Una explicación sencilla de la Personotecnia, un conjunto de técnicas complejas que permiten un Marketing Directo eficaz. Esta presentación ha sido elaborada a partir de varias entrevistas con Javier G. Recuenco, experto en el tema, a quien le pedí que me explicara un caso práctico de aplicación de la Personotecnia. A partir de ese material, he creado esta presentación con el objetivo de transmitir a cualquier persona, incluso a aquellas con pocos conocimientos técnicos relacionados, una visión sencilla de la Personotecnia. Para profundizar más, recomiendo el libro Personalización, de Javier G. Recuenco y otros autores. http://www.buscalibros.cl/personalizacion-recuenco-cp_537207.htm

1. Aplicando técnicas de Personotecnia Apéndice Javier G. Recuenco Diana Damas de Diego

2. Para explicarlo, tomaremos un caso particular: Personotecnia en la recomendación televisiva

3. Un ejemplo:

4. Ay, españolito que ves la tele…

5. Años 60: toda la familia se sienta puntualmente a la hora de su programa favorito

6. Año 2015: llegas a casa cuando llegas, agarras el mando y te desplomas en el sofá. A ver qué ponen…

7. La gente no ve canales, ve contenidos. Pero el PC todavía no puede competir con un sofá cómodo, un “dime que hay” y un “plasma de 42”.

8. De los más de 500 canales que pueden estar disponibles en un televisor, el 98% de los espectadores zapea habitualmente entre solo 8 de ellos.

9. Probablemente, en alguno de los 492 canales que está ignorando, hay un programa que realmente le interesa

10. Claro que no le interesa lo mismo en todas las circunstancias.

11. Claro que no le interesa lo mismo en todas las circunstancias.

12. Claro que no le interesa lo mismo en todas las circunstancias.

13. Ni en todos los estados de ánimo.

14. Pero eso va a dar igual. La mayor parte de las cadenas apostarán por el mínimo común denominador de las personas que a esa hora ven la tele.

15. ¿Qué necesita el espectador?

16. Saber, en el momento en que quiere encender la tele, en qué cadena ponen un programa que coincida con sus intereses y gustos, adecuado a la circunstancias del momento y acorde con su estado de ánimo.

18. Necesita un sistema que aprenda de las elecciones del usuario, que sea actualizado constantemente, que sea sensible a las diferentes circunstancias y estados de ánimo, y que sea capaz de elaborar perfiles complejos en base a más de 40 indicadores simultáneos.

19. Un recomendadorbalanceado

20. Si el usuario percibe que va a recibir todo eso (propuesta de valor) proporcionará de buen grado todos los datos necesarios

21. Esos datos configuran un perfil del cliente, con una gran cantidad de información relevante.

22. Nada que ver con el clásico: “Mujer, casada, de 45 a 55 años, residente en Madrid”

24. ¿Qué ganan las cadenas / agregadores de contenidos con esto?

25. En lugar de pelear con otras cadenas por el mismo trozo de tarta del “espectador que se traga el mínimo común denominador”

26. Puede emitir programas con contenidos más selectivos, destinados a CADA espectador concreto, en un estado de ánimo y circunstancia determinada. Es decir, repartirse TODA la tarta.

27. Y asegurar al anunciante, no ya cuánta gente va a ver su anuncio… ¡¡ Y tu nueva campaña de ADSL la van a ver las 800.000 personas que siguen a Belén Esteban!! … Una pena que 400.000 no sepan manejar un ratón, 100.000 estén dando de cenar al niño y ahora mismo el ADSL les traiga al pairo, 125.000 hayan tenido una pésima experiencia con tu compañía…

28. … sino cuántos espectadores para los cuales es relevante su producto van a ver el programa, y por tanto el anuncio. Simplificando muchísimo, podríamos decir que…

29. Marisol, mujer, de 35 años de edad, amante de los animales y la ecología, que hoy ve la tele acompañada de sus hijos y que se siente con ganas de experimentar cosas nuevas…* *Insistimos, SIMPLIFICANDOMUCHO. El profiling es bastante más complejo y completo.

30. … probablemente elija un programa infantil sobre animales entre nuestras recomendaciones. Se emite en un canal temático con una programación muy específica. Nada parecido a los 8 canales que recorría antes.

31. Existe un tipo de negocio con poco mercado porcentual entre “las grandes audiencias”, pero grandes posibilidades de convertir en clientes a personas como Marisol, que ven el anuncio en esas circunstancias y en ese estado de ánimo.

32. “El principal beneficio que obtendrás, dejando de lado los lazos afectivos que se pueden generar con este simpático animal, es que las gallinas objeto de alquiler son ponedoras de huevos y te garantizan que pondrán a la semana un promedio de 5-6 huevos. Además podrás darles las sobras de tu comida, reciclando los residuos de manera sostenible. “

34. Manolo, hombre, de 43 años de edad, le gustan las motos, hoy ve la tele con sus amigos y se siente preocupado…* *Insistimos, SIMPLIFICANDOMUCHO. El profiling es bastante más complejo y completo.

35. Mirotele le recomienda 4 programas entre los 500 emitiéndose en este momento. Elige una carrera de motos clásicas retransmitida desde Minneápolis.

36. Durante la carrera, se emite un anuncio de una aseguradora, en el que se ofrece un descuento importante por contratar dos seguros de moto a la vez.

