# El data lake de marketing para un marketing inteligente. Una base de datos específica para marketing, construida en tu entorno de BigQuery, que conecta datos de clientes, ventas, campañas, audiencias, creatividad y respuesta en una memoria de marketing persistente. ## La IA necesita una base confiable para razonar. Conectar sistemas no crea, por sí solo, definiciones compartidas, historia ni consistencia. Haz la misma pregunta a cuatro herramientas y puedes obtener cuatro totales. La base le da a cada agente los mismos clientes, la misma definición de venta y el mismo registro de lo que ya se intentó. El acceso ayuda a los agentes a llegar a los sistemas. Una base compartida les da un contexto consistente. - **Definiciones:** Una compra, un cliente y una campaña significan lo mismo para cada agente. - **Historia:** Las audiencias, creatividades, planes y resultados anteriores siguen disponibles para la siguiente pregunta. - **Linaje:** La fuente, la hora de actualización y la transformación acompañan cada resultado. - **Límites:** Los datos faltantes, las actualizaciones atrasadas y la identidad sin resolver quedan a la vista. ## Construida según cómo funciona el marketing. No es el esquema genérico de un almacén de datos. La base organiza las entidades de las que dependen las decisiones de marketing y las relaciones entre ellas. - **Cliente:** Personas, identidades, comportamiento y elegibilidad. - **Comercio:** Transacciones, productos, SKUs, categorías e ingresos. - **Marketing:** Campañas, inversión, exposición y respuesta. - **Audiencias:** Criterios, segmentos, versiones y destinos. - **Creatividad:** Assets, contexto de campaña y vínculos con productos. - **Medición:** Conversiones, experimentos, atribución y modelos. - **Memoria:** Decisiones, ejecución, resultados y aprendizajes. Es un modelo conceptual. Qué entidades y módulos se despliegan depende de los datos y del alcance de cada cliente. ## Conecta las ventas con el marketing. Analiza la respuesta por marca, SKU, categoría, región y cliente cuando los datos tienen el detalle suficiente. Donde un vínculo no está sustentado, queda como desconocido en lugar de suponerse. Campaña → Exposición / respuesta → Identidad, cuando se puede sustentar → Cliente → Transacción → Producto / SKU → Ingresos Conecta el desempeño de las campañas con los resultados de clientes y productos cuando los datos sustentan la relación. ### Una persona, cuando la evidencia lo sustenta. Los registros se vinculan cuando existe una correspondencia sustentada y permitida entre ellos, como un ID de cliente compartido. Un registro sin esa evidencia sigue siendo un registro aparte. Lo desconocido sigue siendo desconocido. - **Vinculado:** Cliente del CRM ↔ cuenta de comercio, mediante un ID compartido - **Sin resolver:** Una visita anónima sin vínculo sustentado queda separada - **Permiso:** Un permiso retirado cambia para qué se puede usar el registro - **Límites:** Sin tasa de coincidencia perfecta ni identidad universal ## Preguntas distintas. Métodos distintos. La base conserva los insumos que necesita cada método. Nexus reconoce qué pregunta se está haciendo y dice qué puede sostener la respuesta y qué no. - **Atribución.** ¿Qué parece contribuir? El crédito entre puntos de contacto observados no es causalidad. - **Incrementalidad.** ¿Qué cambió gracias al marketing? Requiere un diseño adecuado: un grupo de control o holdout comparable. - **Marketing Mix Modeling.** ¿Cómo contribuyen los canales a lo largo del tiempo? Depende de los datos y del ajuste del modelo. Flujos construidos con el framework Meridian de Google. - **Experimentación.** ¿Qué cambió la prueba? La población, el control y la métrica se definen antes de la prueba. - **Pronóstico, cuando está disponible.** ¿Qué podría pasar después? Se expresa como un rango con incertidumbre, nunca como certeza. La atribución reparte el crédito de conversiones ya observadas, con reglas o con un modelo basado en datos. Sirve para optimizar en el día a día y no dice qué habría pasado sin la publicidad. La incrementalidad y los experimentos comparan un grupo que recibió el marketing con un grupo comparable que no lo recibió. Responden preguntas causales, dentro de la población y el periodo probados. El marketing mix modeling relaciona las ventas con la actividad de marketing a lo largo del tiempo a partir de datos agregados, considerando otros factores y supuestos declarados. Random Truffle trabaja flujos de MMM con Meridian, el framework de código abierto de Google; los resultados dependen de los datos disponibles y de qué tan bien se ajuste el modelo. ## Brand Hub. El contexto detrás del trabajo. La Data Foundation conecta lo que ocurrió. Brand Hub aporta el contexto necesario para interpretarlo y producir trabajo consistente. Productos · SKUs · Categorías · Guías de marca · Tono de voz · Identidad visual · Claims aprobados · Taxonomías · Definiciones de negocio - **Audiencia + objetivo:** Definidos con Aura a partir de la base. - **Prism:** Crea el brief y las variantes. - **Brand Hub:** Aporta el producto, los claims aprobados y las reglas de marca. - **Asset de campaña:** Vuelve al sistema, vinculado con su audiencia y su producto. ## Cambia de herramientas. Conserva tu memoria de marketing. Las agencias, las cuentas de medios, las plataformas de automatización y las herramientas de analítica cambian. La historia de lo que hiciste y de lo que produjo se queda en tu propia infraestructura. ### Tu nube. Tus datos. Tus reglas. Tu historia. El data lake de marketing vive en tu entorno de BigQuery y se queda contigo si dejas de trabajar con Random Truffle. - **Tu nube:** Desplegada en tu proyecto de Google Cloud, con tus políticas de acceso. - **Tus datos:** Los registros conservan su fuente, su responsable y sus usos permitidos. - **Tus reglas:** Los accesos, las aprobaciones y los límites siguen bajo tu control. - **Tu historia:** Las campañas, decisiones y resultados permanecen en tu base. La propiedad de tus datos es independiente de la licencia del software y los servicios de Random Truffle, que se rige por tu contrato. ## Construida en BigQuery, sobre Google Cloud. La base se despliega en tu entorno de BigQuery. Los flujos de los agentes usan modelos Gemini cuando tu despliegue está configurado para ello. Otras nubes y almacenes de datos se pueden conectar como fuentes; no son destinos de despliegue equivalentes. ## Preguntas que vale la pena hacer. ### ¿Esto reemplaza nuestro data warehouse o nuestro CRM? No. La base se construye en BigQuery y conecta el contexto que tienen esos sistemas; tus sistemas de registro siguen haciendo su trabajo. Otros almacenes de datos pueden alimentarla como fuentes. ### ¿De quién son los datos? Tuyos. El data lake de marketing se construye en tu entorno de BigQuery y se queda ahí si dejas de trabajar con Random Truffle. La licencia de nuestro software y servicios es un tema aparte, definido en tu contrato. ### ¿La resolución de identidad vuelve causal a la atribución? No. Vincular registros elegibles mejora el recorrido observable. No establece qué habría pasado sin la publicidad. Una pregunta causal necesita una comparación o un experimento adecuados. ### ¿Es una CDP? No una genérica. Es un data lake específico para marketing: clientes, ventas, campañas, audiencias, creatividad y respuesta, con las definiciones de negocio y la historia que los conectan. ### ¿Qué puedo explorar en este sitio? Esta página describe la arquitectura. Las conversaciones con los agentes usan datos de ejemplo para mostrar identidad, reglas de audiencia, supuestos de los modelos y un registro de decisiones. --- Source: https://randomtruffle.com/es/data-foundation