uno de nuestros clientes, un gigante de la electrónica de consumo, había medido durante mucho tiempo su impacto publicitario de un medio a la vez. Como la mayoría de las empresas todavía lo hacen, midió cómo sus anuncios de televisión, prensa, radio y en línea funcionaban de forma independiente para impulsar las ventas., La compañía no había comprendido la noción de que los anuncios interactúan cada vez más. Por ejemplo, un anuncio de televisión puede solicitar una búsqueda en Google que conduce a un clic en un anuncio gráfico que, en última instancia, termina en una venta. Para separar cómo funcionan sus anuncios en conjunto a través de los medios y los canales de Venta, nuestro cliente adoptó recientemente nuevas y sofisticadas técnicas de análisis de datos. Los análisis revelaron, por ejemplo, que la televisión se comió el 85% del presupuesto en una campaña de nuevos productos, mientras que los anuncios de YouTube, una porción del 6% del presupuesto, fueron casi el doble de efectivos para provocar búsquedas en línea que condujeron a compras., Y los anuncios de búsqueda, con el 4% del presupuesto publicitario total de la compañía, generaron el 25% de las ventas. Armado con esos ricos hallazgos y los últimos análisis predictivos, la compañía reasignó sus dólares publicitarios, logrando un aumento del 9% en las ventas sin gastar un centavo más en publicidad.
ese tipo de conocimiento representa el santo grial en el marketing: saber con precisión cómo todas las partes móviles de una campaña impulsan colectivamente las ventas y qué sucede cuando las ajustas. Hasta hace poco, la imagen era borrosa en el mejor de los casos., El modelado de mezcla de medios, introducido a principios de la década de 1980, ayudó a los vendedores a vincular los datos del escáner con la publicidad y decidir cómo asignar recursos de marketing. Durante aproximadamente 20 años, todo el mundo se hartó de esta fruta, hasta el advenimiento del marketing digital a finales de la década de 1990. con la capacidad de monitorear cada clic del ratón, la medición de la relación de causa y efecto entre la publicidad y la compra se volvió algo más fácil. Los Marketers comenzaron a rastrear la acción más reciente de un consumidor en línea, por ejemplo, un clic en un banner publicitario, y le atribuyeron un comportamiento de compra.,
combinados con un puñado de técnicas de medición tradicionales (encuestas de consumidores, grupos de enfoque, modelos de mezcla de medios y atribución de último clic), estos métodos anticuados han llevado a muchos marketers a la complacencia. Piensan erróneamente que tienen un control sobre cómo su publicidad realmente afecta el comportamiento e impulsa los ingresos. Pero ese enfoque es retrospectivo: trata en gran medida los puntos de contacto de la publicidad: anuncios en tiendas y en línea, televisión, radio, correo directo, etc., como si cada uno funcionara de forma aislada., Para empeorar las cosas, diferentes equipos, agencias y compradores de medios operan en silos y utilizan diferentes métodos de medición mientras compiten por los mismos recursos. Esta práctica todavía común, lo que llamamos medición de vías navegables, explica por qué los vendedores a menudo atribuyen erróneamente resultados específicos a sus actividades de marketing y por qué las finanzas tienden a dudar del valor del marketing. (Vea la exposición » salga de sus carriles de natación.») Como me dijo un director financiero de una compañía Fortune 200, » cuando Sumo los Roi de cada uno de nuestros silos, la compañía parece el doble de grande de lo que realmente es.,»
los consumidores de hoy están expuestos a una amplia y fragmentada gama de puntos de contacto de marketing a través de medios y canales de venta. Imagine que mientras ve un anuncio de televisión para un Toyota Camry, un consumidor usa su dispositivo móvil para buscar en Google «sedanes».»Aparece un enlace de búsqueda de pago para Camry, así como comentarios de automóviles. Hace clic en el Sitio Web de Car and Driver para leer algunas reseñas, y mientras lee, nota un anuncio de un concesionario local, pero no hace clic en él. Una revisión contiene un enlace a los videos de YouTube que la gente ha hecho sobre sus Camrys., En YouTube también ve el inteligente anuncio del Super Bowl «Camry reinventado» de Toyota de ocho meses antes. Durante su viaje al trabajo esa semana, ve una cartelera de Toyota que no había notado antes y luego recibe una pieza de correo directo de la compañía que ofrece un acuerdo por tiempo limitado. Visita los sitios web de los concesionarios locales, incluidos los promocionados en Car and Driver y en el artículo de correo directo, y finalmente se dirige a un concesionario, donde prueba el automóvil y lo compra.,
El director de marketing de Toyota debería hacer dos preguntas: ¿Cómo interactuó esta combinación de exposiciones publicitarias para influir en este consumidor? ¿Toyota está invirtiendo las cantidades correctas en los puntos correctos en el viaje de decisión del cliente para activarla a la acción?
