Uno de los grandes logros que ha conseguido el marketing digital es el de tener una gran capilaridad de datos que permite realizar inversiones muy pequeñas con un envidiable retorno de las mismas, arrojando mucha luz en entorno históricamente muy oscuro como fue la programática. Personalmente, además creo que los modelos de atribución son uno de los grandes logros, y a la vez uno de los grandes quebraderos de cabeza, de cualquier persona que se dedique al marketing, porque es muy posible que la enorme cantidad de árboles no te permitan ver el bosque. Este problema de los modelos de atribución no es nuevo, Tom Fishburne lo pintó de una fantástica manera en esta famosa viñeta de 2017, antes de ninguno de los “cookiepocalypses” que habrían de venir:

Lo de IDFA es sólo el principio, amigos

La semana pasada desde esta líneas ya hablamos de la movida que iba a suponer el acabar con IDFA, una forma (imperfecta sí, pero establecida) que nos servía de palanca para medir, lo cual revertía en que nos ayudaba a invertir exprimiendo cada canal al máximo. Y es que el uso de este tipo de identificadores, igual que de las cookies, tiene un impacto más allá del directo publicitario: son la fuente de la verdad de los sistemas de medición, y sin mediciones precisas, nos quedamos sin saber qué canal funciona mejor, lo que hará que invirtamos mucho más a ciegas de lo que lo hacíamos antes. Y eso desde el punto de vista del anunciante, que a los soportes también les deja con poca alternativa de optimización más allá del simple last-click, del que ya se reía Tom Fishburne en la viñeta superior. Quien piense que este problema no va a con él, probablemente tiene un problema incluso mayor delante….

Sólo en Estados Unidos, se estima que el 84,2% de las compañías con al menos 100 empleados usarán algún tipo de modelo de atribución digital en 2021, con un  65,3% usando modelos de atribución  multicanal según eMarketer. Eso supone mucha gente rompiéndose la cabeza para saber dónde invertir eficientemente.

Trabajando modelos holísticos basados en ML 

Los que me conocen personalmente (seguro que unos cuantos de los lectores de estas líneas) saben que no es lo mío lo de predecir el futuro. Yo soy más de analizar el presente y aprender del pasado, y tiene pinta que volveremos a un mundo donde, a falta de las  mediciones extremadamente precisas que tenemos hoy, tendremos que volver a basarnos en inferir datos a partir de sets más pequeños (se estima que del 60% del tamaño actual). Para ello, es muy probable que cojan peso los modelos probabilísticos, y aquí es donde el Machine Learning tendrá un papel protagonista, sobre todo por su enorme versatilidad a la hora de usar modelos entrenados con sets de datos no siempre fiables al 100%, pero donde el aprendizaje continuo de los mismos será vital. Y es posible que el futuro de las inversiones programáticas acaben pasando irremediablemente por ahí, retroalimentando a estos modelos y dejando en manos de modelos de ML la optimización final de las campañas y la extracción de datos analíticos.