Con el Black Friday y la Cyber Week las marcas concentran los esfuerzos en sus estrategias de marketing para maximizar resultados, destacar frente a la competencia y captar la atención de los consumidores. Y contar con un socio estratégico forma parte de esas acciones. Tal es el caso de la colaboración entre Meliá Hotels International, la principal cadena hotelera en España y una de las más grandes del mundo, y Quantcast, empresa líder en la aplicación de inteligencia artificial a la publicidad programática, que en 2024 demostraron que gracias a la data 1st party en tiempo real y a la tecnología impulsada por inteligencia artificial de Quantcast, la campaña consiguió un resultado excepcional: un incremento del 208% en el revenue generado y una mejora del 40% en ROAS, con respecto a la campaña de Black Friday del año anterior. Pero, ¿cuál fue el proceso y cómo lo lograron?
Meliá Hotels International recurrió a Quantcast con el objetivo de identificar en sus mercados clave, España y Estados Unidos, nuevas audiencias interesadas en destinos específicos o a determinados tipos de hoteles, además de dar visibilidad a sus establecimientos en Cuba mediante anuncios dirigidos a audiencias en México, Brasil, Canadá, Alemania, Francia y Reino Unido. Para responder a estas necesidades, Quantcast aplicó a las campañas modelos lookalike en tiempo real basados en las reservas de los clientes existentes de Meliá, identificando las audiencias apropiadas respectivamente para cada uno de los diferentes destinos vacacionales y para cada tipo de hotel. Las campañas, desarrolladas en formato display, combinaron tácticas de prospecting y retargeting tanto en entornos cookie como cookieless, maximizando su alcance.
“Tanto la data 1st party como la solución cookieless de Quantcast nos permitieron lograr un targeting extremadamente preciso, ayudándonos a alcanzar a los viajeros más adecuados para cada destino y a maximizar el ROAS de nuestras campañas. Su enfoque programático fue un gran apoyo para nuestra estrategia digital”, explica Ángela Reyes Navajas. La Programmatic Manager de Meliá Hotels International explica a PRNoticias cuál fue el proceso y cómo lo lograron.
¿Qué papel juega la data 1st party en la optimización de campañas impulsadas por inteligencia artificial?
La 1st party data es la semilla que hace crecer el fruto. Sin esa semilla, los modelos pueden optimizar, sí, pero lo hacen casi a ciegas. Los algoritmos necesitan señales reales: quién entra, cómo interactúa, qué compra y qué repite. Y la data propia es la única fuente capaz de reflejar el valor del usuario, su recorrido completo y su relación real con la marca, incluso en un contexto donde las cookies y los identificadores de terceros desaparecen. Cuando la IA trabaja con esta información, la optimización deja de centrarse solo en la probabilidad de conversión y pasa a orientarse a valor. Eso acelera el aprendizaje, reduce los costes de optimización y mejora la precisión del targeting. En un entorno cada vez más cookieless, la 1st party data se convierte en el elemento que permite mantener consistencia, precisión y resultados sin depender de señales externas.
¿Cómo puede una marca aprovecharla al máximo sin depender de cookies?
Para sacar el máximo partido a la 1st party data es necesario cambiar el enfoque: pasar de pensar en “cookies” a pensar en “arquitectura de datos”. Es decir, cómo capturo, unifico y activo la información respetando siempre el consentimiento del usuario. El proceso comienza con una captura de señales bien diseñada: qué eventos recogemos, con qué granularidad y bajo qué permisos. Continúa con la unificación de esos datos en una visión coherente del usuario. Y se completa al activar esa información en plataformas que trabajen con múltiples señales: identidad propia, contexto, comportamiento agregado y modelos predictivos. Cuando esa arquitectura está bien construida, podemos mantener la personalización y la eficiencia sin depender de identificadores que están desapareciendo.
¿De qué manera la IA permite identificar nuevas audiencias relevantes en tiempo real?
La IA tiene la capacidad de analizar volúmenes masivos de datos en milésimas de segundo y detectar patrones que un equipo humano no podría identificar. A partir de señales de navegación, interacción, contenido, dispositivo y contexto, los modelos encuentran grupos de usuarios que comparten comportamientos con intención real, incluso si nunca han formado parte de audiencias tradicionales. Además, la IA no se limita a explicar lo que ya ha ocurrido. Predice lo que probablemente va a suceder: quién está más cerca de reservar, comprar o registrarse. Así nacen las audiencias predictivas, que permiten anticiparse al usuario, en lugar de reaccionar. Y es un sistema vivo: las audiencias se revisan de manera continua, adaptándose a cambios en el mercado y en el comportamiento. Esto mejora la eficiencia de la inversión y ofrece al usuario mensajes más relevantes y menos intrusivos.