diluvio de datos
Los cambios sísmicos tanto en la tecnología como en el comportamiento del consumidor durante la última década han producido un registro granular y virtualmente infinito de cada acción que los consumidores toman en línea., Agregue a eso los océanos de datos de DVR y decodificadores digitales, pago minorista, transacciones con tarjetas de crédito, registros de centros de llamadas y una miríada de otras fuentes, y encontrará que los vendedores ahora tienen acceso a un tesoro previamente inimaginable de información sobre lo que los consumidores ven y hacen.
La oportunidad es clara, pero también lo es el desafío. Como dijo el célebre estadístico y escritor Nate Silver: «todos los días, tres veces por segundo, producimos el equivalente de la cantidad de datos que la Biblioteca del Congreso tiene en toda su colección impresa. La mayor parte es noise ruido irrelevante., Así que a menos que tengas buenas técnicas para filtrar y procesar la información, te vas a meter en problemas.»
en este nuevo mundo, los marketers que se adhieren a los enfoques de medición tradicionales de analytics 1.0 lo hacen bajo su propio riesgo. Esos métodos, que miran hacia atrás unas cuantas veces al año para correlacionar las ventas con unas pocas docenas de variables, están peligrosamente desactualizados. Muchas de las multinacionales más grandes del mundo están implementando analytics 2.0, un conjunto de capacidades que pueden masticar terabytes de datos y cientos de variables en tiempo real., Permite a estas empresas crear una imagen de ultra alta definición de su rendimiento de marketing, ejecutar escenarios y cambiar estrategias publicitarias sobre la marcha. Gracias a los recientes avances exponenciales en la potencia informática, el análisis basado en la nube y el almacenamiento de datos barato, estas herramientas predictivas miden la interacción de la publicidad entre los medios y los canales de venta, e identifican con precisión cómo las variables exógenas (incluida la economía en general, las ofertas competitivas e incluso el clima) afectan el rendimiento de los anuncios. Los análisis resultantes, en pocas palabras, revelan lo que realmente funciona., Con estos conocimientos basados en datos, las empresas a menudo pueden mantener sus presupuestos existentes y lograr mejoras del 10% al 30% (a veces más) en el rendimiento del marketing.
basándose en los modelos matemáticos pioneros desarrollados por Dominique Hanssens, profesor de marketing de la UCLA y cofundador de MarketShare, nuestra firma proporciona soluciones de analytics 2.0 a muchas grandes empresas globales. Los modelos cuantifican los efectos cross-media y cross-channel del marketing, así como los efectos directos e indirectos de todos los impulsores de negocio, y el software emplea capacidades de computación en la nube y big-data., Los casos que presentamos en este artículo se extraen de nuestras empresas clientes. Muchas otras empresas, como VivaKi, Omniture y DoubleClick, han surgido en los últimos años para satisfacer la creciente demanda de análisis avanzados.
