Por qué los modelos de atribución de un solo canal son un callejón sin salida para los CMO

Con acceso a una gran cantidad de datos de clientes, los especialistas en marketing pueden obtener una imagen holística de lo que está sucediendo. Por ejemplo, los especialistas en marketing pueden averiguar exactamente cómo interactúan los clientes con su marca, predecir la probabilidad de que un usuario compre algo (y cuándo), estimar los ingresos que generarán los clientes y determinar qué canales son los mejores para interactuar con los clientes. Pero esto es solo una cara de la moneda. Por otro lado, la publicidad es cada vez más costosa y la atención de los consumidores es cada vez más difícil de conseguir.

Los especialistas en marketing tecnológicamente más avanzados ganarán esta carrera, y la atribución juega un papel importante en la evaluación de la efectividad de los canales publicitarios. Este artículo explica por qué los modelos de atribución de un solo canal no conducen a ninguna parte y por qué incluso los modelos basados ​​en datos no son suficientes para una comercialización exitosa.

Con el desarrollo de la tecnología, la aparición de más y más canales de marketing (en línea y fuera de línea) y la transición de las empresas a Internet debido a la pandemia, es crucial que las marcas entiendan de dónde vienen sus clientes y cómo y cuándo los clientes se convierten. . Aquí es donde entra en juego la atribución de marketing.

En el análisis de marketing, la atribución consiste en evaluar el valor que aportan los canales de publicidad. Esta es una de las tareas críticas de los especialistas en marketing digital. ¿Por qué? Como muestra la investigación de Gartner de 2020, más del 80% de los presupuestos de marketing están destinados a canales digitales. En pocas palabras, se gastan millones de dólares en publicidad y, obviamente, las empresas quieren asegurarse de que este gasto genere clientes e ingresos.

El objetivo de la atribución es definir la contribución de un canal a las conversiones (su función para llevar a los clientes al siguiente paso del embudo o generar compras) y asignar un valor a cada paso del embudo.

Las marcas usan análisis de marketing para definir cómo, dónde y cuándo un cliente interactúa con una empresa y usan la atribución para evaluar la eficiencia del canal. Gracias a estos datos, los especialistas en marketing pueden cambiar y mejorar las campañas publicitarias.

Hay muchos tipos diferentes de modelos de atribución y vale la pena señalar que no hay un solo modelo correcto. Por lo general, los modelos de atribución se clasifican según la lógica con la que calculan el valor. Los tipos de modelos de atribución incluyen:

• Modelos de atribución basados ​​en la posición : decaimiento del tiempo, basados ​​en la posición
• Modelos algorítmicos de atribución: basados ​​en datos, cadenas de Markov
• Modelos de atribución de un solo canal : último clic, primer clic
• Modelos de atribución multicanal — Lineal, Time Decay

La mayoría de las empresas utilizan modelos de atribución de un solo canal. Estos modelos siempre se han utilizado, entonces, ¿por qué cambiar algo que parece funcionar? Los modelos de un solo canal son simples, estándar en Google Analytics (Universal) y facilitan la comprensión de cómo se distribuye el valor.

Este es un ejemplo de cómo se distribuye el valor de conversión en los modelos de atribución de un solo canal:

Sin embargo, estos modelos solo pueden evaluar un canal. Simplifican en exceso la ruta omnicanal de compra del cliente, lo que lleva a errores graves y, desde luego, no muestra la situación real.

Por ejemplo, si echamos un vistazo al informe Ruta de un minorista multicanal con un número moderado de visitantes del sitio web, podemos ver qué parte de los ingresos generan los pedidos realizados en la primera visita. Aquí, las rutas multicanal con dos o más visitas aportan el 72% de los ingresos.

En promedio, se necesitan de siete a nueve puntos de contacto (los mejores pueden reducir esto a cinco) para que un cliente se convierta. Obviamente, cada uno de estos puntos de contacto (canales) afecta la probabilidad de conversión. Es lógico que en este caso sea necesario tener en cuenta la influencia de todos los canales sobre el comprador .

Sin embargo, cuando se utilizan modelos de atribución de un solo canal, se ignoran las diferentes etapas del embudo. Ignorar lo que sucede al principio, a la mitad y al final del embudo de ventas puede conducir a decisiones de gestión inadecuadas y pérdidas monetarias.

Además de los modelos de atribución de un solo canal, los modelos basados ​​en datos son bastante populares. Entre los ejemplos más famosos se encuentran el modelo basado en datos de Google, el modelo Conversion Lift de Facebook y Campaign Lift de Nielsen.

Los modelos basados ​​en datos reflejan con mayor precisión el impacto de cada fuente en el camino hacia la conversión. Son rápidos, adaptables y más objetivos que los modelos de un solo canal porque consideran todos los datos sobre las interacciones de los usuarios con las marcas. En un entorno multicanal, todos los puntos de contacto convencen a los clientes para que compren un producto, pero claramente su influencia no es igual. En consecuencia, los modelos de atribución simples y tradicionales dejan grandes lagunas al analizar los datos y no brindan una imagen completa de lo que está sucediendo.

