Marcas, publicidad y neomedia. Prospectivas de acción en tiempos de pandemia

José Luis León Sáez de Ybarra Universidad del País Vasco Joseluis.leó[email protected] https://orcid.org/0000-0002-5374-2855 // ARTÍCULO Recibido: 14 de mayo de 2021 Aceptado con modificaciones: 21 de abril de 2022 Aceptado: 3 de mayo de 2022 Marcas, publicidad y neomedia. Prospectivas de acción en tiempos de pandemia Brands, advertising and neomedia. Prospects for action in times of pandemic Revista Comunicación, Vol. 20, Nº 1, año 2022, pp. 5-24 DOI: https://dx.doi.org/10.12795/Comunicacion.2022.v20.i01.01 5 // ARTÍCULO Marcas, publicidad y neomedia. Prospectivas de acción en tiempos de pandemia. José Luis León Sáez de Ybarra 6 Revista Comunicación, Vol. 20, Nº 1, año 2022, pp. 5-24 DOI: https://dx.doi.org/10.12795/Comunicacion.2022.v20.i01.01 Resumen El hundimiento de paradigmas por la pandemia, también en conducta mercadológica, exige una respuesta adaptativa en profundidad de las marcas. Pero llegar a propuestas de adaptación exige una exploración conforme a la filosofía de conocimiento para la acción, siempre obligada en toda investigación de marketing-publicidad. Nuevos paradigmas deben hacer énfasis en la respuesta urgente dada la situación. Esto requiere construir una nueva estrategia de extracción de contenido, aplicada sobre el triángulo formado por marcas, publicidad y nuevos medios. Se propone una nueva estrategia metodológica para superar la lógica insuficiencia del corpus documental existente, capaz de integrar información en formatos de alta diversidad (por ejemplo, testimonios de expertos y encuestas a profesionales), desde una cuidada selección de publicaciones, creando un metacorpus exploratorio, pero de alta cualificación objetiva. Con la estrategia propuesta, creemos haber conseguido verificar el estado de situación y a la vez ofrecer orientación para las marcas y su publicidad, forzadas por las tendencias mercadológicas y los nuevos medios, ya existentes antes de la pandemia, pero ahora aceleradas. Se resaltan filosofías de branding y publicidad para un relanzamiento y cómo hay que cambiar la medición automatizada de resultados ante el fin a plazo de las cookies. Palabras clave: marketing, publicidad, pandemia, análisis de contenido, innovación. Abstract The collapse of paradigms due to the pandemic, also in marketing behavior, requires an in-depth adaptive response from brands. But getting into adaptation proposals requires an exploration in accordance with the philosophy of knowledge for action, always required in all marketing-ad- vertising research. New paradigms must emphasize an urgent response given the situation. This requires building a new content extraction strategy, applied to the triangle formed by brands, advertising and new media. A new methodological strategy is proposed to overcome the logical insufficiency of the existing documentary corpus, capable of integrating information in highly diverse formats (for example, expert testimonies and professional surveys), from a careful selection of publications, creating an exploratory metacorpus but of high objective qualification. With the proposed strategy, we believe we have managed to verify the state of play and at the same time offer guidance for brands and their advertising, as they forced by market trends and new media, already existing before the pandemic, but now accelerated. Branding and advertising philosophies are highlighted for a relaunch and for the improve of automated measurement of results, given the end of the cookies. Keywords: marketing, advertising, pandemic, content analysis, innovation. // ARTÍCULO Marcas, publicidad y neomedia. Prospectivas de acción en tiempos de pandemia. José Luis León Sáez de Ybarra 7 Revista Comunicación, Vol. 20, Nº 1, año 2022, pp. 5-24 DOI: https://dx.doi.org/10.12795/Comunicacion.2022.v20.i01.01 1. Introducción La pandemia, cuya duración final todavía no alcanzamos a entrever, sigue dejando en suspenso o ha producido modificaciones en la mayoría de los supuestos de la vida cotidiana, profesional y desde luego del marketing y la publicidad, obligando a plantearse importantes líneas de adaptación de marcas, anunciantes, agencias, medios y redes sociales que soportan la publicidad. Pero las experiencias con crisis anteriores son insuficientes, así como han quedado obsoletas las tradicionales bases de datos para establecer previsiones, como las que en enero de 2020 daban como seguro un año de gran actividad; por esto la incertidumbre busca ser resuelta con la ayuda de la intuición y la información de los expertos, o al menos arrojar una cierta luz sobre aquellos elementos o métodos en los que podamos confiar con cierta seguridad para los necesarios equilibrios de adaptación. 2. Objetivos Hay dos objetivos que deseamos cubrir, vinculados entre sí: 1) definir, aunque sea parcialmente, el estado de los nuevos procedimientos de marketing comunicacional todavía de carácter experimental, como respuesta a las rupturas provocadas por la pandemia, y 2) poner en juego una metodología de detección rápida y predicción basada en el juicio publicado de expertos de marketing, que viven la afectación de los acontecimientos a las estrategias en desarrollo y que supere las dificultades de otras metodologías de lento despliegue, cuando se necesitan recomendaciones de urgencia. 