Cuando se trata de realizar una campaña de generación de demanda con éxito, los datos y la medición son fundamentales. Aunque esto debería ser obvio, es sorprendente la cantidad de empresas que siguen realizando sus actividades de marketing sin una visibilidad clara de su rendimiento. Sin acceso a las métricas adecuadas, la actividad de marketing no puede justificarse, evaluarse ni mejorarse.
Quiere evolucionar para ofrecer mejores resultados la próxima vez...
No se puede.
Creo que a estas alturas ya te has hecho una idea: la medición es un componente clave y no puede tratarse como algo secundario.
Dicho esto, recopilar, analizar y actuar sobre los datos de rendimiento no siempre es sencillo. Con tantas piezas en juego, comprender lo que funciona y lo que no es fundamental para que los resultados de los informes sean procesables. Recuerde que la recopilación de información no tiene sentido si no se va a utilizar.
Para adoptar un enfoque basado en datos en sus campañas de generación de demanda, debe adoptar un enfoque metódico. La forma más sencilla es dividir su enfoque en 4 etapas: Descubrimiento, Diseño, Despliegue y Optimización.
La etapa de descubrimiento
En la fase de descubrimiento, debería centrarse en lo que está tratando de lograr y luego identificar las métricas que influyen en ese objetivo. Por ejemplo, las conversiones de prospectos, el coste por clic (CPC) y el retorno de la inversión (ROI) son métricas de marketing diferentes que ofrecen información muy valiosa para los distintos objetivos de una campaña de generación de demanda. Cada uno de ellos tendrá una importancia variable en función de las tácticas y los objetivos de dicha campaña y, por tanto, requerirá una priorización pertinente. En algunas campañas, el retorno de la inversión puede ser irrelevante (algo inusual, pero que sucede), en otras, las tasas de conversión de clientes potenciales no importarán. En realidad, todo se reduce al objetivo.
For example, if you are looking to sell an exfoliator, then your campaign should consider the target audience, and then come up with the right metrics.
Por desgracia, muchas empresas se centran en las métricas equivocadas cuando se trata de medir el rendimiento. Tienen la mentalidad correcta, pero se pierden en métricas de vanidad que en realidad no suponen una gran diferencia en los resultados que afectan a su objetivo.
Por ejemplo, en lugar de fijarse en las tasas de conversión de una página de aterrizaje de activos, se fijarán en el número de personas que llegan a la página. Esto crea una desconexión entre las cifras y los resultados deseados. Estas métricas de vanidad son muy buenas sobre el papel, pero no son indicativas del éxito o el fracaso, por lo que no ofrecen mucha información.
En la etapa de descubrimiento debe identificar qué métricas son importantes, el papel que desempeñan en la consecución de su objetivo y por qué.
La etapa de diseño
Una vez identificadas las métricas clave, hay que determinar cómo se pueden supervisar y medir, y aquí es donde entra en juego la fase de diseño.
El hecho de que sepa en qué datos quiere centrarse, no significa que pueda acceder de forma eficaz a esa información. Tienes que pensar en qué sistemas tienes y si se integran bien para proporcionar datos precisos?
Además, debe saber si hay silos que le impiden ver el panorama completo. Todos estos son factores que hay que considerar cuidadosamente a medida que se construye el enfoque basado en datos.
No puede permitirse trabajar con una visión parcial de los datos clave, sobre todo si esa información se va a utilizar para orientar la toma de decisiones en el futuro.
Para obtener una visión global, la tecnología no sólo debe ser compatible, sino también interconectarse eficazmente para garantizar que no haya anomalías que afecten a la validez de los datos. Diseñar un sistema que le ofrezca una visión completa de la información crítica es esencial para adoptar un enfoque basado en los datos para sus campañas de generación de demanda.
La etapa de despliegue
Una vez identificados los objetivos y una clara comprensión de cómo funcionará la gestión de datos, hay que pasar a la fase de despliegue. Se trata de los aspectos prácticos de la construcción del sistema diseñado.
Ya tiene una idea de la información que quiere, por qué y cómo va a aportar valor, y ahora necesita la tecnología y los sistemas que garanticen el fácil acceso a esa información.
Muchas empresas subestiman lo difícil que puede ser esto. Pocas tienen en cuenta las limitaciones de su pila tecnológica heredada y muchas tienen dificultades para dar los pasos adecuados para superar los retos.
A menudo se requieren APIs personalizadas, que permitan a los sistemas jugar juntos. Aquí es donde la naturaleza interconectada de las campañas de generación de demanda puede dificultar la medición.
Además de lograr la precisión de los datos, en la fase de despliegue también hay que pensar en cómo se recogerán y visualizarán los datos. ¿Se recopilarán automáticamente en una ubicación centralizada o habrá que recopilar cada pieza manualmente? Se trata de consideraciones que requieren una mayor reflexión en función de las necesidades y la complejidad del proyecto.
La etapa de optimización
En esta etapa final, sus objetivos están claros, su sistema está diseñado y construido con las capacidades de recopilación de datos e integraciones pertinentes. Ahora se trata de analizar y utilizar esos datos, y de eso trata la etapa de optimización. En esta etapa, usted revisará sus métricas de rendimiento clave y desarrollará conclusiones procesables.
Esto puede implicar un análisis de tendencias, o centrarse más en el reconocimiento de anomalías, realmente depende de la métrica y el objetivo. En cualquier caso, los resultados de cualquier evaluación deben ser procesables y estar diseñados específicamente para mejorar el rendimiento de futuras campañas.
Algunas campañas de generación de demanda se caen por el fracaso de un solo componente, por lo que la optimización es realmente clave. Si una métrica en particular está socavando el resto de una campaña, esta etapa puede convertir un proyecto en dificultades en una potencia.
Gracias a la posibilidad de realizar pruebas A/B de la mayoría de los cambios, esfácil realizariteraciones y probarlas con un público reducido antes de desplegarlas en toda la campaña. Esto no solo ayuda a maximizar el impacto de los cambios, sino que fomenta la experimentación con enfoques alternativos.
Impulsar sus campañas de generación de demanda con datos
Llevar a cabo una campaña de generación de demanda con éxito puede ser complicado, pero con un enfoque basado en datos, las empresas pueden identificar rápidamente lo que funciona y por qué. Esto ayuda a crear campañas plenamente justificadas que pueden repetirse para impulsar el rendimiento y el retorno de la inversión.
Con los datos correctos a mano, en el momento adecuado y en el formato correcto, el rendimiento de la campaña puede revisarse en tiempo real, lo que permite realizar cambios y mejoras con regularidad.
Los datos pueden convertir sus campañas de generación de demanda en activos "vivos" que se adaptan como y cuando sea necesario para lograr sus objetivos. Esto garantiza que todos los componentes funcionen al máximo de su potencial y ofrezcan los resultados necesarios para impulsar las métricas que realmente importan. Utilizando el modelo "Descubrir, Diseñar, Optimizar, Desplegar" puede dar los primeros pasos para lograr un enfoque basado en datos en sus campañas de generación de demanda.
Mientras el mundo sigue atenazado por la amenaza del COVID-19, los interrogantes sobre la propagación en la comunidad y las tácticas de prevención se ciernen sobre nosotros. ¿Hicieron las ciudades y los representantes lo suficiente para detener la propagación del virus, o podrían haber hecho más?
Se calcula que el 68% de la población mundial vivirá en ciudades en 2050, lo que hace que el papel del desarrollo urbano en la respuesta a las catástrofes sea esencial para proteger a la población.
Las ciudades y otras zonas de gran densidad de población han sido señaladas como uno de los principales problemas que afectan a la propagación del virus en la comunidad. Sin embargo, las ciudades inteligentes también pueden haber contribuido a frenar la propagación del virus en comunidades chinas como Wuhan.
China cuenta actualmente con 500 ciudades inteligentes, y aunque la cuestión de si esta tecnología inteligente ha contribuido a frenar la propagación del virus en las comunidades chinas sigue siendo objeto de debate, he aquí algunas formas en que la planificación urbana de las ciudades inteligentes podría ayudar a defenderse de las pandemias.
Seguimiento de enfermedades
El seguimiento de las enfermedades puede ser una de las mayores defensas contra la propagación de los virus, ya que permite a los científicos, investigadores y funcionarios municipales analizar los datos en tiempo real para hacer recomendaciones con conocimiento de causa. ¿Cómo funciona? Este sistema de seguimiento de datos utiliza la inteligencia artificial para rastrear la propagación de enfermedades infecciosas.
Los big data y el procesamiento del lenguaje natural lo hacen posible, ya que permiten a las empresas rastrear la difusión de la información desde cientos de miles de fuentes.
Una empresa de seguimiento de enfermedades con sede en Canadá, conocida como BlueDot, fue la primera en dar la alarma sobre el nuevo coronavirus, incluso antes de que cualquier organización sanitaria mundial informara al público. El 30 de diciembre detectó un grupo de casos de "neumonía inusual" en Wuhan y alertó a sus clientes del brote.
Entrega autónoma
Una lección que el mundo está aprendiendo de COVID-19 es la importancia del distanciamiento social. Dado que el COVID-19 puede vivir en algunas superficies hasta 3 días, se ha considerado esencial restringir el acceso a las zonas públicas en ciudades de todo el mundo.
Los sistemas de reparto autónomos eliminarían la necesidad de conductores para entregar suministros y bienes, como los alimentos. Los avances tecnológicos, como los drones de reparto y los camiones sin conductor, harán que este proceso sea más fluido en los próximos años. La incorporación de estas tecnologías a la gestión de las ciudades inteligentes dará a los gobiernos locales más control sobre los sistemas de reparto para priorizar las necesidades, por ejemplo, la entrega de medicamentos antes que la de bienes.
Geolocalización
Muchos de nuestros teléfonos ya rastrean nuestros datos de localización, pero ¿qué pasaría si nuestros gobiernos locales utilizaran esta información para hacer predicciones durante las pandemias? Empresas de datos como Tamoco facilitan más que nunca el seguimiento y la predicción de comportamientos con fines de marketing e inteligencia.
One example of how geolocation data can be useful during a pandemic is by analyzing popular shopping times. It can even be used to understand which houses are for sale in Chatsworth California. City officials could use data around when people are most likely to shop for groceries and goods to help make decisions about store hours and restrictions, and when to establish senior hours.
Vigilancia con drones
Aunque la aplicación de la vigilancia robótica es controvertida, ha ayudado a países como China a controlar a los ciudadanos durante el brote de coronavirus. En lugar de enviar a los agentes de policía a vigilar las ciudades y las calles en las que hay órdenes de refugio, las ciudades pueden enviar drones para inspeccionar las zonas y asegurarse de que los ciudadanos cumplen las ordenanzas municipales. La tecnología de los drones se está convirtiendo rápidamente en una poderosa herramienta para las ciudades.
Cámaras térmicas
Otra tecnología utilizada por la ciudad de Wuhan en su lucha contra el coronavirus son las cámaras térmicas. Aunque la tecnología aún no se ha perfeccionado, estas cámaras, que también cuentan con un software de reconocimiento facial, pueden detectar la temperatura corporal de los ciudadanos que pasan por allí.
Dado que un pico de fiebre es uno de los síntomas más comunes del coronavirus, estas cámaras térmicas podrían, en teoría, alertar a los funcionarios de la ciudad cuando los miembros infectados de la población estuvieran paseando por las calles, pudiendo propagar el virus.
Conectividad a Internet
En la era de la tecnología de la información, la mejor manera de estar conectado es permanecer en línea. Ciudades como Nueva York ya han activado una tecnología inteligente que da a todos los ciudadanos acceso a Internet en lugares públicos. Esto permite a los ciudadanos mantenerse informados en tiempos de crisis, sin importar cuánto ganen o si pagan por el WiFi en casa.
Dar acceso a todo el mundo a Internet permite a los dirigentes locales de las ciudades comunicarse con sus ciudadanos y difundir la información pública con mayor rapidez. Muchas ciudades inteligentes también cuentan con quioscos de información y sólidos servicios de telesalud que pueden actualizarse al instante para difundir la información a medida que se desarrollan las situaciones.
Una de las partes más aterradoras del nuevo coronavirus es la falta de datos que tienen los investigadores, los científicos y los dirigentes. Las ciudades inteligentes que recopilan datos en tiempo real pueden revolucionar las respuestas a las pandemias al hacer que los datos estén disponibles más rápidamente, y hemos visto ejemplos de esto en acción, ya que China utilizó la tecnología de su ciudad para ayudar a combatir la propagación.