El Paso a 2.0
desarrollado por la integración de big data, Cloud computing y nuevos métodos analíticos, analytics 2.0 proporciona información fundamentalmente nueva sobre el efecto del marketing en los ingresos., Implica tres actividades amplias: atribución, el proceso de cuantificar la contribución de cada elemento de la publicidad; optimización, o «juegos de guerra» mediante el uso de herramientas de análisis predictivo para ejecutar escenarios para la planificación empresarial; y asignación, la redistribución en tiempo real de los recursos entre las actividades de marketing de acuerdo con los escenarios de optimización. Aunque esas actividades se describen en este artículo como pasos secuenciales, pueden ocurrir simultáneamente en la práctica; los resultados de una actividad se alimentan en otra iterativamente para que la capacidad de análisis mejore continuamente.,
Atribución.
para determinar cómo interactúan sus actividades publicitarias para impulsar las compras, comience recopilando datos. Muchas empresas con las que hemos trabajado afirman al principio que carecen de los datos requeridos internamente. Casi siempre no es así. Las empresas están inundadas de datos, aunque dispersos y, a menudo, ocultos involuntariamente. Los datos relevantes generalmente existen dentro de ventas, finanzas, servicio al cliente, distribución y otras funciones fuera del marketing.
saber en qué enfocarse, la señal en lugar del ruido, es una parte crítica del proceso., Para modelar con precisión sus negocios, las empresas deben recopilar datos en cinco grandes categorías: condiciones del mercado, actividades competitivas, acciones de marketing, respuesta del consumidor y resultados comerciales. (Véase la exposición » optimización de la publicidad.»)
con datos detallados que analizan las ventas de productos y las métricas de publicidad por medio y ubicación, los análisis sofisticados pueden revelar el impacto de las actividades de marketing en los carriles de natación, por ejemplo, entre un medio, digamos la televisión, y otro, las redes sociales. Llamamos a estos efectos indirectos «tasas de asistencia.,»Reconocer una asistencia depende de la capacidad de rastrear cómo cambia el comportamiento del consumidor en respuesta a las inversiones publicitarias y las actividades de ventas. Para simplificar un poco: un análisis podría detectar un aumento en los clics de los consumidores en un anuncio de banner en línea después de que un nuevo spot de televisión se publique, y vincular ese efecto a los cambios en los patrones de compra. Esto capturaría la «asistencia» del spot al banner y proporcionaría una imagen más real del ROI del anuncio de televisión., De manera más sutil, los análisis pueden revelar los efectos de asistencia de los anuncios con los que los consumidores no interactúan activamente, mostrando, por ejemplo, un aumento del 12% en la actividad de búsqueda de un producto después de la implementación de un banner publicitario en el que solo el 0,1% de los consumidores hacen clic.
esta información se traduce directamente a cualquier publicidad que los consumidores encuentren pero que no actúe específicamente, incluidos anuncios de televisión, ubicaciones en redes sociales, Relaciones Públicas, pantallas en línea o al aire libre, anuncios móviles y promociones en la tienda. Piense en el anuncio de la cartelera en el viaje de nuestro comprador Toyota., El anuncio en sí probablemente no le hizo conducir al concesionario y comprar un coche. Pero puede que la haya empujado a mirar la pieza de correo directo cuando llegó, lo que en última instancia inspiró la visita al Concesionario, un recorrido completo del cliente que ahora podemos medir. Es difícil o imposible cuantificar tales efectos de asistencia a nivel individual, particularmente cuando involucran anuncios fuera de línea, por lo que analytics 2.0 funciona exponiendo esos efectos., Utiliza una serie sofisticada de modelos estadísticos de ecuaciones simultáneas que reensamblan varios efectos interrelacionados en una visión que explica con precisión el comportamiento del mercado.
