big data para medios
DESCRIPTION
Keynote en Congreso Digital Fopea 2014, Córdoba, ArgentinaTRANSCRIPT
BIG DATAPARA MEDIOS
@fpiccatofopea 2014
CEREBRO MUNDIAL
INTENCIONES HUMANASFlu Trends: Predecir la gripeTranslate: Traducir miles de millones desecuencias palabras a través de algoritmoscorrelativos
CONEXIONES SOCIALESCapaz de predecir quiénes iniciarán relaciones sentimentales
Capaz de anticipar movimientos sociales o revoluciones#PrimaveraÁrabe (Estudio MIT, 2014)
WIKIPEDIABase de datos del conocimiento humano
DATOS = PODERPARA CONOCEREL MUNDO
(además, socialmente relevante y comercialmente rentable)
DATA1,2
zettabytes
2010
Almacenamientodigital superó la
capacidadanalógica
2002
1,8zettabytes
2013
94% de toda lainformacióndigital delmundo en
formato digital
2007
4,8
zettabytes
2015
Fuentes: Gobierno de EEUU, Cisco, IDC
CADA DOS DÍASGENERAMOS TODA LAINFORMACIÓN HASTA 2003
CADA DOS AÑOSSE DUPLICA TODA LAINFORMACIÓN DEL MUNDO
IDC, JUNIO 2011
CONCEPTO PARAGUASVOLUMEN: es interminableVELOCIDAD: en tiempo realVARIEDAD: de información del consumidorVISUALIZACIÓN: comprensible
NUBE
CLOUD COMPUTING: la información está en la nubeINFRAESTRUCTURA: capacidad de almacenamiento
TRENDING TOPIC
MERCADO IT: U$S 32.4 billones en 2017IDC, diciembre 2013
BANCOS
TURISMO
BIG DATA: cantidad masiva de 1010100110SMART DATA: visualizable y accionableIDENTITY DATA: datos personalesPEOPLE DATA: experiencia personal
USUARIOS ANÓNIMOS
No los conocemosDatos dispersos y disparesAnalítica limitada a pocas variablesConocimiento fragmentado de la audienciaAd targeting pobre
BIG DATA HUB
Audienciasdesconocidas+ conocidas
Conocimiento yreportes
Segmentaciónpublicitaria
Nuestrocontenido
C
ANÁLISIS SEMÁNTICOENTENDER el contenido usando análisissemántico para categorizar los artículos.
INTERESES
ENTENDER los intereses de los usuarios, basadoen los contenidos que está leyendo,compartiendo, comentando.
MODELIZACIÓN
Modelización predictica demográfica usando losdatos de los usuarios conocidos (Ej: encuestas,registraciones, etc.) y prediciendo a partir de esto.
UNIREl contenido con las preferencias del usuario.Diferenciarse con contenido personalizado.Reducir el ruido: no mostrar noticias ya vista oque tienen bajo interés para el usuario.Mapear el flujo de usuarios entre plataformas.
Servicios personalizados
Contenido personalizado
Publicidad personalizada
Interacción,descubrimiento y relevancia
Métricas yperformance
Tasas deconversión ysuscripción
USUARIOCÉNTRICO
SOLUCIONES
Entregar el contenido correcto.Mayor rendimiento al contenido oculto.Mayor tiempo de visita.Mayor engament de los usuarios.
Entregar avisos efectivos.Generar acciones y promociones cruzadas.Obtener info a tiempo real para customizar. Convertir lectores en suscriptores.Incrementar CTR para promociones de contenido pagas.
INGRESOS
FUENTES
RECOLECCIÓN
ANÁLISIS
DECISIONES
INDIVIDUOSMULTITUDES
MÁQUINAS
PONER A TRABAJAR a los algoritmos al servicio de loscontenidos y de una mejor experiencia del usuario.
LOS DATOS SON EL NUEVO PETRÓLEO
ADQUIEREN un valor estratégico para las empresasUNA NUEVA clase de activo
loading...
PREGUNTAS CLAVE
¿Quién sos?
¿Qué te gusta?
¿Nos vamos a ver de nuevo?
DATOS RECOLECTADOSHistorial de navegación (behavior)Análisis semántico del contenidoEncuestas (demográficas)Datos de registración
INFORMACIÓN VALIOSATemas que más te interesan: ecología, saludPersonas mencionadas en artículos: MadonnaNoticias más leídas en días de lluvia (?)Intereses personales en FacebookDemografía de tu audiencia (ej. edad, género)
INFORMACIÓN VALIOSA
80% del tráfico
99% del contenido
MASHABLEPREDICE noticias que se están viralizando
NEW YORK TIMESConocer sobre el contenido que produceLa forma en que se consume y navega
Chris Wiggins
NEW YORK TIMES
Incidencia deTwitter en eltráfico deartículos
BLOOMBERGAnálisis de sentimiento sobre comentarios en TwitterNuevo servicio para sus clientes
EL PAÍSRecomendaciones personales automatizadas
ZITERecomendaciones personales automatizadas
TROVEApp de curadoría desarrollada por el Washington Post
EVOLUCIÓN
Contenidos para todosVentas masivasGeneración de leadsArchivos de logsTracking manualClientes insatisfechosCobro manualDatos básicos
Contenidos relevantes Ventas segmentadasRecomendacionesInteligencia de datosTracking automáticoMayor conocimientoCobro automatizadoDatos inteligentes
BENEFICIOS
Mayor CTR del contenido editorialTasa de conversión para elcontenido pagoIngresos por publicidad displayInventario editorial disponibleTamaño de la audienciaTiempo de navegación en el sitio
DESAFÍOS
Demasiados silos: bases dispersasTiempo para analizar los datos La gente especializadaLos gerentes no lo ven estratégicoLos datos no están estructuradosAlto costo para almacenar yanalizar los datos
EQUILIBRIO
Análisis de datos Cuantitativo Ciencia A demanda
Juicio editorialCualitativoArteSorpresa
Humanizarlos datos
Big dataGood data
Franco Piccato@fpiccato
#CongresoFopeaCórdoba, 2014