Las ciudades inteligentes también pueden ayudar a las ciudades a conservar la energía, gestionar la congestión del tráfico, optimizar la eliminación de residuos y mejorar la gestión del agua y la energía. Para saber más sobre el funcionamiento de las ciudades inteligentes, visite The Zebra.
This post is a contribution by Karlyn McKell
Karlyn es una escritora especializada en los ámbitos de la tecnología y los seguros. Cree que los mejores ingredientes para el éxito son la pasión y el propósito.
Los macrodatos desempeñan un papel crucial en muchos sectores, y la gestión de eventos es uno de ellos. La gente de todo el mundo depende cada vez más de sus dispositivos inteligentes, y a los organizadores de eventos les resulta cada vez más fácil recopilar y utilizar los datos para atender más directamente las experiencias de los asistentes.
Los planificadores de eventos están aprovechando el big data para ofrecer eventos altamente personalizados y aumentar la participación de los asistentes. En este artículo, veremos algunas de las formas en las que puede utilizar el big data para ofrecer mejores experiencias en los eventos y conocer mejor las necesidades y expectativas de su público.
Pongamos todo en contexto antes de empezar.
¿Qué es el Big Data?
En general, el término "big data" se refiere al enorme volumen de datos que se recogen a diario. Los datos en sí no tienen por qué ser útiles por sí mismos. Lo que más interesa a los planificadores de eventos es la información, las tendencias y los patrones que revelan los datos.
Para los organizadores de eventos, el análisis de big data implica la recopilación de grandes cantidades de datos de sus asistentes, patrocinadores y público objetivo. Puede ser en forma de correos electrónicos, encuestas, tweets, fotos o geolocalización.
Los planificadores de eventos pueden utilizar el big data para organizar eventos centrados en los asistentes, aumentar la participación de los mismos en tiempo real y ofrecer mejores experiencias en los eventos.
La buena noticia es que implementar el análisis de datos en la planificación de su evento no tiene por qué ser complicado. Puedes trabajar con los conjuntos de datos que ya tienes a tu disposición y extraer de ellos valiosas perspectivas.
Si no está recopilando datos de su público objetivo o de los asistentes, el primer paso es identificar los puntos de datos clave que más le interesan. Por ejemplo, si organizas una conferencia de negocios, necesitarás saber desde dónde viajan los asistentes para poder ofrecerles los mejores consejos de alojamiento y desplazamiento al lugar del evento.
Ahora que ya sabe qué es el big data y por qué es importante para los organizadores de eventos, veamos cómo puede implementar el big data en su negocio de gestión de eventos.
4 formas en que el Big Data está impulsando la industria de los eventos
Promoting your event takes up a lot of monetary resources, which is why you need to make sure you can cost-effectively maximize your audience outreach. By gathering and analyzing data on your attendees, you’ll be able to find ways to connect with them.
Por ejemplo, las encuestas a los asistentes pueden indicar que la mayoría de los encuestados se enteraron por primera vez de su evento a través de sus páginas en las redes sociales. Así que, en lugar de centrar el gasto de la empresa en estrategias de marketing offline, podría considerar gastar más en sus campañas en las redes sociales.
Location data {information about geographic positions of devices such as smartphones or tablets} allows event marketers to connect their digital marketing efforts to how prospective attendees behave in the real-world. As a result, event marketers can provide even more personal advertising to their target audience.
Para atraer a más asistentes, tiene que asegurarse de que se dirige al público adecuado; de lo contrario, podría experimentar un descenso en la asistencia al evento y en la participación del público. La analítica puede ayudarte a descubrir cuándo tu público objetivo utiliza activamente las redes sociales, cuál es la mejor forma de conectar con él y cómo debes elaborar tu mensaje para captar su atención.
Los big data pueden ayudarle a identificar a qué responden sus posibles asistentes, lo que puede utilizar para mejorar la planificación de su evento. Tener acceso a esta información no solo le ayudará a personalizar sus anuncios para atraer a más asistentes, sino que también será útil para ofrecer experiencias de eventos personalizadas a sus invitados.
#2: Obtención de información a partir de la analítica
Los análisis pueden ayudarle a averiguar los temas específicos que más interesan a su público, los ponentes invitados que quieren escuchar y las herramientas o la tecnología de presentación que les gustaría que implementara en sus eventos.
Al acceder a la información correcta, podrá descubrir los puntos débiles y lo que sus invitados esperan de sus eventos. Comience por recopilar datos de búsqueda en línea o por utilizar formularios de encuesta previos al evento para reunir esta información directamente de sus asistentes. Del mismo modo, puede buscar a través de sitios de medios sociales, sitios de la comunidad, así como esto se puede hacer uso de la inteligencia de localización de gran alcance y análisis para revelar las motivaciones de sus asistentes.
Los macrodatos pueden ayudarle a identificar los diferentes factores que afectan al comportamiento de la audiencia y a aprovecharlos en su beneficio. Podrá predecir las tendencias a meses (o incluso años) del futuro. El análisis predictivo le permite hacer conjeturas casi exactas y le permite ver qué temas existentes tienen potencial de crecimiento para que pueda saltar sobre ellos antes que su competencia.
Google Trends también es una herramienta excelente para descubrir qué buscan sus posibles asistentes. Al comparar los términos de búsqueda con los datos históricos, puedes predecir qué será popular en el futuro y cuándo deberías organizar un evento en torno a ello.
#3: Personalización de la experiencia de los asistentes
Los datos que recoja de sus asistentes le permitirán saber cómo puede mejorar la satisfacción de los mismos. Puede utilizar tecnologías como geolocalizaciónRFID, RV y balizas para ofrecer experiencias únicas en los eventos.
Por ejemplo, puede enviar información a los dispositivos cercanos mediante balizas, lo que permitirá a los asistentes centrarse únicamente en los stands que más les interesen. Esta es también una gran manera de ofrecer experiencias basadas en la localización a tus invitados.
Pepsi organizó una fiesta de baile en el SXSW, en la que los bailarines llevaban pulseras que medían su reacción a un estímulo. Las pulseras medían la temperatura corporal, el volumen de la música, el movimiento del cuerpo, así como la excitación fisiológica a través del sudor corporal. Esta información fue utilizada por el DJ del evento para averiguar qué música le gustaba más a la gente. Además, permitía al público controlar la iluminación, las máquinas de burbujas y las máquinas de humo.
#4: Formación de multitudes
Otra forma en la que el big data puede ayudarle a mejorar sus esfuerzos de planificación de eventos es permitiéndole gestionar mejor las densidades de las multitudes en el lugar de celebración, también conocido como crowd shaping. Es una forma eficaz de asegurarse de que los asistentes puedan disfrutar de sus eventos sin influir abiertamente en sus comportamientos.
Por ejemplo, si ves que hay una multitud de personas alrededor de las mesas de firma de libros, puedes decidir ampliar el tiempo asignado a esa actividad concreta en tiempo real. Si un orador invitado está a punto de subir al escenario, puedes enviar notificaciones para que los asistentes sepan que pueden obtener sus libros firmados después de la pausa para el almuerzo.
Además, puede utilizar los datos de eventos anteriores para mejorar los próximos. Por ejemplo, si los datos de un evento indican que a los asistentes les gustan los espacios abiertos para pasear durante los descansos, puede utilizar esta información para reservar futuros lugares con mucho espacio extra.
En su forma más simple, la geolocalización es capaz de dar información sobre la ubicación de una persona. Más allá de eso, puede ser utilizada por los organizadores de eventos para recopilar datos sobre la densidad de la multitud en los eventos. Esto les permite manipular el flujo de la multitud con mayor eficacia.
El crowdshaping y el big data se unen para ayudarle a identificar los problemas en su flujo de público y permitirle resolverlos haciendo los ajustes adecuados rápidamente. A largo plazo, esta información le permitirá tomar mejores decisiones de planificación de eventos (como abrir más líneas de registro) y optar por lugares que satisfagan las necesidades específicas de su público.
Los organizadores del evento C2 Montreal entregaron a sus asistentes insignias RFID que recogían su geolocalización. Esto permitió a los organizadores ver dónde se reunía la mayoría de los asistentes y qué lugares del evento recibían menos tráfico. Comprobaron que había más gente cerca de las mesas de comida, lo que les llevó a enviar más personal del servicio de comidas a esos lugares.
Conclusión:
Los datos que recopile sobre sus asistentes son un recurso valioso que puede ayudarle a mejorar las experiencias de sus eventos. Siempre puedes empezar con poco y utilizar los datos que tengas para conocer las necesidades y expectativas de tu público. Con el tiempo, se sentirá más cómodo recopilando y trabajando con big data.
Espresso de Eventos le permite recopilar, controlar y todos los datos que recojas de forma gratuita. Puedes exportar los datos de los asistentes a tu evento a formato Excel o CSV y utilizarlos como quieras.
This guide will tell you everything that you need to know about location data:
Introducción
La adopción mundial de teléfonos inteligentes ha crecido a una velocidad increíble en la última década.
Los dispositivos móviles son una poderosa herramienta para entender el comportamiento agregado de los consumidores.
La comprensión de la ubicación de los dispositivos abre las puertas a una amplia gama de casos de uso que son únicos de muchas maneras diferentes.
Mobile location data provides a granular solution for consumer understanding. Combining this understanding with other datasets is helping to solve business problems and achieve goals across many different industries.
For these reasons, location data has quickly become the holy grail of mobile. Its applications are broad and run across a number of different industries and verticals.
Pero antes de entrar en materia, ¿qué es exactamente geolocalización?
¿Qué es geolocalización?
El smartphone
El dispositivo móvil o smartphone ha sido revolucionario. Su crecimiento ha sido increíble: muchos predicen que ahora hay más de estos dispositivos en el mundo que personas.
Los teléfonos inteligentes han transformado todo en nuestra vida cotidiana: rara vez salimos de casa sin él, y siempre lo llevamos encima, listo para proporcionarnos información u orientación al instante.
These devices have enabled the location data industry to understand how audiences move and behave in the real world. This information is location data. It comes in many different forms and from various sources.
¿Qué es geolocalización?
Location data is geographical information about a specific device’s whereabouts associated with a time identifier.
This device data is assumed to correlate to a person – a device identifier then acts as a pseudonym to separate the person’s identity from the insights generated from the data.
geolocalización a menudo se agrega para proporcionar información a escala significativa sobre el movimiento de la audiencia.
¿Cómo se genera geolocalización ?
Las empresas recogen geolocalización de muchas maneras diferentes. Hay varias técnicas diferentes para recoger geolocalización. Estas técnicas difieren en cuanto a su fiabilidad (pero hablaremos de ello más adelante).
Por ahora, el proceso principal de recogida de geolocalización requiere los siguientes ingredientes.
Una fuente/señal de localización
El primer ingrediente es una señal de localización. Esta señal no es un producto del propio aparato, sino que procede de otra tecnología que produce señales. El dispositivo escucha estas señales externas y las utiliza para posicionarse. Estas señales son las siguientes:
GPS
GPS es la abreviatura del sistema de posicionamiento global y se desarrolló por primera vez en la década de 1970. El sistema se compone de más de 30 satélites que están en órbita alrededor de la Tierra. Esta tecnología funciona en tu dispositivo recibiendo señales de los satélites.
Puede calcular dónde se encuentra midiendo el tiempo que tarda en llegar la señal.
El GPS geolocalización puede ser muy exacto y preciso en determinadas condiciones, sobre todo en exteriores. En los mejores casos, la señal puede ser fiable hasta un radio de 4,9 metros a cielo abierto(fuente).
Wi-fi
Las redes wi-fi son otra fuente de señales de localización que son excelentes para proporcionar exactitud y precisión en interiores. Los dispositivos pueden utilizar esta infraestructura para una localización más precisa cuando el GPS y las torres de telefonía móvil no están disponibles, o cuando estas señales están obstruidas.
Faro
Las balizas son pequeños dispositivos que suelen encontrarse en una única ubicación estática. Las balizas transmiten señales de baja energía que los smartphones pueden captar.
Al igual que el Wifi, el dispositivo utiliza la intensidad de la señal para saber a qué distancia se encuentra de la baliza.
Estos dispositivos son increíblemente precisos y pueden utilizarse para situar una ubicación a medio metro con una intensidad de señal óptima.
Datos del operador/torres de telefonía móvil
Los dispositivos móviles suelen estar conectados a torres de telefonía móvil para poder enviar y recibir llamadas y mensajes. Un dispositivo suele ser capaz de identificar varias torres de telefonía móvil y mediante triangulación, basada en la intensidad de la señal, puede utilizarse para situar la ubicación del dispositivo.
