Data Clean Rooms: todo lo que necesita saber

¿Qué es una data clean room?

En investigación científica o en el ámbito industrial, una «clean room» (sala limpia), es un entorno estrictamente controlado que reduce el nivel de contaminantes que puedan poner en peligro un trabajo delicado. Una data clean room es muy similar, y este tipo de espacios digitales están adquiriendo popularidad a medida que las organizaciones van adoptando la transformación digital.

¿Cómo podemos definir una data clean room? En pocas palabras, se trata de un espacio seguro y neutro donde puede llevarse a cabo la data collaboration y las asociaciones con partners sin que una parte (o partes) tenga acceso a los datos de los clientes de la otra parte. Una data clean room también incorpora tecnologías que mejoran la privacidad, como el cifrado y la privacidad diferencial, lo que impide que se haga un mal uso de los datos y permite a los científicos de datos aprovechar los datos para planificar, activar y medir mejor en todo el ecosistema.

Podemos decir que una clean room es una especie de valiosa incorporación a la caja de herramientas para la transformación de datos. Una de las ventajas clave es que los datos siempre permanecen bajo el control del propietario, lo que genera un mejor equilibrio entre privacidad y utilidad. Aunque muchos de los casos de uso se producen entre dos empresas, las data clean rooms también pueden utilizarse dentro de una misma empresa, por las mismas razones.

Historia de las data clean rooms

Si se pregunta a las industrias de adtech y martech cuál es el origen de las data clean rooms, siempre señalan la introducción del Ads Data Hub (ADH) de Google, poco antes de que lo hicieran Facebook y Amazon. Estos productos estaban diseñados para permitir una data collaboration segura entre los walled gardens y los anunciantes (y sus datos first-party), con el fin de enriquecer, orientar y medir campañas en sus plataformas. También permitió a estos walled gardens evitar el riesgo de exposición de sus codiciados datos de consumidores. La mejora en las normativas de privacidad y seguridad sigue haciendo que la activación, la medición y la optimización de las campañas sin una data collaboration segura en una data clean room resulten extremadamente difíciles, si no imposibles. Las leyes de privacidad y seguridad más estrictas en torno a los datos y los cambios de los navegadores y fabricantes de dispositivos han hecho que las data clean rooms se conviertan en una necesidad del mundo actual, más que en una práctica recomendada.

¿Cómo funcionan las data clean rooms?

Una data clean room consta, básicamente, de cuatro componentes:

1. Los datos: Los datos first-party provienen de participantes, como un retailer y CPG.
2. Conexión de datos y proceso de enriquecimiento: Los conjuntos de datos de dos o más partes se comparan de forma individual y luego se enriquecen con proveedores third-party. También aquí entra en juego el identity graph, que se «pseudonimiza» en un ID que no pueda vincularse a la PII de un consumidor.
3. Analítica y análisis de datos: Dentro de data clean room, se incorporan los datos anonimizados, que pueden utilizarse para la medición y la atribución.

Actividades de marketing: El último componente, y el más importante, es el uso de los resultados de data clean room para ejecutar actividades de marketing, como la creación de audiencia, insights de clientes, la determinación del alcance y la frecuencia, el análisis de campañas, el análisis del customer journey y mucho más.

Tipos de data clean rooms

Como decíamos, las data clean rooms no son nada nuevo. Han estado presentes en los walled gardens desde hace varios años y han demostrado su eficacia en la mejora del rendimiento de la publicidad mediante la data collaboration entre un anunciante y sus plataformas. Este enfoque ayuda a los anunciantes a encontrar incoherencias para abordar problemas como el frequency capping y la supresión de audiencia, lo que evita el exceso de recepción de anuncios a las mismas personas u hogares. Con la proliferación de canales, la medición y la atribución han adquirido aún más importancia a la hora de optimizar el gasto publicitario.

Third-party data clean rooms neutras

Cada vez están apareciendo más data clean rooms. Además de las gestionadas por las plataformas, también hay clean rooms neutras de datos third-party, como Safe Haven, de LiveRamp, que, además de organizar, analizar y medir los datos, también permite la activación en todo el ecosistema publicitario para planificar, activar y medir mejor su gasto en marketing. 

