Un enfoque multiagente para la inteligencia de audiencia

Definiendo la Estrella Polar

Cada campaña publicitaria comparte los mismos objetivos principales: llegar a la audiencia correcta, crear un compromiso significativo y ofrecer resultados medibles. Donde las campañas comienzan a diferir es en cómo persiguen esos objetivos. La divergencia comienza en la fase de estrategia, donde los planificadores y estrategas se alinean en objetivos claros que, cuando se ejecutan de manera efectiva, impulsan los resultados deseados. En esta etapa, el negocio está al volante, aprovechando años de experiencia con su marca, mensajes y el rendimiento de campañas pasadas para guiar las decisiones. El resultado es un brief de campaña que sirve como la Estrella Polar para todas las actividades posteriores, incluida la creación de audiencias, el modelado de ciencia de datos y la activación. Este blog explora cómo los desafíos comunes que enfrentan los anunciantes hoy en día pueden resolverse a través de una solución de generación de audiencias impulsada por IA en Databricks.

La Brecha entre Estrategia y Ejecución

Es durante este intercambio de briefs de campaña entre las manos del negocio y las de los equipos de datos que las agencias y los anunciantes comienzan a enfrentar desafíos para alinear la estrategia central con la ejecución, incluyendo:

1. Dilución de la Estrategia: Si bien los briefs están destinados a ser prescriptivos y claros en su definición, traducir la estrategia a "términos de datos" es un desafío para cualquier analista. Inevitablemente, se pierden bits y bytes durante la comunicación, y es de vital importancia no perder los bits más importantes.
2. Estrategias Incompletas: En el flujo inverso, las ideas de los equipos de datos no siempre regresan al negocio, lo que limita la capacidad de actuar sobre patrones no obvios y crear una ventaja competitiva. Es a través de estos descubrimientos basados en datos que las agencias y los anunciantes se diferencian, desafiando las convenciones de la industria y las suposiciones de los competidores para abordar el mercado de maneras únicas.
3. Puntos Ciegos de Datos: Ambos lados operan con limitaciones: los planificadores dependen de un conjunto limitado de señales, mientras que los equipos de datos pueden depender demasiado de atributos familiares. Con conjuntos de datos tan grandes y complejos, ninguno de los grupos está completamente informado por los datos. Considerando que la mayoría de las agencias y anunciantes poseen conjuntos de datos que contienen miles de atributos sobre millones de clientes existentes y potenciales, es justo suponer que incluso los usuarios de datos más experimentados tienen sus puntos ciegos.

Para resumir estos desafíos, cada uno es un síntoma de un proceso fragmentado donde:

• Las personas más cercanas a la estrategia están más lejos de los datos.
• Las personas más cercanas a los datos carecen del contexto estratégico completo.
• Independientemente del acceso a los datos, el alcance de uno está limitado.

Construyendo el Puente en Databricks

No se puede ignorar el papel que ha jugado la tecnología en el endurecimiento de estos procesos subóptimos. La tecnología carecía de la capacidad de traducir con precisión la intención y las plataformas de datos en sí mismas ofrecían pocas herramientas para sintetizar los insights de los datos de manera significativa para el negocio. El puente más efectivo entre estos dos grupos era un estratega curioso por los datos o un analista de datos que pudiera articular la misión de una organización, el ajuste del producto al mercado y los objetivos estratégicos. Esto también asume que el estratega tiene acceso a la base de datos, y el analista tiene el oído del negocio (una gran suposición).

Para abordar la brecha entre la intención y la ejecución que persiste hoy en día, nuestra solución impulsada por IA, construida sobre la Plataforma de Inteligencia de Datos de Databricks, permite a los anunciantes y agencias crear audiencias en lenguaje natural, descubrir patrones previamente desconocidos en sus datos e impulsar campañas más efectivas.

1. Fuentes de Datos: Se ingieren datos de primera mano y datos de socios/licenciados en la plataforma
2. Curación de Datos: Las Pipelines Declarativas de Spark limpian, transforman y unifican datos brutos en una tabla de atributos de población en Unity Catalog
3. Espacio Genie de Audiencia: El Espacio Genie curado sobre la Tabla de Población traduce las solicitudes en lenguaje natural en segmentos de audiencia
4. Agente de Afinidad: Las Herramientas de UC analizan afinidades de audiencia adicionales calculando patrones estadísticos
5. Agente Supervisor: Agent Bricks orquesta el sistema multi-agente, enrutando solicitudes a los sub-agentes Genie y de Afinidad
6. App: Una App de Databricks proporciona a los anunciantes una interfaz intuitiva para describir audiencias, ver afinidades y explorar insights
7. Activar y Guardar: Las audiencias se guardan como tablas en Unity Catalog y se activan a canales de ejecución posteriores (por ejemplo, DSPs, plataformas de correo electrónico, redes sociales, etc.)