Un identificador
Cada teléfono inteligente debe estar asociado a un identificador para entender el movimiento a lo largo del tiempo. Este identificador se llama ID del dispositivo. En el caso de iOS, se denomina identificador de publicidad (IDFA), y en el de Android, ID de publicidad de Android (AAID).
Metadatos o conjunto de datos adicionales (opcional)
Una señal de localización combinada con un identificador te permitirá ver el movimiento de un dispositivo a lo largo del tiempo. Sin embargo, para obtener información más detallada y obtener más valor de geolocalización, necesitarás algunos metadatos o un conjunto de datos adicional.
El conjunto de datos más común para hacer esto es un conjunto de datos de PDI. Este conjunto de datos incluye puntos de interés que son importantes a la hora de comparar cómo se mueve y se comporta el público en el contexto del mundo real..
Por ejemplo, una serie de latitudes y longitudes que muestren cómo se mueven los londinenses entre las 7 y las 10 de la mañana podría ser útil. Vincular esto a un conjunto de datos que incluyera estaciones de metro y rutas de viaje clave permitiría hacer mucho más con los datos iniciales.
geolocalización fuentes - ¿de dónde viene geolocalización ?
Ya hemos visto los ingredientes que se combinan para crear geolocalización, incluidos los diferentes tipos de señales de localización. Pero, ¿cuáles son las fuentes de geolocalización? Si quieres utilizar geolocalización en tu organización, debes conocer las diferencias entre cada fuente potencial. También es importante contar con una estrategia de gobernanza de los datos para gestionarlos eficazmente.
La fuente puede tener un efecto significativo en la exactitud, la escala y la precisión de los dispositivos. Entonces, ¿de dónde procede geolocalización ? Hay tres fuentes principales:
La corriente de la oferta
Una parte considerable de geolocalización procede de algo llamado bidstream (también llamado intercambio). El bidstream es una parte del ecosistema publicitario. No te preocupes si nunca has oído hablar de él: te lo explicaremos todo.
Explicación: El ecosistema de la compra de publicidad
El ecosistema de compra de publicidad
Antes de hablar de los datos de bidstream, es útil entender cómo se compran y venden los anuncios.
Tratos directos con editores como una aplicación, un sitio o una red.
Redes publicitarias que agrupan el inventario publicitario para venderlo a los anunciantes
Los ad exchanges ofrecen una solución para que los editores ofrezcan su inventario de forma programática, permitiendo a los anunciantes comprarlo en tiempo real. La compra de inventario publicitario de esta manera produce una solicitud de oferta.
¿Por qué es esto relevante para geolocalización ? En cada solicitud de puja se transmite información - estos datos contienen varios atributos que se utilizan para determinar si se publica el anuncio en el dispositivo.
En este conjunto de datos se incluye una forma de localización de dispositivos. Una empresa empaquetará este geolocalización, y el resultado es el bidstream geolocalización que está disponible hoy en día.
Bidstream geolocalización es atractivo por su gran cantidad: puede proporcionar rápidamente una gran cantidad de escala. Sin embargo, los datos de bidstream también presentan problemas específicos: pueden ser inexactos, incoherentes e incluso fraudulentos. Dado que se captura de forma programática, bidstream geolocalización también tiene la ventaja de ser inmediatamente procesable.
"Hasta el 60% de las solicitudes de anuncios contienen algún tipo de geolocalización. De estas solicitudes, menos de un tercio son precisas a menos de 50-100 metros de la ubicación declarada"
Telcos
¿Recuerdas, en la última sección, cuando identificamos las señales de localización? La localización de torres de telefonía móvil es una de ellas y es el proceso de triangular la fuerza de las señales de las torres de telefonía móvil para situar el dispositivo en una ubicación específica.
Este tipo de localización procede directamente de una empresa de telecomunicaciones (telco). Por lo general, tienen algunos datos demográficos asociados a la geolocalización.
Al igual que en el caso de los datos bidstream, la escala que pueden ofrecer las telecos (tienen un amplio alcance, ya que en muchos países pocas empresas dan servicio a toda la población) es atractiva.
Sin embargo, de la misma manera, esta escala está ocultando muchos problemas con la precisión de los datos. Algunos estudios han descubierto que tan solo el 15% de los datos muestreados eran incorrectos.
SDKs de localización
Un kit de desarrollo de software (SDK) es un conjunto de herramientas que los editores de aplicaciones pueden añadir a su aplicación para ofrecer funciones de terceros. Los desarrolladores añaden SDKs de localización a sus aplicaciones para acceder a las señales más precisas y exactas de geolocalización desde el dispositivo del usuario.
Los SDK de localización tienen muchas formas: algunos utilizan la funcionalidad básica de localización presente en el sistema operativo, mientras que otros realizan un cierto grado de procesamiento de datos para aumentar la precisión.
Algunos SDK sólo funcionan en la aplicación integrada cuando ésta está abierta. Otros pueden ejecutarse en segundo plano para obtener información más amplia sobre el movimiento y los comportamientos del dispositivo.
Los SDK basados en la localización recopilan datos con el consentimiento del usuario: los permisos nativos de las aplicaciones suelen recoger este consentimiento, pero algunos proveedores de SDK ofrecen herramientas de consentimiento para garantizar que la aplicación basada en la localización recopila datos de acuerdo con la normativa pertinente.
La diferencia entre los datos generados por los SDKs y otras fuentes de datos puede verse en la exactitud y precisión de los conjuntos de datos. Los datos recogidos por los SDK de localización son más precisos porque pueden escuchar múltiples señales de localización.
Por ejemplo, los SDK pueden utilizar el GPS integrado en el dispositivo para situarlo y, a continuación, utilizando la intensidad de la señal Bluetooth de las balizas, verificar y ajustar la ubicación del dispositivo con una precisión de un metro.
Los SDK de localización suelen tener una forma más sofisticada de entender cómo se comporta el dispositivo. Por ejemplo, el SDK de Tamoco utiliza el comportamiento del movimiento y otros eventos de entrada/salida para saber cuándo un dispositivo visita un local o ubicación.
¿Por qué no se recogen todos los datos con los SDK?
Si los SDK de localización son los más exactos y precisos, ¿por qué no los utilizamos para recoger todos los geolocalización?
El problema de muchos SDK de localización es que requieren la integración en la aplicación de un editor. Esta aplicación tiene que cubrir un número adecuado de dispositivos antes de que los datos sean lo suficientemente representativos como para obtener una visión valiosa o patrones relevantes.
Sin embargo, algunos SDK se han construido con una funcionalidad que beneficia al editor y limita el uso de la batería a un nivel mínimo. Estos SDK son los que han alcanzado una escala significativa.
Por ejemplo, el SDK de Tamoco está optimizado para enviar datos en lotes para minimizar el número de peticiones. También modificamos la forma de recoger los datos en función del nivel de batería actual.
Todos estos factores son el resultado directo de una estrecha relación de trabajo con nuestros socios desarrolladores y permiten que el SDK de Tamoco escale junto con nuestros socios.
Conjuntos de datos de editoriales
Es posible obtener geolocalización directamente de los editores de aplicaciones. Algunos editores han desarrollado métodos para obtener la ubicación utilizando los servicios de localización incorporados en los dispositivos.
Normalmente coinciden con un proceso basado en la ubicación dentro de la aplicación, como la búsqueda de un restaurante cercano.
A menudo no son tan precisos como los SDK de localización que han sido cuidadosamente construidos para recoger señales de localización verificadas. Sin embargo, pueden ser una buena fuente de geolocalización siempre que puedas validar y entender el proceso de recogida de datos puesto en marcha por el editor.
Ya hemos dicho que una buena geolocalización es exacta y precisa. Sin embargo, demos un paso atrás y hagámonos una pregunta: ¿qué entendemos realmente por exacto y preciso geolocalización?
geolocalización recogidos por los dispositivos inteligentes suelen venir en forma de coordenadas de latitud y longitud, o lat/long. Esta lectura se refiere a la ubicación percibida del dispositivo en ese momento.
Sin embargo, ¿cómo podemos dar sentido a esta cifra y entender si es exacta?
Exactitud de la localización frente a precisión de la localización
Podría pensarse que exactitud y precisión pueden utilizarse indistintamente. Sin embargo, en el mundo de geolocalización, tienen significados diferentes
Precisión
La precisión es una medida que nos ayuda a entender lo cerca que está la lectura geográfica del dispositivo de la ubicación real del mismo.
Entonces, ¿cómo se mide la precisión? La precisión de la localización del dispositivo cambia en función del tipo de señal y del dispositivo. La precisión se mide observando el tipo de señal (GPS, wifi, torre celular). El dispositivo nos proporciona una lectura de la ubicación y luego una unidad de precisión. Esta unidad suele ser una medida de distancia y es el margen de error asociado a la medición.
Precisión
La precisión es el nivel de detalle asociado a la medición de la ubicación. Cuanto más se parezca a las demás mediciones del conjunto de datos, más precisos serán los datos.
En términos de localización, utilizamos la latitud y la longitud para medir esto. En primer lugar, comprobamos si los puntos de datos se encuentran realmente en la misma zona.
El número de puntos decimales en la latitud y la longitud es esencial para medir la precisión de geolocalización. Cuantos más dígitos haya después del punto, más precisos serán los datos.
La siguiente tabla ayuda a explicar la precisión cuando se mira la lat/long:
Lugares decimales
Grados decimales
DMS
Escala cualitativa
0
1.0
1° 00′ 0″
País o región grande
1
0.1
0° 06′ 0″
Ciudad o distrito grande
2
0.01
0° 00′ 36″
Ciudad o pueblo
3
0.001
0° 00′ 3.6″
Barrio, calle
4
0.0001
0° 00′ 0.36″
Calle individual, parcela de tierra
5
0.00001
0° 00′ 0.036″
Árboles individuales, puerta de entrada
6
0.000001
0° 00′ 0.0036″
Personas individuales
No todos los móviles geolocalización son iguales
Como muchos en la industria han afirmado: el tipo de geolocalización y la metodología tienen una importancia significativa. La relevancia de los distintos tipos en diferentes escenarios suele ser contundente.
El sitio web móvil geolocalización requiere algunos fundamentos para proporcionar la información granular de la que hablamos anteriormente.
Entonces, ¿cuál es la mejor manera de recoger con exactitud y precisión geolocalización y qué sucede cuando las señales como el GPS no funcionan?
Creemos que este es otro argumento a favor de los datos generados por el SDK. Por ejemplo, el SDK de localización de Tamoco puede escuchar varios tipos de señales simultáneamente. El procesamiento de estas señales permite al SDK medir la precisión y luego determinar qué señal utilizar.
Nuestro SDK, por tanto, utiliza Bluetooth y Wifi para ayudar a posicionar el dispositivo en zonas donde las señales GPS son débiles. Este enfoque agnóstico de los sensores significa que el SDK puede situar el dispositivo con mayor exactitud y precisión utilizando múltiples señales.
Recuerda que cuando hablamos de los tres ingredientes principales que se combinan para producir geolocalización. Hemos cubierto el dispositivo y su identificador. También hemos cubierto las señales que el dispositivo utiliza para posicionarse.
Sin embargo, aún no hemos cubierto los datos adicionales que se necesitan para hacer uso del conjunto de datos. Como hemos comentado geolocalización suele ser una lat/long asociada a un dispositivo y una marca de tiempo.
Tenemos que entender cuál es esta ubicación para poder hacer algún uso de los datos. Conocer la ubicación de un dispositivo es la mitad del reto. Para ello, utilizamos una base de datos que nos permite conectar estos datos online con el mundo offline. A esto lo llamamos conjunto de datos POI.
Qué es el PDI
Un conjunto de datos de puntos de interés (PDI) es una representación de datos del mundo físico. Un PDI es un límite geográfico y suele estar asociado a una ubicación física (piense en una tienda o un edificio).
Al igual que en geolocalización , los conjuntos de datos de PDI presentan una serie de retos, entre ellos la precisión. Las empresas se mueven con regularidad y, a medida que se producen cambios en el mundo real, los conjuntos de datos evolucionan en consecuencia.
En Tamoco, hemos creado nuestra propia base de datos de lugares para explorar en profundidad cómo se mueven y comportan los dispositivos en el mundo offline. Esta base de datos es ligeramente diferente de un conjunto de datos de PDI.