Contar con un entorno seguro para que los científicos de datos experimenten es genial, especialmente, si es donde ya se alojan los datos. Sin embargo, las data clean rooms solo son valiosas en relación con el valor que producen. La ciencia consiste en hacer pruebas y en demostrar los hallazgos. El data science debe mejorar la eficacia, potenciar el descubrimiento de nuevas audiencias y aumentar la precisión de las mediciones. Un entorno mejorado y neutro es el más adecuado para ello, sobre todo, cuando se trabaja con múltiples plataformas y canales.

Data clean rooms para mejorar los resultados de negocio

Hoy en día, los data clean rooms pueden proporcionar un entorno seguro para unir conjuntos de datos dispares con mayor facilidad y descubrir más insights de negocio que nunca. Si bien las preocupaciones por la privacidad de los datos son una razón de peso para utilizar una clean room, existen otras ventajas que ayudarán a sus negocios a obtener un mayor rendimiento de su inversión a largo plazo, si elige el tipo adecuado de clean room. Al fin y al cabo, el objetivo final es crear valor para su negocio.

Para lograr mejores resultados de negocio, su data clean room debe basarse en la protección de la privacidad y ofrecer herramientas que proporcionen resultados a los especialistas en marketing. Un data clean room mejorado, con aplicaciones integradas de identidad, medición e insight basadas en personas que también estén conectadas con los principales canales de activación puede ayudarle a establecer colaboraciones más profundas y a conectar con su esfera de influencia.

Tres razones por las que a los especialistas en marketing les tendrían que encantar los data clean rooms:

1. Acceder a más (y mejores) datos para mejorar el marketing y maximizar el ROAS

Como mencionábamos anteriormente, la depreciación de los datos es algo real y los especialistas en marketing necesitan datos de campaña que no dependan de las pérdidas de señal. Con un data clean room, los especialistas en marketing pueden acceder a modelos de atribución, aprovechando los datos de transacciones combinados con el rendimiento publicitario de un publisher o partner, como las impresiones y los clics, para determinar el origen de las conversiones. Con los datos granulares, un especialista en marketing puede analizar el alcance y la frecuencia de sus campañas y tomar medidas para minimizar la fatiga publicitaria y mejorar el rendimiento de los medios. El panorama de los medios está cada vez más fragmentado, por lo que una data clean room puede ayudar a superar los obstáculos que traen consigo todos los canales, nuevos u obsoletos.

2. Insights de las audiencias para conseguir aumentarlas

Los datos a nivel de usuario son oro, pero cada vez es más difícil conseguirlos debido a las tan necesarias regulaciones de privacidad y los cambios de Apple. Un data clean room permite a los especialistas en marketing asociarse con múltiples fuentes de confianza para mejorar y enriquecer sus datos y crear modelos look-alike a nivel granular. Esto puede impulsar la segmentación basada en el comportamiento del consumidor, el historial de compras, los hábitos, etc., para ayudar a los especialistas en marketing a enviar mensajes más relevantes a través de los canales más eficaces. 

3. Colaboraciones de datos first-party

Mantequilla y mermelada… Tom y Jerry… Ticketmaster y Spotify. Son tres ejemplos de cosas que van siempre juntas y no podría ser de otra manera. Con una data clean room, un especialista en marketing puede asociarse con cualquier persona en un entorno seguro y basado en permisos, para impulsar su marca de maneras que antes resultaban imposibles. Por ejemplo, si está preparando el lanzamiento de un nuevo producto, una colaboración de datos adecuada y unos buenos conjuntos de datos pueden ayudarle a comprender mejor la categoría y obtener suculentos resultados. Las colaboraciones de datos first-party benefician no solo al especialista en marketing, sino también al equipo de desarrollo de producto, al servicio de atención al cliente y a otros departamentos de la empresa.

Qué buscar en una data clean room (mejorada)

¿Cómo encontrar una data clean room que ofrezca estos resultados y también una mejor experiencia de cliente? A continuación, detallamos los «must» de una data clean room.