3. Marco teórico No hay ningún estudio que haya afrontado los mismos objetivos ni del mismo modo a como pretendemos plantearlos. El presente artículo será por tanto el primero en abordar mediante análisis de contenido la cuestión de la previsión de futuro inmediato en medio de la pandemia en el triángulo marcas, publicidad y nuevos soportes. Por proximidad sí podemos referirnos a las temáticas de análisis de contenido primero y al análisis de contenido automatizado en concreto. 3.1. Temáticas de análisis de contenido en la investigación de marketing El análisis de contenido se ha utilizado desde hace mucho tiempo en las ciencias sociales y es un método cada vez más importante, multiplicándose por ocho el número de estudios publicados en 15 años, pasando de 4.765 estudios publicados en 2002 a 33.223 estudios publicados en 2017 (Hannigan et al., 2019). Fue introducido como método para la investigación de consumidores por Ferber y Gales (1958) y, desde entonces, la investigación de marketing pasó a utilizar el análisis de contenido para examinar la mayoría de formatos de la comunicación de marketing, incluido el contenido controlado por marca, el contenido difundido por los medios de comunicación y el contenido generado por los usuarios. Pero más rutinariamente, los investigadores de marketing utilizan el análisis de contenido para analizar las respuestas abiertas de entrevistas y encuestas (Dong et al., 2015) y textos académicos de marketing (Leonidou y Leonidou, 2011). // ARTÍCULO Marcas, publicidad y neomedia. Prospectivas de acción en tiempos de pandemia. José Luis León Sáez de Ybarra 8 Revista Comunicación, Vol. 20, Nº 1, año 2022, pp. 5-24 DOI: https://dx.doi.org/10.12795/Comunicacion.2022.v20.i01.01 En publicidad, el inicial interés en el análisis de contenido no residía en estudiar cuestiones estratégicas sino de responsabilidad social, sobre todo estudiando los roles de género, (Courtney y Lockeretz, 1971). Este tipo de investigación se amplió posteriormente con análisis de contenido asistido por ordenador, por ejemplo, con el estudio realizado por Kolbe y Albanese (1996) sobre las características físicas de los hombres que aparecían solos en anuncios de revistas, encontrando la representación de estereotipos masculinos inapropiados. Así mismo los investigadores han utilizado el análisis manual de contenido para examinar el antropomorfismo (es decir, la atribución de características o comportamientos humanos a objetos) en el envase de productos de marcas de alimentación (Triantos et al., 2016). En una línea de aplicación estratégica hay que destacar a Aaker (1997) con su estudio sobre las personalidades de marca. El análisis de texto se utilizó para estudiar y categorizar eslóganes de marca basados en la frecuencia de palabras (Dowling y Kabanoff, 1996); también se realizó un análisis manual de contenido para examinar lemas de marca de las empresas de la lista Fortune 500 para determinar la presencia de dispositivos retóricos, encontrando que el 92% de los lemas contenían al menos un dispositivo retórico (Miller y Toman, 2016). Específicamente sobre el efecto covid en las empresas, Donthu y Gustafsson (2020) presentan, en número especial del Journal of Business research, artículos que cubren distintos sectores, como cambios en la conducta del consumidor y de las empresas, y aspectos relacionados con los empleados y el liderazgo, pero no sobre previsiones, ni marketing y no se aplica análisis de contenido. Carracedo et al. (2020) sí usan análisis de contenido mediante R, y siguen una estrategia de creación de corpus, con una agrupación de 13 artículos por temáticas, pero sin dar protagonismo a los términos dominantes y sus contextos, sino a los propios artículos para materias empresariales que no incluyen marketing ni publicidad. 3.2. Alcance del análisis automatizado de contenido en marketing En la década de los 80, se desarrolló el enfoque asistido por ordenador (en adelante CATA) para ayudar en el análisis de contenido automatizando, al menos parcialmente, la codificación y el análisis. Los programas de software al efecto han venido incorporando sucesivamente potentes algoritmos para ir más allá del inicial y simple cálculo de frecuencias, concordancias, contextos. CATA ha sido ampliamente adoptado, ya que alcanza donde no es suficiente la intuición, el razonamiento y ni siquiera la correlación de evaluadores, al facilitar el descubrimiento de patrones poco probables de ser detectados por humanos (Wolfe et al.,1993). A pesar de las críticas sobre la capacidad o la relevancia de CATA para profundizar en el significado de los sentimientos, opiniones y expresiones (Morris, 1994), tales desventajas son superadas por la fiabilidad, el tiempo y los beneficios de costo del enfoque cuando se trata de grandes conjuntos de datos de texto (Conway, 