Explicación: Lugares de Tamoco
Contiene metadatos asociados al lugar: horario de apertura, nivel de piso, huella poligonal y otra información esencial que puede ayudar a verificar si un dispositivo entró en el PDI.
Se combina con un límite geográfico asociado (geofence) que se puede utilizar para comprender la actividad del dispositivo en su interior y el tiempo que permanece en él.
Se combina con cualquier sensor conocido (balizas, Wifi u otra tecnología basada en señales) para ayudar a entender cuándo un dispositivo está visitando el PDI y no se está quedando de hecho en un lugar cercano.
¿Qué importancia tiene la PDI?
Tal vez la mejor manera de entender la importancia de un conjunto de datos de PDI útiles sea utilizando un ejemplo del mundo real.
Sin PDI
En el ejemplo anterior, no tenemos un conjunto de datos de PDI. Tenemos múltiples lat/long, que pueden ser exactos y precisos, pero no obtenemos ningún valor de esto ya que no tenemos ninguna conexión con el mundo real.
PDI malo
Aquí tenemos un conjunto de datos de PDI que conecta la lat/long con una ubicación física. Sin embargo, el PDI está ligeramente en el lugar equivocado, lo que significa que pensamos que el dispositivo ha visitado la cafetería, pero están esperando fuera, o en otro lugar. Las implicaciones de esto se harán más evidentes en la siguiente sección.
Base de datos de lugares
Aquí tenemos un lugar con horario y altitud. Tenemos una geofence que nos permite ver cuando el dispositivo entra y sale. También tenemos un sensor Wifi y una baliza que sabemos que está dentro de la cafetería. Usando esto, podemos verificar con exactitud que el dispositivo estaba dentro del lugar.
Conectar la ubicación con el PDI
En Tamoco, lo hacemos a través de un proceso llamado visitas. Esta metodología es una potente técnica de ciencia de datos que nos permite validar si el dispositivo está dentro de un lugar y decir con un nivel de precisión cuánto tiempo estuvo un dispositivo dentro.
Mientras que otros proveedores de datos afirman que un dispositivo se encuentra dentro de una tienda si aparece una sola lat/long dentro de un POI, nosotros vamos mucho más allá.
¿Qué ocurre si este único punto de datos es un valor atípico de un coche que pasa por delante? ¿Y si el punto de interés está en el lugar equivocado?
Tamoco utiliza información esencial del dispositivo (sí, esto sólo es posible utilizando un SDK de localización) como el tipo de movimiento para verificar las visitas a un lugar y filtrar las visitas falsas.
geolocalización casos de uso - cómo utilizar geolocalización
Esperamos que a estas alturas haya entendido mejor cómo se recoge geolocalización y cómo se utiliza la localización del dispositivo para entender la conexión entre online y offline.
Sin embargo, ¿qué usos tienen los conjuntos de datos precisos y exactos? ¿Cómo puede beneficiarse su empresa de la incorporación de geolocalización ? ¿Cómo integrar estos datos de forma eficaz?
Segmentación y focalización
Los profesionales del marketing siempre están buscando formas de identificar audiencias relevantes para sus campañas publicitarias. Quieren segmentar sus audiencias lo máximo posible para maximizar la relevancia de las campañas y convertir más usuarios en clientes de pago.
geolocalización es un método eficaz y único para lograr esos objetivos. La razón es que la ubicación es un indicador significativo del comportamiento, los intereses y la intención.
Para los profesionales del marketing, los patrones que usted muestra pueden utilizarse para crear una imagen muy detallada de cómo es usted como consumidor. geolocalización ayuda a crear una representación precisa de sus intereses, y esto puede utilizarse para ofrecer anuncios más específicos y relevantes a los clientes potenciales.
Cuando se utiliza geolocalización para dirigirse al público, hay que tener en cuenta algunas cosas. Dependiendo del negocio y de la campaña, los profesionales del marketing pueden utilizar una combinación diferente de cada uno de ellos en una misma campaña.
Tiempo real frente a histórico
Los profesionales del marketing pueden querer realizar una campaña diferente en función del tipo de datos de que dispongan. Una forma de hacerlo es en función del tiempo.
En tiempo real
La orientación en tiempo real basada en la localización implica identificar cuándo un dispositivo está en la ubicación deseada y normalmente implica una orientación móvil. El proceso es sencillo: cuando el usuario se encuentra en la ubicación deseada, se le entrega un anuncio al instante en su dispositivo a través de la publicidad programática.
Localización histórica de objetivos
Esta forma de segmentación suele llamarse retargeting, y es similar a la del tiempo real de la que hablamos anteriormente. La diferencia es que, a lo largo del tiempo, los dispositivos que aparecen en una ubicación predefinida se utilizan para construir una audiencia. El anunciante volverá a dirigirse a esta audiencia en una fecha posterior.
Visitas frente a intereses
Visitas
La segmentación basada en las visitas es una forma clara de crear una audiencia que haya visitado lugares del mundo real, como una cafetería específica.
Dependiendo del valor de la base de datos de PDI, esto puede ampliarse para incluir dispositivos que hayan visitado todas las tiendas de una marca (por ejemplo, todos los Starbucks) o todas las visitas a un tipo de local (ejemplo: visitas a cafeterías en Austin).
Intereses
Utilizar la localización para dirigirse a las personas en función de sus intereses es otra forma de llegar a un público muy específico. Este método es similar a las visitas, pero suele consistir en la repetición de varias visitas a un lugar o en la combinación de visitas que se ajustan a determinados criterios.
Por ejemplo, un público objetivo basado en intereses, como los grandes bebedores de café, podría contener dispositivos que hayan visitado alguna cafetería al menos tres veces en un periodo semanal.
Otro ejemplo podría ser el de los consumidores activos, que podrían visitar tanto un gimnasio como una tienda de salud en un mes.
La segmentación por localización basada en intereses es interesante porque se pueden crear segmentos muy específicos. Sin embargo, al igual que ocurre con otros aspectos de la segmentación basada en la ubicación, cuanto más específica sea, menos escala podrá alcanzar con sus campañas.
Canales para la segmentación basada en la localización + ejemplos
Combinando estos elementos, puede crear audiencias muy específicas utilizando geolocalización. Pero, ¿cómo llegar a ellos?
Programática
Mediante el uso de identificadores de dispositivos, los profesionales del marketing pueden introducir dispositivos relevantes en su pila programática para comprar automáticamente impresiones de anuncios y dirigirse a los dispositivos deseados casi en tiempo real.
Los mismos datos pueden utilizarse para volver a segmentar en una fecha posterior en un feed social o a través de otro canal programático.
Las ventajas de esta estrategia son que se puede automatizar gran parte del proceso de marketing. Al utilizar audiencias basadas en la ubicación, puede asegurarse de que está llegando al público adecuado con el mensaje correcto.
Tamoco ofrece estos segmentos preconstruidos (tanto basados en visitas como en intereses) que pueden activarse directamente en su DSP para la segmentación, o en su Plataforma de Gestión de Datos (DMP) para combinarlos con otras fuentes de datos. Este proceso puede utilizarse para llegar a los consumidores a través de varios canales programáticos y en diferentes dispositivos.
Algunos ejemplos
Marca de bebidas que se dirige a los consumidores en tiempo real cuando visitan un local.
En esta situación, identificaríamos varios locales que tuvieran los productos en cuestión. Al introducir los datos de la visita en la pila programática, es posible ofrecer anuncios para móviles en el dispositivo mientras la visita está en curso, o después de que se haya producido. Este anuncio podría aparecer en el inventario de la aplicación o mientras se navega por la web en el dispositivo.
Retargeting a través de los visitantes sociales de los gimnasios con una bebida saludable
Aquí se utilizarían las visitas a la categoría de gimnasios para construir una audiencia. A continuación, introduciríamos la audiencia en la plataforma de segmentación social (facebook ads o similar). La campaña ofrecería los anuncios de retargeting al consumidor en su feed social.
Dirigirse a los clientes de un banco de la competencia con una oferta mejor
En este ejemplo, los dispositivos vistos dentro de un banco de la competencia son objeto de publicidad destinada a iniciar el cambio a un nuevo banco. Los datos serían históricos y podrían incluir múltiples visitas para verificar que la persona es un cliente. Estos datos podrían utilizarse como parte de una campaña a través de varios canales diferentes, dependiendo de la pila de marketing.
¿Y la segmentación basada en la ubicación?
Los ejemplos que hemos dado incluyen la creación de una nueva audiencia basada en la localización para alimentar las soluciones de segmentación. Sin embargo, los mismos principios pueden aplicarse a una audiencia ya existente.
Por ejemplo, puede utilizar geolocalización para segmentar su audiencia en segmentos más específicos y adaptar cada anuncio dirigido para que sea más relevante para cada segmento.
Personalización y compromiso
Los consumidores de hoy en día exigen un alto nivel de comunicación personalizada. geolocalización puede ayudar a salvar la brecha entre la comunicación y la personalización.
geolocalización puede ayudar a personalizar los anuncios y los mensajes a los nuevos clientes. También puede ayudar a personalizar la experiencia del cliente.
Los consumidores quieren personalización, y todo el mundo, desde los vendedores hasta los diseñadores de productos, quiere ofrecerla.
Personalización del marketing basado en la ubicación
En marketing, geolocalización puede ayudar a personalizar los anuncios, cambiando la creatividad para segmentos de la audiencia. Esta personalización se realiza segmentando la audiencia de los anuncios en función del comportamiento de geolocalización . Estos segmentos se utilizan para ofrecer creatividades que sean relevantes para su comportamiento: piense en "¿ha disfrutado de su café hoy?
Adaptar el mensaje publicitario aumenta la personalización y potencia las métricas clave que los profesionales del marketing siempre buscan mejorar
Compromiso basado en la ubicación
La tecnología de localización también puede ser útil para personalizar la experiencia del cliente. La integración de un SDK de localización en su aplicación orientada al consumidor puede apoyar la personalización basada en la localización, impulsando el compromiso y la retención a largo plazo.
Por ejemplo, puede enviar notificaciones contextuales cuando un usuario se encuentre en una ubicación relevante. Recuerde a los usuarios los artículos que han dejado en su cesta de la aplicación cuando estén cerca de una tienda física, por ejemplo.
Utilizar la ubicación para predecir lo que quieren sus clientes
Los datos de que disponen ahora los profesionales del marketing les han permitido hacer algo más que personalizar basándose en el comportamiento anterior de los consumidores.
Los conjuntos de datos de localización pueden llevar la personalización al siguiente nivel. La personalización del marketing de contenidos B2B se está convirtiendo en predictiva. Las marcas y los anunciantes pueden ahora combinar múltiples fuentes de datos para entender cómo se comportan los consumidores tanto a nivel micro como macro.
Utilizando esta información, es posible que los profesionales del marketing sean predictivos con su personalización.
Los vendedores pueden actualizar continuamente sus perfiles de clientes percibidos con datos que explican claramente el perfil de los consumidores. Este proceso ayuda a la empresa a personalizar el viaje del consumidor y a eliminar las posibles barreras de compra.
Medición y atribución
Como hemos visto, el mundo del marketing y la publicidad puede beneficiarse del uso de geolocalización en sus estrategias de orientación, segmentación y personalización. Sin embargo, geolocalización es valioso en otra área en la que los profesionales del marketing han tenido problemas: la atribución.
La publicidad suele ser bastante fácil de medir en el mundo online. Si un consumidor hace clic en un anuncio y realiza una compra, esto puede medirse y atribuirse con bastante precisión al anuncio.
Sin embargo, ¿qué ocurre si el objetivo es una visita a la tienda? Los profesionales del marketing llevan años rascándose la cabeza para tratar de resolver este enigma. geolocalización es el eslabón que falta para conectar ambas cosas.
geolocalización puede actuar como enlace entre lo online y lo offline, vinculando un anuncio programático digital con una visita a una tienda o local.
Este vínculo permite a los profesionales del marketing medir y cuantificar el retorno de la inversión de sus campañas. La misma capacidad es útil para los proveedores de publicidad exterior (OOH) que buscan una forma de vincular sus anuncios en el mundo real con las conversiones digitales o físicas.
Siempre se trata de exactitud y precisión
La medición y la atribución basadas en la ubicación son útiles, pero requieren datos que representen con precisión el comportamiento del consumidor en el mundo real. Estos datos tienen que ser algo más que un único punto de datos: los profesionales del marketing necesitan saber con certeza que una visita a la tienda se atribuye a un anuncio para medir el ROI de forma eficaz.
