La data collaboration es complicada. Las marcas tratan de obtener más valor de sus datos first-party y llenar el vacío que dejó la desaparición de las cookies de terceros y, para ello, están recurriendo a colaboraciones beneficiosas para todas las partes, con el fin de generar insights de mayor valor.
No obstante, el éxito de una data collaboration depende de la colaboración humana entre bastidores. Para llegar hasta allí, debes ser capaz de alinear las intenciones, controles y tecnologías que hacen posible que el intercambio de datos sea seguro.
Entonces, ¿cómo puedes trazar el camino a seguir y atraer a las diferentes partes interesadas?
Un modelo para el éxito de la data collaboration
El reciente informe Winterberry incluye un práctico modelo RACI que desglosa lo que debe hacer cada parte en una colaboración de datos tipo sobre medición y activación de medios. Las personas a las que debas acudir serán diferentes en función de tu empresa y del caso de uso, por lo que puedes considerar el informe y la infografía que aparecen a continuación no tanto como una plantilla, sino como una fuente de ideas para las conversaciones que puedas tener que mantener en cada etapa.
Así era el RACI cuando Danone, líder mundial en el sector de alimentos y bebidas, colaboró con un destacado minorista a través del Safe Haven de LiveRamp.
Paso 1: Identificar el business case
Danone necesitaba fortalecer su inteligencia de consumidor para perfeccionar su estrategia de medios y aumentar el ROI. La pandemia de 2020 no solo trajo consigo la perturbación de los negocios, sino también nuevos hábitos de consumo de medios. Estos cambios afectaron al desarrollo de productos de Danone y a los mensajes de los consumidores, por lo que resultaba fundamental recopilar insights y actuar lo más rápido posible.
Con estos objetivos estratégicos en mente, Danone se centró en dos objetivos:
- Comprender el impacto de la publicidad digital de Danone en los segmentos de audiencia y su ruta de compra en el retailer.
- Optimizar las activaciones omnicanal basadas en datos transaccionales.
El marco RACI para las conversaciones en esta etapa era así:
Paso 2: Encontrar el partner adecuado
A diferencia de los retailers con escaparates físicos y de comercio electrónico, Danone no disponía de datos para llegar directamente a grandes volúmenes de consumidores, por lo que formar segmentos de audiencia precisos vinculados a compradores clave supuso un serio obstáculo. ¿La solución? Colaborar con retailers destacados que poseían los conjuntos de datos que Danone necesitaba para llevar a cabo campañas de medios más eficientes y efectivas. El RACI:
Paso 3: Establecer las reglas
Las colaboraciones progresaron rápidamente gracias a la seguridad de datos incorporada en Safe Haven, con todos los datos de minoristas pseudonimizados y sin información de identificación personal (IIP). Las revisiones adicionales garantizaron que no se pudiera agregar IIP al entorno y que no se pudieran exportar datos: los datos siempre han sido gestionados y se han mantenido bajo control.
La calidad y el abastecimiento de los datos (o procedencia: de dónde provienen los datos y cómo se recopilan) también fueron puntos clave en esta etapa, ya que los equipos de análisis evaluaron la calidad y la precisión esperada de los insights que querían descubrir. Algunos datos tuvieron que manejarse respetando ciertas restricciones derivadas de las limitaciones de permisos impuestas por los partners, y los acuerdos de gobernanza controlaron cómo debían utilizarse los datos dentro del entorno de Safe Haven y cómo se aplicarían los resultados para informar a Danone.
LiveRamp organizó sesiones entre las empresas de IT colaboradoras, incluidos los equipos de datos/ análisis, así como los agentes legales, para que entendieran la funcionalidad principal y los controles del entorno para mantener los datos seguros y protegidos.
Paso 4: Ponerlo en práctica
Danone recurrió a los expertos en marketing de datos de Numberly, que activaron segmentos de audiencia creados con datos autorizados de Danone y sus retail partners directamente desde Safe Haven. Esto permitió mantener la coherencia en todos los canales, sentando las bases para los objetivos más amplios de pasar a la publicidad post-cookies y de hacerse dueños de su futuro de datos.
La clave está en las personas
La data collaboration afecta no solo a la tecnología, sino también a las personas. Para Danone, reunir a las partes interesadas en torno al ciclo de vida de la data collaboration ayudó a los equipos a superar los desafíos singulares a los que debieron enfrentarse en el camino. Estas colaboraciones internas y externas les serán de gran utilidad más allá de sus cuatro paredes para conseguir un conocimiento más profundo del cliente.
¿Y después?
Consulta el Informe Winterberry: soluciones de datos colaborativas para profundizar en cómo las marcas pueden acelerar las iniciativas de data collaboration.
Si estás preparado para empezar a completar un modelo RACI para un proyecto de data collaboration, podemos ponerte en contacto con uno de nuestros data strategists para que pueda ayudarte.