Johnston y McQuivey (2017) indican la importancia de crear un contexto y una conversación que generen una historia emocional con el cliente para conseguir fidelización. Según el estudio de fidelización The Loyalty Report 2017 elaborado por Bond Brand en asociación con Visa, cuatro consumidores de cada cinco operan con las marcas si se les atrae, mien-tras que dos tercios de ellos modifican la inversión en otras marcas para maximizar ventajas de lealtad, y tres cuartos de los encuestados afirmaron que recomendarían marcas con buenos programas de lealtad. Esto se debe, según Manovich (2017:60), a que estamos ante la primera ocasión de describir, modelar y simular el universo cultural completo replan-teándonos conceptos básicos en la nueva relación entre marcas y consumidores.

Manovich (2017) plantea que estamos ante la posibilidad de trabajar con patrones predictivos a partir del dato captado y almacenado. Por ello, las métricas aportan valoraciones finales que conducen al resultado por tendencias y no por actua-ciones según las mediciones tradicionales. Este sistema de medición basado en probabilidades recoge aspectos como la atención y la emoción que, tradicionalmente, han escapado de la valoración más directa de los sistemas conductivos de medición. En este sentido, la emoción es un factor que altera la forma en la que se reescriben las intenciones estratégicas porque toda predicción necesita de un planteamiento previo que, a su vez, demanda de una simulación.

El sistema de integración del usuario en una red de datos procedentes no sólo de su interacción dentro de las redes socia-les, sino de cualquier instrumento con capacidad de conectarse a Internet, convierte la analítica de datos en una herra-mienta escénica donde los aspectos pragmáticos (geolocalización, horas, tiempos de consumo,) confluyen con el aspecto emocional de la interacción. Los datos dejan de ser lineales y escalables y se trasladan a un mapa de acción, interacción y representación (Gil de Zúñiga; García-Perdomo; McGregor, 2015).

No obstante, Felt (2016) indica que los investigadores deben comprender las limitaciones del análisis de datos, al tiempo que existen limitaciones en la captura de tal información. Mayer (2016) reitera este punto explicando que durante los úl-timos treinta años, la recepción de medios de comunicación ha buscado trabajadores, amas de casa y adolescentes para comprender las formas en que los grupos interpretan los textos mediáticos y también para interpretar la respuesta a las técnicas de medición de audiencias.

Pero existen autores que indican que hay que cuantificar la respuesta al texto (Wood, 2009), o las reflexiones que el públi-co articula en relación al contenido consumido (Sender, 2012) para alcanzar otra dimensión que cuantifique la experien-cia más que el hábito, en lo que se conoce como audiencia social. Ello deriva en aspectos cualitativos que influyen en la percepción del grupo en torno al objeto de la medición.

Así, la atención y la emoción adquieren un papel esencial en los retornos de inversión en los contenidos que se articulan a través de Internet, por lo que hay que medirlo y convertirlo en dato para analizarlo y transformarlo posteriormente en información. De ahí que el neuromarketing o marketing emocional resulte esencial para optimizar las nuevas métricas en los contenidos audiovisuales digitales.

Importante en este sentido son las aportaciones de entidades como Sociograph y Neuromarketing Labs. En el caso de So-ciograph, a través del método de corriente constante, evalúa la atención y emoción de grupos de personas ante el impacto de estímulos, con lo que se consigue medir y calibrar de manera cuantitativa la actividad grupal. La tecnología consiste en registrar simultáneamente la actividad electrodérmica (EDA) de un número de sujetos - que puede llegar hasta ciento