Este requisito es otro argumento a favor de una metodología de visitas a lugares que ya hemos comentado. Las características de los dispositivos, como el movimiento y el tiempo de permanencia, son esenciales para ofrecer una solución de atribución online-offline que vincule con precisión los anuncios digitales con las conversiones en la tienda.
Ejemplos
Atribución de campañas digitales
Una agencia realiza una campaña para una marca de ropa. La campaña se entrega a las audiencias de forma programada. El objetivo de la campaña es atraer a los clientes a las tiendas que tienen una nueva gama de productos.
La agencia puede medir las impresiones y los clics, pero las marcas quieren saber si la campaña lleva a los clientes a sus tiendas.
Utilizando geolocalización y comparando con los IDFA/AAID a los que se dirigió la campaña, se crea un público expuesto. También se crea un público de control para comparar el grupo expuesto con los usuarios a los que no se dirigió la campaña. Al contar con un grupo expuesto y otro de control que tenían la misma probabilidad de visitar las tiendas de las marcas de ropa antes de la campaña, es posible aislar el impacto de la publicidad en las visitas a las tiendas viendo cómo se mueven las visitas a las tiendas entre los grupos durante el periodo de publicidad y durante un periodo posterior.
OOH
Una marca lleva a cabo una campaña OOH en varios sitios OOH y quiere saber cuál de ellos fue el más eficaz para impulsar las compras en línea, o si la publicidad OOH estaba impulsando las compras en línea en primer lugar.
Mediante un conocimiento exacto de la ubicación de los sitios OOH, y mediante la comprensión exacta y precisa de cómo se mueve un dispositivo en relación con el sitio (una visión exacta de esto necesita tener en cuenta el tiempo que un dispositivo pasa cerca del sitio, la rapidez con la que se mueven más allá del sitio y una serie de otros factores que el SDK de Tamoco tiene en cuenta) es posible construir un grupo de dispositivos que probablemente han sido expuestos a la publicidad OOH.
Estos dispositivos pueden compararse con otros similares que no fueron expuestos a la publicidad, y los identificadores de sus dispositivos pueden corresponderse con los clientes en el CRM o DMP de la empresa para medir el impacto que la publicidad OOH tuvo en las compras en la tienda, así como cuál de las ubicaciones OOH fue la más eficaz para impulsar las compras.
Análisis e información
geolocalización es una herramienta útil para analizar cómo se mueve y se comporta un gran número de personas para identificar tendencias y patrones a gran escala.
Este tipo de información suele ser difícil de obtener a gran escala en el mundo offline. geolocalización funciona como un indicador de dónde va la gente y cómo se comporta, y cómo cambian con el tiempo.
En el ámbito de la publicidad y el marketing, el análisis basado en la localización puede aportar información valiosa, como:
Comparaciones entre marcas, categorías u otro grupo de ubicaciones físicas a lo largo del tiempo. Este tipo de modelos se fijan en la evolución de la afluencia de público a lo largo del tiempo.
Una marca puede utilizar geolocalización para conocer mejor los datos demográficos de sus clientes: dónde viven y trabajan, dónde compran
Información sobre el rendimiento de su tienda: media de visitas únicas al mes, número de visitas repetidas, duración media de la visita.
Este análisis puede utilizarse para realizar diversos ajustes. Desde cambiar las campañas para que se adapten mejor al comportamiento del mundo real, hasta cambiar fundamentalmente las estrategias de mercado para que se ajusten a los datos de cómo se comporta un cliente en el mundo real.
Más allá de la publicidad
These same insights can be applied outside of the marketing and advertising vertical. Using footfall can be useful across a range of industries including retail, finance, real estate, healthcare, and government.
Venta al por menor
geolocalización puede ser útil tanto para los pequeños como para los grandes minoristas. Entender las visitas a las tiendas, así como el comportamiento de los clientes a través de los datos de los dispositivos móviles, está teniendo muchos efectos positivos en el sector minorista. Estos conocimientos pueden ayudar a tomar decisiones empresariales como la distribución de las tiendas, los horarios de apertura, la dotación de personal, etc.
Finanzas
geolocalización es una herramienta esencial para el análisis financiero. La localización de los dispositivos puede ayudar a identificar actividades fraudulentas y proteger a los usuarios con una capa de seguridad adicional.
Comprender la afluencia de público a través de conjuntos de big data es valioso para el sector financiero. Los datos de los dispositivos móviles pueden ayudar a prever los beneficios, el número de clientes y otros KPI antes de que se comuniquen formalmente. Estos datos ayudan a tomar decisiones de inversión.
Inmobiliaria
Cualquiera que desee invertir en un inmueble o abrir una nueva sucursal puede utilizar geolocalización para conocer el grado de ocupación de ciertas zonas, el tipo de gente que verá en determinadas áreas y el rendimiento de los negocios similares en esa zona.
Gobierno
El aumento de la telefonía móvil geolocalización ha proporcionado mejores oportunidades para entender cómo funcionan las ciudades. Está ayudando a crear sistemas e infraestructuras que lo reflejen.
En combinación con el creciente número de dispositivos conectados en las ciudades, las autoridades centrales de planificación disponen ahora de un conjunto de herramientas que pueden informar la toma de decisiones en muchos ámbitos diferentes.
El sitio web geolocalización está contribuyendo a una mejor comprensión de dónde es más significativa la demanda de infraestructura pública. Por ejemplo, podríamos examinar el dispositivo móvil geolocalización para conocer las vías más transitadas por los ciclistas dentro de una ciudad. Esta información es precisa y muy valiosa a la hora de planificar dónde implantar nuevas rutas ciclistas.
Lo mismo ocurre con el tráfico y la congestión. En las megaciudades cada vez más abarrotadas y contaminadas, es crucial entender cómo se pueden aliviar los problemas de tráfico. Entender el flujo de tráfico y dónde construir nuevas estructuras viales o introducir nuevas zonas de bajas emisiones es vital para hacer el tipo de ciudad inteligente que pueda sostener los niveles actuales de crecimiento de la población.
geolocalización puede tener un efecto positivo sustancial en este tipo de planificación. Gracias a la precisión y singularidad de los datos de los dispositivos móviles y la inteligencia de localización, está cambiando la forma de tomar decisiones en ciudades y pueblos de todo el mundo.
Verificación
Transparencia: por qué la necesitamos
A medida que aumenta la cantidad de geolocalización disponible para las empresas, es probable que haya más datos malos. Los conjuntos de datos deficientes de terceros son cada vez más frecuentes, ya que los proveedores no pueden validar la exactitud y precisión de los datos.
Ya hemos hablado de la necesidad de exactitud y precisión en geolocalización - la diferencia puede significar una visita falsamente atribuida, una orientación irrelevante o un impacto negativo en el compromiso del cliente.
Los proveedores más precisos podrán verificar sus conjuntos de datos de primera mano. Pueden proporcionar una metodología detallada sobre cómo recogen los datos. Esta es una de las principales ventajas de trabajar con un proveedor que controla la recogida de datos: sus datos son de primera mano y, por tanto, fiables y transparentes.
Explicación: datos de primera, segunda y tercera parte
Los datos de terceros son los que se adquieren de fuentes externas en las que el proveedor con el que se trabaja no es el recolector directo de los datos.
Los datos de segunda parte son los datos de primera parte de otra persona. Estos datos proceden de su audiencia de primera parte, la fuente es clara y el proveedor suele demostrar la exactitud y la recopilación.
Los datos de primera parte son los que se recogen directamente de su público o clientes.
Por supuesto, muchas empresas no recopilan geolocalización de primera mano, por lo que trabajan con una empresa de geolocalización para obtener los datos para sus campañas u otras necesidades empresariales.
En este caso, los datos de segundas partes son mucho más fiables que los de terceros. Puedes entender cómo se recogen los datos, ya que la metodología es transparente, y la exactitud de los datos puede ser verificada. Por supuesto, esto no confirma que los datos sean exactos, pero al menos puede comprobar usted mismo si es cierto.
Los mejores proveedores pueden explicar cómo recopilan los datos, cómo filtran los datos imprecisos y, por lo general, pueden proporcionar una puntuación de fiabilidad con los datos para que el usuario final pueda entender los datos con los que está trabajando.
Privacidad
En 2018 se introdujo el GDPR en Europa. En los Estados Unidos, la próxima ley CCPA la privacidad de los datos seguirá estando al frente y en el centro de la comunidad de datos. Estamos avanzando rápidamente hacia un mundo en el que cada individuo tendrá el control sobre sus datos.
Las empresas que utilizan geolocalización deberán adoptar un enfoque similar. Es fundamental permitir que el individuo tome el control de sus datos. Las empresas deben informar a los usuarios de cómo se utilizan sus datos. Deben ofrecer soluciones claras de inclusión y exclusión para que la transparencia se sitúe en el centro de la revolución de los macrodatos.
Las empresas que utilizan geolocalización tendrán que ser claras sobre cómo recogen y utilizan los datos de los consumidores. Los proveedores de geolocalización tienen que tener un proceso de aceptación claro que permita a los consumidores entender cómo se utilizan sus datos.
Los proveedores de datos deben proporcionar soluciones en el punto de recogida, que les permitan gestionar las preferencias de consentimiento hasta el punto de uso de los datos.
Al igual que con la verificación de la exactitud, la comprensión de la privacidad de los datos es más accesible si su proveedor trabaja con datos de primera mano.
Por ejemplo, en Tamoco, hemos incorporado la funcionalidad de consentimiento en nuestro SDK. Esto permite al editor recoger el consentimiento del usuario en el punto de recogida de datos de acuerdo con el marco de la IAB.
Para el usuario de los datos, esto significa que puede entender cómo se ha dado el consentimiento y para qué fines.
Las empresas necesitarán ahora un marco sólido de gestión y gobernanza de datos para avanzar.
A la hora de elegir un proveedor de geolocalización con el que trabajar, hay que tener en cuenta muchas cosas. Con varias fuentes, señales y metodologías diferentes disponibles, es esencial entender exactamente lo que ofrece cada proveedor.
Hemos elaborado la siguiente lista de preguntas útiles a la hora de seleccionar una empresa de geolocalización .
Buying location data
So you have a valid use case for location data, how to do you go about purchasing location data?
We have put together this section to help you to understand what to look for when working with location data providers.
What does good location data look like?
As we mentioned earlier, it’s important to look out for a few things when buying location data you should look for the following attributes.
Quality
In terms of quality, you want location data to be accurate, and you want it to contain the attributes that you need to achieve your goals. In terms of accuracy, you should look out for a score in the data set. This will tell you how much you can trust a data point. It might make sense to filter out data that sits below a certain level of accuracy, depending on your project. Don’t be afraid of asking your location data provider if they can give you a trust or accuracy score.
Then you should look at the metadata. Most providers will provide more than a lat long. As a good rule of thumb here are the attributes that you can expect to find in a location data set:
Campo
Descripción
Example
ID_dispositivo
The advertisment id for the phone
6E82079C-8346-4DA5-BF5B-76214862F7DC
device_ip
IPv4 address
192.0. 2.146
event_ts
The timestamp of when the location observation was collected
2020-12-06 16:39:28.000 UTC
latitude
The north-south position of a point on the Earth’s surface. First part of the device location
30.27297
longitude
The east-west position of a point on the Earth’s surface. Second part of the device location
-97.731528
geohash
A 1.2km x 609.4m grid which the Latitude and Longitude falls under
9v6s0p
precisión
The accuracy of the device in meters
10
region
ANSI standard two letter state code
TX
country
ISO 3166-1 alpha-2 country code
EE.UU.
device_type
Device type
Teléfono
device_os
The type of operating system. iOS or Android
Android
device_make
Extracted from the phones user agent. Defines the device manufacturer
Samsung
device_model
The device model number.
SM-A300FU
app_id
A anonymized and internal identifier for a unique app supplier
2684758
Escala
When purchasing location data you need to ensure that the provider has sufficient scale in the country where you need the data. You should consider how large the country is and then ask how many unique devices are in the dataset. This ratio will give you a good idea of the provider’s coverage in that area.
Some projects (training AI) might require a higher level of coverage, whereas other use cases could be workable with less.
Ultimately different location data providers and companies will be better suited for different types of location data.
Here we’ve don’t the legwork for you and broken down the best location data providers for each data type.
Best provider of raw location data
Raw location data is location data or mobility data in its purest form. This data is often pseudonymized but you should check with your provider. The primary use cases here can be vast, but they can feature in a number of industries from automotive to finance and marketing.
