Los datos han cambiado la manera en que tomamos decisiones. Y, al mismo tiempo, las personas han modificado la importancia que le dan a su privacidad. A medida que la industria se aleja de los identificadores individuales, como las cookies en la web y las identificaciones de dispositivos en las aplicaciones, depender de una sola fuente de datos se ha vuelto inviable para las marcas. La respuesta al gran desafío de priorizar la privacidad mientras se descubre el viaje de los clientes está en las nuevas soluciones digitales, como el modelado de conversiones. ¿Oíste hablar de él? Si no lo ha hecho tu equipo de marketing, seguramente ya lo conozca tu agencia aliada. Estar al día en un entorno tan cambiante como el marketing digital puede convertirse en un segundo desafío y ahí mismo es donde entran en juego estos socios estratégicos.
¿Por qué las agencias? Según un estudio que realizamos junto con Forrester Consulting, el gran desafío que enfrenta el 51% de las marcas en Latinoamérica es conseguir un uso eficaz de los datos de sus clientes. Si bien saben que la respuesta está en el machine learning, también reconocen que en una industria que no para de transformarse, fueron las agencias quienes más rápidamente lograron establecer la conexión entre estas tecnologías y la rentabilidad.1
La respuesta al gran desafío de priorizar la privacidad mientras se descubre el viaje de los clientes está en las nuevas soluciones digitales, como el modelado de conversiones.
Para chequear la evolución de este panorama, consultamos la situación actual de Intellignos, la compañía de ciencia de datos del Grupo Havas. Su objetivo es estar permanentemente buscando las mejores soluciones para ayudar a las marcas a tomar decisiones basadas en datos sin comprometer la privacidad de los usuarios. Entonces, puso a prueba el modelado de conversiones, la tecnología que utiliza el aprendizaje automático para llenar los vacíos de medición y crear una imagen más precisa del rendimiento de los anuncios. Después de analizar distintos casos donde pudo probar el potencial de esta herramienta, encontramos tres maneras en que la tecnología se convirtió en una aliada, tanto de la agencia como de las marcas a las que presta soporte.
1. Obtener un enfoque seguro y eficaz
Los modelos de aprendizaje automático se generan analizando grandes cantidades de datos históricos e identificando correlaciones y tendencias. Utilizan esos conocimientos para hacer predicciones precisas sobre el comportamiento de las personas. El año pasado, anunciamos las capacidades predictivas en las propiedades de Google Analytics 4 que utilizan modelos para predecir qué usuarios tienen más probabilidades de comprar o abandonar en función de los datos históricos. Ahora, esa misma tecnología permite complementar los datos analíticos donde puedan existir brechas, desbloqueando una mayor comprensión del recorrido completo del cliente.
"La función Analytics Intelligence nos permite encontrar insights en los datos, como cambios inusuales o tendencias emergentes, y aplicar un modelo al historial de datos para predecir el valor del dato más reciente”, destaca Pedro Ugarte, director regional de Consultoria & Operaciones en Intellignos. “Esto nos permite reaccionar rápido y a escala, pues podemos crear hasta 50 estadísticas personalizadas por cada propiedad –sitio web, app, blog–, con condiciones que detecten cambios importantes, y recibir alertas por correo electrónico".
2. Cerrar brechas en el viaje del consumidor
El modelado permite restaurar los datos de comportamiento en función de las métricas del usuario y la sesión, que pueden no ser observables cuando los identificadores como las cookies no están completamente disponibles. Estas predicciones basadas en datos sobre el comportamiento de las personas llenarán los vacíos, lo que permitirá una medición ininterrumpida entre plataformas y dispositivos, y una información más confiable en los informes de propiedades de Google Analytics 4.
“Google Analytics 4 permite integrar herramientas como Firebase y BigQuery de manera nativa. Así pueden mapearse las interacciones de los usuarios en distintos dispositivos o integrar datos de fuentes offline con aquellos que generan los canales digitales. De este modo, se comprende mejor el recorrido de los usuarios y es posible conocer las ventas por canal de una forma más precisa”, destaca Pedro.
A través de la herramienta de comparación de modelos de Google Analytics 4, se pudo detectar oportunidades de mejora para algunos de sus clientes, como Dabra, una compañía líder en retail deportivo en Argentina. Basándose en el ROAS de sus campañas de Search Engine Marketing y utilizando el modelo de atribución basado en datos, se identificó que este canal tuvo un 27% más de ROAS que usando un modelo Last Click. “Este insight nos permitió proveer a Dabra con información valiosa que utilizó para ajustar sus estrategias de inversión digital y explotar al máximo esa oportunidad", dice Pedro Ugarte.
Una vez se haya determinado de dónde provienen las conversiones, los modelos de atribución basados en datos ayudan a comprender el valor de cada interacción de marketing que precede a una conversión. La atribución basada en datos utiliza información de Google Analytics para generar un modelo personalizado con el objetivo de asignar el crédito de conversión a puntos de contacto orgánicos y pagos a lo largo del viaje del consumidor. Usando solo los datos históricos, consentidos y de primera mano disponibles, el modelado permite obtener información más profunda sobre la atribución a lo largo del recorrido del cliente que puede mejorar el ROI.
3. Medir, asegurando la privacidad
Continuar con una medición efectiva que respete esta necesidad es posible invirtiendo en la recopilación de datos propios y asegurándose de que todos los datos observados sean transparentes y autorizados, así como adoptando soluciones que usen tecnología de modelado confiable y validada para llenar los vacíos cuando la medición directa de datos no es posible.
Este fue el caso de Telefónica, uno de los clientes principales de Intellignos en Hispanoamérica, que apostó por la recopilación de datos propios mediante el modelo de atribución basado en datos de Google Analytics 4. Esta solución les permitió identificar que las búsquedas, tanto pagas como orgánicas, tenían un impacto mayor en las conversiones que el modelo Last Click. La información recopilada registró un aumento en las conversiones del 5% en Paid Search y del 40% en Organic Search.
No podemos predecir el futuro, pero sí sabemos que la transformación digital continuará evolucionando y que las agencias no deberán perder pisada a las nuevas tecnologías para ofrecer soluciones a sus clientes. Aquellas que logren encontrar las herramientas que les permitan a las marcas conseguir mejores resultados comerciales y optimizar la experiencia de sus consumidores serán capaces de alcanzar el éxito a largo plazo de ellas mismas y de las compañías a las que prestan sus servicios.