Chip Schenck de Shutterstock
La pandemia obligó a todas las marcas a repensar cómo obtienen, producen, programan y optimizan contenido, y las consecuencias se están perfilando a largo plazo.
Si se consideran los procesos de producción tradicionales, estos tenían que volverse más flexibles y ágiles cuando se suspendieron los rodajes a gran escala que generalmente involucraban a una variedad de miembros del equipo. Mientras tanto, los tiempos de entrega de las campañas se han reducido aún más con el covid-19. Esto se debe a que la imprevisibilidad del virus ha hecho que los creativos tengan una mayor responsabilidad en darle la vuelta a ideas con rapidez y a que deban hacer ajustes casi en tiempo real para garantizar que los mensajes de la campaña reflejen fielmente la experiencia de los consumidores. (Actualmente estamos viendo que esto se desarrolla con el surgimiento de la variante delta; las marcas que habían concebido campañas de otoño vinculadas al “regreso a la normalidad” tuvieron que cambiar rápidamente a medida que se volvía a la obligación de usar mascarillas).
La pandemia aceleró la necesidad de contenido digital a una escala masiva para poblar canales sociales, sitios web, ecommerce plays, campañas digitales y más. Esto se debe a que la tecnología digital era prácticamente la única forma en que las personas atrapadas en casa podían consumir información más allá de la televisión, y una vez que el contenido programado original comenzó a agotarse en la transmisión, la tecnología digital se convirtió también en el principal medio de entretenimiento. Para destacarse, los publishers tenían que mejorar su juego de contenido, aunque eso significara enfocarse en contenido viral de alta calidad o producir mayores cantidades de contenido en un esfuerzo por mantenerse visibles.
Mientras tanto, la nueva tecnología en forma de metadatos impulsados por IA, integraciones de flujo de trabajo e inteligencia creativa predictiva está transformando la forma en que se produce el contenido. Los datos ahora han permeado cada paso del proceso de producción de contenido, desde la ideación hasta la creación y la optimización.
El proceso creativo tradicional anterior al covid todavía se mantiene para campañas relevantes e integradas con presupuestos masivos, así como kits de marca y contenido de formato largo, pero estamos viendo el surgimiento de un proceso mucho más simplificado para campañas más pequeñas (por ejemplo, correo electrónico o solo medios sociales). Con el nuevo sóftwer de colaboración, los equipos creativos están reduciendo las interacciones improductivas que históricamente tomaban horas, días o incluso semanas. Igualmente, están aprovechando los datos para ayudar a encaminar su proceso de toma de decisiones sobre qué tipos de imágenes, mensajes e incluso paletas de colores usar, lo que les ayuda a realizar más proyectos, más rápido.
A continuación, un resumen de cómo se está transformando cada pilar del proceso creativo:
1. Desarrollo de ideas
Históricamente, la planificación de campañas y contenido ha sido un proceso lento y sumamente manual (especialmente dentro de las agencias). Los estrategas realizaban una investigación exhaustiva sobre las tendencias culturales, insights creativos y de audiencia, y la creatividad que ya estaban en el mercado. Luego, recibían feedback de los equipos de Business Intelligence, que podría extrapolar información significativa de los datos de campaña existentes.
Este enfoque consumía mucho tiempo por razones obvias y, si bien podría tener sentido para la pieza principal de una campaña o para probar nuevos mensajes para el lanzamiento de un producto, no es escalable para los anunciantes que están lanzando cientos de campañas, optimizadas para miles de audiencias a través de múltiples plataformas.
En un entorno mediático donde el volumen de contenido se ha disparado para cumplir con los requisitos de las campañas impulsadas por la optimización, las recomendaciones asistidas por máquinas y las capacidades predictivas para ayudar con el desarrollo de ideas son imprescindibles. Mediante la adopción de la tecnología de machine-learning (ML), los insights de la campaña comenzarán a ser más sólidos (yendo mucho más allá de insights cíclicos y de temporadas) y se entregarán con mayor cercanía al tiempo real.
2. Creación
A las creatividades se les ha dado acceso a los datos de la campaña desde hace mucho tiempo, pero su uso efectivo ha sido otra historia por un par de razones. Muchos creativos están felices de escuchar a los estrategas de medios cuando entregan un análisis como parte de su proceso de preparación, pero no tienen el tiempo o, en algunos casos, el conjunto de habilidades para profundizar en los datos, dejando la toma de decisiones creativas en manos de su instinto. El otro desafío es el gran volumen de datos; es demasiado para que una sola persona lo pueda asimilar. Esto subraya la importancia de las recomendaciones asistidas por máquinas para ayudar a los creativos a tomar decisiones sobre el estilo y los formatos.
Se requiere una escala de datos significativa para informar modelos potentes de ML que pueden ofrecer estas recomendaciones prácticas, y no solo de los resultados de la campaña, sino también de la taxonomía del conjunto de datos subyacente. En Shutterstock, aprovechamos nuestro inmenso conjunto de datos propios y modelos de ML para informar a los creativos más sobre la calidad, la singularidad y la resonancia del contenido que están considerando, lo que les permite tomar decisiones informadas sobre las imágenes que seleccionan para las campañas. En este nuevo enfoque basado en datos, un planificador de redes sociales puede ver si una imagen en particular ya ha sido descargada por su colega o con qué frecuencia se ha utilizado en una campaña.
3. Optimizar
A la hora de optimizar campañas, las marcas históricamente se han basado en las pruebas A/B, que son costosas y solo resaltan un momento en el tiempo (es decir, si alguien hizo clic en un anuncio o no), dejando que los algoritmos de compra de medios asignen el gasto a los activos que generan más clics. En otras palabras, no le dice a un equipo creativo por qué su anuncio funcionó o no, por lo que no hay avances en el aprendizaje aplicado para las campañas. Con la optimización creativa dinámica (DCO), se puede responder la pregunta: “¿La creatividad resuena con esta audiencia en particular?” y optimizar la creatividad y el mensaje en función de la participación de la audiencia.
El concepto de optimización automática ya prevalece (en el que se crean numerosas versiones de activos creativos y luego se intercambian hacia dentro y hacia fuera en función del rendimiento de los medios), pero la optimización creativa dinámica impulsada por IA reducirá aún más las conjeturas e impulsará una solución en tiempo real más sostenible para equipos creativos. En lugar de simplemente decirles que un anuncio no está funcionando, los creativos pueden saber qué aspecto del activo está perjudicando los resultados (por ejemplo, el fondo o los colores de un vestido). A partir de ahí, la IA puede realizar el cambio por sí sola o proporcionar controles para que los creadores lo manejen rápidamente.
Históricamente, el proceso creativo ha estado muy desarticulado, y el covid-19 aceleró la necesidad de la industria de encontrar formas más eficientes y enfoques de colaboración.
Es importante que las agencias, las marcas y los publishers mantengan este impulso de cambio, y pueden comenzar por integrar nuevas herramientas en sus estanterías creativas que se centran en dedicar más tiempo a la creación y menos a la búsqueda; creando una colaboración más transparente; e infundiendo confianza en los procesos creativos de toma de decisiones.
By
Chip Schenck
VP of Sales Innovation
Shutterstock
Shutterstock Editorial lanza el servicio de Derechos y Autorizaciones
La historia del camuflaje en la guerra y la moda en imágenes de Shutterstock