38. ¿Qué gana el anunciante con esto?

39. Su anuncio ya no lo ven, en el mejor de los casos, 800.000 personas, de las cuáles sólo un 0.5% es y estácomo potencial cliente.

40. Ahora lo ven 35.000 personas, de las cuales un 15% es y está como cliente potencial.

41. Desactivemos el bloqueo mental de los GRPs

42. 800.000 x 0.5% = 4000 35.000 x 15%= 5250 800.000 35.000 = 22.86 veces podemos repetir ese efecto

43. Por no mencionar que 30,000 o 35,000 usuarios barren del mapa cualquier cosa que el EGM pueda poner encima de la mesa, tanto por calidad/granularidad de target como por cantidad

44. Y que el propio recomendador se convierte en un canal Singular.

45. Las entrañas de la máquina

46. Adaptación Creatividades Análisis Briefing Enriquecido Enfoque A Soportes Masivos TechEnablers Perfil Cliente 1.0 Transición Perfil Producto 1.0 Creatividades B Soportes Singulares Gestión ciclo de vida Perfil / Producto Nichos Potenciales Objetivos Estratégicos Mecánicas de Retorno

47. No es algo que se explique en 5 minutos

48. Lo contaremos de la forma más sencilla posible

49. Os voy a dar algunas pistas de cómo funciona

50. Datos del usuario

51. El usuario va introduciendo, voluntaria y conscientemente, los datos que quiere a lo largo del tiempo

53. Sexo

54. Intereses

55. Localidad

56. Formación

57. Empleo

58. Bienes de consumo

59. Hijos

60. Familiares a su cargo

61. Estado civil

62. Circunstancia en la que ve el programa

63. Estado de ánimo actual

64. Situación laboral

65. Orientación sexual

67. Solo nos los dará si quiere. La propuesta de valor es que podemos recomendarle un programa sobre, por ejemplo, hoteles gay-friendlyo sobre búsqueda de empleo. Pero solo si está interesado en que la recomendación tenga en cuenta esos criterios.

68. ¿Cuándo nos da esos datos?

69. Además de un perfil inicial, cada vez que usa el recomendadorvalora la calidad de la recomendación. El sistema se afila.

70. Además, actualizará los datos que considere relevantes cada vez que estos cambien. Porque quiere que la recomendación que reciba sea acertada..

71. 40 parámetros instantáneos del espectador Máquina de crear perfiles PERFIL DE USUARIO

72. Datos de la programación de TV

73. Imposible basarse en una “guía de programación anticipada”

74. Que además se elabora en una Sweatshop

75. Hay que evaluar los contenidos según se emiten.

76. La información que dan las cadenas sobre su programa es una birria

77. Por eso, el sistema sale a cazar su propia información relevante.

79. Información relevante obtenida en buscadores, webs especializadas en TV, foros, blogs de espectadores… Máquina de caracterizar contenido El contenidoqueda caracterizado en 8 dimensiones

80. Para hacer más sencilla la visualización, en este ejemplo vamos a trabajar solo con 3dimensiones

81. Las dimensiones son ATRIBUTOS independientes unos de otros que pueden tener uno, varios o ningún valor. Por ejemplo:

83. Vector (3 a 100, muy bajo, dibujos animados)

84. En realidad, como hemos dicho, el Vector tiene 8 dimensiones (x, y, z, a, b, c, d, e) Proporciona un posicionamiento del contenido únicoen un espacio n-dimensional

85. Gracias a ese artificio matemático, podemos acelerar la búsqueda, convirtiendo el perfil del contenido en un vector fácilmente ordenable y manipulable

86. Para cada programa que se emite en cada instante Máquina de caracterizar contenido PERFIL DE CONTENIDO

87. La recomendación

88. Máquina de crear perfiles Máquina de caracterizar contenido De forma casi inmediata, podemos obtener miles de PPM, y compararlos matemáticamente en segundos

89. Generando una recomendación mejor que la que te haría tu madre

90. En este modelo de marketing, el Product Manager va a tener que darlo todo

91. ¿Dónde está el negocio?

92. El mercado audiovisual se atomiza. El mercado publicitario en medios audiovisuales, también.

93. El anunciante demanda a las cadenas información relevante acerca del perfil del espectador en cada momento

94. puede ofrecer datos relevantes, voluntaria, consciente y selectivamente cedidos por el usuario, y manipulados de forma que garantizan anonimato y privacidad individual. Y esos datos relevantes son de enorme valor para cadena y anunciante

95. Y esto, amigos y amigas, es una aproximación extremadamente sencilla a la compleja Personotecnia

96. Aplicada a un caso concreto como es la recomendación en programación televisiva

97. Si te apetece profundizar en la categorización multidimensional de contenido audiovisual, esta referencia puede resultarte útil: A New Approach for a Lightweight Multidimensional TV Content Taxonomy: TV Content Fingerprinting

98. ¡Muchas gracias! T. +34 91 632 5919 M. +34 670 884 774 Javier.recuenco @Recuenco http://about.me/recuenco Mail: javier.recuenco@abypersonalize.com Web: http://www.abypersonalize.com Maquetación y storytelling: Diana Damas de Diego dianadamas@gmail.com @dianadamas www.dianadamas.es