"Hacer negocios siempre es más fácil si ya sabes lo que va a pasar".
Esta frase se ha convertido en un mantra para el equipo de marketing de la empresa internacional de ciencias biológicas Bayer.
El equipo de marketing para la salud de los consumidores de Bayer se ha inspirado en esta frase para crear un modelo de previsión con el que predecir el futuro, por así decirlo.
En concreto, el equipo quería predecir las tendencias de búsqueda sobre los resfriados y la gripe en todo el mundo para mostrar a los consumidores productos que pudieran aliviar sus síntomas.
Eric Gregoire, vicepresidente sénior y responsable global de Contenido Digital y Medios, contaba que el proyecto empezó en Australia para adelantarse a la temporada de resfriados y gripe de este año. Su modelo de predicción ha sido tan útil para mejorar el rendimiento del marketing digital entre sus audiencias que el equipo ahora quiere implementar el proyecto en los demás países.
Apostar por predicciones proactivas
Habitualmente, los equipos de marketing recogen,analizan y estudian grandes conjuntos de datos para identificar y conocer tendencias de los clientes y así ajustar sus estrategias. En Bayer querían ir más allá.
"Queríamos que el trabajo fuera menos reactivo y más proactivo para poder predecir el futuro y averiguar con antelación la mejor forma de llegar a los consumidores adecuados con el contenido correcto y en el momento oportuno", dice Gregoire.
El equipo de Bayer en Australia inició el proyecto a principios del 2022 combinando la data de Google Trends y datos externos públicos, como información climatológica, para predecir tendencias específicas sobre la temporada de resfriados y gripe en diferentes zonas del país.
Para empezar, usaron datos bastante simples, como la temperatura en tiempo real e informes públicos sobre casos de gripe.
"El punto de partida más obvio son siempre las categorías estacionales, que facilitan datos muy claros", dice Patricia Corsi, directora de marketing, contenido digital e información en la división Consumer Health de Bayer. "Los datos básicos que hay disponibles indican el inicio y el fin de la temporada".
Predecir resfriados con modelos de previsión
A partir de esos datos, el equipo desarrolló un modelo de previsión con la tecnología de aprendizaje automático de Google Cloud (machine learning). El modelo se entrena para usar datos y predecir el interés de búsqueda de los clientes en productos para el resfriado y la gripe en mercados específicos.
Estos insights predictivos han ayudado al equipo de Bayer a desarrollar sus planes y estrategia de marketing de forma más proactiva.
"Los datos de la Búsqueda resultaron ser una mina de oro", dice Gregoire.
"Los insights más interesantes los obtuvimos cuando Google nos ayudó añadiendo datos sobre tendencias de Búsqueda y otras tendencias externas para hacernos una idea más detallada", comenta.
Por ejemplo, el modelo predecía el inicio de la temporada de resfriados y gripe a principios de mayo en Australia, con más casos de lo habitual para ese periodo. Además, señalaba un aumento del 50 % en los casos de gripe en todo el país. Aunque la anterior estrategia para la Búsqueda se basaba en la cobertura de palabras clave con términos genéricos relacionados con Redoxon, el producto para el resfriado y la gripe de Bayer, el modelo ahora permite desglosar los datos por estado. Así han podido ver dónde y cuándo aumentaban o se reducían las búsquedas, y cuáles eran las nuevas tendencias de búsqueda relevantes para el producto.
A partir de ahí, Bayer ha podido adaptar su estrategia de marketing y publicidad, usando la automatización y la inteligencia artificial para añadir más palabras clave y optimizar el texto de los anuncios. Esto ha permitido mostrar los anuncios más eficaces, atractivos y personalizados a los consumidores adecuados en el momento oportuno.
Como resultado, Bayer ha obtenido muy buenos resultados con su publicidad en buscadores: un aumento interanual del 85 % en el porcentaje de clics y una reducción del 33 % en el coste por clic en comparación con el año anterior. En última instancia, el tráfico a su sitio web se ha multiplicado por 2,6 en comparación con el año anterior.
Aprender del aprendizaje automático: ventajas de los bucles de retroalimentación
El equipo de Bayer estaba abierto a incorporar nuevos conjuntos de big data para mejorar el modelo predictivo con el tiempo y se deshizo de los conjuntos de datos que no estaban siendo útiles.
Una de las partes más importantes de la estrategia es identificar lo que no hay que hacer
Corsi cuenta que han tenido muchas oportunidades para iterar, probar y adaptar.
"Este proceso te ayuda a identificar los datos que de verdad son útiles. Y no solo eso, sino que también averiguas cuáles tienen poca incrementalidad. Una de las partes más importantes de la estrategia es identificar lo que no hay que hacer", explica.
Trabajar en equipo
El modelo de predicción ha permitido al equipo de marketing y publicidad de Bayer en Australia ganar tiempo para planificar y activar campañas más eficaces, al igual que ha ayudado a otros equipos de la empresa.
Por ejemplo, cuando el algoritmo señalaba un aumento de la probabilidad de que se adelantara la temporada de gripe en una zona concreta, todo el mundo tenía tiempo para adaptarse y coordinar recursos.
Gregoire dice que el programa fomentó las oportunidades de colaboración entre departamentos, como los de informática, marketing, ventas y suministro de productos.
"De repente ves todo ese potencial de negocio", comenta. "Nuestro equipo de suministro de productos, por ejemplo, está estudiando cómo aprovechar este modelo predictivo para optimizar los modelos de distribución y mejorar la logística en los momentos de más actividad".
Bayer también está barajando la posibilidad de usar los datos predictivos para reforzar la colaboración con tiendas y optimizar su estrategia de activación y la experiencia de compra de los clientes.
Planificar la expansión internacional
Bayer sigue haciendo pruebas y desarrollando su modelo de predicciones en Australia con más niveles de datos antes de implementarlo en otras categorías, como los productos para la alergia. El equipo también tiene intención de llevarlo a otros mercados, como Estados Unidos, Europa, Oriente Medio y África.
La intención es aplicar una estrategia similar con funciones parecidas para buscar patrones en todos los países y categorías pertinentes. Técnicamente, la teoría en la que se basa el programa de anuncios de Bayer es aplicable a cualquier producto o cualquier vertical.
"No son los datos, sino la perspectiva; se trata de desarrollar una estrategia basada en datos", dice Gregoire. "Tienes que hacerte preguntas como qué conjuntos de datos serían más relevantes para los consumidores de una categoría concreta, cómo podríamos tomar decisiones más inteligentes y cómo se podría beneficiar más la organización en su conjunto".
No hace falta decir que en el equipo se preguntan continuamente qué les depara el futuro, pero ahora tienen mejores herramientas para responder.