Un data clean room debe tener un enfoque de identidad omnicanal determinista.
Las capacidades de privacidad mejoradas suelen ser la primera razón para sentirse atraído por una data clean room. Las tecnologías de mejora de la privacidad (PET, Privacy-Enhancing Technologies) permiten a las empresas analizar los datos sin necesidad de exponerlos. Sin embargo, la clave del éxito de los data clean rooms es proporcionar a las tecnologías de mejora de la privacidad, la capacidad modular de colaborar con datos manteniendo siempre la seguridad de los mismos. Además, contar con un enfoque determinista de identidad y matching también resulta clave para garantizar la calidad de la colaboración. Sin identificadores ni matchings deterministas, la colaboración puede dar lugar a resultados imprecisos.

El aprovechamiento de un marco de identidades interoperable puede ayudarle no solo a medir la eficacia con mayor precisión, sino también a impulsar experiencias personalizadas en puntos de contacto omnicanal. En lo que respecta a mediciones, un data clean room adecuada ofrece funciones similares a las de los walled gardens, como por ejemplo: 

• Comparar los datos de impresión con las transacciones para proporcionar informes de conversión y uplift de ventas.
• Permitir asociaciones múltiples para la atribución multitáctil.
• Incorporación de socios de TV para planificar mejor las campañas omnicanal.

Un data clean room debe dar respuesta a las preguntas correctas.

Un data clean room, mejorado o no, sería irrelevante si no facilitara la data collaboration dentro de un espacio consciente de la importancia de la privacidad. Una vez que los datos son accesibles, los clean rooms también deben proporcionar funciones adicionales para facilitar y simplificar la colaboración. Entre ellas, se incluyen:

• Ayudar a crear y reconciliar los conjuntos de datos first-party propios de la organización para que pueda admitir first-party graphs.
• Garantizar que las organizaciones incorporan conjuntos de datos con una taxonomía unificada para facilitar la colaboración 
• Proporcionar la creación previa de consultas en conjuntos de datos para responder a preguntas clave sobre los resultados de negocio, sin necesidad de que las partes se vean obligadas a hacer grandes esfuerzos.
• Integrar paneles de control de análisis para garantizar que los datos granulares se puedan aprovechar fácilmente para crear mejores audiencias a escala.
• Incorporar protocolos de medición que generen datos, de forma automática y continua, sobre la eficacia de las campañas colaborativas.

Un data clean room debe mejorar la personalización.

Los datos son la clave para ofrecer una experiencia de cliente óptima y una data clean room mejorada ayuda a proporcionar esas experiencias.

Pongamos como ejemplo la cafetería de su barrio donde desayuna habitualmente. Después de una o dos semanas acudiendo allí a diario, seguro que le gustaría que el/la camarero/a le ofreciera una experiencia más personalizada, teniendo en cuenta que ya sabe qué café es el que más le gusta. Al menos, sería agradable que le reconociera y que no le tratara como un cliente cualquiera. Podría incluso invitarle a un pastelito a cuenta de la casa, como agradecimiento por ser cliente habitual.

Otro ejemplo es un retailers con datos de transacciones que le indica lo que compran los clientes, cuánto compran y con qué frecuencia. Ese retailers podría crear audiencias atractivas para los CPG, que pueden ser pobres en datos first-party. Se trata de una situación win-win para ambas partes, ya que la marca lograría un mejor targeting, llegaría a las audiencias adecuadas y reduciría el desperdicio de publicidad. Mientras tanto, el retailers (en este caso, actuando como editor de medios) podría mejorar los rendimientos y ofrecer mejores experiencias de cliente.

Cuando se aprovechan los datos de manera adecuada y de forma segura para la privacidad, pueden mejorar la experiencia de cliente, garantizando que las marcas reconozcan estas preferencias y estrechen las relaciones con los clientes existentes para aumentar la fidelidad y el conocimiento de la marca. Un data clean room permite crear experiencias de cliente excepcionales, ayudando a activar estos insights en todas las aplicaciones de marketing.

