Data Driven Marketing. Resumiendo los modelos de atribución.

Una de las mayores dificultades del marketing digital es poder mapear el recorrido del “customer journey” del usuario desde que tenemos el primer contacto con él hasta que toma la decisión de compra. 

Una de las razones por las que surgen los modelos de atribución es para solucionar este problema de negocio. En muchas ocasiones nos preguntamos si la forma en la que invertimos el dinero es la mejor. En este artículo intentaremos resumir los métodos más utilizados para atribuir conversiones. 

Los recorridos de los usuarios desde su primer contacto con la marca hasta la conversión pasa por múltiples touchpoints. Google ha publicado un post en el cual comparte cómo el número de touchpoint varía dependiendo de la tipología del producto. Por ejemplo: La venta de golosinas tiene un número de touchpoints medio de 20. En cambio, en el sector viajes aumenta hasta 500.

El usuario tiene muchas opciones para elegir el producto/servicio en un mundo en el cual la competencia ha crecido y que se refleja también en el desarrollo de tiendas online (e-commerce). Por lo tanto, las empresas ponen muchos esfuerzos en términos de recursos e inversión para convencer a los usuarios sobre el valor de sus productos/servicios acompañándolos a lo largo de sus journeys a través distintos canales. Aquí surge la cuestión: ¿Qué valor atribuir a cada uno de los canales? ¿por qué utilizar un modelo u otro?

Captura de pantalla 2020-04-14 a las 9.58.59.png

FIRST CLICK

El first-click asigna el 100% del valor al primer touchpoint. Es decir, asignará todos los ingresos al primer canal que consiga el clic. 

Es una técnica muy utilizada para la generación de tráfico

Este modelo normalmente no viene por defecto en las herramientas de analítica web pero si que es posible habilitarlo.

First Click 2.png

Este modelo es muy usado también con el conocido “first event” donde no solo se tiene en cuenta el clic, sino también las impresiones. Seguro que esto puede sonar familiar en empresas que ofrecen sus servicios con modelos a CPA (Coste por Adquisición).

Ventaja: es útil utilizarlo en campañas de awareness como, por ejemplo: el lanzamiento de una nueva línea de producto. También, implementando esta tipología de modelo permite a las empresas analizar los canales que mejor impulsan el tráfico. 

Desventaja: no tiene en cuenta la influencia de las campañas en canales posteriores y que puedan impactar la decisión de conversión del usuario. Este modelo es simplificado y no tiene en cuenta de todo el journey del usuario. 

Captura de pantalla 2020-04-14 a las 10.01.43.png

LAST CLICK

El last-click atribuye el 100% del valor al último touchpoint. Es decir, el modelo asignará todo el valor al último canal por el que se haya captado al usuario.

Es uno de los modelos más usados históricamente y que solemos encontrar por defecto

Es especialmente valorado en canales que se consideran finalizadores por la forma en que canalizan la demanda. 

Ventaja: Este modelo está enfocado en la conversión y es útil para comparar entre canales de finalización. Por ejemplo: este modelo puede resultar un arma para canales como SEM, email o metacomparadores donde la decisión de compra puede ser que esté más cerca de la conversión. 

Desventaja: el modelo no identifica el rol de los canales precedentes al último touchpoint atribuyendo un valor nulo y por lo tanto resulta difícil optimizar los canales uno por uno. 

En paralelo a ese modelo podemos hablar del “last-event” que se diferencia del “last-click” teniendo en cuenta no solo los clic (post-click), sino también las impresiones (post-view). El uso de este modelo es bastante habitual en modelos de AdServing. Aquí pierden la ventaja competitiva los canales orgánicos ya que no suelen estar traficados. Esto quiere decir que tendremos que optimizar nuestra inversión basándonos en los canales de pago. Por tanto, tendremos una falta de información para tomar las decisiones de forma correcta. 

Captura de pantalla 2020-04-14 a las 10.03.46.png

LINEAR

El modelo linear distribuye el valor igualmente entre todos los canales. Por ejemplo: si un usuario interactúa con 4 canales para convertir, se asigna el 25% del valor a cada uno de los canales. 

Linear 2.png

Ventaja: se ofrece una visión equilibrada de la estrategia de marketing distribuyendo el éxito o el fracaso igualmente entre los canales. 

Desventaja: las distintas estrategias de marketing se vuelven homogéneas. Por lo tanto, este modelo tiene limitaciones en enseñar las estrategias de marketing más efectivas

Este modelo simplifica al máximo la inversión pero no nos dejará margen para la optimización y movimientos de inversión entre canales. No es algo que sea recomendable ya que cada uno de nuestras campañas y canales de activación tendrá su propio objetivo y KPIs.

Captura de pantalla 2020-04-14 a las 10.06.15.png

POSITION - BASED

En este caso se reparte el 80% de los ingresos entre el primer y el último touchpoint (40% para cada uno). El restante 20% se distribuye entre los demás canales.

postition based.png

Ventaja: es un modelo híbrido entre los 3 explicados anteriormente. Da un peso mayor al primer canal gracias a ser el primer contacto con la marca y el último canal para su aportación en la conversión

Desventaja: los canales intermedios están penalizados en este modelo complicando el entendimiento de las estrategias de marketing. Además, los esfuerzos puestos en los distintos canales no están recompensados como deberían. 

