Como habrás leído, Google anunció recientemente su iniciativa Privacy Sandbox para Android (había anunciado su Privacy Sandbox para web en 2019). Es un conjunto de herramientas y tecnologías para habilitar la publicidad respetuosa con la privacidad.
¿Qué significan para los profesionales del marketing las iniciativas de la zona de pruebas de privacidad recientemente anunciadas por Google?
Muchos esperaban que Google siguiera los pasos de Apple después de ATT. Y debido a que Google es una empresa de publicidad a diferencia de Apple, los cambios están mucho más claramente pensados y son menos perturbadores que ATT.
Si bien todavía hay preguntas abiertas, los detalles de la implementación real aún no están claros y aún faltan 2 años para el lanzamiento: es hora de comenzar a pensar en las implicaciones a largo plazo de estos cambios de gran alcance para los negocios basados en aplicaciones móviles.
Hay un par de componentes clave de Privacy Sandbox, y queremos desglosar las implicaciones de estos para los especialistas en marketing.
Hoy hablaremos sobre la API de temas, que es una de las que Google llama API de preservación de la privacidad y es una parte clave de la zona de pruebas de privacy. Hablaremos sobre cómo esto cambia fundamentalmente la orientación y lo que esto significa para los especialistas en marketing.
_
¿Qué es la API de temas?
La API de temas permite que los SDK de la red publicitaria se dirijan a diferentes usuarios por los temas asociados con ellos. Piensa en esto como una orientación basada en intereses, excepto que dada la implementación específica, los intereses o temas se definen de una manera que no revela información de identificación personal.
Así es como funciona:
Cada aplicación tiene hasta 3 temas asociados, que pueden ser «leídos» por los SDK de tecnología publicitaria presentes en la aplicación respectiva. Ahora, si como usuario estoy usando las 7 aplicaciones enumeradas anteriormente, la API de temas genera la lista de mis ‘Temas’ como usuario. Entonces: se define un ‘Tema’ para cada usuario, en función de sus interacciones recientes con aplicaciones específicas.
Además: las plataformas podrían combinar esto con datos propios (Facebook podría combinar algo de esto con la orientación por intereses en Facebook, la búsqueda de Google con intención y TikTok y Youtube con datos de visualización de videos), por lo que las plataformas tendrán bastantes datos para entrenar a sus Modelos de ML para refinar su orientación.
Puedes ver por qué esto está estructurado de la forma en que está. En palabras de Google:
La razón por la que cada aplicación obtiene uno de varios temas es para garantizar que las diferentes aplicaciones obtengan diferentes temas, lo que dificulta que las aplicaciones realicen una correlación cruzada con el mismo usuario. Por ejemplo, la aplicación A podría ver el tema T1 para el usuario, pero la aplicación B podría ver el tema T2. Esto hace que sea más difícil para las dos aplicaciones determinar que esta información está asociada con el mismo usuario.
_
¿Cómo afecta el Privacy Sandbox al rendimiento de la campaña si publicas anuncios en una red publicitaria en Android?
Como puedes ver, el GAID no está en ninguna parte de la imagen aquí. Y sí, si bien esto le permite recopilar suficientes datos sobre editores y temas para entrenar sus modelos ML, lo único que debe recordar absolutamente es que las señales de no compra son muy malos predictores del comportamiento de compra. Hemos visto esto en todas las aplicaciones y verticales, por lo que debes esperar que el rendimiento sea peor que ahora.
Además, cada usuario tiene 5 ‘temas’. Si observas el ejemplo anterior, los 5 ‘temas’ a los que accede un SDK sobre un usuario son una porción muy pequeña de la personalidad de un usuario. Si el tema que me asignaron es Europa, ¿es porque soy un estadounidense que quiere visitar el continente? ¿Porque soy un economista haciendo investigación? ¿Estoy leyendo un libro sobre Europa? Va a ser difícil determinar cuál de esos contextos se aplica a mí.
Por lo tanto, debes esperar absolutamente un deterioro del rendimiento en comparación con el actual, aunque este marco es significativamente más poderoso y está mejor pensado que SKAdNetwork, que no aborda la orientación en absoluto, y también hace un trabajo manual de gestión de la atribución.