Ua data clean room debe ser flexible e interoperable.

Una data clean room mejorada debe hacer que la conexión de los datos sea segura y sencilla, independientemente de dónde se alojen, y utilizar las herramientas que necesite el especialista en marketing para lograr sus objetivos. Las data clean room deben poder trabajar donde usted (y sus partners) trabajen. Esto significa que deberían poder conectarse a las mismas nubes y walled gardens. Las cosas pueden complicarse cuando hay soluciones puntuales con diferentes configuraciones y parámetros utilizados por una marca o agencia con varios socios.

Cómo los retailers pueden rentabilizar los datos y crear flujos de ingresos con una data clean room

Supongamos que ya tiene los datos estructurados y «taxonomizados» y que desea que estén disponibles para poder empezar a generar ingresos. En ese caso, no necesita una data clean room, puede llevar sus segmentos de audiencia a diferentes data marketplaces. El problema viene porque estará compitiendo con, al menos, 150 proveedores de datos que quieren conseguir ese mismo dinero de los medios. Esta función estándar no proporciona el tipo de valor adecuado para sus propios conjuntos de datos. Para mejorar el valor de sus datos y empezar a generar flujos de ingresos progresivos con un alto margen, una clean room puede serle de gran ayuda.

Por ejemplo, la mayoría de los retailers tienen hoy un negocio de medios retailers centrado en propiedades propias y operadas. Uno de los principales objetivos es mejorar el rendimiento del inventario existente de un retailers y la mejor manera de hacerlo es aprovechar una clean room y permitir que las marcas de CPG realicen superposiciones e identifiquen esas audiencias únicas que les gustaría activar en las propiedades web propias y operadas de un retailers. Este paso adicional permite a un minorista agrupar sus datos y medios junto con el uso de una data clean room, lo que aumenta el valor de su inventario y las operaciones propias y operadas.

Además, para proporcionar una extensión de audiencia (cuando un minorista toma sus conjuntos de datos y los ofrece o los utiliza fuera de los límites de la organización), tener acceso a data clean rooms puede proporcionar funciones únicas, incluidas funciones simples y avanzadas de creación de audiencia, así como mediciones, muy codiciadas por las marcas CPG.

Las data clean rooms no son solo para retailers

Aunque los minoristas y las marcas son magníficos ejemplos de cómo las data clean rooms pueden generar mejores resultados de negocio, en casi todos los sectores existe la posibilidad de aprovechar una data clean room con los socios adecuados. Aquí mostramos algunos ejemplos:

Servicios públicos: Teniendo en cuenta el creciente mercado de nuevos productos de energía para hogares inteligentes y los datos que tienen los servicios públicos sobre los hábitos de consumo de la población, esto les da una ventaja competitiva para crear y comercializar una variedad de productos y servicios. Por ejemplo, una data clean room puede permitir la colaboración entre los servicios públicos y los fabricantes de vehículos eléctricos (EV) para identificar las instalaciones óptimas de puntos de carga.

Atención sanitaria: El mejor ejemplo y el más actual de cómo las data clean rooms pueden ayudar en el sector de la sanidad es su uso para proporcionar información crítica a la comunidad médica, las compañías farmacéuticas, los gobiernos y la población mundial durante la COVID-19. Las data clean rooms logran un equilibrio entre la salud pública y la privacidad con data collaboration, sin exponer los datos privados de las personas.

Fintech: En lo que se refiere a datos financieros, la privacidad y la seguridad son dos de los problemas más importantes a los que se enfrenta el sector. El nivel de PII y las consecuencias de una filtración de datos pueden ser devastadores, tanto para los individuos como para las instituciones. Las data clean rooms pueden proporcionar un entorno seguro para este sector, con el fin de reducir los riesgos al colaborar de forma interna y externa. También se pueden utilizar en toda la industria para eliminar el fraude.

Entretenimiento: Desde los servicios de streaming hasta los cines, salas de conciertos y deportivas, parques temáticos y mucho más, este sector puede captar el comportamiento y las compras de los consumidores de formas que otros sectores no pueden. Una data clean room puede ayudar a extraer el valor de sus datos mediante asociaciones con sellos musicales, estudios de producción, etc., proporcionando audiencias y señales únicas para una mejor planificación, activación y medición.

