Cómo funciona la segmentación de anuncios nativos (contextual, por intereses y post-cookies)

Los anuncios nativos segmentan a los usuarios mediante una combinación de señales contextuales (la página y categoría que están leyendo actualmente), datos de audiencia de primer nivel que la red ya posee (dispositivo, ubicación geográfica, historial de navegación dentro de su propia red de editores) e insumos proporcionados por el anunciante, como píxeles de retargeting y segmentos de similitud, ejecutados a través de una subasta en tiempo real en lugar de una compra de ubicación fija. No existe un único mecanismo de "segmentación nativa"; es una pila de opciones superpuestas, y el peso que tiene cada una depende de la red y del objetivo de la campaña.

Segmentación contextual: la capa más antigua, ahora la más resistente#

Todas las redes nativas te permiten segmentar por categoría de contenido y palabra clave: artículos de finanzas, contenido de salud, reseñas de automóviles, etc. Esta es la forma de segmentación menos invasiva porque no necesita saber nada sobre el usuario individual, solo lo que está leyendo actualmente. También se ha convertido en la capa con mayor permanencia a medida que se restringen las cookies de terceros, porque la segmentación contextual no depende en absoluto de identificadores entre sitios.

La segmentación contextual en redes nativas suele ser más profunda que una categoría amplia. Tanto Taboola como Outbrain ofrecen segmentación a nivel de sitio y sección, por lo que puedes pujar específicamente en el vertical de salud de un editor o en su sección de finanzas personales en lugar de en todo su dominio. Esa granularidad suele ser una mejor palanca que la segmentación por audiencia para anunciantes en categorías reguladas, ya que controla directamente el riesgo de adyacencia.

Segmentación por intereses y comportamiento#

Más allá del contexto, las redes construyen perfiles de intereses a partir del comportamiento de navegación en su propia huella de editores (lo que un usuario lee, en lo que hace clic y en lo que se detiene en los sitios de la red). Estos son datos de primer nivel desde el punto de vista de la red, aunque abarquen muchos dominios de editores, ya que se recopilan bajo la propia relación de seguimiento de la red con esos sitios. Se utilizan para construir segmentos amplios de intereses (intencionados de automóviles, investigadores de viajes, lectores de contenido de salud) que los anunciantes pueden superponer a la segmentación contextual y geográfica.

Retargeting: basado en píxel, y sigue siendo la palanca de mayor intención#

Coloca un píxel de la red en tu sitio y podrás hacer retargeting a los visitantes que no convirtieron con anuncios nativos mientras navegan por otros sitios dentro del inventario de esa red. Esta sigue siendo una de las palancas más fuertes en los nativos porque se basa en una relación directa de primer nivel (tu propio píxel, tu propio visitante), no en un gráfico de cookies de terceros. También es la razón por la que el retargeting nativo ha estado comparativamente aislado de las conversaciones sobre la depreciación de cookies que afectaron más al display y a las redes sociales.

Segmentación geográfica, por dispositivo y por franja horaria#

Estos son requisitos básicos en todas las redes: segmentación geográfica a nivel de país y, a menudo, región/ciudad, tipo de dispositivo (escritorio, móvil, tableta) y sistema operativo, tipo de conexión en móvil y programación por hora del día/día de la semana. Nada de esto depende de la resolución de identidad, lo cual es parte de la razón por la que las campañas nativas tienden a estar menos expuestas a la pérdida de identificadores que las compras de display programático que dependen de datos del flujo de pujas.

Lo que realmente cambia aquí en la era "post-cookies"#

Las partes de la segmentación nativa más expuestas a la depreciación de las cookies de terceros siempre fueron la capa más delgada: perfiles de comportamiento entre sitios unidos fuera de los datos propios de una sola red. Las redes nativas dependían menos de eso que el programático de display en la web abierta desde el principio, porque gran parte de la pila de segmentación nativa (contexto, datos de intereses propiedad de la red, píxeles del anunciante, geográfica/dispositivo) nunca necesitó un identificador de terceros compartido. Esa es parte de la razón por la que los nativos se han mantenido como canal mientras que parte de la segmentación basada en ID en display y redes sociales se ha vuelto más ruidosa. Los enfoques de cohortes y probabilísticos están llenando los vacíos restantes, pero la respuesta honesta es que la mayoría de los compradores nativos no tuvieron que cambiar su estrategia de segmentación tanto como los compradores de display programático.

Segmentos del mercado de audiencias y asociaciones con datos de terceros#

Algunas redes incorporan segmentos de audiencia de terceros a través de asociaciones con plataformas de gestión de datos, permitiendo a los anunciantes segmentar categorías como "en el mercado de seguros de auto" o "buscó recientemente ofertas de viaje" construidas por proveedores de datos externos en lugar de la observación de primer nivel propia de la red. Estos segmentos suelen ser más costosos y, sinceramente, más impredecibles que las herramientas nativas contextuales y de retargeting de la red, ya que la metodología subyacente varía según el proveedor y no siempre se divulga en detalle. Trata los segmentos de terceros como una capa adicional para probar, no como una base; ejecuta un control frente a la segmentación solo contextual antes de comprometer un presupuesto significativo en ellos.

