Cómo utilizar el análisis de cohortes de clientes para medir el rendimiento de los anuncios

Hoy en día, las empresas se desempeñan en un mundo digital, con grandes cantidades de datos de clientes para recopilar, guardar y proceder con un escrutinio detallado. No es una opción fácil ni siquiera para las pequeñas empresas, por no hablar de las grandes empresas. A medida que evoluciona el negocio, también se comprende que es posible publicitar de manera más efectiva y optimizar el presupuesto publicitario.

En este caso, describimos la solución proporcionada por el equipo de BI de OWOX para una gran empresa que suministra un conjunto integrado de productos para empresas. La suite incluye herramientas para gestión de proyectos, documentación, CRM, telefonía, calendarios y más. Este cliente tuvo problemas para gastar el presupuesto de publicidad de manera más eficiente junto con la realización de un análisis de cohortes de clientes.

Como el principal desafío para los especialistas en marketing era llegar a más clientes, se hizo todo lo posible para obtener la mayor cantidad posible de registros de servicios. Después de haber ganado una gran cantidad de clientes activos en la base de datos, apareció la necesidad de mejorar el ciclo de vida del cliente. Los expertos en marketing querían gastar sus recursos publicitarios solo en el público objetivo listo para comprar su producto, ya que los costos de adquisición de clientes han aumentado junto con la competencia empresarial. En consecuencia, la mayoría de los esfuerzos publicitarios comienzan a dar sus frutos dos meses o más después de la compra, ya que la mayoría de los clientes pagan su suscripción mensualmente.

Por eso, para gastar el presupuesto de publicidad de manera más eficiente, se decidió realizar un análisis de cohortes de clientes. Una cohorte es un grupo de usuarios que comparten algunas características comunes. Al agrupar a los usuarios en cohortes según el momento de su primer registro, los especialistas en marketing buscaban obtener información más detallada sobre lo que hacen sus clientes después de registrarse en el sitio web. El análisis de cohortes también ayuda a calcular los ingresos de cada cohorte, evaluar la efectividad de las campañas de adquisición de clientes y optimizar los costos de publicidad. Además, comparar los datos de comportamiento de las cohortes en diferentes fuentes, canales y campañas ayuda a comprender qué campañas funcionan mejor para la adquisición de clientes y cuáles mejoran la tasa de retención y motivan a los usuarios a registrarse en múltiples portales.

Dado que era necesario proporcionar un análisis de cohorte efectivo, todos los datos deberían fusionarse en un solo sistema. Otro desafío fue enfrentar constantemente el muestreo de datos mientras trabajaba con la versión gratuita de Google Analytics. Los analistas querían evitar o al menos minimizar el muestreo de datos sin tener que exportar datos por día.

Además, se requería incluir una serie de métricas específicas en el informe de análisis de cohortes:

• Número de registros: el número de portales registrados.
• MAU: el número de usuarios activos mensuales.
• CR a MAU: la cantidad de usuarios activos mensuales en comparación con la cantidad de usuarios registrados.
• Retención 2º día: la cantidad de clientes que regresaron el segundo día después de registrarse en un nuevo portal.
• Cuota de retención del segundo día: el porcentaje de clientes que vuelven a visitar el sitio web el segundo día después del registro.
• Usuarios que pagan: el número de clientes que pagan.
• CR to Paying: el número de usuarios que pagan en comparación con el número de usuarios registrados.
• Ingresos SUM: los ingresos totales generados por una cohorte.
• Tasa de abandono: el porcentaje de abandono de clientes.
• ROMI: el retorno de la inversión en marketing, calculado como ingresos/costos × 100 %.

El objetivo se logró utilizando la base de datos en la nube de Google BigQuery de la siguiente manera:

1. Configuración de la importación de datos de comportamiento del cliente y datos de costos de marketing a Google BigQuery utilizando OWOX BI Pipeline.
2. Envío de datos de transacciones y usuarios a Google BigQuery a través del Protocolo de medición.
3. Agrupación de usuarios por cohortes en Google BigQuery y elección de todas las métricas necesarias.
4. Enviar los datos de Google BigQuery a Google Sheets y crear informes de análisis de cohortes.

