Caso de éxito de Hearts & Science – Easy Black, ganador del Desafío AMDDay 2026, concurso exclusivo para empresas socias de la AMDD para presentar su caso en el AMDDay 2026.
Javiera Droguett, directora de cuentas en Hearts & Science, y Diego Estay, gerente de marketing y AI champion en Easy.
En un entorno de alta fragmentación de medios y sobreexposición publicitaria, Easy enfrentaba cómo identificar audiencias relevantes y optimizar la inversión en medios en un contexto altamente competitivo como Black, en el que múltiples actores compiten simultáneamente por la atención y conversión del consumidor.
En este contexto, Easy y Hearts & Science implementaron un modelo de planificación asistido por IA a través de Omni Assist, con el objetivo de mejorar la precisión en la definición de audiencias y optimizar el mix de medios, logrando una toma de decisiones más ágil, informada y eficiente.
Conectar con audiencias específicas
La planificación de medios presentaba limitaciones estructurales: múltiples fuentes de información no integradas, procesos manuales en la construcción de audiencias y decisiones basadas principalmente en datos históricos, con baja capacidad de adaptación en tiempo real. Esto impactaba directamente en la eficiencia de la inversión, especialmente en períodos de alta demanda.
Por lo tanto, el principal desafío consistía en diseñar campañas que conectaran de manera efectiva con audiencias específicas, optimizando recursos y adaptándose a un entorno mediático cada vez más fragmentado.
Adicionalmente, se definió como objetivo de Black alcanzar un crecimiento de 25%, tanto en ventas como en sesiones.
Para abordar este reto, se implementó un modelo de planificación asistido por IA a través de Omni Assist, integrando capacidades avanzadas (comportamiento digital, tendencias culturales, datos demográficos y psicográficos). Esto permitió:
- Creación de audiencias basada en datos: La herramienta permitió identificar patrones y construir audiencias más precisas. De esta manera, se detectaron microsegmentos de alto valor y se priorizaron audiencias según su probabilidad de conversión.
- Optimización del mix de medios: En base a las audiencias identificadas, Omni Assist recomendó la combinación de medios más eficiente, considerando afinidad de canales, hábitos de consumo, desempeño histórico y alcance multimedial.
- Media Mix Modeling: En el caso de Easy, se integró un modelo de MMM Meridian (el primero en Latinoamérica), el cual utiliza analítica avanzada y machine learning para estimar la contribución real de cada canal a los resultados de negocio. Estas curvas de respuesta, embebidas dentro de Omni, permitieron que las recomendaciones de inversión consideraran no solo dónde estaba la audiencia, sino también qué medios generaban mayor retorno en función de los objetivos de ventas.
Impacto de Black Easy
Gracias a la implementación de esta iniciativa, se pudo evolucionar desde una planificación centrada en la eficiencia de medios hacia un modelo basado en la contribución real al negocio.
A nivel de campaña, se alcanzó un crecimiento de 39% en sesiones y de 30% en ingresos, superando la meta establecida de 25% en ambos indicadores. En términos globales, el negocio logró un crecimiento de 57% en ventas y de 12% en conversión, consolidando el impacto del modelo, tanto en performance como en resultados de negocio*.
Este caso demuestra cómo la integración de inteligencia artificial y de modelos avanzados de medición permite evolucionar hacia un modelo de planificación más eficiente, dinámico y centrado en el negocio, permitiendo escalar resultados en contextos altamente competitivos, mediante un uso más inteligente y responsable de los datos.
*Periodo del 19/03 al 06/04 2026.