Si valoramos esta estrategia deberíamos tener mucho cuidado con las estrategias agresivas que se pueden utilizar en muchos canales para ser introducidos dentro el path: recencias cortas, solo optimizar la parte baja del funnel, saturación del usuario etc. Esto se traslada también a los modelos “first y last click”.

Captura de pantalla 2020-04-14 a las 10.09.39.png

TIME DECAY

A diferencia del modelo lineal, este da un peso que gradualmente aumenta desde el primer hasta el último canal de contacto.

Time Decay.png

Ventaja: este modelo de atribución no ignora la aportación de ningún canal y sobre todo está pensado para estrategia de marketing que tiene un objetivo final de venta.

Desventaja: el foco de este modelo es el bottom-funnel (BOFU) ignorando a su vez que el volumen de usuarios más alto está concentrado en el upper-funnel (TOFU). Por lo tanto, el time-decay no ofrece un peso adecuado a los primeros touchpoints necesarios para presentar el producto/servicio al usuario. 

Este método se identifica bastante con el interés de compra en el tiempo. Digamos que asigna canales que siembran los frutos y otros los recogen. Por tanto, a medida que aumentan los canales en el tiempo se considera que aumenta el interés del cliente

Podría ser un buen método para calcular el interés en ventanas muy cortas o muy largas de tiempo, para este tipo de campaña podríamos ver cómo los usuarios toman las decisiones en función de los canales e intentar potenciarlo con este modelo de forma que consigamos llevar a los usuarios a través de una serie de path determinados.

Captura de pantalla 2020-04-14 a las 10.11.33.png

DATA DRIVEN

Analiza datos históricos comparando la influencia de cada canal en cuanto al éxito o el fracaso en los path de los usuarios.

Data Driven.png

Suelen estar basados en modelos algorítmicos opacos para la asignación y la atribución multi-canal. Es decir, no se puede influir en la distribución del revenue. 

Ventaja: este modelo de atribución  identifica los canales/path más oportunos para alcanzar el objetivo de las campañas. Es un modelo dinámico, no estandarizado y específico. Puede ser una ventaja competitiva para las empresas porque es un modelo basado puramente basado en datos y teniendo en cuenta todas las interacciones y canales. 

Desventaja: el modelo data-driven tiene la incógnita de ser una caja negra basada en algoritmos difícilmente comprensibles. La fiabilidad de esta caja negra se basa sobre 3 características relacionadas: volumen de datos, calidad y fuentes. Estas características ayudan a encontrar patterns comunes y optimizar la inversión.

Añadir que muchas de estas empresas que ofrecen estas atribuciones son algoritmos sin contexto de negocio o producto y esto puede ser un riesgo. Entendemos que existe una evolución y que los algoritmos con el tiempo van aprendiendo y mejorando con una optimización continua

Hay una evolución de este método que están buscando algunas empresas y son los modelos data driven propios. El desarrollo de un modelo adhoc puede requerir un consumo importante de recursos (tiempo, inversion, personas) que asusta y frena las empresas a conseguirlo. Por eso, se sigue apostando mucho por desarrolladores externos especializados.

Si se pone foco en este modelo nosotros recomendamos trabajar con empresas agnósticas evitando la influencia del full-stack donde la misma compañía podría ser juez y parte. 

OTROS MODELOS 

Los que hemos comentado hasta ahora son los modelos más utilizados para reportar dentro del ecosistema de marketing digital. Decir que, existen otros modelos también utilizados para la optimización como pueden ser los propios de Facebook o de Google Ads. 

Estos suelen asignar la conversión en función del reach y la mayoría de veces están basados tanto en impresiones como en clics. Un ejemplo claro es el de Facebook: siempre que muestra una impresión o consigue un clic, independientemente del canal por el que el usuario acaba comprando facebook se asigna esa conversión. 

Este tipo de prácticas podría ser peligrosas usarlas como reporting porque estaríamos aportando datos totalmente descontextualizados. 

Por último, añadir que todos estos modelos tendrán una dependencia de atribución o una limitación en la medida que se puedan tener en cuenta las impresiones en todos los canales. 

CONCLUSIÓN

En conclusión, los modelos de atribución permiten analizar la aportación de cada canal en el path de conversión de manera diferente. 

La implementación de un modelo o de un otro depende fundamentalmente de 2 elementos. El primero, la estrategia de marketing y el objetivo de las campañas que la empresa quiera comunicar (awareness, venta, generar leads, fidelizar, etc).

La segunda, los hábitos de audiencias en términos de relación con la marca. Es importante analizar cómo los clientes interactúan con la marca y analizar el contexto en el cual se mueve el target (móvil/desktop/social/offline). 

En fin, si la empresa tiene la posibilidad de tener más de un modelo de atribución pueden ser cruzarlos entre ellos encontrando patterns y teniendo una visión más extensiva de los touchpoints. Lo importante, es que los modelos (independientemente del tipo y número) van a marcar la forma de optimizar y mover nuestra inversión en medios entre los diferentes canales y, eso debe ser un aspecto fundamental que la empresa tiene que atacar y mejorar de forma continua.

Eric Beretta Vasco

Anterior
Anterior

¿Qué KPIs puedo tener en cuenta para mis campañas de compra programática?

Siguiente
Siguiente

¿Compra en directo o programática?