Crédito: CC0 Public Domain
Como experto en los motores algorítmicos que impulsan la publicidad en línea, a Harikesh Nair le encanta explorar esta zona diversa donde la investigación científica profunda y las necesidades comerciales del mundo real se entrelazan.
Esta es una de las razones por las que dejó su cátedra en Stanford Graduate School of Business en 2017 y se unió al equipo de ingeniería de JD.com, una de las plataformas de comercio electrónico más grandes de China. Pasó dos años viajando entre Silicon Valley y Beijing, supervisando a un equipo de ingenieros que trabajaban en las trincheras para convertir conceptos matemáticos densos en soluciones tangibles en línea.
Cuando regresó a Stanford GSB en 2019, Nair ayudó a establecer el laboratorio de marketing informático de la escuela que reúne a profesores, estudiantes y profesionales para identificar mejores prácticas—Tanto en términos de rentabilidad como de beneficio social, para los especialistas en marketing online.
“Érase una vez solo los científicos, académicos e ingenieros pensaban Ciencia de los datospero ahora se ha convertido en un tema de nivel C “, dice.” CTO, CMO, CEO: todo el mundo habla de ello. Y si no, la gerencia preguntará al respecto.
Insights de Stanford Business se reunió recientemente con Nair para conocer sus pensamientos sobre el estado actual publicidad en Internet, los desafíos experimentales, cuando el comercio en tiempo real se mide en millonésimas de segundo, y qué tipos de publicidad digital los molestan.
¿Por qué se tomó un tiempo libre para trabajar en JD.com?
La práctica del marketing industrial se ha vuelto muy computacional desde que obtuve mi doctorado en 2005. Se está convirtiendo rápidamente en un dominio casi totalmente impulsado por datos. Si piensa en las empresas que originalmente inventaron un marketing asombroso, como Clorox y otros paquetes de marca, eso ya no es cierto. Hoy en día, todas las innovaciones importantes en marketing, publicidad y precios provienen de empresas de tecnología como Google, Facebook y Amazon. Era una tendencia de la que quería formar parte.
¿Por qué JD.com?
Estoy interesado en el comercio minorista y el comercio electrónico, y en ese mundo, la seriedad se ha trasladado a Asia. Silicon Valley sigue siendo un centro de innovación, pero en Asia se está produciendo un gran crecimiento de las ventas minoristas online. Ahí es donde prospera la clase media, por lo que las personas toman más decisiones en función de la calidad o la calidad percibida de los productos. Es un consumo aspiracional. En un momento, me relacioné con algunas de las personas mayores de JD y hablamos sobre investigación y colaboración. Hubo la oportunidad de pasar tiempo con ellos y sumergirse mucho más profundo. Entonces pensé: “Oye, esto es un buen negocio: tecnología y Asia”.
Además de los diferentes tamaños de los mercados (miles de millones de clientes potenciales en Asia y cientos de millones en los Estados Unidos), ¿qué hace que el marketing online en Asia sea diferente de este?
En Estados Unidos, seguimos siendo la tierra de las computadoras de escritorio. La gente todavía usa Chrome o Safari en sus laptops o computadoras personales para realizar compras en Amazon.com. En Asia, y especialmente en China, muy pocas personas ya usan estas cosas. Todo se hace a través de teléfono móvil; El 80% del tráfico de compras proviene de aplicaciones móviles, y muchos consumidores pertenecen a una generación que se ha saltado por completo las computadoras portátiles y ha cambiado directamente a los teléfonos móviles. Esto cambia la forma en que funciona el comercio.
¿Como es eso?
Se trata de detectabilidad. CON aplicaciones móviles, el número de plazas disponibles es limitado: nadie ve las páginas excepto las tres primeras. Si tiene 8 ofertas en una página, significa 24 productos. Por lo tanto, debe ver 24 elementos de 300 millones de opciones de productos posibles y personalizar las clasificaciones, encontrando una buena coincidencia entre las necesidades del usuario y lo que está disponible. Todo esto debe hacerse muy rápido, en 200 microsegundos. [0.0002 seconds]y debe realizarse sin problemas. Este es un problema científico tremendamente complejo.
¿Cómo influyen los datos demográficos de los consumidores en este problema?
De hecho, la edad, el sexo y cosas por el estilo no proporcionan mucha información. Lo que importa es lo que compraron recientemente y lo que estaban buscando.
Además del uso abrumador de teléfonos celulares en China, ¿existen otras diferencias importantes entre los consumidores chinos y estadounidenses en la forma en que interactúan con los sitios de comercio electrónico?
En China, el aspecto social del consumo es un factor importante. Su sociedad es más comunitaria que la nuestra, por lo que el consumo está más incrustado en sus redes sociales. En lugar de ir al sitio y buscar algo y luego hacer clic, comprar y salir, que es el comportamiento de consumo típico de los estadounidenses, la gente en China comparte productos en sus canales sociales y, al hacerlo, a menudo pueden obtener un recorte de precios. También es una sociedad consciente de los valores.
