Orange busca la hiper-personalización en adtech mediante datos

Tabla de contenidos

  • Orange ha integrado la IA como capa transversal de su estrategia 2028 “Trust the future”, con foco en personalización y eficiencia operativa.
  • En adtech, ya segmenta anuncios con datos propios en Francia y prevé acelerar el despliegue en España, donde suma 33 millones de clientes.

IA y datos propios en Orange
– Contexto y actualidad: la estrategia “Trust the future” y los detalles sobre hiper-personalización/adtech se compartieron públicamente en torno a un capital markets day y una mesa redonda con prensa y analistas (23 de febrero de 2026).
– Qué cubre este artículo: cómo Orange describe el uso de IA y datos propios para personalización comercial y segmentación publicitaria, y qué implicaciones operativas suele tener en telco.

Estrategia de Orange para 2028

La nueva hoja de ruta de Orange hacia 2028, presentada bajo el lema “Trust the future”, no coloca la palabra “IA” como eslogan principal, pero la tecnología aparece en casi todos los frentes. Según lo comunicado por la compañía en el marco de su nueva estrategia, la operadora plantea desde servicios de cloud “confiable” y seguridad en IA hasta un objetivo de 600 millones de euros en ahorros de opex apoyados por automatización y analítica avanzada.

En paralelo, la estrategia busca impactar directamente en el negocio comercial: menos churn, más ventas cruzadas y una relación más “contextual” con el cliente, basada en datos de uso y en modelos de decisión.

Pilar en “Trust the future” Qué significa en la práctica Objetivo/resultado asociado a 2028 (según lo comunicado)
IA transversal (no como eslogan, sí como capa) Modelos embebidos en procesos comerciales y operativos (decisión, automatización, priorización) “100% de transacciones” con asistencia/augmentación por IA (meta declarada)
Cloud “confiable” y servicios de IA Oferta de cloud/IA con foco en confianza y control Base para escalar casos de uso y servicios (incluida la ambición de replicar Bleu)
Eficiencia operativa Automatización + analítica avanzada aplicada a operaciones €600M de ahorro de opex (objetivo declarado)
Monetización de datos (personalización y adtech) Activación de señales para upsell y segmentación de audiencias Nuevas líneas de ingresos en mercados maduros y reducción de churn

La importancia de la hiper-personalización en adtech

Orange está trasladando la lógica de la hiper-personalización —tradicionalmente asociada a ofertas y atención al cliente— al terreno publicitario. En adtech, el valor diferencial de una telco es su conocimiento agregado del comportamiento (uso de red, hábitos de consumo de servicios, localización a nivel de área, entre otros), que puede convertirse en segmentación más precisa para campañas.

En el planteamiento descrito por Orange, el foco está en activar señales para construir audiencias y momentos de contacto, más que en exponer datos personales de forma directa en campañas.

La apuesta responde a una tendencia clara: en un mercado donde la atención es escasa y la competencia por el rendimiento publicitario es intensa, la segmentación basada en datos propios (first-party) gana peso frente a enfoques menos deterministas.

De señales a medición eficaz
Señales → Audiencias → Activación → Medición (cómo se “traduce” la hiper-personalización a adtech)
1) Señales (inputs): patrones de uso y contexto (p. ej., consumo de datos, tipo de producto contratado, zona a nivel de área), además de señales comerciales (p. ej., financiación de dispositivos).
2) Audiencias (construcción): reglas/modelos que agrupan usuarios en segmentos útiles para un objetivo de campaña (alcance, afinidad, intención).
3) Activación (ejecución): entrega de campañas a “subconjuntos” definidos, con control de frecuencia y coherencia entre canales.
4) Medición (aprendizaje): evaluación de rendimiento y ajuste de segmentos/creatividades; si no hay medición consistente, la segmentación se queda en pruebas puntuales.
Punto clave: el valor no está solo en “tener datos”, sino en convertirlos en segmentos accionables con gobernanza y control de consentimiento.

Uso de IA para mejorar la experiencia del cliente

La hiper-personalización que describe Orange se apoya en una premisa: los datos existen desde hace tiempo, pero sin IA no es viable explotarlos a escala por el volumen y la velocidad necesarios para convertirlos en acciones comerciales útiles.