En esencia, esta solución aprovecha los últimos avances de Databricks en IA agentiva – Genie, agentes personalizados de llamada a herramientas y Agent Bricks – para presentar insights de manera más efectiva a los anunciantes y permitir una segmentación de audiencia más rápida contra conjuntos de datos de población unificados que abarcan cientos de millones de consumidores y miles de atributos.

Consideremos un ejemplo para hacerlo tangible, donde un planificador de campaña está preparando un brief para una marca de viajes de lujo que promociona paquetes exclusivos de resorts. El brief solicita "viajeros adinerados de 35 a 54 años que reservan frecuentemente experiencias premium". Tradicionalmente, este brief llega al escritorio de un analista, quien lo traduce en consultas SQL para segmentar audiencias y realizar análisis ad hoc. Si bien este es un enfoque razonable, inevitablemente reduce la intención estratégica a un puñado de atributos familiares.

En lugar de necesitar generar SQL manualmente, nuestra solución permite al planificador describir directamente esa audiencia en lenguaje natural. Genie luego traduce esto en una consulta precisa contra millones de registros en solo segundos, completa con la lógica SQL detrás para una total transparencia.

Pero la verdadera revelación viene después. El sistema analiza automáticamente el comportamiento y los atributos adicionales que definen a esta audiencia para identificar patrones no realizados. Estos hallazgos y nuevos insights son un cambio de juego. Ejemplos para este segmento pueden incluir:

• Tiene una sobre-representación como adoptante temprano de tecnología en comparación con el resto de la población
• Invierte en criptomonedas 2.5 veces la tasa de referencia
• Muestra una fuerte afinidad por el contenido de bienestar y spa (por ejemplo, compromiso excepcional con el fitness 5.7x)

Y la mejor parte es que estas no son suposiciones. Son cálculos de elevación estadísticamente validados contra la población total. Los planificadores ya no trabajan solo a partir de un brief, sino a partir de un brief enriquecido con descubrimientos que pueden remodelar la estrategia creativa, la colocación de medios y la selección de canales.

Además, esta solución impulsa un impacto comercial tangible y acumulativo:

• Las campañas pasan de la idea a la activación más rápido, comprimiendo ciclos de planificación que antes tomaban días o semanas
• Los planificadores pueden responder a los cambios del mercado, problemas de ritmo o solicitudes de clientes en tiempo real sin esperar colas de analistas
• Integrar la intención estratégica directamente en el proceso de generación de audiencias conduce a una mejor segmentación y rendimiento de la campaña

Sin embargo, hacer que esta experiencia sea fluida requiere una orquestación cuidadosa detrás de escena. En las siguientes secciones, desglosaremos los tres bloques de construcción principales que potencian esta solución, incluido cómo funciona cada componente, por qué está construido de esta manera y las decisiones de diseño que garantizan que este sistema esté listo para producción.

Databricks Genie: Llevando el Lenguaje Natural a tus Datos

El primer paso que toman los equipos en cualquier flujo de trabajo de audiencia es definir el "quién" al que sus campañas deben llegar. Los Espacios Genie permiten a los anunciantes hacer esto en lenguaje natural, traduciendo solicitudes como "encontrar viajeros adinerados de 35 a 54 años que reservan frecuentemente experiencias premium" en consultas SQL gobernadas ejecutadas contra la tabla de población, sin ninguna interacción directa con el equipo de datos.

Aunque Genie puede reducir las interacciones directas entre los equipos de estrategia y datos, los equipos de datos aún desempeñan un papel fundamental en este flujo de trabajo al curar meticulosamente la capa subyacente. Un Espacio Genie solo es tan bueno como el contexto y los datos que se le proporcionan, y para la generación de audiencias, eso significa invertir en cuatro áreas:

1. Un modelo de datos sólido, que incluya tablas de oro pre-unidas o desnormalizadas y vistas de métricas
2. Comentarios descriptivos de columnas en cada atributo de la tabla
3. Consultas SQL de ejemplo que enseñan a Genie los patrones y convenciones de los datos
4. Instrucciones de texto que definen términos de negocio y lógica de puntuación que el modelo no conocería de otra manera

Al dedicar tiempo a curar la capa de datos y metadatos, la experiencia del equipo de datos se codifica una vez, se mejora continuamente con el tiempo y se escala en toda la organización. Cada ejecutivo, planificador y estratega se beneficia de la misma lógica curada sin tener que presentar una solicitud o esperar a que se realicen análisis manuales y ad hoc.