2006). No se trata de elegir entre CATA y análisis manual, sino de desbrozar el terreno textual con el primero, y aplicar después la superior capacidad de la lógica humana experta, un sistema híbrido que capitaliza los beneficios de ambos enfoques, como exponen Su et al. (2017). Hay un crecimiento exponencial de datos no estructurados, como son los textos online, donde la información no tiene un sistema numérico preasignado o inherente que la organice, de modo que debe identificarse y asignarse una codificación para la identificación de palabras con la ayu- // ARTÍCULO Marcas, publicidad y neomedia. Prospectivas de acción en tiempos de pandemia. José Luis León Sáez de Ybarra 9 Revista Comunicación, Vol. 20, Nº 1, año 2022, pp. 5-24 DOI: https://dx.doi.org/10.12795/Comunicacion.2022.v20.i01.01 da del software apropiado (Balducci y Marinova, 2018). Todo ello está forzando cada vez más el uso de CATA, y las publicaciones tienden a seguir las líneas básicas que Krippendorf (2018) lleva décadas actualizando. 4. Metodología Se ha debatido si el análisis de contenido debe ser cuantitativo (p. ej. Berelson,1952; Bryman y Bell, 2003) o bien cualitativo (p.ej. Boyle, 1994), o si participa de ambos órdenes (Cooper y Schindler, 2003; Krippendorf, 2018). Nuestra orientación se adscribe a la tercera de las filosofías. En este artículo se combina la previsión mediante testimonios previamente publicados de expertos, y el análisis automático de los textos que recogen su análisis de situación y recomendaciones, que exige proponer una metodología cuantitativo-cualitativa para la selección de textos pertinentes y su segmentación, y que permita obtener unas propuestas de acción de valor pragmático inmediato, como lo exige el propio conocimiento de marketing, siempre orientado a la acción. Se aplica la tradición de la investigación cualitativa sobre documentos existentes que, con formatos diversos y técnicas de recogida de información diferentes, se recopilan y luego se reelaboran en un modo apropiado a los objetivos de la investigación. 4.1. La selección exploratoria del corpus partiendo de cero La razón de acudir a una investigación primaria, tal como nos planteamos aquí, es simple y clásica, cuando inicialmente: no se conoce cómo localizar la información o no se tienen los recursos para obtenerla por métodos directos; también porque puede ser información que por su formato escapa a nuestro conocimiento (Hague y Wilcock, 2021). Dada la no precedencia de ningún estudio similar, ya mencionada a causa de la novísima situación histórica que atravesamos, procedimos a una búsqueda en Google de la combinación de términos o término long-tail que fue simplemente “previsiones publicidad pandemia 2021”. Como era previsible, la búsqueda preliminar realizada en las redes vinculadas en Web of Science y en Google Scholar no había ofrecido ningún resultado coherente con la frase clave de referencia. El uso de Google parece trivial por su uso masivo, sin embargo, una de sus prestaciones, Google Trends, es prioritaria en el diseño de estrategias por los llamados planificadores de cuentas para campañas publicitarias. En la exploración es insuperable siempre y cuando se tenga experiencia con su manejo desde un expertise académico y profesional del uso de palabras clave; sus más de cien mil páginas de código y un algoritmo que maneja cientos de criterios de evaluación para cada contenido en la Web, lo hace en extremo confiable para la selección del corpus documental de temáticas sujetas a contingencia. Una visión de su complejidad evaluativa, para los neófitos, puede apreciarse mediante lo que se ha dado en llamar la llamada tabla periódica de los elementos de optimización SEO. El repertorio de criterios puede verse en Searchengineland (2020). Además de las cuestiones de orden técnico de la programación de las webs, como la usabilidad y lenguaje HTML, para jerarquizar sugerencias, Google utiliza criterios como los enlaces entrantes de calidad, la reputación de la página y la interacción de los usuarios con la misma, es decir, el // ARTÍCULO Marcas, publicidad y neomedia. Prospectivas de acción en tiempos de pandemia. José Luis León Sáez de Ybarra 10 Revista Comunicación, Vol. 20, Nº 1, año 2022, pp. 5-24 DOI: https://dx.doi.org/10.12795/Comunicacion.2022.v20.i01.01 éxito de respuesta con anteriores recomendaciones hechas por el propio Google1. No son necesariamente criterios científicos, como ocurre en las publicaciones académicas, pero sí constituyen un indicador de contenidos de prestigio una vez comprobado que proceden de fuentes expertas en la materia y por tanto una relevancia entre audiencias que consumen contenidos especializados como el que nos ocupa. La búsqueda primaria ejecutada con Google aportó tres tipos de fuentes: a) declaraciones personalizadas de expertos, en número de 30; b), encuestas internacionales de oportunidad a 1500 ejecutivos de marketing, y c) artículos elaborados por investigadores especializados en tendencias de marketing. Un examen preliminar de los artículos mostrados en primer plano por el algoritmo