En una mesa redonda con prensa y analistas, el CFO Laurent Martinez explicó que el objetivo es usar patrones de uso para proponer ofertas en el momento oportuno. El enfoque está orientado a incrementar ingresos mediante upsell, más que a recomendar el plan más barato.

IA en CX: De Señales a Acción
Cómo suele aterrizarse la IA en CX (con puntos de control operativos)
1) Captura de señales: eventos de uso, navegación/app, compras, incidencias y contexto (canal, hora, producto).
– Checkpoint: calidad y latencia (si llegan tarde, la “personalización” se vuelve irrelevante).
2) Modelo/segmentación: propensión, churn, afinidad o reglas híbridas.
– Checkpoint: sesgos y cobertura (¿funciona igual en prepago/pospago, regiones, segmentos?).
3) Decisión: “siguiente mejor acción/oferta” y priorización (qué ofrecer, cuándo y por qué canal).
– Checkpoint: límites de presión comercial (frecuencia, exclusiones, coherencia entre canales).
4) Acción: ejecución en canales (app, SMS, call center, tienda, web) con trazabilidad.
– Checkpoint: consistencia omnicanal (evitar que el cliente reciba mensajes contradictorios).
5) Feedback: medición y aprendizaje (aceptación, conversión, quejas, bajas, NPS/CSAT si aplica).
– Checkpoint: bucle cerrado (si no se retroalimenta, el modelo no mejora y el coste sube).

Transacciones aumentadas por inteligencia artificial

La CEO Christel Heydemann fijó una meta ambiciosa: que el 100% de las transacciones estén “aumentadas” por IA. En la práctica, esto implica incorporar modelos que asistan decisiones y flujos en puntos clave del ciclo de vida del cliente: compra, renovación, financiación de dispositivos, soporte y retención.

La lógica es doble: por un lado, mejorar la conversión y la satisfacción con interacciones más relevantes; por otro, reducir costes operativos con automatización y priorización inteligente.

Puntos de Control por Canal
“100% de transacciones aumentadas”: checklist de puntos de control por canal/momento
– Compra/alta (web/app/tienda):
– [ ] Recomendación de plan/dispositivo basada en contexto (sin romper reglas comerciales).
– [ ] Explicabilidad mínima interna: motivo de recomendación registrado.
– Renovación/cambio de plan:
– [ ] Detección de intención (señales de búsqueda, uso, quejas) y oferta oportuna.
– [ ] Control de elegibilidad (evitar ofrecer algo no disponible para ese cliente).
– Financiación de dispositivos:
– [ ] Evaluación asistida (riesgo/afinidad) + revisión humana cuando aplique.
– [ ] Mensajería clara y consistente entre canales.
– Soporte (contact center/chat/app):
– [ ] Clasificación y enrutamiento inteligente (prioridad, urgencia, valor del cliente).
– [ ] Resumen automático de caso para reducir repetición.
– Retención/churn:
– [ ] Alertas tempranas y acciones graduadas (no solo descuentos).
– [ ] Medición de impacto (bajas evitadas vs. coste de incentivos).
Si alguno de estos puntos no está instrumentado, “aumentada por IA” suele quedarse en automatizaciones parciales o pilotos.

Segmentación de anuncios en Francia

En Francia, Orange ya tiene en marcha un programa de segmentación publicitaria basado en datos propios, y la compañía está ampliando su alcance. El objetivo es ofrecer a marcas y anunciantes audiencias mejor definidas para campañas específicas, apoyándose en el conocimiento que la operadora tiene de su base de clientes.

Aunque Orange no detalla públicamente métricas de rendimiento en este punto, el movimiento encaja con la búsqueda de nuevas líneas de ingresos en un mercado telco maduro, donde el crecimiento orgánico del core (conectividad) es limitado.

Elemento Estado (según lo descrito) Qué habilita típicamente
Segmentación con datos propios en Francia Activo (“up and running”) Audiencias más definidas para campañas específicas
Ampliación del programa En expansión Más casos de uso/segmentos y mayor cobertura comercial
Métricas públicas de rendimiento No detalladas públicamente Obliga a evaluar el impacto caso a caso (p. ej., lift, conversión, alcance)

Expansión de servicios de adtech en España

El siguiente mercado señalado es España, donde Orange afirma que estos servicios llevan unos meses disponibles y deberían acelerar en el corto plazo. Martinez subrayó la escala: 33 millones de clientes en el país, una base que permite construir segmentos para campañas de marketing dirigidas a subconjuntos concretos de población.

