À medida que a indústria publicitária se aproxima do mundo pós-cookies anunciado pelo Google Chrome, que responde atualmente por 63,43% do mercado global de navegadores de internet, novas estratégias de segmentação de mídia ganham espaço entre clientes e agências. É o caso, por exemplo, da segmentação contextual, que com o apoio da inteligência artificial, consegue utilizar dados primários para garantir a hiper-personalização dos anúncios e elevar a experiência do usuário com a marca a um novo patamar, uma estratégia particularmente interessante para campanhas programáticas com foco em branding.

Para a indústria de mídia programática, esse redesenho de rota tem até um quê de recomeço, visto que a abordagem contextual não é uma coisa exatamente nova. A novidade é a sofisticação da tecnologia empregada na interpretação dos dados disponíveis, e a precisão com que consegue determinar e recomendar as melhores abordagens publicitárias para cada usuário. E por isso, nunca foi tão importante entender o funcionamento das tecnologias programáticas disponíveis.

No caso da RTB House, toda essa análise é feita com Deep Learning, o mais avançado campo da inteligência artificial, que permite aos algoritmos aprenderem sozinhos novos padrões para recomendar os bids e os conteúdos dos banners ou vídeos que serão exibidos a cada usuário, elevando a qualidade dos resultados obtidos nas campanhas.

Em outras palavras, o Deep Learning aperfeiçoa constantemente seu mecanismo de predição com base em padrões muitas vezes inimagináveis pelo ser humano e a partir de uma quantidade de dados infinitamente superior, como o conteúdo da página acessada pelo usuário ou a comparação minuciosa de informações históricas sobre os resultados de anúncios parecidos já exibidos no passado.

Considerando este novo cenário tecnológico, é importante que tanto anunciantes quanto agências também evoluam o seu mindset estratégico, indo além do tradicional modelo de criação de personas, que ainda é a principal base para o planejamento da maioria das campanhas. Isso porque o modelo de segmentação demográfica que ainda é amplamente utilizado, que inclui critérios clássicos como idade, gênero e localização, serve cada vez menos como bússola para as tecnologias de segmentação mais modernas. Além disso, muitas vezes tais segmentações podem limitar o real potencial de campanhas de branding, tendo em vista o amplo espectro de clientes com que uma marca pode dialogar, interagindo ainda em diferentes níveis de subjetividade.

Costumo dizer que a segmentação demográfica tradicional, muitas vezes, pode falar do “passado” daquele consumidor, enquanto as tecnologias de segmentação mais modernas, suportadas por inteligência artificial, falam sobre o “agora”. Isso certamente torna as campanhas muito mais efetivas e alinhadas com a expectativa do público no momento em que interage com cada anúncio da marca.

Oportunidades e desafios da segmentação pós-demográfica
Vamos pensar, por exemplo, em um público-alvo de mães que são executivas e gostam de esportes. Em um mesmo dia elas podem se interessar por assuntos sobre crianças, trabalho, carreira, educação, yoga, maquiagem, futebol e muito mais. A grande questão é que tendemos a engajar com um tema quando estamos imersos nele naquele momento, e aqui a aplicação em tempo real de uma hiper-personalização contextual tem uma grande vantagem em termos de experiência de marca e efetividade do anúncio.

Por outro lado, temos também que delimitar o quanto as limitações impostas pela definição de uma persona podem trazer perdas, tanto em termos de alcance de público efetivo e potencial, quanto de experiência. Sendo assim, elenco mais dois exemplos sobre a importância da desmistificação da segmentação demográfica em termos de criação de narrativa:

Exemplo 1 – No primeiro caso, há uma campanha sendo estruturada para um novo automóvel esportivo de alto custo. Geralmente, o público-alvo seria o masculino, com faixa de idade entre 35 e 55 anos e grande poder aquisitivo, provavelmente buscando esses consumidores em conteúdos mega “adequados”, como sites que discorrem sobre esportes sofisticados, como golf, por exemplo.

Ainda que o perfil acima tenha sido identificado no processo de pesquisa do anunciante e faça sentido segmentá-lo para ampliar a chance de sucesso, existem muitos gaps nesse aspecto que poderiam representar perdas de oportunidade. Mulheres também têm interesse em carros esportivos. Pessoas mais jovens podem ter poder aquisitivo equivalente. Homens dentro do perfil demográfico também podem estar interessados por conteúdos mais genéricos, como Funk ou Big Brother Brasil.

Exemplo 2 – O segundo caso trata sobre campanhas de maquiagem, geralmente voltadas às mulheres, com restrições de idade e classe social. Mas homens também podem usar maquiagem. Mulheres fora do perfil de idade pré-configurado podem se interessar pelo produto. A restrição por classes pode ainda ignorar pessoas que possuem aspiração pelo produto ou formas alternativas de pagamento, como parcelamento.

Certamente, situações como estas se aplicam ao dia a dia de todas as marcas do mercado, tendo em vista que a hiper-personalização é um caminho sem volta para o marketing digital. Quando sua mensagem é relevante e está bem posicionada na jornada do cliente, ele estará mais inclinado a interagir com a marca e, posteriormente, a se comprometer com ela. Cabe aos anunciantes e agências entenderem como extrair o máximo potencial das ferramentas disponíveis, a fim de entregar as melhores experiências publicitárias ao maior número de consumidores potenciais.

André Dylewski é country manager da RTB House no Brasil