evidenciaba que la mayoría de ellos contenía encuestas y declaraciones de expertos de alto nivel seleccionadas por revistas a su vez de alto nivel, como Forbes o The Drum. Sin pretenderlo a priori, Google nos empujaba hacia una vía elemental en metodología exploratoria que es el clásico dictamen de expertos, además ya seleccionados por las revistas especializadas en contacto diario con el sector de los negocios o de la publicidad. Expertos fijados al terreno que han experimentado, en sí mismos o en sus clientes y proveedores, los efectos de la crisis y que siendo líderes de sus empresas tienen que gobernar la transición hacia el nuevo mundo en el que la pandemia nos ha puesto bruscamente. El corpus de primeras posiciones recoge 8 artículos, que hemos denominado según orden de jerarquía con los términos Documento 1, 2, 3… hasta 8. Varios de ellos incluyen una metasíntesis ya realizada a partir de encuestas a 1.500 jefes de marketing en el Doc. 3; encuesta a 1.200 directivos de marketing en el Doc. 1; encuesta a 1.200 consumidores en el Doc. 2; 21 expertos en medios en el Doc. 4; 10 directivos publicitarios en el Doc. 5; encuesta a 4000 consumidores y 700 directivos de marketing en Doc. 8.; y dos directivos en autores de 2 docs. (Ver listado particularizado de Documentos). 4.2. Préstamos metodológicos de la Teoría fundamentada No existe un diccionario terminológico ni una “teoría” adaptada para guiar el análisis de contenido en el campo de las previsiones de marketing y publicidad, ante una crisis de semejante calibre, que condiciona el mismo futuro de la publicidad, dado que nunca se había planteado. Hemos citado ya otros algoritmos, pero su finalidad es establecer rasgos de personalidad/emocionalidad en la clasificación de textos, no siendo este nuestro objetivo sino extraer propuestas de acción, no meramente sentimientos en el autor. El propósito de nuestros objetivos y metodología no es formular una teoría de base inductiva, como se persigue en el método de la Teoría fundamentada, pero obviamente hay elementos de la Teoría que son universales, como son los criterios de codificación, axial y selectiva, preconizados por Strauss y Corbin (1990). La codificación axial lleva los datos descriptores a un nivel mayor de organización conceptual que incluye tanto de la categoría, como las relaciones entre el conteni- 1 Para un examen sintético de los principales factores usados por Google en sus jerarquizaciones ver Searchengineland (2020). // ARTÍCULO Marcas, publicidad y neomedia. Prospectivas de acción en tiempos de pandemia. José Luis León Sáez de Ybarra 11 Revista Comunicación, Vol. 20, Nº 1, año 2022, pp. 5-24 DOI: https://dx.doi.org/10.12795/Comunicacion.2022.v20.i01.01 do y la estructura. La codificación selectiva, a su vez, es un proceso integrador de las categorías emergentes dentro de un esquema conceptual, en torno a una categoría central. Esta a su vez permite reunir previas subcategorías para formar un corpus explicativo al tiempo que informa de la variación entre las categorías. Para definir la centralidad de una categoría, la teoría fundamentada propone los siguientes criterios: Tiene que ser “central”, es decir, que las demás categorías principales se puedan relacionar con ella. Los indicadores que apunten al fenómeno representado por la categoría central deben aparecer con frecuencia en los datos. Las relaciones de la categoría central con otras categorías no son forzadas; por el contrario, son lógicas y consistentes. 4.3. Cribado temático preliminar mediante software específico Al corpus debe aplicarse un método de análisis de textos, en nuestro caso artículos de difusión internacional que recogen las posiciones de profesionales en empresas que, por su dedicación al marketing y la publicidad en un ámbito global, se presupone que han de contar con una capacidad de perspectiva singular, (tal como lo entienden los redactores de los artículos de medios de prestigio en el ámbito mediático de marketing, que recogen sus declaraciones). Si bien el análisis de contenido es un método ampliamente utilizado para la investigación de marketing, se tiende a examinar el contenido fácilmente computable como palabras o recursos retóricos específicos en un texto. Cuando se necesita examinar contenido latente que requiere interpretación, se sigue dependiendo de un análisis manual de contenido que consume mucho tiempo, (Duriau et al., 2007), si bien se han introducido herramientas no al alcance de todos los presupuestos de investigación, como IBM Watson o DICTION que, al incorporar diccionarios permiten la valoración de filosofías de discurso por parte de los emisores y de tipología de sentimientos dominantes por parte de los receptores. Una tercera vía entre el uso simple del cómputo manifiesto y la codificación manual del texto latente consiste en usar el primero para delimitar términos principales y sus contextos, y el segundo para definir categorías con las que segmentar contextos por similitud de significado. Voyant Tools es el paquete de software de análisis de texto elegido, de código abierto, gratuito y basado