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

Tradicionalmente, los especialistas en marketing calculan el ROI de una inversión de marketing midiendo cuánto aumentaron las ventas tras sus consecuencias. Esta es una métrica contundente: tal vez el consumidor tuvo una interacción diferente con la marca que los 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 datos que les permiten realizar un seguimiento de las diversas interacciones de los individuos con una marca antes de su compra, y comprender mejor qué papel desempeñó cada interacción (y preferencias individuales) en la eventual venta.

Este enfoque, denominado» modelado de atribución», permite a las empresas atribuir el crédito apropiado a cada contacto y punto de contacto en línea y fuera de línea en el ciclo de compra de un cliente, y comprender su papel en los ingresos que finalmente resultan. Un buen modelo de atribución debería mostrar, por ejemplo, con precisión qué anuncios o palabras clave de búsqueda están más asociados con las compras reales.

Desarrollar un modelo de atribución es un proceso gradual. No puedes llegar todo a la vez. Hay cuatro etapas clave en el viaje:

Etapa 1: Preparar los datos

No puede tener ningún tipo de modelo de atribución sin datos sobre puntos de contacto y 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 pueden acceder y analizar datos en torno a puntos de contacto y compras, pueden detectar patrones y están listas para aplicar modelos sencillos de atribución. Esto implica la aplicación de reglas básicas, como «dar todo el crédito hasta el último punto de interacción» o «dar igual crédito a todos los puntos de interacción con el cliente antes de realizar una compra».

Pueden sonar simplistas, pero incluso modelos simples basados en reglas pueden ofrecer resultados inmediatos. Este fue el caso en una empresa que recientemente aconsejamos. Sólo después de considerables esfuerzos para alinear los datos de cada punto de contacto en un repositorio, la empresa podría comenzar a encontrar reglas razonables para orientar las inversiones de marketing. Comenzó simplemente asignando recursos a cada punto de contacto como una función directa de su ROI marginal. Incluso este enfoque bastante áspero y listo mejoró drásticamente el ROI general de marketing de la empresa.

Etapa 2: Experimento

A medida que los gerentes se sienten más cómodos con un modelo basado en reglas, pueden comenzar a realizar experimentos para ajustar las reglas de atribución. Lo que es más importante, puede comenzar a evaluar el grado en que un punto de contacto determinado depende de otros puntos de contacto; por ejemplo, podría probar el papel de una herramienta de búsqueda en el ciclo de un cliente activando o desactivando la publicidad de la pantalla. Esto permite a los gerentes identificar grupos de puntos de contacto que individualmente podrían parecer menos poderosos pero que colectivamente empaquetan más golpes que simplemente centrarse en aquellos que parecen individualmente más fuertes.

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

Etapa 3: Aplicar modelos estadísticos

Las empresas que tienen experiencia en identificar y probar patrones simples que surgen de los datos pronto estarán listas para probar modelos de atribución más sofisticados, normalmente implicando análisis de regresión multivariante, tal vez incluso empleando estimaciones bayesianas. Estos modelos ofrecen fórmulas que permiten a los vendedores determinar con cierta confianza en qué puntos de contacto invertir, la sinergia obtenida de múltiples exposiciones de los consumidores a los mismos medios a lo largo del tiempo, y cuánto poner en relación con el otro. Es importante destacar que estos modelos explican y predecir. Si bien no son modelos predictivos perfectos, por supuesto, siguiendo las atribuciones determinadas por el modelo, al igual que con la aplicación inicial de reglas simples, generalmente proporcionará una mejora en el ROI.

Un minorista con el que trabajamos análisis de regresión multivariante y Estimación bayesiana para comprender el efecto de la exposición repetida de los consumidores a sus comunicaciones fuera de línea dirigidas. Los análisis mostraron que el minorista necesitaba comunicarse en todos los canales, pero podría disminuir la velocidad de las comunicaciones durante los tres meses siguientes al primer toque, en lugar de mantener un flujo constante de mensajes. Al actuar sobre este hallazgo se incrementó 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 estado haciendo atribuciones únicamente en un análisis del viaje de compra del cliente: cómo la empresa ha tocado al cliente desde el inicio del ciclo de compra hasta su conclusión. Pero las opciones de un cliente también están fuertemente determinadas por las experiencias que tienen lugar fuera de ese viaje, tanto en términos de tiempo como en términos de con quién interactúa realmente el cliente.

Para medir los efectos de interacciones fuera de tiempo o interacciones con otras partes, las empresas pueden recurrir a las criaturas más elegantes en el bestiario de las metodologías estadísticas. Vector-autorregresión del panel (Panel VAR), por ejemplo, pueden utilizarse para modelar el efecto de la publicidad televisiva de una empresa en el período actual sobre la eficacia de otros canales de medios (por ejemplo, clics de búsqueda pagada) en períodos futuros. Por supuesto, estos modelos estadísticos se pueden combinar con experimentos posteriores para probar las mismas recomendaciones de los modelos estadísticos en el campo.

Una empresa de software a la que asesoramos desarrolló un modelo estadístico de este tipo, y lo mejoró a través de iteraciones con el fin de comprender las reglas de atribución a través de offline (como televisión y radio) y medios digitales (búsqueda de marca y sin marca, visualización, etc.). Mientras que una regla de «último punto de interacción» habría dado todo el crédito a la búsqueda de marca para esta empresa, un modelo estadístico avanzado como un Panel VAR mostró con precisión a esta empresa que los clics que vienen a través de la búsqueda de marca fueron impulsados por la publicidad televisiva. Después de este análisis, la empresa de hecho aumentó su inversión en televisión en lugar de reducirla. La implementación de esta nueva estrategia condujo a una mejora sustancial en el ROI total de la marketing de esta empresa.

Tratar con la complejidad es una necesidad inevitable para los profesionales de marketing de hoy en día: tomar decisiones informadas y avanzadas de asignación de medios y canales en un entorno empresarial multicanal y mediado por la tecnología es una tarea exigente para cualquier estándar. El modelado de atribuciones es quizás la mejor herramienta de navegación para las empresas que negocian entornos complejos de causa y efecto, pero utilizarlo requiere la voluntad de construir las capacidades adecuadas a lo largo del tiempo. Y recuerda que tienes que aprender a caminar antes de correr.

— Escrito por Werner Reinartz Werner Reinartz Rajkumar Venkatesan