¿Podría la tecnología de gráficos llenar perfectamente la brecha de las cookies para los especialistas en marketing?

2

La Dra. Alicia Frame, directora de gestión de productos – ciencia de datos en Neo4j, explica cómo el trabajo de contexto basado en gráficos podría mejorar el final de la cookie de terceros.

Durante muchos años, los anunciantes en línea han estado utilizando cookies para rastrear a los visitantes del sitio web , mejorar la experiencia del usuario y recopilar datos para orientar anuncios a las audiencias adecuadas.

Los especialistas en marketing valoran lo que las cookies pueden decirles sobre lo que hacen los visitantes en línea cuando no están en su sitio web.

Esto es importante, ya que Amazon nos ha enseñado el valor de poder predecir lo que los clientes quieren comprar analizando los datos de ventas en línea.

Es una técnica que todas las marcas modernas están ansiosas por aplicar. Los consumidores digitales de hoy en día necesitan recomendaciones e indicaciones inteligentes y muy sensibles al contexto.

“También le puede gustar” es una frase que marcó el comienzo de una nueva era en las relaciones con los clientes y sugerencias personalizadas.

Como resultado, las marcas pueden maximizar el valor que ofrecen, asegurar la lealtad del cliente y realizar ventas cruzadas y ascendentes.

Hay un pequeño problema: las cookies de terceros están desapareciendo. Esta funcionalidad de gran utilidad está programada para finalizar con los esfuerzos de Google para eliminar gradualmente las cookies de terceros en los navegadores Chrome para 2022 .

Sin embargo, no hay necesidad de preocuparse demasiado.

La tecnología de base de datos de gráficos se está utilizando para construir motores de recomendación que no dependen de cookies de terceros.

Estos motores de recomendación pueden hacer uso de registros web para ofrecer el mismo nivel de personalización de Amazon al que están acostumbrados los anunciantes, de hecho, posiblemente más.

Una tecnología probada para permitir recomendaciones en tiempo real

Las bases de datos de gráficos no se pueden intercambiar simplemente por cookies. Pero son otra ruta hacia lo mismo: conocer a su cliente.

Queremos estar íntimamente familiarizados con el historial de compras de los clientes para analizar sus opciones actuales antes de compararlas con los productos más adecuados.

Debemos hacer todo este análisis en tiempo real antes de que el cliente se mueva al sitio web de un competidor, y una tecnología probada para permitir estas recomendaciones en tiempo real es la tecnología de gráficos.

La tecnología de gráficos supera fácilmente el rendimiento relacional y NoSQL al conectar grandes cantidades de datos de compradores y productos para obtener información sobre las necesidades del cliente y las tendencias de los productos.

Por ejemplo, eBay utiliza bases de datos de gráficos para un motor de recomendaciones en tiempo real.

En palabras del desarrollador senior Volker Pacher , “encontramos que [la tecnología de gráficos] es literalmente miles de veces más rápida que nuestra solución MySQL anterior, con consultas que requieren de 10 a 100 veces menos código. Graph proporciona a eBay una funcionalidad que antes era imposible “.

Hacer recomendaciones en tiempo real también requiere la capacidad de capturar instantáneamente cualquier interés nuevo que se muestre en la visita actual del cliente. Hacer coincidir datos históricos y de sesión como este se logra fácilmente con una base de datos de gráficos.

Como dijo un desarrollador de software en un importante minorista líder, “el gráfico nos ayuda a comprender el comportamiento de nuestros compradores en línea y la relación entre nuestros clientes y productos, proporcionando una herramienta perfecta para recomendaciones de productos en tiempo real”.

Ir más allá de las cookies de terceros

Y a medida que avanzamos hacia un futuro posterior a las cookies, las empresas minoristas y de medios ahora pueden analizar sus weblogs para encontrar conexiones a lo largo del tiempo.

Al analizar el tráfico web y los datos del flujo de clics, los especialistas en marketing pueden extraer perfiles individuales únicos.

La identificación y eliminación del anonimato de los usuarios sienta las bases para recomendaciones más precisas, que se traducen en un mayor número medio de visitas por perfil y en la creación de mejores modelos de hábitos de consumo.