en la web, que ofrece capacidades de manipulación experimental de texto versátiles en cualquier disciplina (Bradley, 2018; Miller, 2018), así como en publicaciones académicas en muy distintos campos (Clouder y King, 2015; Zahedzadeh, 2017). Este paquete no se ha aplicado (que sepamos) a contenido sobre previsiones textuales y declarativas de evolución de mercado ni menos en publicidad, antes o durante la actual crisis. En el presente artículo se aplican varias de las herramientas Voyant para analizar cuantitativamente datos cualitativos en el campo del marketing y la publicidad y en concreto en la previsión y recomendación de estrategias/tácticas para afrontar y adaptarse en medio del marasmo que está suponiendo la pandemia y supondrá más allá de su final biológico. La herramienta Cyrrus (Figura 1) y la herramienta de presencia terminológica más frecuentes intracorpus (Figura 2) revelan interacciones dentro de las respuestas, a su vez la herramienta t-SNE proporciona el más alto nivel de sofisticación y las posibilidades analíticas más profundas para // ARTÍCULO Marcas, publicidad y neomedia. Prospectivas de acción en tiempos de pandemia. José Luis León Sáez de Ybarra 12 Revista Comunicación, Vol. 20, Nº 1, año 2022, pp. 5-24 DOI: https://dx.doi.org/10.12795/Comunicacion.2022.v20.i01.01 revelar cómo los grupos de términos se posicionan entre sí, imposible de alcanzar con la mera inspección manual. De los varios tipos de métodos de visualización de Voyant, será t-SNE (t-Distributed Stochastic Neighbour Embedding), el utilizado aquí porque es un método que se puede aplicar especialmente bien a datos textuales cualitativos (Van Der Maaten, 2014) y que Cao y Wang (2017, p.1) definen así: “t-SNE intenta preservar la estructura de proximidades desde un espacio de alta dispersión a un espacio de menor dispersión convirtiendo distancias por pares en distribuciones de cercanías por pares, igualando las distribuciones de vínculos en alta y baja dimensión” (traducción del autor, tda). Hay una función ajustable de t-SNE en Voyant Tools, el nivel de perplejidad (que oscila entre 0-100) que determina en gran medida qué modelo de clúster se crea. El llamado algoritmo de la perplejidad intenta determinar el número de términos próximos más cercanos de cada palabra (puntos de datos). (Van Der Maaten y Hinton, 2008: 2582). El diagrama de dispersión finalmente elegido lo fue tras 5000 iteraciones (Figura 3) mediante t-SNE. Para el análisis se utilizó el método de ponderación tf-idf (término de frecuencia-frecuen- cia inversa de documentos) y aplicando un nivel de perplejidad de 50, que fue el óptimo para conseguir grupos de máxima convergencia. Dado que las herramientas de visualización pueden tentar al investigador a leer suposiciones en los datos que no reflejan las verdaderas relaciones de las unidades de significado que existen en el conjunto de datos, se ha tenido cuidado al interpretar los resultados y sobre todo a no quedarnos ahí, en el mero mapping, lo que conduciría a una pérdida considerable de información. Estas técnicas cuantitativas son para ayudar a la exploración temprana de datos textuales. Si bien existen algoritmos más sofisticados, como IBM Watson o Diction ya mencionados, no resultarían rentables para nuestra área de investigación al no contener diccionarios apropiados y no ser necesaria aquí la mejor de sus virtudes aisladas, que es el análisis de sentimiento en opiniones. 5. Primeros resultados elementales: frecuencias y proximidades De manera elemental lo primero a obtener es el mapping de frecuencias de términos, global y para cada documento (Figuras 1 y 2). Siguiendo las cautelas establecidas, se procede a establecer los términos más frecuentes por número de menciones (entre paréntesis): Marcas (71); Publicidad (69); Marketing (53); Pandemia (50); Consumidores (49); Nuevo (48); 2021 (40); Social media (40); Medios (36); Anunciantes (31). Ahora bien, lógicamente al tratarse de términos tan comunes, se dan duplicaciones o triplicaciones (contextos donde se da presencia simultánea de 2 o 3 de los términos anteriores) esto, unido a frases diferentes en texto, pero no en significado, hace que una vez adjudicados términos a grupos según el proceso siguiente, el número final de textos seleccionados sea mucho más manejable. De manera poco sorprendente emergieron los 5 términos principales fijados; pero de ellos procedimos a descartar “2021” que no aporta más allá del marco anual objeto del estudio. Se unificó // ARTÍCULO Marcas, publicidad y neomedia. Prospectivas de acción en tiempos de pandemia. José Luis León Sáez de Ybarra 13 Revista Comunicación, Vol. 20, Nº 1, año 2022, pp. 5-24 DOI: https://dx.doi.org/10.12795/Comunicacion.2022.v20.i01.01 “redes sociales” y “medios” por tener en común ser soportes publicitarios dentro de los mismos planes de medios, (aunque en el mapa T-sne aparezcan distanciados, porque son términos que en lenguaje común no son de uso intercambiable), y porque son tratados a menudo en conjunto dentro de otras palabras como campañas y nombres propios de redes, como Twitter o