El siguiente esquema muestra el flujo de datos:

Ahora echemos un vistazo a cada paso en detalle.

Habiendo considerado todas las plataformas alternativas, la empresa eligió Google BigQuery para combinar los datos. Los datos de comportamiento del usuario web se importaron a Google BigQuery mediante OWOX BI Pipeline. Estas son las ventajas de esta solución:

• Sin muestreo de datos y limitaciones en la cantidad de dimensiones y métricas en los informes de Google Analytics. Puede encontrar más información sobre las limitaciones aquí.
• Los datos del sitio web aparecen en Google BigQuery en solo 5 minutos.
• Los ingresos y los costos de publicidad se pueden comparar por sesiones y usuarios, lo que brinda mejores perspectivas sobre la rentabilidad de la cohorte. OWOX BI Pipeline permite ver cuánto dinero se gastó para adquirir cada usuario, al distribuir los costos de publicidad entre las sesiones de los usuarios.

También con la ayuda de OWOX BI Pipeline, los datos de los servicios de publicidad se importan primero a Google Analytics y luego a Google BigQuery. La excepción es para AdWords, ya que Google Analytics tiene una integración nativa con él.

Los datos sobre los clientes se recopilan en el sistema CRM. Entonces, los datos sobre los usuarios que vuelven a visitar el sitio web el segundo día después de registrarse en el portal se exportan a Google BigQuery. Los datos sobre usuarios activos y transacciones también se exportan a Google BigQuery a través del Protocolo de medición.

Con todos los datos necesarios recopilados en Google BigQuery, se crearon las cohortes y se calcularon las métricas elegidas para cada una de las cohortes.

Como los clientes pagan los productos mensualmente, el período de tiempo para el análisis se fijó en un mes. Las cohortes se crearon en función del momento del primer registro. Esto significa que todos los usuarios que se registraron, digamos en julio, pertenecen a la misma cohorte. Con métricas calculadas en Google BigQuery, la tabla tiene la siguiente estructura:

Como los datos se exportaron desde Google BigQuery (a través del complemento OWOX BI BigQuery Reports), se visualizaron en Hojas de cálculo de Google. Estos datos se actualizan automáticamente todos los días y se pueden filtrar por canal, fuente, campaña y contenido del anuncio.

El informe demuestra que las iniciativas publicitarias no solo ayudan a adquirir nuevos clientes, sino que también aumentan el valor de por vida del cliente, trayendo de vuelta a los clientes ya adquiridos que buscan agregar otro portal.

En la mayoría de los casos, las inversiones en publicidad empiezan a dar sus frutos en tres meses.

Aunque la creación del informe fue una tarea difícil con muchos factores variables, el resultado definitivamente valió la pena. Se creó un conjunto de informes automatizados periódicos para el departamento de marketing. Antes de eso, los especialistas en marketing tenían que crear dichos informes manualmente, verificar todo dos veces y dedicar mucho tiempo y esfuerzo.

Debido a nuevos informes, también ocurrieron algunos descubrimientos interesantes. Por ejemplo, se encontró que la publicidad no solo funciona para la adquisición de clientes, sino que también contribuye a la retención de clientes y ayuda a obtener más registros del mismo cliente.

• La empresa ahora cuenta con un conjunto de informes totalmente automatizados que ayudan a medir mensualmente el rendimiento de los canales publicitarios, las fuentes y las campañas en las cohortes de clientes.
• Al saber qué tan bien funciona su publicidad, los especialistas en marketing ahora pueden optimizar los costos para aumentar los ingresos totales de cada una de las cohortes y reducir la tasa de abandono.
• Con la ayuda del análisis de cohortes, ahora es posible determinar las fuentes que atraen a los clientes más leales. Estos datos también se pueden utilizar para el remarketing.