La propuesta consiste en “vender” audiencias segmentadas para campañas, aprovechando señales internas combinadas para mejorar la precisión del targeting.

De piloto a escalado comercial
Despliegue típico de adtech telco (de “unos meses” a ramp-up)
1) Piloto controlado: pocos anunciantes/casos de uso, segmentos simples, medición básica.
– Checkpoint: validar que el consentimiento y las exclusiones se aplican correctamente.
2) Ramp-up: más segmentos, más inventario/canales, automatización de creación de audiencias.
– Checkpoint: evitar degradación por “sobre-segmentación” (segmentos demasiado pequeños o inestables).
3) Escalado comercial: catálogo de audiencias, SLAs operativos, reporting recurrente.
– Checkpoint: gobernanza (quién aprueba segmentos, cómo se audita el uso, cómo se gestionan incidencias).

Patrones de uso de datos de los clientes

Orange ejemplificó la hiper-personalización con un caso en África: muchos clientes prepagan datos una o dos veces por semana. Si el operador detecta que ciertos usuarios se quedan sin datos temprano los viernes —día asociado al cobro de salarios— puede activar ofertas específicas en ese momento.

En España, Orange citó otro tipo de señal: cuando vende dispositivos financiados, obtiene información como el salario del cliente, que puede combinar con otros datos, por ejemplo zona de residencia, para construir segmentos útiles para campañas.

La base tecnológica de esta capacidad, según la compañía, es MasStack, una pila IT desarrollada internamente y basada en software open source.

Ejemplo Señal disponible Trigger (momento) Acción descrita
África (prepago de datos) Frecuencia de recarga y patrón de agotamiento de datos Usuarios que se quedan sin datos temprano el viernes Activar ofertas específicas en ese momento
España (dispositivo financiado) Información comercial (p. ej., salario) + zona de residencia Construcción de segmentos para campañas Vender audiencias segmentadas a anunciantes

Cumplimiento de la regulación de datos

Preguntado por el cumplimiento regulatorio, Martinez indicó que Orange asegura contar con consentimiento formal a través de contratos con clientes. La compañía presenta este punto como un pilar para escalar sus iniciativas de hiper-personalización y adtech sin erosionar la confianza, un activo central en su narrativa estratégica.

Personalización y confianza al escalar
Personalización vs. confianza: trade-offs que suelen aparecer al escalar adtech telco
– Más personalización puede mejorar relevancia y conversión, pero:
– Reduce el margen de error: si el cliente percibe “exceso de conocimiento”, sube el riesgo reputacional.
– Consentimiento más estricto y controles más visibles suelen aumentar confianza, pero:
– Pueden reducir alcance (menos usuarios elegibles) y ralentizar el ramp-up comercial.
– Segmentos más granulares pueden elevar el rendimiento, pero:
– Aumentan complejidad operativa (auditoría, exclusiones, consistencia omnicanal) y el riesgo de segmentos inestables.
La clave práctica es que el consentimiento y las exclusiones no sean un “paso legal”, sino una condición técnica verificable en cada activación.

La Transformación Digital en Telecomunicaciones: Un Futuro Impulsado por la IA

El Papel de la IA en la Personalización de Servicios

La estrategia de Orange ilustra cómo la IA está pasando de ser un proyecto aislado a convertirse en una capa operativa: decide el “siguiente mejor paso”, ajusta ofertas y prioriza interacciones. La personalización deja de ser segmentación estática y se convierte en orquestación continua.

Desafíos y Oportunidades en la Industria de Telecomunicaciones

La oportunidad es clara: monetizar datos y mejorar eficiencia. El desafío también: equilibrar crecimiento comercial con expectativas de clientes y reguladores, y demostrar que el valor añadido compensa la sensibilidad del dato.

Estrategias para Mejorar la Experiencia del Cliente

“Transacciones aumentadas” sugiere un modelo donde la IA acompaña cada punto de contacto: recomendaciones, soporte, retención y financiación. La clave será que la automatización no degrade la experiencia, sino que la haga más rápida y pertinente.