Instagram. También se trataron en común los términos marca y anunciantes, englobados bajo “Marcas”. Los términos “nuevo” y “consumidores” se repartieron entre los otros términos según se desprendiera del examen de los contextos fraseológicos. Los contextos fraseológicos indicaban un contenido que no tenía un rótulo específico y que po- Figura 1. Nube de palabras más frecuentes en el corpus. Elaboración por el autor mediante herramienta Cyrrus de Voyant Tools. Figura 2. Frecuencias terminológicas en cada documento del corpus. Gráfico original. De izquierda a derecha en el eje horizontal cada uno de los artículos del corpus, de Doc. 1 a Doc. 8. Elaboración por el autor mediante herramienta Voyant Tools. // ARTÍCULO Marcas, publicidad y neomedia. Prospectivas de acción en tiempos de pandemia. José Luis León Sáez de Ybarra 20 Revista Comunicación, Vol. 20, Nº 1, año 2022, pp. 5-24 DOI: https://dx.doi.org/10.12795/Comunicacion.2022.v20.i01.01 Apps Siendo las apps uno de los dispositivos de más crecimiento, y a pesar de que hay altas cifras de abandono precoz a los 7 días (en datos de Lexalytics), las apps permiten “seguir” al consumidor allá donde se encuentre, tanto con publicidad como con ecommerce. “Las apps de móviles ofrecen beneficios de amplio alcance, identificación cross-device, ubicación dinámica basada en intención de compra (no sólo productos vistos), optimización dinámica de cada anuncio y direccionamiento targetting predictivo” (tda). (Doc. 4). 6.5. La medición Como no podía ser menos, la gran preocupación más reiterada entre los profesionales es la anunciada “muerte de las cookies”, tanto por disposición legal como porque “la gente quiere conexión y no sentirse un objetivo” (Doc. 4). Se cita la reciente investigación Media Reactions de Kantar mostrando que casi dos tercios (64%) de los propietarios de medios y editores están preocupados por el impacto de un mundo sin cookies, que obligará a intensificar el first party y el third party data, con sus costes asociados y ralentización de la eficacia de las campañas, hasta su puesta en marcha regular. Junto con la pandemia es la tormenta perfecta, porque “los cambios en las cookies dificultan la medición de la efectividad y la orientación de la publicidad digital al faltarle el apoyo para la previsión y planificación” (tda) (Doc. 8). Pero los anunciantes necesitan seguir usando información particularizada sobre sus propios consumidores, en términos de “lo que compran, dónde lo compran, qué medios consumen, cuándo consumen medios, cómo compran, y cómo lo utilizan” (tda) (Doc. 8), vinculando comunicación y registro detallado de individuos consumidores. Por eso se predice que, para seguir llevando a cabo la necesaria atribución de los anuncios, se comenzará a ver un cambio radical en los especialistas en marketing que aprovechan los algoritmos de privacidad diferencial como una forma de proporcionar una atribución multitáctil altamente precisa, sin requerir datos de impresiones publicitarias a nivel individual. Sin depender de cookies ni MAID (Doc. 4), es decir ids de codificación de publicidad móvil de terceros, como Android o Apple. Se busca entonces medición sin atacar la privacidad, sin recurrir a datos de impresiones publicitarias que no sean de manera individualizada sino agrupada. En general, “existe una prima cada vez mayor para la claridad en los objetivos y la autenticidad. En lo sucesivo, esto se extenderá aún más a la transparencia en torno a la recopilación de datos con consentimiento y confianza” (tda) (Doc. 4). El enfoque de medición ya estaba siendo más sólido y ahora se ha vuelto más exigente “Atrás quedaron los días en que el costo por clic (CPC) y el porcentaje de clics (CTR) eran los únicos indicadores de la eficacia de una campaña de publicidad digital” (tda) (Doc. 5). Las agencias que utilizan métricas de medición personalizadas adaptadas a los objetivos de marcas específicas lograrán un mejor retorno de los presupuestos y con ello ayudarán a los especialistas en marketing a cumplir estos objetivos a menor costo. Además de tener en cuenta obviamente al público objetivo, “el enfoque data-driven (decisiones basadas en datos) permite elegir el correcto nivel de inversión según categoría y número y tamaño de los competidores” (tda) (Doc. 5). // ARTÍCULO Marcas, publicidad y neomedia. Prospectivas de acción en tiempos de pandemia. José Luis León Sáez de Ybarra 21 Revista Comunicación, Vol. 20, Nº 1, año 2022, pp. 5-24 DOI: https://dx.doi.org/10.12795/Comunicacion.2022.v20.i01.01 Nos encaminamos sin duda hacia un nuevo mundo de medición de la eficacia, combinando big data y panel de audiencias, debiéndose avanzar en esa dirección porque “los primeros resultados de las pruebas de medición multiplataforma de WFA/ANA han revelado que los datos de panel no se pueden utilizar como una fuente de verdad y que la combinación de big data y de panel es más complicada pero factible” (tda) (Doc. 8). Además, “la expansión de DCT (digital comparison tools) dará como resultado nuevas comprobaciones de retorno de la inversión que beneficiarán a todas