Carl Fernandes es responsable de las plataformas de datos y medición de Google en Europa, Oriente Medio y África. En este artículo, explica cómo están cambiando los recorridos de medición publicitaria y por dónde pueden empezar los profesionales del marketing.
![Una mujer con vestido gris y cesta piensa en compras. Frente a ella, un hombre con portátil observa una bola de cristal azul con un signo de interrogación, sobre una mesa.](https://storage.googleapis.com/twg-content/original_images/hero_9TavXgx.png)
La manera en la que los profesionales del marketing realizan la medición publicitaria de sus anuncios está cambiando. El cambio de Universal Analytics 360 (UA360) a Google Analytics 4 (GA4) no solo marca el fin de una herramienta de marketing fundacional, sino que también representa un movimiento del sector hacia la medición predictiva basada en la IA.
Para sacar el máximo partido a las nuevas oportunidades, no basta con adoptar una nueva herramienta de IA: hace falta un cambio más profundo tanto en la manera de pensar como en la estrategia. Sigue leyendo para descubrir por dónde pueden empezar los profesionales del marketing.
Crear una base de datos propios
Bueno, ¿por dónde empezamos? "Se trata de cambiar la mentalidad sobre la cantidad de datos que se necesitan", afirma Viet Anh Chu, gestor de éxito de clientes en la agencia de publicidad y analítica digital Optimics, que ha ayudado al agregador de viajes checo Invia a adoptar una estrategia basada en datos propios.
Invia ofrece a sus clientes viajes de turoperadores conocidos, viajes de más de 550 compañías aéreas y habitaciones en más de 200.000 hoteles de todo el mundo. Marek Lacina, su director de marketing orientado a resultados, explica que los recorridos de cliente suelen tener hasta 300 o 400 puntos de contacto, lo que genera una gran cantidad de datos. Sin embargo, debido a las nuevas normativas (surgidas de una mayor demanda de privacidad por parte de los consumidores), cada vez es más difícil medir cómo afectan al rendimiento y determinar la manera óptima de llegar a esos clientes en los puntos de contacto.
Para superar este desafío, el equipo de Lacina ha desarrollado una estrategia de datos propios en colaboración con Optimics basada en asignar un ID al inicio de cada recorrido a los usuarios que dan su consentimiento. Gracias a ella, han podido consolidar los datos y hacerlos más precisos y fáciles de usar. Además, estos cambios les han permitido depender menos de las cookies a la hora de medir.
Lacina continúa: "Los datos propios son, probablemente, el recurso más valioso que puede tener una empresa. Si alguien todavía no ha empezado a trazar una estrategia, le recomendaría que lo hiciera lo antes posible. Nuestro error fue no empezar este proceso hace tres o cuatro años. Ahora, después de haber sentado las bases adecuadas, podemos incorporar los datos en el ecosistema de Google. Una vez hecho esto, podemos hacer cosas realmente interesantes".
Adaptar los datos propios a las herramientas de medición clave
Una vez que Invia había convertido los datos propios con consentimiento en la piedra angular de su estrategia, la empresa tenía que analizar e interpretar la información que le proporcionaban esos datos.
Invia mejoró la precisión de su medición de conversiones implementando la etiqueta de Google para recoger datos propios con consentimiento y asociarlos a cuentas con la sesión iniciada. Al atribuir conversiones a IDs de usuario específicos, el equipo de Lacina pudo conocer mejor el recorrido de cada cliente, lo que les permitió aumentar las compras online en un 13 %.
Invia y Optimics también querían determinar mejor el valor de esas conversiones para el negocio, no solo obtener un gran volumen de datos, para ayudar a Lacina y a su equipo a llegar a clientes de mayor valor de forma más eficaz. Además, el equipo usó los datos propios recogidos como referencia para crear y llegar a segmentos de audiencia muy específicos en distintas plataformas, lo que le permitió asignar recursos de marketing de una forma más precisa.
Adoptar la IA para impulsar la medición publicitaria predictiva
Ya hemos creado una base de datos propios con consentimiento y la hemos integrado en diversas herramientas de medición. Y ahora, ¿qué debemos hacer para preparar la medición publicitaria para el futuro? Alexander Krull, director sénior de proyectos y procesos de la tienda alemana Bonprix, recomienda hacer predicciones en tiempo real usando la IA.
Para Bonprix y otras muchas marcas, la medición predictiva solía requerir una cantidad ingente de datos y una inversión de tiempo significativa, ya que se basaba en el análisis de comportamientos pasados para predecir tendencias futuras. Sin embargo, gracias a la ayuda de la agencia Trakken, Bonprix ha desarrollado un sistema más ágil y eficiente que depende de una cantidad de datos mucho menor. Ahora, Krull y su equipo pueden generar análisis predictivos de gran precisión que les permiten predecir, por ejemplo, la probabilidad de compra y el valor del tiempo de vida del cliente para los próximos 30 días.
En primer lugar, el sistema recoge datos propios en GA4, que está conectado con un modelo de BigQuery hecho a medida que permite el flujo de la información en ambos sentidos en un proceso de enriquecimiento de datos. Las audiencias se agrupan para evitar que el sistema se centre en datos a nivel de usuario, al tiempo que se mantiene un flujo de información constante para garantizar la integridad de los resultados.
Alejandro Marruedo es asesor de analítica digital de Trakken y ha trabajado estrechamente con Bonprix en este proyecto. Él estuvo entre los que ayudaron a la empresa alemana a migrar de UA360 a GA4 al inicio del proceso.
"Estas soluciones que funcionan sin necesidad de configurarlas, como las métricas predictivas, pueden usarse en casos prácticos más avanzados, como el de Bonprix". Marruedo tiene la certeza de que la medición predictiva es el futuro de todo el ecosistema publicitario, y su homólogo de Bonprix no podría estar más de acuerdo con él.
Sin embargo, el marketing ya no es el único ámbito que puede aprovechar estas ventajas. "Hay dos perspectivas independientes, una para la privacidad de los datos y otra para la tecnología de marketing", señala Krull. "La clave está en conseguir que ambas se complementen".
Está convencido de que adoptar la medición predictiva es la clave para que Bonprix pueda lograr conexiones más profundas con los clientes. "Ha cambiado las reglas del juego".
Pasar a la medición publicitaria predictiva: lista de comprobación para profesionales del marketing
- Lleva a cabo una auditoría de datos para evaluar tus métodos de recogida de datos actuales.
- Explica el valor de los datos propios a los equipos de tu organización.
- Implementa herramientas como:
- La etiqueta de Google, para garantizar una recogida de datos exhaustiva en tu dominio.
- Conversiones mejoradas, para hacer que la medición sea más precisa.
- Integra tus datos con GA4.
- Consulta modelos predictivos basados en IA de GA4 con tu partner de analíticas.
- Revisa tu estrategia de gobierno de datos con regularidad.
- Comparte las estadísticas con otros equipos para sustentar la toma de decisiones y la elaboración de estrategias.
Si necesitas más información sobre cómo pasarte a GA4, consulta este artículo de ayuda. Es importante que hagas los cambios necesarios lo antes posible. De lo contrario, corres el riesgo de que tus campañas pierdan funciones de audiencia y medición.