At Tamoco they carefully curate personalised feeds or raw data. It’s powered by leading ML algorithms to filter out bad data and it’s fully filterable by region, time or another attribute. Best of all it’s delivered programmatically in a way that suits your project.
Best place to buy property data
Property data is used to augment raw data to provide an outline of buildings and or pieces of land that don’t show up on a classic map.
The primary use of these datasets is to asses building risk factors.
Best provider: SafeGraph.
Best place to buy visits data
Visits data is a form of mobility data that is used to identify how many times a device is seen in a particular location. This data uses a proprietary technique to attribute. raw location point to a POI.
The used for this are found in retail, finance and governance.
Mobility data is counts of people that visit a POI but they are generally anonymized and done on a higher level than a single POI. This kind of data will usually include timings such as average times of visits.
This data type is used for advertising, urban planning and insurance..
Tamoco provides extensive mobility data and is one of the leading mobility data companies that operate globally. Its smart tech allows datasets to be generated quickly based on fully custom requirements.
Where can you buy location data?
You can find location data in a number of places from marketplaces, and exchanges or by talking directly to location data companies. These companies will have a dedicated team of experts who can help you to understand the nuances of location data, mobility data or geospatial data.
How much does location data cost?
The cost of location data can vary hugely depending on your use case or the size of the dataset. Other factors that can affect the cost of location data are the region (some country’s data is worth more than others) or the quality.
Preguntas que hay que hacer a una empresa de geolocalización
Lugar/POI
¿Cuál es la fuente de estos datos?
¿Cuántos de sus datos de PDI son de primera parte o de tercera parte?
¿Cómo se organiza el área geográfica alrededor de un PDI o lugar?
¿Puedes compartir la precisión de tus datos de PDI/lugar?
¿Cuántos puntos de interés tiene?
¿Qué metadatos están asociados a estos lugares?
¿Cómo se verifica la base de datos de lugares?
Dispositivo
¿Cómo se recoge geolocalización? ¿Este proceso es de primera parte, o los datos son de tercera parte?
¿Qué tipo de datos del dispositivo utiliza (GPS, wifi, baliza, etc.)?
¿Sus datos proceden de un SDK?
¿Disponen de un método para filtrar los datos que no son relevantes para mi campaña o simplemente son inexactos?
¿cuál es la escala de su conjunto de datos?
Banderas rojas
El número de empresas en el espacio de geolocalización puede hacer difícil diferenciarlas. A continuación, te mostramos algunas señales de alarma que deberías tener en cuenta la próxima vez que hables con una de estas empresas.
Todos nuestros datos son precisos a 5m
Algunos proveedores de datos hacen grandes afirmaciones sobre la precisión de sus datos derivados del GPS. Como ya se ha mencionado, el GPS puede ser preciso en un radio de 4,9 metros, y esto puede mejorarse aún más cuando se combina con la señalización WiFi y Bluetooth.
Sin embargo, la verdad es que la precisión del GPS varía enormemente, y las posibles razones son las siguientes:
Los dispositivos móviles pierden y recuperan la recepción móvil cuando se desplazan
Los edificios, puentes, árboles y tejados pueden bloquear y reflejar las señales GPS
Los mejores proveedores de datos no sólo se fijan en la precisión de las señales GPS. Tendrán en cuenta otros campos de datos, como el tipo de movimiento, la velocidad, la altitud, etc. del dispositivo para determinar la probabilidad de que un dispositivo visite una tienda en un momento determinado.
Medir con precisión cómo se mueve un dispositivo es una cuestión compleja, y hay que desconfiar de las empresas de datos que dan respuestas simples con afirmaciones generales.
Los datos de nuestras visitas son correctos gracias a la precisión de nuestras geocercas poligonales
La cartografía precisa de los PDI es importante para intentar comprender si un dispositivo ha pasado realmente por ese lugar. Sin embargo, muchos proveedores de datos afirman que la razón por la que pueden atribuir las visitas a los PDI es la precisión de los polígonos que han dibujado alrededor de los PDI.
Como se ha mencionado anteriormente, la precisión del GPS tiene un alto grado de variabilidad. Puede tener una geocerca poligonal precisa alrededor de una unidad de venta de 20 metros cuadrados, sin embargo, si todas las señales que coloca dentro de las geocercas tienen una precisión de +/- 50 metros, no está haciendo un buen trabajo para entender quién pasa el tiempo en ese PDI.
¿Quiere saber más?
En Tamoco, siempre estamos innovando en la forma de recopilar y utilizar la localización de los dispositivos. Llevamos años perfeccionando nuestra metodología para verificar correctamente cómo se mueve y se comporta un dispositivo en el mundo real.
¿Qué es geolocalización?
geolocalización es información geográfica sobre la ubicación de un dispositivo específico asociada a un identificador de tiempo. Se supone que estos datos del dispositivo se correlacionan con una persona; el identificador del dispositivo actúa entonces como un seudónimo para separar la identificación de la persona de los conocimientos generados a partir de los datos.
¿Qué precisión tiene geolocalización?
geolocalización es tan preciso como la fuente. El GPS suele ser el más fiable, pero sólo en exteriores. Por lo general, una combinación de Bluetooth, GPS y otras señales proporcionará una lectura más precisa de la ubicación del dispositivo.
¿Es geolocalización compatible con el GDPR?
Sí. Las empresas que utilizan geolocalización tendrán que ser claras sobre cómo recogen y utilizan los datos de los consumidores. Los proveedores de geolocalización tienen que tener un proceso de consentimiento claro que permita a los consumidores entender cómo se utilizan sus datos. Los proveedores de datos deben ofrecer soluciones en el punto de recogida que permitan gestionar las preferencias de consentimiento hasta el punto de utilización de los datos.
¿Para qué sirve geolocalización ?
geolocalización puede utilizarse para segmentar, crear audiencias, medir y obtener información y comprender el mundo offline.
Los big data se han convertido en el poder que las organizaciones necesitan aprovechar para hacer avanzar su empresa a gran velocidad. Para el año 2020, se calcula que la cantidad de datos disponibles en el mundo será de unos 44 zettabytes. La recopilación de todos estos datos no servirá de nada si no se utiliza a través de los canales adecuados.
Varias organizaciones de todo el mundo están aprovechando el big data para crear mejores modelos de negocio y ejecutar estrategias de desarrollo más rápidas. El big data está desempeñando un papel fundamental en la reducción de los costes operativos mediante el análisis estadístico y predictivo. También en la gestión de la cadena de suministro (SCM) hay muchos datos disponibles. Cuando estos datos se reúnen para crear operaciones significativas, pueden hacer que toda la cadena de suministro sea más viable.
Mientras que algunas organizaciones han identificado lo que el big data podría hacer por sus sistemas de cadena de suministro, hay muchas empresas que aún no han explorado las posibilidades. Estos son algunos de los aspectos más cruciales a través de los cuales el big data puede ayudar a mejorar la SCM.
Esté al tanto de su demanda
El análisis predictivo es una parte importante del uso de los big data. Con una cantidad considerable de datos a su disposición, las empresas pueden evitar las inevitables redundancias en sus operaciones, al tiempo que hacen un uso eficiente de las existencias. El análisis predictivo con big data puede ayudar de muchas maneras.
Las empresas pueden identificar a los minoristas que pueden necesitar algunas existencias antes y a los que tardan más en completar el pedido de existencias. Las empresas pueden analizar sus pedidos y ver si el coste de suministrar las existencias a algunas regiones puede ser demasiado alto de lo que podrían permitirse. Las empresas pueden incluso predecir cuáles de sus clientes fieles pueden cambiarse a sus competidores y cuáles de los clientes de sus competidores están buscando otras opciones.
El análisis predictivo de estos conjuntos de datos puede aportar mucho y permitir a las empresas tomar medidas de precaución y estar preparadas para cualquier posible sorpresa.
One good example of a multinational company using big data for the supply chain is PepsiCo. Replenishing the stocks of retailers is of significant importance for a customer-oriented product supplier like PepsiCo. Therefore, they make use of big data to predict the retailers’ stocks based on the data of the inventory they have, the time needed for the shipment, and the volume required to be shipped. This has helped PepsiCo to ensure that their products are never out of stocks from their retailers’ and at the same time, ensure that there is no high wastage. This has also been applied to retail, where the demand of designer swimsuits is predicted to ensure delivery in peak times.
En definitiva, el análisis predictivo con big data para la cadena de suministro ayuda a las empresas a poner a disposición de las personas adecuadas el volumen correcto de existencias en el momento adecuado.
Tenga el control de sus operaciones
Incluso cuando los factores externos parecen estar fuera de control la mayor parte del tiempo, con el análisis de big data, usted puede tener el control de las operaciones de su cadena de suministro.
Un problema importante al que se enfrentan muchos gestores de la cadena de suministro son los problemas que surgen en el trayecto entre el momento en que el producto sale de su almacén y el momento en que llega a los minoristas. Aquí es donde muchos obstáculos externos pueden afectar a la entrega. Cuando los datos de todas las operaciones de la cadena de suministro se recopilan durante varios años y se actualizan con frecuencia, las empresas pueden evitar y encontrar una forma mejor de garantizar que la cadena de suministro no se vea afectada por estas perturbaciones externas.
Además, el análisis de big data también permitirá a las empresas encontrar mejores rutas en la cadena de suministro que sean óptimas y rentables. Basándose en la demanda, los ingresos previstos, la geoanalítica y los medios de transporte disponibles, el análisis puede crear formas mejoradas y eficientes de gestionar la cadena de suministro, reduciendo los costes y disminuyendo el tiempo de entrega.
Estar en el camino constante de las innovaciones
La innovación es una parte necesaria de la cadena de suministro, y los big data no se limitan a ayudar a la gestión de la cadena de suministro, sino que también proporcionan nuevas vías para lograr una mayor eficiencia.
Puede identificar nuevos canales de entrega que podrían reducir el coste a la mitad o fusionar los canales de entrega existentes para una mejor optimización. Para que una organización mejore, tiene que estar innovando continuamente, y el big data desempeña un papel importante en estas innovaciones.
Accenture descubrió que la inclusión de big data en sus operaciones de la cadena de suministro condujo a un aumento de 2,6 veces en la eficiencia de su cadena de suministro. Esto consiste en las innovaciones en la SCM a través de múltiples canales.
Una buena parte de conseguir lo mejor de una empresa de big data o de análisis para SCM es innovar a medida que la empresa progresa. Estas ideas innovadoras también pueden ayudar a los gestores de la cadena de suministro a tomar decisiones, tener un mejor control y minimizar sus problemas.
El aprovechamiento de los datos disponibles evita problemas inesperados en la cadena de suministro y agiliza las operaciones de la misma. Las empresas pueden ahorrar una gran cantidad de dinero, reducir el tiempo dedicado a la gestión de la cadena de suministro y seguir ayudando en futuras ampliaciones.
Para el sector inmobiliario, no hay nada más importante que la ubicación Tanto si se busca un lugar para vivir como si se identifica el mejor lugar para una propiedad comercial, la ubicación es el factor más crucial.
Las empresas del sector no se conforman con clasificaciones simples de ubicación, como códigos postales o zonas. En su lugar, modelos más robustos y nuevos conjuntos de datos han abierto la puerta a comprender cómo están cambiando los barrios y qué quieren de su ubicación las personas que viven en zonas específicas.
No es de extrañar que el big data esté transformando el sector inmobiliario. En el centro de esto está geolocalización.
Veamos cómo los datos están innovando el espacio inmobiliario.
Datos para la inversión inmobiliaria
Evaluar e invertir en nuevas oportunidades inmobiliarias requiere una amplia investigación y la debida diligencia.
Vale la pena ser el primero en identificar una zona en auge, pero muchas empresas tienen acceso a los mismos recursos para tratar de entender dónde están estos barrios calientes.
Los conjuntos de datos emergentes, como la localización, están cambiando esta situación. Los datos de movimiento están dando a las empresas de inversión inmobili aria una ventaja, permitiéndoles comprender el potencial de un barrio antes que la competencia.
Los big data están permitiendo a las empresas responder a preguntas difíciles como:
Cómo identificar nuevos barrios o zonas con buenas perspectivas de inversión
Cómo entender los riesgos regionales al invertir
geolocalización es increíblemente valiosa en esta zona, no sólo por la naturaleza geográfica de los inmuebles, sino porque el valor de una propiedad o zona está determinado por lo que ocurre en los alrededores.