En campañas como la de Meliá Hotels, ¿qué peso tienen los modelos lookalike basados en machine learning para escalar resultados sin perder precisión?
En un entorno como el de Meliá, donde contamos con un volumen importante de data propia y una fuerte orientación a negocio, los modelos lookalike son una palanca clave para escalar sin perder calidad. La lógica es sencilla. Partimos de audiencias de alto valor, que sabemos que aportan buenos resultados, y utilizamos machine learning para identificar patrones que nos permitan encontrar usuarios similares, incluso fuera de nuestros mercados o perfiles tradicionales. Esto nos da capacidad de crecimiento manteniendo un riesgo controlado. Y, por supuesto, es esencial combinar ese aprendizaje automático con reglas de negocio y supervisión humana. Así aseguramos que el crecimiento se mantiene alineado con los objetivos de rendimiento, margen y posicionamiento de la marca.
¿Cómo contribuye la tecnología cookieless de Quantcast a mantener la efectividad del targeting en un entorno cada vez más regulado por la privacidad?
La fortaleza de una tecnología cookieless como la de Quantcast está en su capacidad para leer el entorno sin apoyarse en identificadores de terceros y, aun así, mantener un nivel de precisión muy alto. En lugar de depender de cookies, se apoya en una combinación de datos propios, señales contextuales, comportamiento agregado y modelos predictivos que son capaces de identificar intención sin necesidad de rastreo individual. Esta arquitectura permite seguir encontrando audiencias relevantes incluso en entornos donde no existen identificadores disponibles. Además, la privacidad está integrada desde el diseño, lo que garantiza el cumplimiento regulatorio sin sacrificar el rendimiento. El impacto es claro, alcance, relevancia y eficiencia tanto en entornos con cookies como en los que ya no existen. Y, en muchos casos, incluso mejora de la eficiencia al trabajar con señales más ricas y alienadas con la realidad del usuario.
¿Cómo logra la IA optimizar campañas de forma autónoma en tiempo real y qué grado de supervisión humana sigue siendo necesario?
La IA puede optimizar campañas porque toma decisiones a una velocidad y granularidad imposible para un equipo humano. Ajusta pujas, redistribuye presupuesto y actualiza audiencias analizando miles de señales en tiempo real. Operativamente, es autónoma: aprende de los resultados, corrige desviaciones y mejora sus predicciones sin intervención manual constante. Pero sigue siendo imprescindible la supervisión humana. Hay que definir qué significa éxito, qué métricas se priorizan, qué límites no pueden superarse y cómo deben incorporarse factores externos en la toma de decisiones. La combinación ideal es clara: la IA se encarga de la ejecución táctica y el equipo humano define la dirección estratégica, valida aprendizajes, identifica posibles sesgos y decide cuándo es necesario replantear el modelo de juego.
Black Friday y soluciones programáticas basadas en IA: ¿Qué recomiendas a las empresas?
Es importante entender que el rendimiento no se decide el día del pico, sino en todo lo que se trabaja antes. La IA solo puede ofrecer su mejor versión si llega al momento clave con una buena base de datos, señales sólidas y contexto suficiente. Por eso es esencial activar con antelación y permitir que los modelos aprendan de datos reales: intención, recurrencia, valor y comportamiento previo a la compra. A partir de ahí, la diferencia la marca la claridad estratégica. La IA ajusta pujas, mueve inversión y redefine audiencias con una agilidad extraordinaria, pero necesita un marco preciso: qué audiencias son realmente valiosas, qué mensajes deben adaptarse según el usuario, qué inventario conviene priorizar y cómo debe comportarse el modelo en entornos con y sin cookies. Es un equilibrio entre darle libertad operativa y proteger la dirección del negocio. Y, por último, es importante mirar más allá del propio Black Friday. El verdadero valor está en la retención, el cross-sell, la recurrencia y el impacto en el lifetime value. La IA permite identificar qué segmentos generaron valor real y aprovechar ese aprendizaje en las campañas posteriores. No se trata de ganar un día, sino de construir un sistema que aprende, evoluciona y multiplica resultados a lo largo del tiempo.
Seguiremos Informando…