En los EE. UU., Por ejemplo, Meredith Corporation , un conglomerado de medios de $ 3 mil millones con más de 30 marcas de consumo líderes y una presencia digital que llega a más de 180 millones de usuarios al mes, está utilizando la co-ocurrencia de cookies, en lugar de datos de seguimiento de terceros para crear perfiles de clientes únicos.

Su científico de datos senior, Ben Squire, dijo: “Con millones de visitas y millones de visitas únicas por mes sobre diferentes temas y estilos de vida, nuestros consumidores confían en nosotros para obtener información sobre cosas que afectan su vida diaria, así como para despertar su interés.

Al comprender y analizar este contenido y cómo se consume, nos esforzamos por satisfacer las necesidades de nuestros públicos y anunciantes por igual “.

Históricamente, Meredith identificaba a los usuarios anónimos a través de cookies de terceros, pero la pérdida de cookies en diversos dispositivos y los navegadores ITP 2.3 que bloquean las cookies de forma predeterminada aumentan la dificultad de confiar en ellas, lo que conduce a la ineficiencia.

“Si la identificación de la cookie utilizada en los modelos no aparece de nuevo, entonces se pierde el dinero, el tiempo y el esfuerzo que se invierte en la construcción de esos modelos”, dijo.

 “Conocer a su audiencia no es suficiente; es necesario volver a verlos para poder actuar en consecuencia “.

Meredith cambió su enfoque. La rica combinación de contenido multimedia de la empresa genera de forma natural múltiples flujos de datos dispares.

Los científicos de datos de Meredith combinaron esos datos para encontrar formas de identificar a los usuarios en esos flujos, y surgió algo interesante:

la coincidencia de patrones, que mostró que las cookies diseñadas para identificar usuarios únicos se repitieron en diferentes flujos de datos.

Qué es Neo4J

Neo4j es un software libre de Base de datos orientada a grafos, implementado en Java. ​ Los desarrolladores describen a Neo4j como un motor de persistencia embebido, basado en disco, implementado en Java, completamente transaccional, que almacena datos estructurados en grafos en lugar de en tablas (“embedded, disk-based, fully transactional Java persistence engine that stores data structured in graphs rather than in tables”).

La versión 1.0 de Neo4j fue lanzada en febrero de 2010. ​ La base de datos está licenciada en un modelo dual, tanto bajo Affero General Public License (AGPL) v3 como bajo licencia comercial.

Como resultado, la empresa creó un gráfico de identidad que incorpora más de 20 meses de datos de usuarios de fuentes propias y de terceros. La base de datos de gráficos tiene más de 4,4 terabytes de datos en 30 mil millones de nodos, 67 mil millones de propiedades y 35 mil millones de relaciones. 350 millones de perfiles que se habrían considerado individuos únicos con diferentes intereses y patrones se han consolidado en 163 millones de perfiles más ricos y precisos. Una vista de alta definición de los intereses y preferencias de los usuarios impulsa modelos más sólidos, lo que genera contenido más relevante y más usuarios regresan con el tiempo.

La empresa utilizó algoritmos de gráficos para transformar miles de millones de páginas vistas en millones de identificadores seudónimos con perfiles de navegación enriquecidos. La medida ha revisado por completo su comprensión del comportamiento del cliente. “Hemos aumentado nuestra comprensión de un cliente entre un 20 y un 30% al observar cómo se conectan los datos a lo largo del tiempo, en lugar de solo mirar las cookies individuales en sí mismas”, confirmó Squire. “En lugar de ‘publicidad en la oscuridad’, ahora entendemos mejor a nuestros clientes, lo que se traduce en importantes ganancias de ingresos y consumidores mejor atendidos”.

Hay aprendizajes importantes aquí para otros anunciantes que buscan sobrevivir al final de la cookie de terceros. Para utilizar los potentes motores de recomendaciones que las marcas necesitan para competir con Amazon y otras marcas digitales nacidas, es necesario aprovechar las conexiones de datos y unir los puntos entre las relaciones. Aquí es donde el software de gráficos puede ayudar a las empresas, tanto con su próxima oferta publicitaria como de marketing. Y quizás, su supervivencia a largo plazo en nuestra era inminente sin cookies.