En la era digital, los datos se han convertido en uno de los activos más valiosos para las organizaciones, pero su verdadero valor está en aprovecharlos para anticiparse al futuro. Eso es precisamente lo que busca este proyecto: predecir con antelación los resultados de una campaña publicitaria en redes sociales y aprender de los patrones que se observan en aquellas campañas que muestran rendimientos superiores.
Con el desarrollo de este proyecto se están consiguiendo 2 objetivos principales:
- Predecir con precisión métricas clave de las campañas digitales como clics o impresiones, en base a atributos como inversión, duración, audiencia, objetivo estratégico de la campaña o características de las creatividades.
- Aprender de los patrones que subyacen en esas predicciones al analizar cómo influyen estos atributos en el rendimiento de las campañas.
Los algoritmos no solo generan estimaciones, sino que también revelan insights valiosos. Estos aprendizajes se convierten en la base para proporcionar recomendaciones inteligentes a los usuarios de la plataforma, sugiriendo, por ejemplo, ajustes de optimización en la configuración de una campaña para maximizar su impacto antes de que se lance. Así, el sistema evoluciona de ser una simple herramienta de predicción a convertirse en un asistente estratégico que guía las decisiones de marketing en tiempo real.
Para lograr todo esto, se han entrenado modelos de aprendizaje automático con datos de campañas ya ejecutadas. Se utilizan desde algoritmos de regresión lineal hasta modelos más potentes como Random Forest, XGBoost o redes neuronales, garantizando así un buen rendimiento tanto en escenarios simples como complejos.
El sistema también cuenta con una arquitectura flexible ya que, dependiendo del objetivo de la campaña, ya sea generar reconocimiento, interacción, tráfico o alcance, se elige automáticamente el modelo entrenado correspondiente. Esta personalización mejora la precisión de las predicciones e incrementa el aprendizaje de cada escenario.
Para facilitar la integración, los modelos están disponibles a través de API’s que se pueden consumir desde otros entornos, gracias a una arquitectura basada en Endpoints en cloud. Esto permite escalar automáticamente y mantener un sistema eficiente y modular.
Enriquecimiento de los modelos con análisis de creatividades
Una de las innovaciones más relevantes del proyecto ha sido incorporar el análisis automatizado de las creatividades utilizadas en las campañas. Gracias al uso de inteligencia artificial, ahora también analizamos automáticamente mediante visión por computadora y procesamiento de lenguaje natural cada creatividad, para extraer información clave como las emociones que transmite, si hay presencia de personas, la adecuación del contenido al público objetivo, el estilo visual o el tono del mensaje. Esta información se traduce en nuevas variables que enriquecen los datos de entrenamiento y permiten mejorar sustancialmente la capacidad predictiva de los modelos.
Con esta nueva capa de análisis, y un enfoque multimodal, los algoritmos basan su entrenamiento en una gama más amplia y completa de información que contiene patrones más robustos para predecir con más precisión. Esto nos permite afinar las recomendaciones, entender mejor qué elementos creativos influyen en los buenos resultados y, en definitiva, seguir acercándonos al objetivo de optimizar cada campaña lo máximo posible antes de que se lance.
En definitiva, este proyecto pretende posicionar Berners Ads a la vanguardia en el uso estratégico de datos e inteligencia artificial como sistema para impulsar la eficiencia en el marketing digital.