Interpretar la segmentación de un competidor desde fuera#

No puedes ver la configuración exacta de segmentos de un competidor, pero puedes inferir mucho a partir de lo que realmente se ejecuta: en qué geografías y dispositivos aparece un anuncio, en qué verticales de editores se concentra y cuánto tiempo sobrevive, lo que suele ser un indicador de si la segmentación y la creatividad están convergiendo en una audiencia que funciona, un patrón cubierto con más profundidad en nuestra guía sobre compra de medios para anuncios nativos. Nuestras guías específicas por red sobre cómo funcionan los anuncios de Taboola, cómo funciona Outbrain y cómo funcionan los anuncios nativos de MGID desglosan el menú de segmentación específico y la mecánica de subasta de cada red, y nuestro artículo sobre escalar a nuevas geografías cubre cómo cambian las elecciones de segmentación geográfica a medida que una campaña se expande a mercados de nivel 2 y nivel 3.

El índice de inteligencia publicitaria de OpenAdLibrary rastrea la huella geográfica, por dispositivo y vertical de cada creativo capturado, por lo que en lugar de adivinar la estrategia de segmentación de un competidor, puedes ver el patrón real: en qué países está activo un anuncio, si es solo para móviles o se ejecuta en todas partes, y cómo ha cambiado eso desde que apareció por primera vez.

Segmentación por audiencias similares (lookalike)#

Una vez que un píxel de retargeting o una lista de audiencia personalizada tiene suficiente volumen, la mayoría de las redes pueden construir un segmento de similitud a partir de él: usuarios cuyo comportamiento de navegación se asemeja al de tus conversores, sin necesidad de resolver su identidad individualmente. Aquí es donde la segmentación nativa comienza a parecerse a lo que las plataformas sociales han ofrecido durante años, excepto que los datos semilla suelen ser más pequeños (disparos de píxel del tráfico de un solo anunciante) en lugar de gráficos de comportamiento en toda la plataforma. Los lookalikes tienden a funcionar mejor como una palanca de escalamiento una vez que ya tienes una audiencia central que convierte definida por contexto y retargeting; utilizados como herramienta de prospección en frío con una lista semilla delgada, a menudo rinden menos que la segmentación contextual directa.

Cómo la segmentación interactúa con la subasta, no solo con el alcance#

Es fácil pensar en la segmentación únicamente como un filtro de audiencia, pero en las redes nativas también cambia tu costo efectivo. Una segmentación más estrecha y relevante (una sección específica de un editor, un grupo de retargeting caliente) suele significar competir contra menos anunciantes por la misma impresión, lo que puede reducir tu CPC efectivo incluso antes de considerar la calidad creativa. La segmentación amplia llega a más personas pero te coloca en un grupo de subasta más grande, que a menudo incluye a anunciantes que pujan por volumen en lugar de relevancia. Esta es una de las razones por las que las estrategias estrechas contextuales y de retargeting primero frecuentemente superan a las campañas de alcance amplio en términos de ROAS puro, aunque el volumen bruto de impresiones parezca más pequeño en papel.

Donde los anunciantes se equivocan en la segmentación#

Dos errores aparecen repetidamente en las cuentas nativas. El primero es apilar demasiadas capas restrictivas a la vez en una campaña nueva: geografía ajustada, un segmento de intereses estrecho y una lista blanca pequeña de editores juntos, lo que priva al algoritmo de suficiente volumen para aprender y mantiene los costos altos indefinidamente. El segundo es lo opuesto: ejecutar de manera amplia en todas las dimensiones desde el primer día porque "optimizaremos más tarde", lo que quema el presupuesto en ubicaciones claramente irrelevantes antes de que la cuenta tenga alguna señal con la que trabajar. La secuencia mejor suele ser primero geográfica y por dispositivo (barato de acertar, caro de equivocarse), contexto segundo, y luego superponer retargeting y expansión por intereses una vez que tengas una línea base de datos de rendimiento real con los que reaccionar.

La conclusión práctica#

La segmentación nativa no es un solo dial, son cinco o seis independientes (contexto, datos de intereses de la red, tu propio píxel, geográfica, dispositivo, programación) que apilas juntos, y la combinación ganadora es diferente para cada vertical. Los anunciantes de salud y finanzas tienden a depender más de la segmentación contextual a nivel de sección porque la adyacencia y el cumplimiento importan más allí. El comercio electrónico depende más del retargeting y los lookalikes porque la intención de compra es más fácil de capturar con un píxel. Comienza con contexto y geográfica para establecer una línea base segura, superpone retargeting una vez que tu píxel tenga suficiente volumen, y trata los segmentos de intereses como una palanca de alcance una vez que el núcleo ya esté convirtiendo.