¿qué es un modelo look alike?

generador de parecidos de modelos

Los objetivos crecientes siempre significan que los profesionales del marketing necesitan llegar a más personas. El problema con el que se encuentran los profesionales del marketing es cómo hacer crecer estas audiencias sin que dejen de ser relevantes para su producto o propuesta.

Ampliar su audiencia más allá de su base de datos actual es crucial para lograr el crecimiento futuro. ¿Qué herramientas digitales existen para que los profesionales del marketing lleguen a nuevas audiencias? ¿Cómo se puede garantizar que una mayor audiencia no signifique menos conversiones y consumidores menos relevantes?

Se trata de tomar un público inicial y definir las características clave que lo diferencian. A partir de aquí, la modelización inteligente y otros procesos ayudarán a identificar una nueva audiencia más amplia y similar a sus clientes actuales.

Al igual que con muchas formas de publicidad digital, el modelado de semejanza funciona con datos. Los datos vienen en muchas formas, y realmente depende de usted decidir qué conjuntos de datos son los más eficaces para identificar a su cliente objetivo.

Estos datos se combinan con un programa que puede identificar rápidamente a otros consumidores que muestran un comportamiento similar. Este proceso suele producirse dentro de una DMP (plataforma de gestión de datos). También puede hacerse en algunas plataformas de demanda (DSP), así como en casa.

audiencia similar

Imagine que tiene un cliente muy comprometido que abre todos sus correos electrónicos, revisa regularmente su inventario y realiza compras frecuentes. Si pudiera llegar de alguna manera a más clientes como este suscriptor, su empresa no tendría problemas para superar los objetivos de ventas y aumentar el ROI de marketing.

Para aumentar su éxito, sabe que necesita dirigirse a más clientes como éste. Pero, ¿cómo empezar? ¿Cómo sabe qué atributos de este comprador debe buscar en otros posibles clientes? Además, aunque haya determinado qué características son las más importantes, ¿cómo puede encontrar consumidores que compartan estos mismos intereses y comportamientos?

El modelo de semejanza es una metodología que los anunciantes utilizan a menudo para definir a los consumidores con más probabilidades de comprometerse con sus mensajes de marketing. Este modelo tiene en cuenta los rasgos o comportamientos comunes entre los clientes actuales y busca consumidores que compartan esas mismas características. Las estrategias que utilizan los anunciantes para lograr el modelado de semejanza varían, pero, independientemente de la táctica, el objetivo final es impulsar la conversión mediante el envío de mensajes de marketing a una sección más específica de consumidores.

modelado de semejanza python

El modelado por semejanza le ayuda a descubrir nuevas audiencias únicas mediante el análisis automatizado de datos. El proceso comienza cuando usted selecciona un rasgo o segmento, un intervalo de tiempo y fuentes de datos de primera y tercera parte. Sus elecciones proporcionan las entradas para el modelo algorítmico. Cuando el proceso de análisis se ejecuta, busca usuarios elegibles en función de las características compartidas de la población seleccionada. Al finalizar, estos datos están disponibles en el Trait Builder, donde puede utilizarlos para crear rasgos basados en la precisión y el alcance. Además, puede crear segmentos que combinen rasgos algorítmicos con rasgos basados en reglas y añadir otros requisitos de calificación con expresiones booleanas y operadores de comparación. El modelado de apariencia le ofrece una forma dinámica de extraer valor de todos sus datos de rasgos disponibles.

Desactivamos cualquier Modelo de apariencia que no genere datos durante tres ejecuciones consecutivas. Tenga en cuenta que no puede volver a activar el estado del modelo después. Para garantizar que sus modelos generen datos, le recomendamos que construya modelos a partir de fuentes de datos con suficientes rasgos para acumular datos.

algoritmos de modelado de similitudes

Las audiencias similares anatomizan a los clientes existentes y sus perfiles de usuario para encontrar los puntos comunes entre la audiencia existente. Esto ayuda a encontrar clientes altamente cualificados que antes habrían sido difíciles de identificar y alcanzar[7]. Esto amplía la audiencia potencial en diferentes países y se aplica a nuevos segmentos de audiencia diferenciados;[8] Este enfoque ahorra tiempo y reduce los costes de publicidad para la adquisición de una nueva audiencia.

Las audiencias similares podrían tener efectos limitados en las pequeñas empresas o startups debido al pequeño tamaño de la muestra de su audiencia actual, que inevitablemente conduciría a datos insuficientes extraídos de la audiencia actual y a la interferencia de los valores atípicos. Es decir, no habría una alta tasa de rebote en los sitios web de estas empresas[11].

Un estudio ha demostrado que la herramienta de audiencias similares, en cierta medida, da buenos resultados publicitarios en general[15]. También figura como una tendencia importante del pago por clic (PPC) en la Escuela de Marketing de Internet de Delhi[16]. Sin embargo, los debates sobre el uso de este tipo de segmentación por comportamiento de terceros para el marketing digital tampoco han cesado, porque el uso de los datos de los clientes va en contra de la configuración de la privacidad en línea[17].