La atribución basada en datos compara las rutas de los usuarios utilizando datos de todos los usuarios (los que se convirtieron y los que no). Este enfoque permite a los especialistas en marketing evaluar en qué caso la probabilidad de conversión es mayor.

Como resultado, el modelo calcula el peso de conversión de cada canal en la ruta del usuario, independientemente de su posición.

Las desventajas de los modelos basados ​​en datos incluyen el hecho de que el algoritmo debe recibir suficientes datos para mostrar los resultados más precisos. Para que un modelo proporcione una estimación fiable, necesita muchos datos históricos y de mercado. Se necesitan al menos 12 puntos de contacto para lograr una alta precisión en los modelos de atribución basados ​​en datos.

En resumen, podemos decir que, en la mayoría de los casos, un modelo de un solo canal conduce a decisiones de gestión incorrectas, ya que estas decisiones no tendrán en cuenta el panorama completo. Por lo tanto, un modelo basado en datos es mejor que un modelo de un solo canal. Sin embargo, no hay límite para la perfección. Las opciones más avanzadas consideran la probabilidad de conversiones y se entrenan en datos de mercado utilizando tecnologías de aprendizaje automático.

El mayor problema con los modelos de atribución basados ​​en datos es que se necesitan demasiados datos para el análisis. No es un canal el que participa en la comunicación con el cliente, sino un conjunto completo de fuentes de medios en diferentes variaciones. Para medir la métrica del ROI, por ejemplo, un especialista en marketing tiene que administrar de alguna manera toda esta orquesta.

¡Aquí es donde los modelos de atribución de aprendizaje automático (ML) salvan el día! Los modelos que utilizan aprendizaje automático y datos de mercado han cambiado absolutamente el enfoque de la atribución. Los modelos de ML se pueden adaptar a las empresas para obtener la imagen más completa y veraz de la ruta de compra de un cliente. Con un aumento interanual de más del 70 % en las ventas por Internet entre 2019 y 2020, un modelo de aprendizaje automático es imprescindible para cualquier especialista en marketing.

Todos los datos necesarios para el análisis de marketing, cuya cantidad aumenta cada día, no se pueden procesar sin el uso del aprendizaje automático. Con su ayuda, los especialistas en marketing ya no necesitan empujarse a sí mismos a través de un laberinto de números en busca de información útil.

Después de todo, es importante que las empresas no solo comprendan qué canales no funcionan, sino también cuáles funcionan para no asignar sus presupuestos a ciegas.

Según el estudio Digital Marketing Insights for CMOs in 2021 de Gartner, el 84 % de los CMO cree que el uso del aprendizaje automático y la inteligencia artificial mejora la funcionalidad de marketing. Al mismo tiempo, solo el 17 % de los profesionales hace un uso extensivo de las capacidades de IA/ML.

El equipo de BI de OWOX ha trabajado con más de 27 000 proyectos y entiende que cada negocio tiene sus propias necesidades de atribución y que no hay una respuesta clara para todos. Para una empresa, un modelo de un solo canal es adecuado. Algunas empresas necesitan una opción basada en datos. Y para los demás es necesaria la optimización del mix de marketing (MMO).

La teoría siempre va de la mano de la práctica. El modelo OWOX se caracteriza por una mayor velocidad y una excelente calidad de pronóstico porque está entrenado en datos de mercado de decenas de miles de proyectos. El uso de la atribución de ML y la importación automática de audiencias ayudó a uno de nuestros clientes a aumentar su ROI en 2,2 veces.

OWOX ha lanzado recientemente una versión actualizada de su modelo de atribución. ¿Cuáles son los beneficios de este nuevo modelo?

1. No tiene que elegir los pasos del embudo manualmente. El propio modelo determina la contribución de las campañas en función de la probabilidad de conversiones.
2. Obtiene una previsión del valor de cualquier sesión. Con el nuevo modelo, puede responder a la pregunta Si deshabilitara esta campaña hoy, ¿cuántas conversiones recibiría en el futuro? Este enfoque lo ayuda a evitar la desactivación de campañas diferidas y desactivar las campañas ineficientes más rápido.

3. La lógica de cálculo es absolutamente transparente. El código de transformación de datos abiertos le permite tener en cuenta las características de cualquier empresa. Los clientes de OWOX pueden realizar los cambios necesarios en el código mientras el servicio actualiza los datos de las fuentes de marketing (servicios de anuncios, servicios de llamadas, CRM), los combina con los datos de costos de varias plataformas de anuncios y prepara los informes necesarios.

Los modelos de atribución le permiten controlar los canales de marketing, ayudándole a comprender con qué precisión sus informes demuestran la eficacia de su marketing y cómo puede optimizar su marketing en los puntos de contacto que realmente importan.

Los especialistas en marketing deben asegurarse de que cada acción acerque al cliente a la conversión. Puede utilizar modelos de atribución para determinar las campañas de marketing más rentables en función de cuánto haya invertido en ellas.

El modelo a elegir depende de su industria, los objetivos de su empresa y el tamaño de su negocio. Sin embargo, una cosa es segura: ninguno de estos modelos puede garantizar resultados 100% precisos.