La Importancia de la Integración de Datos en Tiempo Real

La hiper-personalización depende menos de tener “más datos” y más de integrarlos y activarlos a tiempo. Sin pipelines robustos y gobernanza, la promesa se queda en campañas puntuales y no en una capacidad industrial.

Perspectivas Futuras: Hacia un Ecosistema Omnicanal

Orange también dejó entrever ambiciones de replicar servicios más allá de Francia —como su oferta de cloud soberano Bleu—, aunque sin definiciones cerradas. El debate estratégico, según la propia compañía, es cómo escalar a nivel europeo: más mercados, más casos de uso y una ejecución coherente en todos los canales.

IA Transversal en Telco: Prioridades
En telco, la “IA transversal” suele concentrarse en tres frentes conectados:
– Crecimiento: personalización (upsell/retención) y nuevas líneas como adtech.
– Eficiencia: automatización de operaciones y soporte para capturar ahorros de opex.
– Confianza: cloud/IA “confiable”, seguridad y gobernanza de datos para sostener la adopción.
La dificultad no suele ser el modelo en sí, sino industrializar datos, decisiones y medición sin romper la experiencia omnicanal.

Transforma la experiencia del cliente en telecomunicaciones con Suricata Cx

La solución integral para ISPs y operadores de telecomunicaciones

Suricata Cx propone una capa unificada para gestionar atención, ventas y operaciones con una visión centralizada del cliente, orientada a entornos telco e ISP.

Beneficios tangibles de la automatización en el servicio al cliente

La automatización aplicada a consultas frecuentes, clasificación de casos y enrutamiento puede reducir tiempos de respuesta y liberar capacidad de los equipos para incidencias complejas.

Estrategias de ventas optimizadas mediante inteligencia artificial

Modelos de propensión y “next best offer” permiten priorizar oportunidades y personalizar propuestas, especialmente cuando se integran señales de uso y comportamiento.

Recuperación de pagos y gestión de cobros eficiente

La analítica puede mejorar la gestión de cobros con segmentación de riesgo, recordatorios inteligentes y flujos adaptados al perfil del cliente.

Operaciones omnicanal: la clave para un servicio al cliente sin fisuras

La consistencia entre canales (tienda, call center, app, web y mensajería) es crítica para sostener la personalización: el cliente espera continuidad, no repetir su historia en cada interacción.

Ese mismo reto de activar señales en tiempo real sin erosionar la confianza exige una operación omnicanal donde la IA aumente cada interacción con control y trazabilidad. Desde la perspectiva de Suricata Cx, el valor está en convertir datos y consentimiento en decisiones útiles —más rápidas y pertinentes— que reduzcan fricción y churn sin perder el contexto del cliente.

Resultados esperables de CX/IA en telco
Qué resultados “esperables” se buscan al implementar una capa CX/IA en telco (y qué lo condiciona)
– Menos fricción en soporte: mayor resolución en primer contacto y menor tiempo de gestión cuando hay clasificación/enrutamiento y resumen de caso.
– Mejor conversión comercial: incremento de aceptación de ofertas cuando el “next best offer” se activa en el momento y canal adecuados.
– Menor churn: reducción de bajas cuando las alertas tempranas se conectan a acciones graduadas (no solo descuentos) y se mide el impacto.
– Operación más consistente: menos mensajes contradictorios entre canales cuando hay una vista única del cliente y reglas de elegibilidad.
Condiciones que suelen determinar el resultado: calidad/latencia de datos, coherencia omnicanal, control de frecuencia comercial, y un bucle de medición que retroalimente modelos y reglas.

Este análisis se centra en cómo una telco plantea monetizar y activar datos en personalización y adtech; la lectura se hace desde un enfoque operativo de CX omnicanal para ISPs y operadores, donde la integración, la trazabilidad y el control humano suelen determinar si la personalización escala sin degradar la experiencia.

Este texto se apoya en información públicamente disponible y en declaraciones atribuidas a directivos de Orange vigentes en el momento de redactarlo. Algunas iniciativas, especialmente en adtech, pueden evolucionar con rapidez y variar en alcance, métricas o disponibilidad según el país. Cuando no existen métricas públicas, se describe el funcionamiento y los compromisos habituales sin dar por supuestos resultados; pueden producirse actualizaciones si aparecen nuevos datos.