las formas de televisión” (tda) (Doc. 4). Kantar, empresa medidora de audiencias, predijo: un movimiento hacia un nuevo mundo híbrido de medición de la eficacia de los anuncios; porque sin eso, los anunciantes solo tendrán una vista parcial de sus campañas. Las integraciones directas con los editores pueden recopilar datos de exposición sobre una muestra de consumidores agrupados en paneles e identificados (tda) (Doc. 8). Los anunciantes se están inclinando cada vez más a las nuevas plataformas como CTV y Video on demand no sólo por el comportamiento de los usuarios sino por su disponibilidad de métricas de rendimiento, lo que proporciona a datos y conocimientos sobre el alcance y el rendimiento incrementales en televisión y en medios digitales (tda) (Doc. 1). Se necesita, en suma, seguir arrinconando la vieja práctica de los datos de televisión (basada en segmentaciones clásicas hoy inoperantes). Para los especialistas en marketing, esto significa “basarse completamente en datos con sus campañas de televisión, empleando estrategias de ensayo-error y aprendizaje para identificar las audiencias adecuadas y maximizar el alcance y la implicación” (tda) (Doc. 4). 7. Discusión La aplicación de la metodología propuesta de análisis de contenido ha permitido establecer que el futuro inmediato durante la transición pandémica se vincule a efectos a largo plazo debido al aumento a la exposición de los públicos a los nuevos soportes publicitarios, cuyo ascenso se ha acelerado. No se trata para los expertos sólo de establecer previsiones estadísticas sobre usos, consumos y facturación publicitaria, pues dentro del espíritu de marketing, el conocimien- to importante es el que permita llevar a cabo una rápida adaptación. Esta adaptación es principalmente provocada por los nuevos consumos mediáticos, y por los desarrollos tecnológicos y formatos de los neomedia, que no van a ser duraderos como los tradicionales, debiendo profundizarse el conocimiento de las oportunidades que ofrecen, sobre todo el potencial sus algoritmos y sus formatos; éstos condicionan las expresividades de campañas y sobre todo la medición de resultados, obligada a reformularse con el fin de las cookies. La creatividad de las plataformas en ebullición va a ser el gran condicionante de la creatividad publicitaria y ambas evolucionarán simultáneamente, sujetas siempre al dictamen de las métricas, que no serán números crasos postdictivos sino cálculos anticipatorios. La metodología propuesta ha sido necesaria para proceder al examen de situación sin la posibilidad de recurrir directamente a onerosas encuestas o entrevistas, ofreciendo un resultado a medida de la urgencia cognoscitiva y de ofrecimiento de pautas de acción, lo cual creemos haber conseguido. // ARTÍCULO Marcas, publicidad y neomedia. Prospectivas de acción en tiempos de pandemia. José Luis León Sáez de Ybarra 22 Revista Comunicación, Vol. 20, Nº 1, año 2022, pp. 5-24 DOI: https://dx.doi.org/10.12795/Comunicacion.2022.v20.i01.01 Los resultados concretos obtenidos han superado el hándicap de inicial perplejidad sobre el camino a seguir de selección documental y análisis, para cumplir con los objetivos de conocimiento y orientación de la acción, avalando la metodología ofrecida, si bien cautelarmente hay que decir que no debe ser usada en modo receta, al exigirse una previa familiarización con el campo de estudio, sin lo cual las codificaciones y elecciones temáticas serían endebles o ingenuas aunque se utilizaran formatos teóricos populares pero sin una buena base inductiva. Si desde el campo profesional se ha hecho crítica de la producción teórica en marketing y publicidad por su condición esclarecedora, pero de escaso pragmatismo, creemos que esta aportación vincula lo mejor de los dos mundos, el analítico académico y la utilidad prospectiva. Bibliografía Aaker, J. L. (1997). Dimensions of brand personality. Journal of Marketing Research, 34 (3), 347-356. Adgate, B. (2020). From the Experts: Media and Advertising in 2021. Forbes. https://www.forbes. com/sites/bradadgate/2020/12/07/media-an-advertising-outlook-in-2021/?sh=77ed4b1070cc. Bradley, S. (2021). How do you solve a problem like... making the case for advertising during a pandemic, 12 de enero. https://www.thedrum.com/news/2021/01/12/how-do-you-solve- problem-making-the-case-advertising-during-pandemic. Cao, Y., & Wang, L. (2017). Automatic Selection of t-SNE Perplexity. ArXiv, abs/1708.03229. Carracedo, P. et al. (2020). Research lines on the impact of the COVID-19 pandemic on business. A text mining analysis. Journal of Business Research. 117 (11). 21-40. Clouder, L. & King, V. (2015). What works? A critique of appreciative inquiry as a research methodology. In Huisman, J., & Tight, M. (comps.). Theory and method in higher education research (pp. 169-190). Bingley. Courtney, A.E. and Lockeretz, S.W. (1971). A woman’s place: an analysis of the roles portrayed by women in magazine advertisements. Journal of Marketing Research. 