Las personas se mueven constantemente entre plataformas y pantallas – viendo contenidos, haciendo zapping y navegando a lo largo del día – pero ¿cómo podemos medir cuántas personas hay realmente detrás de todas esas pantallas?
Cuando hablamos de medición cross-media, hay un concepto que está en el centro de este reto: la deduplicación de audiencias.
En términos sencillos, la deduplicación consiste en identificar cuántas personas únicas han sido alcanzadas, en lugar de contar simplemente impresiones en distintas plataformas. Es como contar los invitados a una fiesta: si algunos pasan por varias habitaciones, lo importante no es cuántas veces aparece alguien en cada sala, sino cuántas personas distintas han estado realmente allí.
Por lo general, la deduplicación se aborda a nivel de plataforma: cómo calcular la duplicación de audiencias entre YouTube y televisión lineal, o entre Netflix y Prime Video, o entre Disney+ y televisión lineal.
Sin embargo, para capturar de verdad la complejidad del ecosistema actual, la deduplicación debe producirse en varios niveles:
- Entre plataformas
Es el nivel más habitual: medir la duplicación de audiencias entre plataformas como televisión lineal, YouTube, Meta, Prime Video, Disney+ o TikTok. Entender esto ayuda a los anunciantes a distribuir mejor los presupuestos y gestionar la frecuencia entre plataformas. - Dentro de las plataformas
Muchas plataformas globales incluyen distintos entornos de usuario o sub-marcas. Por ejemplo, Amazon incluye Prime Video y Twitch, mientras que Meta engloba Facebook, Instagram y WhatsApp.
Una misma persona puede utilizar varios de estos entornos – o solo uno. Debido a las restricciones de privacidad, las plataformas no siempre pueden identificar que se trata del mismo individuo en todos estos puntos de contacto, salvo que el usuario lo haya autorizado explícitamente.
Por eso, deduplicar audiencias dentro de una misma plataforma no es sencillo, pero puede tener un impacto significativo en las estimaciones de cobertura. - Entre dispositivos, cuentas y personas
También hay que tener en cuenta los dispositivos y cuentas compartidas. Algunas plataformas mantienen una relación directa uno a uno entre persona y cuenta, como ocurre habitualmente en redes sociales. Otras, como los servicios de streaming, operan en un entorno de uno a muchos, donde varias personas utilizan la misma cuenta o dispositivo.
A esto se le suele llamar co-viewing, pero no deja de ser otra forma de deduplicación: entender quién ha visto realmente un contenido o anuncio detrás de una misma cuenta o dispositivo.
En conjunto, estas tres capas generan un problema de medición complejo. Sin embargo, muchas soluciones cross-media se centran principalmente en el primer nivel – la deduplicación entre plataformas – dejando lagunas importantes a la hora de entender el alcance real de las audiencias.
Por qué esto supone un reto
- Si veo el mismo contenido o anuncio en Facebook, YouTube y televisión lineal, ¿cómo puede el anunciante saber que no me está contando tres veces?
- Si soy una plataforma de streaming, ¿cómo puedo entender cuántas personas están viendo realmente – más allá del titular de la cuenta?
- Si soy una cadena con múltiples canales lineales y digitales, ¿cómo puedo conocer mi audiencia real en lugar de simplemente sumar cada canal?
En muchos casos, estas relaciones no pueden medirse directamente. Por eso, las plataformas recurren a modelos estadísticos, pero estos solo llegan hasta cierto punto.
Cómo calcular la deduplicación
En términos generales, existen dos enfoques:
Medición determinista: consiste en medir mediante observación directa, normalmente a través de paneles. Como se observa a los mismos individuos en distintas plataformas y dispositivos, es posible calcular directamente cuántas personas únicas hay. Los miembros del panel se miden de forma continua, lo que permite seguir sus dispositivos, exposiciones y comportamiento de consumo a lo largo del tiempo dentro de un mismo marco consistente.
Modelización probabilística: en este caso, la duplicación se estima mediante modelos estadísticos. Uno de los más utilizados se basa en la independencia condicional, conocido como modelo de Sainsbury. Existen dos variantes: los modelos naïve, que estiman la probabilidad mediante supuestos, y los modelos entrenados, que incorporan datos reales para mejorar la precisión.
La mayoría de las soluciones cross-media dependen en gran medida de la modelización probabilística, especialmente para la deduplicación entre plataformas. Pero modelizar sin una base sólida de datos reales tiene limitaciones. Por eso los paneles siguen siendo esenciales: aportan una base de verdad construida sobre comportamiento real.
El papel de los paneles en la deduplicación
Los paneles desempeñan un papel clave. Permiten capturar el consumo real de medios a nivel persona, hogar y dispositivo, siempre protegiendo la privacidad.
Esto permite:
- Medir directamente la duplicación entre plataformas
- Entender la relación entre personas, dispositivos, cuentas y hogares
- Atribuir el consumo de medios a individuos dentro del hogar
- Validar la atribución demográfica
Sin embargo, el reto sigue siendo la complejidad y fragmentación del ecosistema mediático actual. Todos lo vemos en nuestro propio comportamiento: navegamos, vemos y consumimos contenido de forma continua a través de múltiples pantallas y plataformas.
Ningún panel por sí solo puede capturar la imagen completa. Los paneles aportan la base humana, mientras que los datos digitales – directamente procedentes de las plataformas – aportan la escala necesaria para reflejar cómo se consume realmente el contenido.
Estos conjuntos de datos pueden combinarse de forma segura mediante tecnologías que preservan la privacidad (PETs), mejorando la precisión de la deduplicación.
Unir ambas fuentes es clave para obtener una visión completa de las audiencias. Los avances en data science e inteligencia artificial están haciendo esto cada vez más posible, ayudando a capturar mejor el comportamiento real de visionado y a lograr una deduplicación más precisa entre plataformas, dispositivos y entornos.
Por qué es importante la deduplicación
Para anunciantes, medios y plataformas, el impacto es claro: mayor claridad.
Sin la combinación de paneles, datos digitales y tecnologías de privacidad, la mayoría de las soluciones dependen en exceso de la modelización. Esto no refleja el comportamiento real y puede sobreestimar la cobertura o distorsionar la frecuencia.
Al abordar la duplicación entre y dentro de plataformas, así como en dispositivos compartidos, se consigue una visión mucho más completa de quién ha sido realmente alcanzado.
En un ecosistema mediático complejo, entender a las audiencias no es solo contar impresiones: es entender personas. Y ahí es donde empieza la claridad.