Una forma mejor de calcular el ROI de su inversión en marketing

Tradicionalmente, los vendedores calculan el ROI de una inversión de marketing midiendo cuánto aumentaron las ventas después. Es una métrica contundente: tal vez el consumidor tuvo una interacción diferente con la marca que lo influyó. O tal vez tenían una preferencia intrínseca por la marca y habrían hecho una compra de todos modos.

Hoy la situación ha cambiado. Los vendedores tienen acceso a los datos que les permiten rastrear las diversas interacciones de las personas con una marca antes de la compra y entender mejor el papel que desempeñó cada interacción (y preferencias individuales) en la venta final.

Este enfoque, llamado» modelado de atribución», permite a las empresas atribuir el crédito adecuado a cada contacto y punto de contacto dentro y fuera de línea del ciclo de compra de un cliente y entender su papel en los ingresos que, en última instancia, se obtienen. Un buen modelo de atribución debe mostrar, por ejemplo, con precisión qué anuncios o palabras clave de búsqueda se asocian más a las compras reales.

Desarrollar un modelo de atribución es un proceso gradual. No puede llegar allí de una vez. Hay cuatro etapas clave en el viaje:

Etapa 1: Preparar sus datos

No puede tener ningún tipo de modelo de atribución sin datos sobre los puntos de contacto y los resultados. Muchas empresas recopilan estos datos, pero a menudo los almacenan en diferentes bases de datos y de formas que dificultan la comparación. Una vez que las empresas puedan acceder y analizar los datos sobre los puntos de contacto y las compras, podrán detectar los patrones y estarán listas para aplicar modelos de atribución sencillos. Implican aplicar reglas generales, como «dar todo el crédito al último punto de interacción» o «dar el mismo crédito a todos los puntos de interacción con el cliente antes de realizar la compra».

Centro de información

• Las nuevas herramientas de marketing

  Patrocinado por Percolate

  Cómo las principales empresas conectan con los clientes.

Puede que suenen simplistas, pero incluso los modelos simples basados en reglas pueden ofrecer resultados inmediatos. Este fue el caso de una empresa a la que asesoramos recientemente. Solo después de un esfuerzo considerable para alinear los datos de cada punto de contacto en un repositorio, la empresa pudo empezar a elaborar reglas prácticas sensatas para guiar las inversiones en marketing. Empezó simplemente asignando recursos a cada punto de contacto en función directa de su ROI marginal. Incluso este enfoque, bastante rudo y preparado, mejoró considerablemente el ROI general de marketing de la empresa.

Etapa 2: Experimento

A medida que los gerentes se sientan más cómodos con un modelo basado en reglas, pueden empezar a realizar experimentos para ajustar las reglas de atribución. Lo que es más importante, puede empezar a evaluar el grado en que un punto de contacto determinado depende de otros puntos de contacto; podría, por ejemplo, comprobar el papel de una herramienta de búsqueda en el ciclo de un cliente activando o desactivando la publicidad gráfica. Esto permite a los directivos identificar grupos de puntos de contacto que, de forma individual, pueden parecer menos poderosos, pero que, en conjunto, tienen más impacto que centrarse simplemente en los que parecen más fuertes individualmente.

Una compañía de seguros a la que entrevistamos llevó a cabo varios experimentos regionales para evaluar la sinergia de la televisión, la búsqueda orgánica y la publicidad gráfica. La empresa varió la exposición de sus consumidores a los anuncios de televisión en las diferentes regiones en las que operaba. Descubrieron que las visitas orgánicas al sitio web y los clics en la publicidad gráfica aumentaron desproporcionadamente en una región, cuando los consumidores de esa región también estaban expuestos a los anuncios de televisión. Este experimento motivó a la empresa a empezar a coordinar mejor sus campañas de marketing en los canales de comunicación.

Etapa 3: Aplicar modelos estadísticos

Las empresas que tienen experiencia en identificar y probar los patrones simples que surgen de los datos pronto se preparan para probar modelos de atribución más sofisticados, que suelen incluir análisis de regresión multivariante, tal vez incluso empleando la estimación bayesiana. Estos modelos ofrecen fórmulas que permiten a los vendedores determinar con cierta confianza en qué puntos de contacto invertir, la sinergia que se obtiene de la exposición de varios consumidores a los mismos medios a lo largo del tiempo y cuánto invertir entre sí. Es importante destacar que estos modelos explican y predecir. Si bien no son modelos predictivos perfectos, por supuesto, seguir las atribuciones determinadas por el modelo, como ocurre con la aplicación inicial de reglas simples, normalmente generará una mejora en el ROI.

Un minorista con el que trabajamos usado análisis de regresión multivariante y Estimación bayesiana para entender el efecto de la exposición repetida de los consumidores a sus comunicaciones específicas fuera de línea. Los análisis mostraron que el minorista necesitaba comunicarse en todos los canales, pero que podía reducir el ritmo de comunicación durante los tres meses siguientes al primer toque, en lugar de mantener un flujo constante de mensajes. Actuar en función de esta conclusión aumentó el ROI de sus comunicaciones fuera de línea en al menos un 10%.

Etapa 4: Ampliar el alcance del análisis

Hasta ahora, el vendedor ha hecho las atribuciones únicamente basándose en un análisis del recorrido de compra del cliente, es decir, cómo la empresa ha contactado con el cliente desde el principio del ciclo de compra hasta su final. Pero las elecciones del cliente también están determinadas en gran medida por las experiencias que tienen lugar fuera de ese viaje, tanto en términos de tiempo como de con quién interactúa realmente el cliente.

Para evaluar los efectos de las interacciones desfasadas o de las interacciones con otras partes, las empresas pueden recurrir a las criaturas más elegantes del bestiario de las metodologías estadísticas. Panel de autorregresión vectorial Los modelos (VAR de panel), por ejemplo, se pueden utilizar para modelar el efecto de la publicidad televisiva de una empresa en el período actual sobre la eficacia de otros canales de comunicación (por ejemplo, los clics de búsqueda de pago) en períodos futuros. Por supuesto, estos modelos estadísticos se pueden combinar con experimentos posteriores para poner a prueba las propias recomendaciones de los modelos estadísticos sobre el terreno.

Una empresa de software a la que asesoramos desarrolló un modelo estadístico de este tipo y lo mejoró con el paso de las iteraciones para entender las normas de atribución en los medios offline (como la televisión y la radio) y digitales (búsqueda, visualización, etc. con y sin marca). Si bien una regla del «último punto de interacción» habría dado todo el crédito a la búsqueda de marca para esta empresa, un modelo estadístico avanzado, como un VAR de panel, mostró con precisión a la empresa que los clics que llegaban a través de la búsqueda de marca se vieron impulsados por la publicidad televisiva. Tras este análisis, la empresa aumentó su inversión en televisión en lugar de reducirla. La implementación de esta nueva estrategia llevó a una mejora sustancial en el ROI total de marketing de la empresa.

Hacer frente a la complejidad es una necesidad inevitable para los vendedores actuales. Tomar decisiones informadas y avanzadas sobre la asignación de medios y canales en un entorno empresarial multicanal y mediado por la tecnología es una tarea exigente desde cualquier punto de vista. El modelado de atribución es quizás la mejor herramienta de navegación para las empresas que negocian entornos complejos de causa y efecto, pero su uso funciona requiere la voluntad de desarrollar las capacidades adecuadas con el tiempo. Y recuerde que tiene que aprender a caminar antes de correr.