Algoritmia VS puja fija

Una duda que surge a menudo entre los anunciantes es la eficacia de realizar la compra de medios mediante algoritmia o por lo contrario continuar con el modelo tradicional de puja fija.

La puja fija, centrada en consumir recursos y optimizaciones mediante analítica de datos. Mientras que las pujas automatizadas optimizan las campañas sin grandes esfuerzos dedicados en el análisis, pero para que esto sea eficiente, debe probarse con un volumen suficiente de conversiones, dividiendo la ruta de conversión o utilizando multiplicadores de pujas. En este artículo, tratamos de explicar la diferencia entre la puja fija y la algoritmia como opción a la hora de activar las campañas de medios.

Año tras año, las empresas que poseen un DSP intentan mejorar las funcionalidades existentes de los mismos para hacer la vida más fácil a los anunciantes. Podríamos decir que si miráramos 5 años hacia atrás uno de los grandes logros del marketing digital ha sido la democratización de la tecnología, esto es, que sea accesible a todo tipo de perfiles.

Si hay algo por lo que los DSPs compiten y pueden llegar a marcar diferencias grandes entre unos y otros es la optimización automática de nuestras campañas mediante un algoritmo de puja.

¿Qué objetivo tienen este tipo de algoritmos? La idea no es otra que la de automatizar y optimizar las pujas que realizamos por cada uno de los usuarios teniendo en cuenta una serie de touchpoints para enfocar nuestro budget a conseguir fuentes de tráfico de alto performance. 

Todo esto parece que con el tiempo ha permitido ayudar a los traders a poder manejar y optimizar más campañas al mismo tiempo y no tener que centrarse tanto en las pujas manuales y, más en los tiempos que vivimos donde casi todo el inventario ya esta basado en first price auction (es decir, pagaremos el CPM que hayamos pujado). 

Por tanto, el DSP parece que con su algoritmia nos permitirá ajustar de forma acotada la puja por usuario. ¿Pero, realmente siempre es mejor tener puja automática en vez de que un trader vaya optimizando una puja manual?

Definitivamente, va a depender del objetivo de nuestra campaña y de los datos de los que dispongamos.

Profundicemos un poco más sobre las campañas de performance, ya que para las de branding o alcance este tipo de puja no aplicaría.

Teniendo en cuenta las diferentes señales, las variables que se recojan y las conversiones que se produzcan (eventos positivos), el algoritmo tratará de trazar una estrategia, un plan para el juego no sólo una puja, donde se moverá para realizar sus predicciones para las diferentes bid requests.

A partir de esto, el punto más relevante es conocer qué volumen de conversiones necesita el algoritmo que vamos a utilizar  para poder predecir de manera fiable la puja más óptima. Si tenemos muy pocas conversiones o eventos de referencia  nos podríamos encontrar algo así:

Como se puede apreciar en la línea roja que representa la estrategia que seguiría nuestro algoritmo, no tendría demasiado sentido aplicarlo ya que no sería capaz de trazar una estrategia fiable al no haber podido contar con los suficientes eventos positivos para realizar el modelaje.

Por todo esto, debemos de entender y consultar qué volumen de conversiones necesita y a qué nivel: campaña, insertion order y line item.

Una alternativa para utilizar algoritmia enfocada a performance, puede ser dividir nuestro conversion path y asumir como conversiones diferentes eventos del proceso de compra. De esta manera estaremos mucho más cerca seguramente de tener el número suficiente de conversiones. Una estrategia de microconversiones: ver un producto, añadir un producto al carrito e iniciar el proceso de pago por ejemplo.

Otro enfoque a caballo entre algoritmo y puja fija podría ser utilizar bid multipliers y dar así más valor a los usuarios más interesantes para nosotros, ajustar la puja por dispositivo, sites, país u hora del día, por ejemplo.

Si por el contrario, nuestra estrategia es de alcance/branding simplemente nos deberíamos de centrar en definir un CPM para la audiencia a impactar o el inventario a comprar. En este caso no aportaría valor un algoritmo.

Como veis, todo depende del objetivo que queramos conseguir y si disponemos de suficientes datos para alimentar el algoritmo.

Con lo comentado, se aprecia que los algoritmos necesitan contexto de negocio y variables de forma que las pujas se puedan realmente optimizar. Para ello, las empresas más avanzadas trabajan en lo que conocemos como Custom Bidding Algorithm. Esto son tecnologías que nos permiten introducir nuestra propia algoritmia en la que le decimos al algoritmo qué variables son importantes para nosotros y le damos contexto para que pueda aprender y optimizar de la mejor forma posible.

Si tu empresa no tiene los recursos internos necesarios para crear un modelo custom ya existen varias empresas asociadas que te pueden ayudar a crearlos, normalmente a cambio de un fee que suele ser un porcentaje sobre la inversión.

Por último, hay plataformas que nos permiten trabajar con puja fija y que tienen algoritmia por detrás y que harán “bid shading”. Esto significa que el algoritmo nos ayudará a comprar por debajo de lo que hubiésemos pagado con la puja fija si así ve la oportunidad.

Si sois un anunciante que está empezando con la inversión en compra programática os recomendamos que no dejéis de forma automática una línea de campaña confiando en que el algoritmo va a conseguir muchísimas conversiones. Lo ideal es hacer un ejercicio de análisis y seguimiento contínuo de la campaña, y sobre todo, sería recomendable restringir algunas de las variables del algoritmo. Hay ya algunos DSPs que nos permiten trabajar de esa forma mixta y activar algoritmia restringiendo el CPM máximo al que queremos que compre o bien el CPA máximo que estamos dispuestos a pagar por una conversión.

Con el tiempo estamos seguros de que todos los sistemas de optimización automática irán mejorando y ganando terreno a las optimizaciones manuales. Además, cada vez más este tipo de estrategias aportaran datos más valiosos sobre los usuarios y la audiencia.

Alejandro Alemany, Rubén Vinagre & Eric Beretta