Otra diferencia importante es que Estados Unidos tiene tres grandes empresas, Facebook, Amazon y Google, que no cooperan. Pienso en ellos como jardines amurallados. Facebook es una plataforma de redes sociales con muchos anuncios pero muy pocas transacciones. Amazon es un lugar donde se realiza el comercio, pero no tiene un gran negocio publicitario, aunque eso está cambiando. Y Google es donde se realiza la búsqueda, pero no tiene muchas transacciones o negocios sociales. Pero en China, tenemos Tencent que se ocupa de los tres aspectos: búsqueda, comunidades y comercio. Está bien comunicado. Lo mismo con Alibaba. Ambos tienen sus propios ecosistemas. Todo está perfectamente integrado en cada ecosistema para que pueda pasar sin problemas de las interacciones sociales a la búsqueda, la transacción y el pago. Los consumidores responden bien a esto.
Dado que el marketing actual se basa casi en su totalidad en datos, ¿hay algo de arte en él?
No creo que el arte se haya ido, pero ha cambiado. Un buen administrador debe comprender cómo usar algoritmos y también comprender lo que los datos pueden y no pueden hacer. Necesitan saber cuándo basar una decisión en los datos y cuándo en la experiencia: ¿Qué capital humano se necesita para convertir los datos en algo que se pueda hacer?
Recientemente publicamos un video sobre su trabajo en el que decía: “El hecho de que compré algo después de ver el anuncio no significa que el anuncio me impulsó a comprarlo”. ¿Puedes hablar de eso?
Este problema es enorme y muy, muy complicado en los mercados publicitarios. El problema más importante para cualquier marca que gasta dinero en publicidad es la mensurabilidad: quieren saber no solo cuántas personas han visto su anuncio, sino también si están obteniendo un retorno de las ventas. Es muy difícil probarlo, porque no puedo simplemente contar a las personas que vieron el anuncio y luego compraron el producto, porque tal vez ya estaban planeando comprarlo. Hace quince años, la plataforma posiblemente podría beneficiarse de este tipo de análisis defectuoso, pero las marcas ya no los compran. Quieren pruebas de que sus anuncios aumentan gradualmente las ventas. La incrementalidad es ahora el tema más importante en la industria de la publicidad, y lo ha demostrado de la manera correcta.
¿Cómo lo probarás?
Por lo general, mediante la realización de experimentos a gran escala. Un experimento es muy complejo porque es imposible diseñar y ejecutar un experimento por separado cada vez que un anunciante individual desea esta medición. Por ejemplo, cuando estaba en JD, teníamos cientos de miles de anunciantes. La mayoría de los anuncios se subastan, por lo que deberá codificar los experimentos en las subastas. Debe ganar la subasta para mostrar su anuncio a alguien y, si desea asegurarse de que ciertas personas no vean su anuncio, para los fines del experimento, debe tener casos en los que el anunciante pierda intencionalmente una subasta. Ambos tienen ramificaciones económicas, ya que perder la subasta puede costarle la venta y ganar la subasta requiere que pague su oferta.
El experimento tampoco puede ralentizar el sistema; no se puede retrasar. Por lo tanto, debe crear la infraestructura, codificar las estadísticas y luego convertirlo en un mecanismo externo de autoservicio que el anunciante pueda activar y desactivar. Todo esto debe ejecutarse en segundo plano, la complejidad debe estar oculta. Y luego, los resultados deben comunicarse a través de una interfaz simple visualizada en forma de información significativa para las personas que realmente no saben mucho sobre estadísticas.
¿Qué lecciones aprendió que frustran algunas de las suposiciones que tenían los especialistas en marketing?
Creo que la mayoría de los investigadores que trabajan en este campo estarían de acuerdo en que en el pasado el efecto publicitario se agotó, que los verdaderos efectos causales de la publicidad son en realidad mucho menores de lo que afirman algunos en la industria. Otra cosa que hemos aprendido es que algunos tipos de publicidad pueden ser muy efectivos. Por ejemplo, la publicidad en la red de búsqueda (los anuncios que aparecen en respuesta a sus búsquedas en línea) en realidad tiene bastantes posibilidades. Los datos mostraron que a los consumidores realmente les gusta. Cuando eliminamos esto, los experimentos medidos correctamente descubren que los usuarios dejan de ingresar a la plataforma. De hecho, prefieren plataformas que tengan estos anuncios informativos. Mi colega Navdeep Sahni de Stanford GSB ha realizado algunos experimentos realmente hermosos para demostrarlo.
Pregunta final: ¿Cómo ha cambiado su investigación la forma en que responde personalmente a los anuncios?
Estoy irritado por los anuncios molestos en este momento porque sé que hay mala ciencia detrás de ellos. No me importa recopilar datos y cosas por el estilo, pero mi tolerancia a la falta de transparencia es muy baja. Por supuesto, cada vez que aparece un anuncio en mi canal, siempre me pregunto: “¿Qué sistema de subasta causó este resultado? ¿Cuál es el algoritmo detrás de esto? ” Es algo genial.
Entregado por
Universidad Stanford