El valor de los inmuebles está estrechamente vinculado a las condiciones sociales y económicas, conceptos que pueden entenderse utilizando el dispositivo geolocalización. Por tanto, cuanto mejores sean los datos, mejor será la percepción del potencial de inversión de una región o zona concreta.
La utilización de geolocalización junto con los datos demográficos del sector inmobiliario y otros conjuntos de datos de terceros permite identificar con antelación una oportunidad de inversión y medir y analizar la inversión ya realizada.
Planificación y desarrollo
Para los inmuebles comerciales, el poder de los datos es tan impactante como en el sector residencial. Olvídese de los costosos sistemas de gestión de la afluencia de público. geolocalización puede conocer la afluencia de público en todos los inmuebles, incluidos los de la competencia. Las empresas con más éxito utilizan estos análisis de datos inmobiliarios para adaptarse y planificar en tiempo real.
Identificar los puntos más valiosos
geolocalización puede identificar la afluencia de público en los establecimientos comerciales, tanto de paso como de entrada. Las métricas detalladas sobre las visitas y la duración de las mismas pueden ayudar a comprender el valor de cada local.
Estos conocimientos pueden incluso conducir a la fijación de precios dinámicos de los alquileres o también podrían funcionar como un producto adicional para los inquilinos que deseen conocer los beneficios de su propiedad comercial.
Aumentar la eficacia operativa
Los datos inmobiliarios también pueden ayudar a mejorar la eficiencia operativa. En el caso de inmuebles comerciales con gran afluencia de público, como los aeropuertos, comprender los patrones de movimiento puede contribuir significativamente a mejorar las operaciones y optimizar el espacio no utilizado.
Estos conocimientos pueden extenderse al desarrollo de nuevas propiedades y a la planificación desde la colocación inicial del proyecto, hasta la colocación individual de los puestos de venta en su interior. La analítica predictiva en el sector inmobiliario es ya algo habitual y está teniendo un enorme efecto en la planificación y el desarrollo del sector.
Publicidad y marketing
Los datos no son sólo para la planificación y la inversión. Los datos han transformado el mundo de la publicidad y el marketing, y esto es válido para el sector inmobiliario.
Más del 90% de los compradores de vivienda comienzan su búsqueda por Internet. Los datos están llenando los vacíos entre lo que el consumidor quiere y los anuncios que la inmobiliaria ofrece a estos clientes potenciales.
Los conjuntos de datos están haciendo que el marketing y la publicidad sean más personales para estos posibles clientes. Los anuncios pueden dirigirse a aquellos que han visitado las agencias inmobiliarias o personalizarse en función de patrones de comportamiento habituales. Todo ello permite a la inmobiliaria relacionarse con un nuevo público de forma personalizada.
Estos datos de comportamiento también pueden utilizarse para crear un proceso de búsqueda más atractivo, en el que los resultados se adapten al usuario. Esto se extiende a cualquier proceso de consulta, con el aumento de los chatbots, como WhatsApp Chatbot y las soluciones de automatización que requieren datos potentes para ser más productivos.
Los anunciantes utilizan la segmentación de la audiencia para poder eliminar cualquier gasto innecesario de sus esfuerzos de marketing, ser más eficientes y eficaces y potenciar los KPI clave.
Gracias a los datos, los anunciantes pueden crear segmentos de audiencia mucho más inteligentes. Pueden dar prioridad al consumidor adecuado, con el anuncio adecuado y con el mensaje adecuado.
Por eso nos hemos asegurado de que nuestros conjuntos de datos precisos y de primera mano estén disponibles para que los profesionales del marketing y los anunciantes los utilicen directamente en su DMP. Los anunciantes deberían poder hacerlo directamente en su solución de compra de medios.
Sobre nuestros datos
En Tamoco pensamos que la precisión de los datos es lo más importante para los anunciantes que utilizan datos en su orientación, segmentación o atribución. Por eso hemos creado una red que lidera el camino hacia datos más precisos.
Propia geolocalización centrada en la precisión y la exactitud
Los datos de Tamoco son líderes en la industria. Utilizamos nuestro propio SDK para la recopilación de datos junto con nuestra amplia red de sensores para comprender la ubicación del consumidor con mayores niveles de precisión y exactitud.
Comportamiento detallado de la visita
La metodología de datos de Tamoco está diseñada para reducir el número de puntos de datos incorrectos. Comprendemos las visitas con una precisión granular. Las visitas falsas se filtran y nuestra metodología de datos es transparente. Esta metodología significa que los anunciantes pueden estar seguros de que los datos de visitas de Tamoco son más precisos que los de otras soluciones de segmentación basadas en las visitas.
Ventajas de utilizar la ubicación directamente en la segmentación de la audiencia de su DMP
Afinar las audiencias y las ganancias de ROI incrementales
Tienes los datos de origen que contienen, por ejemplo, la edad, el sexo, la fidelidad a la marca y los productos que se poseen, entre otros. La ubicación te permite segmentar aún más estas audiencias.
Para impulsar el aumento del ROI, la localización puede indicar cuáles de estos usuarios son relevantes para sus campañas. geolocalización es en tiempo real y se basa en el comportamiento. Estos atributos significan que puede excluir a las audiencias irrelevantes y ahorrar valiosos dólares de marketing en el proceso.
Los anunciantes pueden entonces adaptar sus campañas a los usuarios que han mostrado físicamente determinados comportamientos, como visitar una tienda específica o frecuentar una serie de lugares físicos.
Esta segmentación ayuda a crear mensajes relevantes y garantiza que sus segmentos estén limpios en cuanto a la orientación precisa. Ya no se desperdicia el presupuesto en consumidores que no son relevantes para sus campañas de marca.
La ubicación es un buen indicador de la intención
Añada la intención al proceso de segmentación. Las campañas de reorientación son más eficaces si se puede llegar a los consumidores cuando están en el estado de ánimo adecuado. El retargeting funciona bien en el mundo online, pero a menudo se limita a su inventario actual.
Los consumidores también muestran su intención de compra en el mundo offline. Visitar su tienda es un buen ejemplo. Sin embargo, al mapear el mundo offline, los anunciantes pueden utilizar la ubicación para identificar la intención del consumidor de diferentes maneras.
La reorientación hacia los consumidores que han visitado (o están visitando actualmente) un competidor o una tienda de una categoría similar es una forma poderosa de llegar al público adecuado.
Utilizar geolocalización para alimentar la analítica
El uso de señales de localización directamente en su plataforma de gestión de datos permite una venta cruzada más inteligente. Si ha creado una base de datos de audiencias descriptivas y de comportamiento, la adición de la ubicación puede proporcionar una mejor manera de vender nuevos productos o promover las compras de retorno.
Utilizando su solución de análisis, geolocalización puede aumentar directamente la comprensión de las tendencias, los patrones y la intención de los consumidores. geolocalización es una herramienta para construir una visión más detallada de sus clientes.
Estos datos pueden utilizarse para informar sobre la futura segmentación y predecir qué audiencias tienen más probabilidades de convertirse en una etapa específica del recorrido del comprador.
Utilizar la ubicación para crear audiencias similares
Llegar a nuevos clientes que actualmente están fuera de su conjunto de datos de clientes puede ser un reto. Es algo difícil de saber si el proceso de construcción de audiencias similares es fiable.
Utilizando geolocalización, es posible construir segmentos de audiencia basados en el comportamiento del mundo real. Por ejemplo, si tomamos una audiencia que convierte mucho, podemos entender a consumidores similares en función de cómo se mueven y se comportan en el mundo real.
Esto genera segmentos similares que se basan en el comportamiento actual del mundo real, en lugar de en datos vagos de intereses similares. En última instancia, se crearán segmentos con mayor probabilidad de conversión.
Ejemplos de segmentos y estrategias de segmentación de la audiencia
Algunos de nuestros segmentos basados en la localización ya están disponibles. Aquí veremos algunos casos de uso de segmentación de audiencias familiares utilizando estos datos.
Tiendas de ropa de mujer
Las marcas que buscan segmentar sus audiencias en función de los intereses de los consumidores pueden utilizar la ubicación para refinar sus audiencias. Veamos cómo funcionaría esto con un segmento basado en la audiencia.
Usted ya tiene una audiencia pre-construida que es relevante para su marca de ropa de mujer.
Utilizando filtros basados en la ubicación directamente en su DMP puede filtrar aún más esta audiencia para llegar a los usuarios más relevantes.
Puede filtrar en función del número de visitas a las tiendas de ropa de mujer. Puedes establecer el periodo de tiempo de estas visitas.
Esto segmentará a su público en función de los que hayan visitado físicamente una tienda de ropa en el periodo de tiempo que haya definido.
Lugares para beber (con alcohol)
Utilizando la localización, puede crear audiencias de retargeting en su DMP para maximizar sus presupuestos publicitarios.
Si desea reorientar a los consumidores en función de su comportamiento, la ubicación puede ayudar a definir el público adecuado.
Establezca su audiencia para incluir a aquellos que han visitado un lugar donde se bebe alcohol.
Puede filtrar estas visitas basándose en visitas pasadas, o en fechas o días específicos de la semana.
Esto puede ayudarle a crear audiencias increíblemente específicas, como los asistentes al local del viernes por la noche.
Tiendas de alimentación especializadas
Como se ha mencionado anteriormente, geolocalización puede ser útil para crear nuevas audiencias similares basadas en el comportamiento de los consumidores. Este método puede ayudarle a crear públicos similares únicos basados en el comportamiento real medido.
Podemos crear un público basado en las visitas a las tiendas de alimentación especializadas. Aquí tenemos nuestro público semilla que consiste en consumidores que sabemos que han visitado una tienda de salud en algún momento de nuestro periodo de tiempo definido.
Podemos hacer una de dos cosas aquí:
Trasladar los identificadores a nuestra solución actual de modelado de parecidos. Esto creará una nueva audiencia basada en una audiencia semilla única.
Utilizar una solución de similitud basada en la ubicación. Esto utilizará la audiencia para coincidir con los dispositivos que han mostrado un comportamiento similar en el mundo real.
Todos estos segmentos están disponibles en las principales DMP y otras soluciones de compra de medios.
Cómo activar la precisión de Tamoco geolocalización
Nuestros datos están actualmente disponibles a través de DoubleClick, AppNexus, AdForm. Aquí puede comenzar la segmentación inmediatamente usando el geolocalización de Tamoco.
Podemos activar estos segmentos al instante en The Trade Desk, Adobe Marketing Cloud, Facebook Advertising, Sizmek, Beeswax, Widespace y BrightRoll. Póngase en contacto con nosotros para activarlo.
¿Quiere algo más personalizado?
Podemos construir segmentos personalizados bajo demanda con nuestro equipo de científicos de datos. Estos pueden ser alimentados en las soluciones anteriores. Estos son algunos ejemplos de lo que nuestro equipo puede ofrecer para sus campañas.
Afinidad de marca: podemos crear segmentos basados en la afinidad de marca con su marca, con un competidor o con otra marca relevante.
Visitas detalladas - Nuestro equipo puede ayudar a segmentar las audiencias en función de las visitas verificadas a cualquier PDI físico, local o ubicación.
Todas nuestras soluciones de datos pueden integrarse en su plataforma de datos o de segmentación actual. Nuestro equipo de científicos de datos está preparado para apoyar su integración y llevar su marketing al siguiente nivel.
Esperamos cuatro años para que llegue un mundial. La final es el acontecimiento más visto del mundo. Esto supone un gran interés para el consumidor, y las empresas tienen que hacerlo bien para maximizar el efecto de este acontecimiento que se celebra una vez cada cuatro años.
El Mundial está formado por 32 naciones. En el Reino Unido todos los partidos se retransmiten por la televisión terrestre. En todo el mundo, unos 3.400 millones de personas ven alguna parte del torneo. Es un acontecimiento enorme para varias industrias, pero quizá ninguna más que la de las bebidas.
Por eso es importante entender el comportamiento de los consumidores durante estos monumentales acontecimientos mundiales. Entender cómo se mueven y se comportan los clientes puede ayudar a las empresas a tener un buen rendimiento en diferentes funciones, desde la publicidad y el marketing hasta los conocimientos y la planificación.
Para identificar las tendencias de consumo y de alcohol durante la Copa del Mundo, analizamos las visitas a más de 5.000 locales de todo Londres durante las tres semanas que duró el torneo.
Nuestro preciso conjunto de datos de primera mano, combinado con nuestra red de sensores de localización precisos, proporciona información detallada sobre el comportamiento de los consumidores durante la Copa del Mundo. Nuestra metodología de visitas proporciona una poderosa manera de revelar las tendencias y la información sobre el comportamiento de los consumidores.