Por ejemplo, el Genie en esta solución está configurado con más de 30 consultas de ejemplo curadas que abarcan patrones de audiencia comunes, desde "buscar consumidores con intención de compra de automóviles y puntajes de crédito superiores a 750" hasta "identificar viajeros de lujo en áreas urbanas con alto patrimonio neto". Estos ejemplos no solo mejoran la precisión, sino que enseñan a Genie cómo la organización piensa sobre sus datos.

El resultado es un sistema en el que un planificador puede describir su audiencia objetivo para un brief de campaña dado y recibir datos de segmento precisos, tamaño de la audiencia, comparaciones porcentuales con la población total y datos de muestra, todo en cuestión de segundos.

En última instancia, Genie cambia fundamentalmente la forma en que los equipos de marketing pueden crear segmentos de audiencia y ejecutar nuevas campañas al:

• Democratizar el acceso a los datos al cambiar la creación de audiencias de una tarea técnica a una conversación estratégica. Cualquier planificador puede describir la audiencia que necesita sin conocer el esquema de tabla subyacente o la sintaxis SQL.
• Comprimir los ciclos de iteración de días a segundos, lo que permite a los equipos probar más hipótesis y refinar la segmentación en tiempo real en lugar de esperar en las colas de analistas.
• Capturar el conocimiento institucional: cada consulta curada, comentario de columna e instrucción de texto codifica la experiencia en datos de la organización en una capa reutilizable que incorpora a nuevos miembros del equipo y estandariza la forma en que se crean las audiencias en todas las campañas.
• Fortalecer la gobernanza al registrar la intención del lenguaje natural y el SQL generado para cada audiencia, creando un rastro de auditoría que pueden leer tanto los interesados técnicos como los no técnicos.

En conjunto, estos beneficios transforman la creación de audiencias de un cuello de botella a una ventaja competitiva.

Agente de Afinidad: Descubriendo Relaciones y Audiencias Desconocidas

Al construir una solución integral de creación de audiencias, definir la audiencia es solo la mitad de la batalla. El verdadero valor estratégico proviene de comprender el "qué más" sobre la audiencia. En otras palabras, ¿existen patrones, comportamientos, tendencias y afinidades no pensados que puedan fortalecer la estrategia general de distribución de la campaña? Aquí es donde el Agente de Afinidad se convierte en un diferenciador.

Una vez que Genie crea un segmento, el Agente de Afinidad toma automáticamente ese segmento y lo analiza contra la población completa para revelar patrones estadísticamente significativos. En términos publicitarios, responde la pregunta que todo estratega debería hacerse pero rara vez tiene el tiempo o las herramientas para perseguir: "Más allá de los criterios que especifiqué, ¿qué hace realmente única a esta audiencia?"

En esta solución, la respuesta viene en forma de *lift*. Esta métrica simple pero poderosa compara la frecuencia con la que un atributo aparece en un segmento de audiencia dado frente a la población general. Un *lift* de 2.0x significa que la audiencia dada tiene el doble de probabilidades de exhibir ese rasgo. Para un planificador de campañas, estos *insights* son inmediatamente accionables. Tomemos, por ejemplo, la audiencia de viajes de lujo que tiene una alta incidencia en contenido de bienestar e inversión en criptomonedas. Estas señales informan directamente la ejecución y, en lugar de ejecutar anuncios de viajes estándar en canales de estilo de vida amplios, el equipo de medios podría redirigir el gasto hacia publicaciones de bienestar premium, patrocinios de podcasts en el espacio de finanzas personales o ubicaciones programáticas en plataformas fintech. Mientras tanto, el equipo creativo podría liderar con mensajes sobre retiros de bienestar experiencial en lugar de imágenes genéricas de resorts.

Bajo el capó, el Agente de Afinidad sigue un patrón de diseño deliberado, que equipa a un LLM con herramientas que ejecutan análisis estadísticos para una audiencia dada. El agente razona qué análisis ejecutar, pero cada número es calculado por herramientas deterministas. Estas herramientas son funciones que están pre-registradas y gobernadas en Unity Catalog.

En la práctica, una audiencia dada sirve como datos de entrada, y el agente utiliza las funciones de Unity Catalog para calcular el *lift* contra la población base, y devuelve solo los resultados que cumplen con los umbrales mínimos de confianza y soporte. El siguiente fragmento de pseudocódigo describe cómo funciona esta función.