Sector de viajes: Los hoteles y las líneas aéreas disponen de datos únicos de clientes a escala, dado que ya se han incorporado a redes de medios y han adoptado data clean rooms para aumentar sus ingresos. También se han asociado con marcas para mejorar sus ofertas, diferenciándose de la competencia.

Aplicaciones móviles: Los publisher en entorno mobile se enfrentan a una competencia feroz por el tiempo y la atención de los usuarios, desde el reconocimiento de aplicaciones hasta la instalación y el compromiso, pasando por la fidelidad a largo plazo. Al igual que sucede con muchas aplicaciones móviles, el potencial de la cantidad de datos que obtienen de usuarios activos es significativo y extremadamente valioso. Hay que tener en cuenta que los publisher en entorno mobile suelen tener varios juegos diferentes con la actividad de los usuarios en dos o más de ellos. Esto aumenta la cantidad de datos que se pueden utilizar para obtener insights y proporcionar áreas de optimización y, cuando se comparten de forma segura con los socios a través de una data clean room, se pueden conectar los mundos online y offline.

¿Por qué no se utilizan los data clean rooms todo el tiempo?

Si las data clean rooms ofrecen tanto a los especialistas en marketing, ¿por qué no se utilizan más? Una razón es que, si bien constituyen un tema candente en la actualidad, no llevan existiendo mucho tiempo. Otros factores que contribuyen a la adopción de una data clean room son los siguientes:

Obtención de datos en un estado utilizable
Para utilizar una data clean room, necesita poner orden en su casa de datos. No es una tarea fácil ni rápida para muchas organizaciones, especialmente, si los datos se encuentran en silos.

Encontrar a los socios adecuados
Elegir un data clean room y socios con los que trabajar puede llevar tiempo, aunque cuente con una dedicación total de varios miembros de la organización. Un data clean room no es solo una cuestión de marketing.

Problemas de privacidad y seguridad
Las data clean rooms se basan en la data collaboration. No todas las organizaciones se sienten cómodas revelando datos que puedan ser privados, como los datos transaccionales de canales online y offline. La formación de diferentes equipos de gobernanza puede llevar su tiempo y, a medida que las tecnologías de mejora de la privacidad van haciéndose más frecuentes, los problemas sobre privacidad y seguridad se van reduciendo.

Restricciones
La mayoría de las marcas de data science se encuentran cómodas utilizando las herramientas necesarias para potenciar las tareas de análisis, desde la puntuación de clientes potenciales hasta el modelado de viajes o la medición del rendimiento del canal. Dado que las data clean rooms deben crear un entorno protegido que permita descubrir los insights necesarios sin permitir la exposición o la reidentificación de los datos de los consumidores, crean restricciones que impiden el acceso a otras herramientas para gestionar la seguridad de los análisis de datos.

El futuro de las data clean rooms

Las organizaciones van a adoptar cada vez más data clean rooms en los próximos años, pero la tecnología evolucionará según las necesidades de los clientes. Como ya hemos visto, los clientes están migrando sus activos de datos dentro de sus data warehouses en la nube y van a querer que la colaboración se produzca dentro de los límites de estos data warehouses. Las data clean rooms se van a convertir en una parte fundamental de la infraestructura de la nube en el futuro y van a ofrecer valor no solo para los casos de uso de marketing, sino también para los casos de uso que respalden todas las funciones de la empresa. Además de integrarse en la nube, esperamos que las clean rooms proporcionen controles de privacidad modulares para que las organizaciones se sientan cómodas con los marcos de privacidad y seguridad utilizados en la colaboración.

Conclusión

Independientemente del tipo de data clean room que elija para sus necesidades de data collaboration, es fundamental asegurarse de que puede ayudarle a ofrecer los mejores resultados de negocio, sin tener que sacrificar las relaciones con los clientes que desea desarrollar y mantener, al tiempo que consigue comprenderlos mejor.