Para estar al día de las últimas tendencias en materia de datos, suscríbase a nuestro boletín mensual.
El sector financiero es un espacio altamente competitivo. Se enfrenta a una nueva generación de bancos y normativas disruptivas. Es un sector que necesita utilizar los macrodatos para impulsar la personalización, aumentar la fidelidad de los clientes, la seguridad y alimentar las decisiones de inversión cotidianas.
El sector de los servicios financieros siempre ha estado a la vanguardia de la innovación técnica. La disponibilidad de nuevos conjuntos de datos ha proporcionado una poderosa manera de entender el comportamiento y ofrece nuevas direcciones para que la industria financiera sea predictiva.
La aplicación delos big data en los servicios financieros va más allá de la predicción de los precios de las acciones. Los nuevos tipos de datos están revolucionando el espacio.
Vamos a desglosar algunos ejemplos de cómo se utiliza el big data en los servicios financieros.
Personalización
La personalización ha sido durante mucho tiempo una prioridad en el trato con los consumidores. Esto es cierto tanto en el sector financiero como en otros sectores verticales con una fuerte presencia de consumidores.
Los bancos disruptores han comenzado a establecerse en el sector financiero. Algo que estos bancos han hecho bien es la personalización.
Al conocer los hábitos de gasto y el comportamiento de los usuarios, pueden ofrecer productos y recomendaciones de gasto más personales.
Por ejemplo, en el mundo de la banca digital, si un banco dispusiera de los conjuntos de datos adecuados en torno a sus clientes, podría ofrecer servicios que realmente aportaran valor al cliente final. Si un banco entiende en qué gastan sus clientes, a dónde van y dónde trabajan puede, por ejemplo, sugerirles que una tarjeta de viaje podría ahorrarles mucho dinero cada mes.
Es en estas áreas donde los servicios financieros pueden aprender de los bancos disruptores. Con el conjunto de datos adecuado, la experiencia bancaria puede personalizarse para los clientes. Esto permitirá a los servicios financieros aumentar la fidelidad de los clientes e impulsar la venta cruzada de sus productos de forma mucho más eficaz.
Seguridad
Hay pocos sectores en los que la seguridad y el fraude sean una amenaza mayor que en los servicios financieros.
A medida que la tecnología ha ido avanzando, los profesionales del sector deben ser más inteligentes y adaptarse mejor a las tácticas cambiantes de quienes buscan puntos débiles en sistemas a veces anticuados.
La adición de la inteligencia de localización a la ecuación añade una capa adicional de seguridad para los clientes y permite a las instituciones financieras proporcionar instantáneamente controles basados en el lugar en el que un cliente utiliza sus productos.
La localización ofrece a los equipos de seguridad una nueva forma de identificar el fraude. geolocalización puede ayudar a educar a los sistemas de seguridad sobre el comportamiento de los clientes y puede constituir una sólida base para detectar irregularidades en el comportamiento financiero.
Los servicios financieros procesan continuamente un número increíble de transacciones. Una superposición de localización que incluya reglas operativas puede ayudar a determinar cuándo marcar los registros como fraudulentos.
Estos procesos permiten a los servicios financieros ofrecer mejores garantías a sus consumidores y clientes.
Inversión
El auge del big data conlleva un enorme potencial para los inversores. Muchos han implementado sistemas predictivos diseñados para comprender conjuntos de datos, digerir grandes cantidades de datos y luego informar las decisiones de inversión.
Estos conjuntos de datos han tenido éxito, pero la precisión de geolocalización rara vez se utiliza de forma óptima en este ámbito. La inteligencia de localización proporciona una comprensión más detallada de las tendencias y la ingesta de estos conjuntos de datos precisos puede ayudar a los inversores a adelantarse a la competencia.
La comprensión de cómo se mueven y comportan las poblaciones en masa está disponible en el mundo online. La localización ofrece algo ligeramente diferente. Ayuda a comprender cómo se mueven los consumidores en el mundo offline.
El uso de la localización permite un desfase mínimo entre la comprensión agregada de las tendencias de consumo y la capacidad de los inversores para prever el rendimiento de las carteras y los mercados financieros.
Esto permite a los inversores actuar con rapidez y decisión. La localización es un fantástico indicador del comportamiento de los mercados, las marcas o los individuos. Con los progresos realizados en materia de precisión por algunos en este espacio, esto resultará ser uno de los próximos pasos en el análisis predictivo para el sector financiero.
Seguros
Para los seguros, la ubicación lo es todo. Muchas aseguradoras pueden beneficiarse inmediatamente de la calidad de geolocalización para modelar mejor el riesgo y mejorar drásticamente sus suscripciones y precios.
En los seguros, casi todos los datos tienen relación con la ubicación.
Datos sobre la delincuencia: conocer el riesgo de delincuencia en lugares concretos, incluyendo datos históricos y soluciones predictivas, puede aportar importantes ventajas a las aseguradoras.
Catástrofes: mediante el análisis de datos, las aseguradoras pueden mitigar los riesgos de las catástrofes en función de la ubicación del cliente.
Datos sobre el comportamiento: el uso de nuevos tipos de datos sobre el comportamiento, como la localización, puede permitir a las aseguradoras comprender mejor el comportamiento de los consumidores. Esto ayuda a predecir el riesgo y a fijar los precios.
Estos conjuntos de datos están ahora disponibles en grandes cantidades. La localización precisa permite una visión más exacta y la capacidad de generar estos datos, así como de almacenarlos y procesarlos, ha cambiado las reglas del juego para el sector de los seguros.
Nuevos ingresos
Para las empresas financieras, los datos de los consumidores también son la clave de los nuevos ingresos. Permite a las empresas maximizar los ingresos de los canales existentes.
Por ejemplo, utilizando el marketing de datos de precisión, las empresas financieras pueden identificar productos y servicios que se ajustan mucho más a clientes específicos. Esto proporciona más valor tanto para los clientes como para los socios de la marca.
Entender el comportamiento de los clientes permite a las empresas comprender qué tipo de persona es más valiosa para su negocio.
Utilizando estos datos, es posible crear parecidos y utilizarlos para dirigir una actividad de marketing más específica a los clientes que representan un mayor potencial de ingresos.
En 2019, el número de dispositivos conectados seguirá creciendo hasta alcanzar el nivel más alto de la historia. Con más dispositivos y más sensores, la cantidad de datos generados se disparará.
Será más accesible que nunca utilizar los datos para informar de todo, desde la inteligencia empresarial hasta la publicidad. Los datos basados en la localización serán más precisos que nunca. Estos factores harán que se utilicen con más frecuencia en ámbitos en los que el big data puede tener un efecto profundo.
En una amplia gama de sectores, geolocalización y la inteligencia de localización están ayudando a mantener una ventaja competitiva. Se está utilizando para proporcionar información que antes era inaccesible.
La inteligencia de localización es la práctica de utilizar geolocalización para lograr resultados empresariales. El proceso utiliza dispositivos móviles y sensores para visualizar y enriquecer la comprensión de cómo se mueven los dispositivos en el mundo real.
La creciente cantidad de datos precisos disponibles supondrá algunos retos para los profesionales del sector.
Las preocupaciones sobre la privacidad seguirán siendo el centro de atención, como lo han hecho durante la mayor parte de 2018. La calidad de los datos sigue siendo un problema que muchos proveedores deben abordar. Las empresas tendrán que encontrar un método eficaz y sin fisuras para consumir y obtener el máximo valor de geolocalización.
Estos son los que creemos que serán los mayores retos a los que se enfrentará el sector de la inteligencia de localización y geolocalización .
Desafíos en geolocalización
Teniendo esto en cuenta, ¿cuáles son los mayores retos a los que se enfrenta la localización en 2019?
Consentimiento y privacidad
En 2018 se introdujo el GDPR en Europa. En los Estados Unidos, la próxima ley CCPA sobre la privacidad de los datos seguirá siendo el centro de atención de la comunidad de datos. Estamos avanzando rápidamente hacia un mundo en el que cada individuo tendrá el control sobre sus datos.
Las empresas que utilizan geolocalización deberán adoptar un enfoque similar. Es fundamental permitir que el individuo tome el control de sus datos. Las empresas deben informar a los usuarios de cómo se utilizan sus datos. Deben ofrecer soluciones claras de inclusión y exclusión para que la transparencia se sitúe en el centro de la revolución de los macrodatos.
Las empresas que utilicen geolocalización tendrán que ser claras sobre cómo recogen y utilizan los datos de los consumidores. geolocalización los proveedores tienen que tener un proceso de aceptación claro que permita a los consumidores entender cómo se utilizan sus datos.
Los proveedores de datos deben proporcionar soluciones en el punto de recogida que les permitan gestionar las preferencias de consentimiento hasta el punto de utilización de los datos.
Calidad y normalización de los datos
Muchas empresas consideran que la falta de precisión en la geolocalización que alimenta la inteligencia de localización es un gran reto para el sector.
Con el crecimiento de los geodatos, muchos nuevos proveedores han ofrecido conjuntos de datos de calidad inferior con una precisión limitada. Estos proveedores suelen ser poco transparentes en cuanto a la forma en que se recogen sus datos y su precisión. Para la correcta aplicación de geolocalización, las empresas necesitan poder verificar la metodología de recogida de datos.
Los proveedores más precisos podrán verificar sus conjuntos de datos de primera mano. Pueden ofrecer una explicación detallada sobre la recogida de datos. La precisión en geolocalización puede ser inútil cuando está a un metro de distancia.
Para evitar estos conjuntos de datos deficientes, las soluciones de inteligencia de localización deben verificar y eliminar activamente las inexactitudes de los datos. El espacio requiere un proceso claro y transparente para que los usuarios de los datos vean la totalidad del proceso, desde la recogida hasta el uso.
Por ejemplo, Tamoco proporciona un conjunto de datos adicional que ofrece una calificación clara y transparente para cada punto de datos recogido. Nuestro conjunto de datos de visitas demuestra la precisión de cada punto de datos. Puede ser utilizado por las empresas para filtrar las inexactitudes. También proporciona transparencia, lo que permite al usuario final de los datos comprender la recogida de datos y la metodología de los mismos.
Estar preparado para consumir los datos
Cada vez son más los sectores que quieren beneficiarse de la inteligencia de localización. Será más importante que nunca que estas empresas estén preparadas para consumir el conjunto de datos.
Para algunos, el uso de geolocalización para entender los patrones de movimiento será una nueva fuente de datos. Proporcionar un conjunto de datos listo para su consumo instantáneo será un reto crucial para muchos proveedores de inteligencia de localización.
Otro reto será crear una solución que permita a las empresas combinar y manipular geolocalización junto con los conjuntos de datos actuales. Esto maximizará el efecto que la inteligencia de localización puede tener en las funciones empresariales.
Se producirá una evolución hacia soluciones integradas que funcionarán como un servicio de inteligencia de localización. Con la estandarización, será más fácil para las empresas ingerir grandes cantidades de geolocalización.
Limpiar y normalizar eficazmente los datos.
Muchas empresas interesadas en geolocalización tienen dudas a la hora de procesar los datos. geolocalización puede suponer un reto a la hora de limpiarlos y normalizarlos para los análisis de una empresa u otras funciones.
Estos retos suelen implicar la transformación de los datos en un formato viable. Verificar que los datos están actualizados y son precisos es otro problema para las empresas que utilizan geolocalización.
Un reto relacionado, pero ligeramente diferente, es ser capaz de entender cuándo los datos son apropiados para un análisis específico.
En Tamoco trabajamos estrechamente con nuestros socios para crear una fuente de datos que se verifique y limpie a fondo. Nuestro enfoque basado en sensores nos convierte en líderes del sector en cuanto a precisión y proporciona una base más precisa para limpiar nuestros datos para el uso de los clientes.
En 2019, los proveedores de geolocalización tendrán que colaborar estrechamente con sus clientes para entender el proceso de limpieza de datos. Deben proporcionar documentación y soluciones estandarizadas que ayuden a los socios a sacar el máximo partido de los datos.
El potencial de geolocalización sigue siendo enorme. En 2019 habrá que hacer frente a los retos de la recogida y el procesamiento de datos. La máxima prioridad será el perfeccionamiento de un proceso sólido que resuelva los problemas de seguridad. Desarrollar y gestionar la normalización de geolocalización será otra.
Some select assets of tamoco have been acquired by pass_by, a leader in the geospatial world, in a commitment to redefining standards through AI-driven intelligence and ground truth verification.