Esta separación entre razonamiento y cálculo es una elección deliberada y crítica para la publicidad. Cuando millones de dólares en gasto publicitario dependen de *insights* de audiencia, esos *insights* deben ser auditables, reproducibles y basarse en datos reales. Al gobernar cada función analítica a través de Unity Catalog, el sistema proporciona una línea de tiempo clara desde las preguntas en lenguaje natural hasta la ejecución de SQL y los resultados estadísticos. El LLM agrega inteligencia al flujo de trabajo sin introducir riesgos.

Agent Bricks: Creando Inteligencia de Audiencia Multi-Agente

Con Genie manejando la creación de audiencias y el Agente de Afinidad descubriendo patrones ocultos, la pieza final es ensamblar una capa de orquestación inteligente para garantizar que estos componentes trabajen juntos como una experiencia única y coherente en lugar de herramientas desconectadas.

Agent Bricks hace esto posible en solo minutos con unos pocos clics. El Agente Supervisor preconstruido recibe cada solicitud del usuario, determina qué sub-agente está mejor equipado para manejarla y la dirige en consecuencia. Una solicitud como "créame una audiencia de viajeros de lujo frecuentes" va a Genie. Una solicitud de seguimiento como "¿qué más define a este grupo?" se dirige al Agente de Afinidad. Y cuando un usuario hace una pregunta compleja como "encuentra entusiastas de actividades al aire libre de altos ingresos y dime qué los hace únicos", el supervisor encadena ambos agentes (Genie crea el segmento, luego el Agente de Afinidad lo analiza) y devuelve una respuesta unificada.

Para los usuarios finales de este sistema multi-agente, el poder radica en el hecho de que nunca necesitan saber qué agente está haciendo el trabajo, porque el agente supervisor trabaja junto con sus sub-agentes para manejar las solicitudes. Como resultado, la experiencia es fluida y se siente como una sola conversación.

Más allá del enrutamiento, el supervisor es lo que transforma agentes individuales en un sistema compuesto. Al orquestar el traspaso entre Genie y el Agente de Afinidad, crea un ciclo de retroalimentación entre la intención humana y el descubrimiento de datos que no existe en los flujos de trabajo tradicionales. Un planificador puede crear una audiencia, revisar las afinidades que surgen e refinar inmediatamente el segmento basándose en lo que ha aprendido, todo dentro de la misma conversación. Esto colapsa lo que típicamente es un ciclo de días o semanas de briefs, colas de analistas, control de calidad e iteración en minutos, lo que permite a los equipos probar más hipótesis y llegar a audiencias más sólidas más rápido. Con el tiempo, cada interacción construye una biblioteca creciente de definiciones de audiencia y patrones descubiertos, lo que conduce a un conocimiento institucional que se acumula con cada campaña y se escala a cada usuario de la organización.

El Producto Terminado

Hasta ahora, hemos explorado cómo Genie traduce la intención estratégica en segmentos de audiencia gobernados, cómo el Agente de Afinidad descubre patrones que nadie pensó buscar, y cómo el Agente Supervisor orquesta los dos sub-agentes en un flujo de trabajo fluido. Pero estas capacidades solo brindan valor si las personas que más las necesitan pueden acceder a ellas sin navegar por los espacios de trabajo de Databricks, los notebooks o los puntos finales de la API. Databricks Apps elimina esta barrera, proporcionando una capa de aplicación nativa que integra todo el sistema multi-agente en una interfaz única e intuitiva diseñada específicamente para el usuario final.

Dentro de esta aplicación, los anunciantes pueden:

Crea, descubre e itera en segmentos de audiencia a través del lenguaje natural.

Explora detalles sobre audiencias, incluyendo el código SQL subyacente utilizado para generar resúmenes de afinidad y recomendaciones para estrategias de ubicación y campaña.

Profundiza en los segmentos de audiencia con Dashboards de IA/BI integrados directamente en la aplicación.

Guarda audiencias como tablas persistentes en Unity Catalog para visualización, gestión y auditabilidad futuras, y luego exporta audiencias a canales de ejecución para la activación de campañas.

Democratizando el Futuro de la Creación de Audiencias

La brecha entre la intención estratégica y la ejecución de datos ha persistido durante años, no porque las organizaciones carezcan de datos, sino porque sus herramientas no fueron creadas para cerrarla. Con las capacidades de IA agéntica de Databricks, ese puente ahora existe, empoderando a todos los perfiles con las herramientas para descubrir y construir audiencias de alta calidad que marquen la diferencia. Esa audiencia que no sabías que buscabas ya está en tus datos, solo necesitabas el sistema adecuado para encontrarla y curarla.

Para obtener más información sobre las mejores prácticas para construir un Genie Space efectivo, consulta esta guía.

(Esta entrada del blog ha sido traducida utilizando herramientas basadas en inteligencia artificial) Publicación original