8(1), 92-95. Dong, B., et al. (2015). Effect of customer participation on serviceoutcomes: the moderating role of participation readiness”. Journal of Service Research, 18(2), 160-176. Naveen Donthu, N., y Gustafsson, A. (2020). Effects of COVID-19 on business and research. Journal of Business Research. 117(9) 284-289. https://doi.org/ 10.1016/j.jbusres.2020.06.008 Douriau, V. Et al. (2007). A Content Analysis of the Content Analysis Literature in Organization Studies: Research Themes, Data Sources, and Methodological Refinements. 10 (1), 5-34. https://doi.org/ 10.1177/1094428106289252 Dowling, G.R. and Kabanoff, B. (1996). Computer-aided content analysis: what do advertising slogans have in common? Marketing Letters, Vol. 7 No. 1, 63-75. Ferber, R. and Wales, H.G. (1958). The effectiveness of pharmaceutical advertising: a case study. Journal of Marketing, 22 (4), 398-407. // ARTÍCULO Marcas, publicidad y neomedia. Prospectivas de acción en tiempos de pandemia. José Luis León Sáez de Ybarra 23 Revista Comunicación, Vol. 20, Nº 1, año 2022, pp. 5-24 DOI: https://dx.doi.org/10.12795/Comunicacion.2022.v20.i01.01 Hague, P. y Wilcock, C. (2021). How To Get Information For Next To Nothing. https://www. b2binternational.com/publications/desk-research/ Hannigan, T. et al. (2019). Topic modeling in management research: rendering new theory from textual data. Academy of Management Annals. 13 (2), 586-632. Holt, D. B.(2004). How Brands Become Icons: The Principles of Cultural Branding. Harvard Business School Press. Kantar (2020). What is changing in the world of advertising. Kantar. https://www.kantar.com/ inspiration/future-proof-podcast/what-is-changing-in-the-world-of-advertising Key, T.; Keel, A.(2020). How executives talk. European Journal of Marketing. 54(3), 546-569. https://doi.org/10.1108/EJM-01-2019-0105. Kolbe, R.H. and Albanese, P.J. (1996). Man to man: a content analysis of sole-male images in maleaudience magazines. Journal of Advertising. 25 (4), 1-20. Krippendorff, K. (2018). Content analysis: An Introduction to its Methodology. Sage Publications. Lee, L. et al. (2020). Making sense of text: artificial intelligence-enabled content analysis. European Journal of Marketing. 54(3), 615-644. https://org.doi/10.1108/EJM-02-2019-0219. Leonidou, C.N. y Leonidou, L.C. (2011). Research into environmental marketing/management: a bibliographic analysis. European Journal of Marketing. 45, (1/2), 68-103. Merkle (2020). Customer engagement report. Report covid 19 edition. Merkle Inc. https://www. merkleinc.com/thought-leadership/white-papers/customer-engagement-report-covid-19- edition. Miller, D.W. and Toman, M. (2016). An analysis of rhetorical figures and other linguistic devices incorporation brand slogans. Journal of Marketing Communications, 22(5), 474-493. Moorman, C. y McCarthy, T. (2021). CMOs: Adapt Your Social Media Strategy for a Post-Pandemic World. Harvard Business review. https://hbr.org/2021/01/cmos-adapt-your-social-media- strategy-for-a-post-pandemic-world. O’Connor, M. (2020). The state of OOH advertising. https://www.clickz.com/the-state-of-ooh- advertising-in-2021/264437/ Ostler, J. (2020). Media in 2021. Tough Cookies. https://www.kantar.com/inspiration/advertisingmedia/media-in-2021-tough-cookies Perrin, James (2021). 5 ways the pandemic will change marketing and advertising in 2021. https://www.etchuk.com/insights/5-ways-the-pandemic-will-change-marketing-in-2021 Pitt, C. (2020). Automated Text Analysis of Online Content in Marketing: Dictionary-Based Methods and Artificial Intelligence. [Tesis doctoral, Industrial Economics and Management.] Resnik, A. y Stern, B.L. (1977). An analysis of information content in television advertising. Journal of Marketing. 41(1), 50-53. Rokka, J. and Canniford, R. (2016). Heterotopian selfies: how social media destabilizes brand assemblages. European Journal of Marketing. 50 (9/10), 1789-1813. // ARTÍCULO Marcas, publicidad y neomedia. Prospectivas de acción en tiempos de pandemia. José Luis León Sáez de Ybarra 24 Revista Comunicación, Vol. 20, Nº 1, año 2022, pp. 5-24 DOI: https://dx.doi.org/10.12795/Comunicacion.2022.v20.i01.01 Searchengineland (2020). The Periodic Table of SEO Factors https://searchengineland.com/ seotable. Strauss, A.L. Y Corbin, J. (1990): Basics of Qualitative Research: Grounded Theory, procedures and techniques. Sage. Taylor, Ch. (2020). Advertising and COVID-19. International Journal of Advertising. 39(5), 587-589. https://org.doi/10.1080/02650487.2020.1774131 Triantos, A., et al. (2016). Anthropomorphic packaging: is there life on ‘mars’? European Journal of Marketing. 50 (1-2), 260-275. Van der Maaten, L.(2014). Accelerating t-SNE using Tree-Based Algorithms. Journal of Machine Learning Research. 15(93). 3221−3245. WFA (2020) .Cross Media Measurement. https://wfanet.org/leadership/cross-media- measurement. Zahedzadeh, G. (2017). Overt attacks and covert thoughts. Aggression and Violent Behavior, 36, 1-8. https://org.doi/10.1016/j.avb.2017.06.009. Zetsche, S. (2021). The case for dynamic advertising in an uncertain world. The Drum. https:// www.thedrum.com/industryinsights/2021/01/14/the-case-dynamic-advertising-uncertain- world?