Los intercambios de paneles son sencillos, pero lo que ocurre antes y después marca la diferencia

A medida que las audiencias se fragmentan entre dispositivos y plataformas, y en un contexto de cambios normativos, los sistemas de medición deben evolucionar para ofrecer una visión completa del comportamiento de los usuarios. Esto nos lleva a soluciones de medición cross-media, en las que muchos estamos trabajando activamente. Sin embargo, el reto no es solo integrar diversas fuentes de datos, sino hacerlo respetando la privacidad, garantizando la precisión y manteniendo la confianza de la industria. Lograr este equilibrio no es tarea fácil, especialmente cuando se trabaja con plataformas cerradas que restringen el etiquetado externo y el acceso a datos.

Si bien la necesidad de una medición cross-media está clara, las vías para alcanzarla aún se están definiendo. En este contexto, los organismos de la industria juegan un papel clave facilitando la colaboración entre proveedores de datos, plataformas y empresas de medición. Este compromiso se extiende también a los intercambios de paneles, lo que hace imprescindible comprender en profundidad los aspectos técnicos previos y posteriores a estos procesos.

¿Qué es realmente un intercambio de paneles?

Un intercambio de paneles moderno consiste en cruzar los datos de un panel con los de plataformas externas como Google, Meta, TikTok o Amazon (conocidas como ‘Event Data Providers’ o EDPs). Este proceso se lleva a cabo mediante protocolos altamente seguros, como intercambios double-blind o entornos de ejecución confiables (clean rooms), diseñados para proteger la privacidad, garantizar la independencia del panel y limitar el uso de los datos a fines acordados.

Aunque la mecánica del intercambio de datos pueda parecer sencilla, en realidad es un proceso complejo. Cada plataforma tiene una estructura de datos diferente, con identificadores a nivel de dispositivo, hogar o cuenta, lo que supone un reto a la hora de crear conjuntos de datos consistentes y accionables.

El verdadero valor está en lo que ocurre antes y después del intercambio

El intercambio en sí mismo es relativamente fácil de replicar. Sin embargo, el verdadero desafío —y valor— de este trabajo se encuentra en las etapas previas y posteriores, que a menudo pasan desapercibidas.

Antes de cualquier intercambio de datos, las plataformas y los proveedores de paneles deben alinear protocolos, definir variables de coincidencia y establecer los marcos técnicos y contractuales que lo sustentan. Estos acuerdos, que pueden llevar mucho tiempo en concretarse, son esenciales para garantizar la confianza y el cumplimiento normativo en ambos lados. Además, el entorno previo al intercambio requiere una estrategia bien definida, adaptada a las particularidades de cada plataforma. Esto implica, por ejemplo, seleccionar las variables de coincidencia más adecuadas para cada ecosistema digital.

Tras el intercambio, el reto es refinar e individualizar los datos para que sean útiles en el análisis. La información a nivel de dispositivo o de hogar, aunque valiosa, no es suficiente para una medición precisa a nivel individual. Una plataforma de streaming, por ejemplo, puede proporcionar el número total de impresiones de un usuario, pero no quién ha visto realmente el contenido dentro del hogar. De forma similar, los datos de redes sociales pueden requerir modelos adicionales para corregir coincidencias incompletas o identificadores inconsistentes.

Para resolver estos desafíos, se necesitan metodologías avanzadas que asignen exposiciones a individuos, tengan en cuenta escenarios de co-visionado y permitan integrar los datos de distintas plataformas en un modelo de medición unificado. Además, mapear una muestra coherente y con consentimiento total entre múltiples plataformas o medios es clave para una deduplicación de audiencias y para establecer un estándar de oro en la medición cross-media.

Un nuevo nivel de cooperación

Si bien los intercambios de paneles existen desde hace tiempo, su ejecución y el valor que aportan han evolucionado significativamente gracias a los avances tecnológicos y nuevas técnicas de análisis de datos. Actualmente, son fundamentales para afrontar la complejidad de la medición cross-media, permitiendo conectar datos de distintas plataformas sin comprometer la privacidad.

Los mecanismos de intercambio están bien establecidos, pero los desafíos van mucho más allá del proceso en sí. Lo que sucede antes y después del intercambio es lo que realmente define la efectividad y fiabilidad de la medición. Sin embargo, estos aspectos críticos suelen ser pasados por alto o infravalorados. Es hora de cambiar esto.

La creciente adopción de intercambios de paneles y otros enfoques refleja un cambio en la industria hacia una mayor colaboración e interoperabilidad. Tradicionalmente, los sistemas de medición estaban fragmentados, con cada proveedor manejando la recopilación, el procesamiento y la generación de informes por separado. Hoy en día, la tendencia es combinar múltiples fuentes de datos para obtener una visión integrada del comportamiento de la audiencia. Este cambio exige un nivel de cooperación sin precedentes, no solo entre empresas de medición y plataformas, sino en todo el ecosistema.

En este contexto, la propiedad de los datos se convierte en un ejercicio de equilibrio entre los datos en bruto de los EDPs y la necesidad de contar con el consentimiento tanto de los panelistas como de los anunciantes para intercambiar impresiones publicitarias.

De cara al futuro, el panorama será aún más complejo a medida que más plataformas adopten modelos publicitarios y evolucionen las regulaciones sobre privacidad. Además, el creciente papel de la Inteligencia Artificial y el machine learning en estos procesos traerá tanto oportunidades como desafíos. Por ejemplo, el equipo de data science de Kantar Media está utilizando un modelo de lenguaje avanzado para optimizar el procesamiento determinista de datos post-intercambio y mejorar la deduplicación de campañas entre plataformas.

A medida que la industria se adapta a estos cambios, compartir conocimientos y desarrollar enfoques colaborativos será clave para establecer mejores prácticas y garantizar que los marcos de medición sigan respondiendo a las necesidades de todos los actores del mercado.

En este proceso de evolución, es fundamental no perder de vista los principios básicos de una medición efectiva: precisión, privacidad y cooperación. Solo abordando los aspectos complejos del trabajo previo y posterior a los intercambios de paneles podremos avanzar hacia un futuro en el que la medición cross-media sea no solo viable, sino también fiable y accionable.

Proceso de intercambio de paneles de Kantar Media

Fase de preparación

Antes de comenzar, Kantar Media y el proveedor de datos del evento (EDP) acuerdan:

• Un protocolo seguro para la coincidencia de datos.
• Qué identificador se utilizará en el proceso.
• La posible necesidad de cifrado o pasos adicionales para ajustar diferencias en la gestión de datos de usuario entre plataformas.

Coincidencia segura

• Los datos del panel y del EDP se emparejan mediante métodos seguros, como intercambios de doble anonimato.
• Los intercambios de doble anonimato utilizan técnicas de cifrado avanzadas (como el cifrado homomórfico) para garantizar la seguridad de los datos durante el procesamiento.

Intercambio de datos

• Los datos del panel se comparan con los registros del EDP para identificar la exposición de los panelistas a anuncios o contenidos.
• Este proceso se adapta a las necesidades técnicas de cada EDP. Por ejemplo, Kantar Media ha desarrollado un protocolo exclusivo para el intercambio de paneles en CTV con Google, utilizando un identificador específico de YouTube recogido únicamente por el Focal Meter de Kantar Media.

Procesamiento post-intercambio

Una vez completado el intercambio, Kantar Media refina los datos para generar un conjunto de datos útil, lo que implica:

• Asignar los datos de visionado a los individuos correctos dentro de un hogar.
• Filtrar datos incompletos o inexactos.
• Consolidar información de múltiples fuentes para evitar duplicaciones.