Por qué Facebook, Google y Amazon están adoptando el Media Mix Modeling

Las tres mayores plataformas publicitarias están invirtiendo en nuevas soluciones de medición, como el modelado de la combinación de medios (MMM), aunque ello suponga dar crédito a sus competidores por impulsar las conversiones.

No es habitual que una gran plataforma publicitaria, y mucho menos las tres grandes, adopte una herramienta de medición como MMM, que utiliza métodos estadísticos para mostrar la eficacia y la influencia de los canales publicitarios competidores. El MMM suele ser realizado por las propias marcas, que utilizan modelos estadísticos para analizar sus datos de ventas y gasto en medios.

Pero la medición se ha visto tan obstaculizada por las restricciones a la privacidad promulgadas recientemente que Meta, Google y Amazon se están dando cuenta de que cualquier herramienta de medición es mejor que no demostrar la atribución en absoluto.

"No me sorprende especialmente que todo el mundo se esté metiendo en esta diversión", dijo a AdExchanger Kieley Taylor, responsable global de asociaciones de GroupM. "Todo el mundo está reconociendo que la señal está desapareciendo".

Meta fue la primera en llegar a la fiesta hace tres años, cuando lanzó discretamente Robyn, una herramienta de código abierto que automatiza gran parte del modelado y otros aspectos matemáticos de MMM. Robyn no utiliza cookies, pixel data ni ningún tipo de información ID.

Tiene sentido que Meta empezara a trabajar en Robyn justo cuando Apple empezó a facilitar a los usuarios de iPhone la exclusión voluntaria del seguimiento entre aplicaciones a través de su marco AppTrackingTransparency (ATT). ATT hizo prácticamente imposible para las grandes plataformas publicitarias determinar si sus anuncios conducían a conversiones. Facebook se vio muy afectada.

La política tuvo un efecto tan drástico en Facebook que algunos afirmaron que la empresa se encontraba en una "espiral de muerte", aunque desde entonces ha sido capaz de recuperarse gracias a las continuas inversiones en IA y tecnologías de mejora de la privacidad. Meta, la empresa matriz de Facebook, no ha querido hablar de Robyn.

Amazon y Google también están adaptando sus enfoques de medición a los continuos cambios en materia de privacidad. En noviembre, Amazon lanzó una aplicación MMM automatizada para facilitar a las marcas la exportación de sus datos de Amazon Ads para el análisis de MMM.

"Creemos que los MMM son una herramienta útil para que los anunciantes evalúen la eficacia de los anuncios", escribió un portavoz de Amazon en un comunicado enviado a AdExchanger, añadiendo que los first-party-data retail de Amazon son especialmente útiles para el análisis de MMM. Google parece seguir el ejemplo de MMM.

La compañía dijo a AdExchanger que, aunque no tiene nada que anunciar ahora, está estudiando la creación de una herramienta de MMM para ayudar a las marcas a medir el rendimiento de las campañas publicitarias en varios canales.

"Actualmente estamos en las primeras etapas de exploración de MMM", escribió un portavoz de Google a AdExchanger en respuesta a preguntas sobre los planes de MMM de la compañía. "Cualquier solución que exploremos estará abierta a la industria para su aprovechamiento y validación".

Rechazar la modernidad, abrazar la tradición

En la era de la publicidad basada en datos, resulta extraño que Meta, Amazon y Google aboguen por una técnica de medición que existe desde hace décadas. Las agencias empezaron a utilizar el análisis estadístico en los años sesenta para determinar cómo afectaba el gasto en diversos canales publicitarios a las ventas.

Sin embargo, los MMM pasaron de moda con el auge de la publicidad digital, porque las marcas podían orientar, seguir y medir sus campañas con precisión uno a uno.

"Los MMM tienen un análisis longitudinal y se ajustan a los plazos más largos de medición de los canales tradicionales", explica Taylor, de GroupM. "En cambio, con la tecnología digital se obtienen resultados más precisos, medidos hasta la venta directa en algunos casos".

Pero los MMM se encuentran en pleno resurgimiento ahora que los métodos más precisos se han restringido por motivos de privacidad. Y a medida que los profesionales del marketing adoptan enfoques de medición de la vieja escuela, en particular los MMM, las grandes plataformas quieren asegurarse de que tienen voz y voto en la forma en que se lleva a cabo el análisis de los MMM.

Nuevos datos, viejo enfoque

Los MMM ya no son de la vieja escuela. Los modelos MMM modernos se benefician de las enormes cantidades de datos recopilados por las grandes plataformas.

Amazon puede alimentar sus modelos de MMM con first-party-data de la mayor red de medios retail del mundo. Meta puede ofrecer first-party-data sobre miles de millones de usuarios a través de su familia de aplicaciones. Del mismo modo, Google puede aprovechar los datos extraídos de YouTube, Search, Chrome y Maps.

Estas capacidades hacen que esta nueva generación de MMM resulte atractiva, sobre todo para muchas marcas y agencias pequeñas y medianas que quizá no dispongan del tiempo, el dinero o los recursos técnicos necesarios para crear uno desde cero.

"Si eres una empresa de 10, 20 o 30 personas y tienes un equipo de marketing de cinco personas, no vas a crear tu propia solución de MMM", afirma Sean Odlum, director de producto de la agencia de marketing Tinuiti.

Sin embargo, este comentario lleva implícito que los MMM proporcionados por plataformas son menos atractivos para los grupos de agencias y las grandes marcas consolidadas con sofisticadas operaciones de data in-house. La cuestión fundamental es si los resultados son fiables.

Durante años, los profesionales del marketing se han quejado de la falta de herramientas de medición objetivas y de third-party para los walled gardens. Las grandes plataformas, como Facebook y YouTube, pueden esencialmente "calificar sus propios deberes" cuando se trata de determinar si sus anuncios han funcionado bien.

Un MMM proporcionado por Meta, Google o Amazon adolece del mismo conflicto de intereses.

En palabras de un ejecutivo de agencia que habló bajo condición de anonimato: "Cualquier gran anunciante, cualquiera que pague a una agencia grande, cualquiera que gaste una gran cantidad de dinero en cualquier número de canales, no confía en las métricas multiplataforma de Facebook".

Si estas tres herramientas fueran realmente imparciales y precisas, deberían ofrecer resultados casi idénticos y tratar a todos los canales publicitarios de forma equitativa. Pero según un ejecutivo de agencia que ha utilizado Robyn de Meta, la herramienta tiende a mostrar resultados más favorables para los canales de publicidad digital, en concreto Facebook.

Por ejemplo, Robyn no mide tan bien la radio y la televisión, añade el ejecutivo, lo que no es sorprendente teniendo en cuenta quién la ha construido.

"No creo que haya nada deshonesto en que Robyn prefiera los canales digitales", dijo el ejecutivo de la agencia. "Pero en la medida en que Meta consiga que agencias como nosotros utilicemos la herramienta, va a maximizar las posibilidades de que los anuncios de Facebook sigan pareciendo productivos".

En otras palabras, si dejas que alguien califique sus propios deberes, no te sorprendas cuando se ponga un sobresaliente.

Fuente: AdExchanger