Una marca invierte dinero en una campaña y consigue “x” conversiones. Pero ¿cuántas de esas conversiones se habrían producido de todos modos, sin ningún gasto publicitario? La incrementalidad es la forma para averiguarlo. Este experimento controlado mide cómo cambia el comportamiento de los consumidores como consecuencia directa de la exposición a un anuncio. También, permite conocer cuáles de ellos hubiesen realizado una acción concreta incluso sin haberlo visto.
La incrementalidad puede ayudar a comprender mejor el impacto de las campañas de embudo completo y allanar el camino para un crecimiento a largo plazo.
Estos datos son la llave para evaluar las estrategias de marketing y de inversión en distintos canales de una manera robusta, y para entender la eficacia real de los anuncios que corremos. De hecho, un estudio demostró que los especialistas en marketing que ejecutan múltiples pruebas ven un rendimiento publicitario hasta un 30% mayor en comparación con quienes no realizan ninguna.1
¿Cómo funciona? De manera aleatoria, se divide a los usuarios en dos grupos: uno de tratamiento y uno de control. En el primero, las personas son expuestas a los anuncios sobre los cuales queremos medir la incrementalidad. En el segundo, no. Así, este grupo de control sirve como base para entender cuántas conversiones generan los usuarios sin estar expuestos a los anuncios y, en consecuencia, podemos medir cómo un anuncio influye en el comportamiento posterior de los usuarios. La incrementalidad puede ayudar a comprender mejor el impacto de las campañas de embudo completo y allanar el camino para un crecimiento a largo plazo.
Un ecosistema de medición completo para tu estrategia de medios
Ante un ecosistema de medición cada vez más complejo, para conseguir todos los datos que nos permiten tomar decisiones informadas, necesitamos usar herramientas complementarias. En el caso de las estrategias de medios, los experimentos de incrementalidad, junto con los estudios de atribución y de Media Mix Models (MMM), son los 3 pilares fundamentales para medir su efectividad.
¿Cómo se complementan? Los insights que se obtienen por atribución se utilizan para optimizar las campañas a diario. Los MMM, que se suelen correr una o dos veces al año, aportan datos que explican de manera correlacional el impacto de cada canal lo que permite tomar decisiones sobre la asignación de presupuesto entre canales. La incrementalidad, en cambio, puede medirse cada vez que necesitamos validar una hipótesis de marketing, porque es la única solución para medir el impacto causal de la presencia de anuncios en las acciones de los usuarios. Además, permite evaluar el impacto de un canal o un tipo de campaña, calibrar un MMM o un modelo de atribución y analizar si las optimizaciones que hagamos en los anuncios modifican la incrementalidad en el tiempo.
Una de las empresas que puso a prueba el valor de la incrementalidad fue BBVA Argentina. El banco se propuso refinar su estrategia de inversión de marketing online en distintos formatos. Entonces, se asoció con Accenture Song para realizar pruebas de incrementalidad en las conversiones con las campañas Discovery. Tras correr el estudio Conversion Lift durante un mes descubrió que estas le ayudaron a conseguir +21% adquisiciones incrementales de tarjetas de crédito. En otras palabras, pudieron cuantificar cuántas conversiones no se habrían producido sin los anuncios.
Los insights que arrojó el experimento ayudaron a BBVA a posicionar los anuncios Discovery como un formato valioso dentro de su estrategia de medios. “Conversion Lift nos ayudó a probar una de las preguntas clásicas en la industria con números muy específicos. Me encanta la dinámica que tenemos con Google, donde podemos generar hipótesis y testearlas, ayudando para que seamos cada vez más eficientes”, aseguró Santiago Martín de Sousa, CMO de BBVA Argentina.
Recuerda que el hecho de que una acción de marketing haya tenido éxito en el pasado no significa que no debas volver a probarla. Y que, si bien no todas las actividades que hagamos tendrán éxito, siempre brindarán información para seguir aprendiendo. Por eso, incorporar la experimentación al plan de medición es la manera de garantizar que tu estrategia esté permanentemente optimizada y refinada. ¿Estás listo para dar el salto? Si no sabes cómo tomar impulso, déjate guiar por este curso gratuito de Google.
