor similar o sesgos. Todo esto salvo, claro está (y de ahí la frase que titula este artículo), pagues. En ese caso Tinder, aunque seas feo, te muestra igualmente estos perfiles de gente guapa. Pero este artículo tampoco tiene que ver con la manera de ligar de cada uno en función de los recursos disponibles, sino sobre el funcionamiento y los errores inherentes al funcionamiento de los algoritmos a los que les damos tanta confianza en nuestro día a día y en nuestras campañas.
En primer lugar, y aunque probablemente sea banal, ya que todos lo conocéis, hay que explicar en grandes rasgos cómo se desarrollan los algoritmos publicitarios sabiendo que cada uno funciona con tecnologías y reglas diferentes, especialmente cuando nos enfrentamos a tipologías de medios diferentes: programática, redes sociales,... Los algoritmos no son más que un conjunto de normas de programación que deciden cuándo debe activarse una acción que aprovecha el conocimiento obtenido de los usuarios a través de las interacciones realizadas, tanto con los propios impactos publicitarios como por la actividad realizada dentro del ecosistema de llegada definido (web, e-commerce, contenido específico,…) e, incluso, con impactos publicitarios similares y actividad realizada dentro del ecosistema de terceros que, por mayor o menor similitud, pueda considerarse como relevante de cara a un ulterior aprendizaje y predicción sobre la probabilidad de alcanzar el resultado requerido. Es decir, que el algoritmo asigna un valor a cada señal descriptiva del comportamiento hasta obtener un “valor” asociado a cada individuo, aprovecha y utiliza esta lógica o valor para pujar, analiza los resultados y corrige el rumbo hasta que consigue de forma eficiente los objetivos buscados. Además, y dependiendo de cada plataforma, éstos trabajan bajo umbrales de restricciones definidas y rangos de valor sobre las que aplicar estas reglas de forma que el algoritmo pueda trabajar dentro de esas restricciones. Si éstas son demasiado estrictas, el algoritmo será incapaz de ofrecer suficientes resultados para aprender y optimizar la campaña y, por el contrario, si éstas son demasiado laxas, el algoritmo podría no dar el nivel adecuado de eficiencia. De esta forma, todo algoritmo pasa por tres fases: fase de aprendizaje, donde realiza pruebas “agresivas” para aprender sobre las audiencias, mensajes y entornos más adecuados; fase de entrega, donde concentra la actividad sobre aquellas variables que considera como más eficientes, y fase de evaluación, que se activa al mismo tiempo que la fase de entrega y donde incorpora nueva información como la actividad de la competencia o nuevos comportamientos de audiencia asociados a la variabilidad temporal o de estacionalidad de campaña, para modificar la fase de entrega para mantener o mejorar los resultados alcanzados.
Suena bien, suena lógico y parece que es de un sentido común aplastante. Sin embargo, a veces, y siguiendo con frases hechas: “el hombre propone y Dios dispone”, debido a otros sesgos, aquellos con los que los diseñadores de algoritmos no cuentan (pues no tienen en cuenta la maldad humana), hay momentos en los que estos procesos, en lugar de llevar a mejorar resultados, los empeora. Y de esto sí que realmente va mi artículo. Supongamos el siguiente caso: una marca cuyo objetivo es recibir leads o llamadas para que su departamento comercial trate de convertirlos en clientes. En principio, el algoritmo buscará individuos cuyas señales de comportamiento le definan como potencialmente interesado, dado el valor asignado por éste a través de la suma de todas esas señales. Pero, claro, uno de los valores más relevantes para otorgar dicho valor se aporta si el individuo, de forma habitual, cumple o realiza el objetivo último buscado: ver un video hasta el final de forma habitual (si el objetivo de campaña es a visionados), clicar habitualmente (si el objetivo es un CTR alto) o, como en este caso, rellenar formularios de forma habitual. Podéis pensar, pero ¿quién hace eso? Para empezar, yo mismo, pero por motivos que ahora no vienen al caso… Pero, ¿sabéis quién lo hace también (y este motivo sí que viene al caso)? Individuos integrados en redes bonificadas que cobran por realizar una acción como es rellenar un lead.
No digo que la campaña vaya a ir a estos individuos y, ni mucho menos, que la campaña solo vaya a llegar a éstos, sino que, como hemos visto, a partir de estos perfiles el algoritmo aprende buscando perfiles similares y, como es lógico pensar, la calidad del aprendizaje puede verse resentida, más aún si este comportamiento se ve premiado desde un primer momento, pues la evolución del aprendizaje y consecución de resultados vendrá viciada desde el inicio de campaña. En definitiva, se trata de sesgos con resultados inesperados, y es que, de nuevo, sucede el dicho de que “el hombre propone y Dios dispone”.
Buen mes a todos y, como siempre, será un placer hablar y debatir desde los perfiles sociales de Equmedia."