los peligros de la medición simplista del carril de baño eran personales para uno de los ejecutivos de marketing de nuestro cliente., Al principio de su carrera, en una empresa de comercio electrónico de alto perfil, el equipo de marketing presentó para financiar algunos resultados de campaña que se habían generado utilizando métodos de análisis tradicionales:
las cosas se volvieron incómodas rápidamente cuando Finanzas señaló que la unidad de negocio había generado solo $110 millones en ingresos, 5 50 millones menos que el total reportado. La discrepancia surgió porque, a falta de Buenos datos, los líderes en cada carril de natación reclamaron el mismo cubo de ingresos.,
esa lección se quedó con este ejecutivo cuando se propuso ayudar a resolver el problema de la industria de la atribución incorrecta. Finalmente se unió a una empresa de tecnología de consumo que ha adoptado con entusiasmo analytics 2.0. Allí creó una plataforma de análisis para revelar cómo interactuaban las actividades de publicidad y ventas de la empresa.
ejemplos como estos destilan necesariamente la complejidad de analytics 2.0., En los análisis reales llevados a cabo por una gran empresa, los modelos estadísticos pueden representar cientos o miles de permutaciones de tácticas de publicidad y ventas, así como variables exógenas como geografía, tasas de empleo, precios, temporada del año, ofertas competitivas, etc. Al analizar cada permutación de una campaña publicitaria de acuerdo con esas variables, la complejidad de la tarea y la necesidad de computación en la nube y almacenamiento se hacen evidentes., También te das cuenta de que estos análisis te permiten, por ejemplo, ver al instante cómo un nuevo anuncio de TV afecta los patrones de búsqueda en línea de los consumidores, y luego cambiar tu estrategia de pujas de búsqueda por palabras clave para comprar palabras relevantes a medida que se ejecuta el anuncio. También podrían ayudarte a identificar el efecto real de Facebook tanto en los ingresos a corto plazo como en el valor de marca a largo plazo.
Optimización.
una vez que un marketer ha cuantificado la contribución relativa de cada componente de sus actividades de marketing y la influencia de factores exógenos importantes, war gaming es el siguiente paso., Implica el uso de herramientas de análisis predictivo para ejecutar escenarios para la planificación empresarial. Tal vez desee saber qué sucederá con sus ingresos si reduce la publicidad de exhibición al aire libre para una determinada línea de productos en un 10% en San Diego, o si cambia el 15% de su gasto en publicidad de televisión relacionada con el producto a la búsqueda y visualización en línea. Tal vez necesite identificar las implicaciones para su publicidad si un competidor reduce los precios en Tokio o si los precios del combustible suben en Sydney.,
trabajando con la gran cantidad de datos recopilados y analizados a través del proceso de atribución, puede asignar una «elasticidad» a cada impulsor de negocios que haya medido, desde publicidad en televisión hasta anuncios de búsqueda, precios de combustible y temperaturas locales. (Elasticidad es la relación entre el cambio porcentual en una variable y el cambio porcentual en otra. Conocer las elasticidades de los impulsores de su negocio le ayuda a predecir cómo los cambios específicos que realice influirán en resultados particulares. Si la elasticidad de sus anuncios de TV en relación con las ventas es .,03, por ejemplo, duplicar el presupuesto de tu anuncio de TV producirá un aumento del 3% en las ventas, cuando todas las demás variables se mantengan constantes. En resumen, el modelado de analytics 2.0 revela cómo interactúan todas las elasticidades de los controladores para afectar las ventas. (Vea la exposición » cómo interactúan los anuncios para aumentar las ventas.»)
War gaming utiliza las elasticidades reales de los controladores de su negocio para ejecutar cientos o miles de escenarios en cuestión de minutos., En un proceso típico de juego de guerra, los miembros del equipo definen objetivos de marketing (como un determinado objetivo de ingresos, objetivo de participación o objetivo de margen), a menudo en varios productos y mercados. Al procesar la vasta base de datos de elasticidades de controladores, el software de optimización genera un conjunto de escenarios más probables junto con recomendaciones de marketing para lograrlos. El software también puede probar escenarios específicos de qué pasaría si: por ejemplo, ¿cómo se verán afectadas las ventas de nuestra camioneta pickup mediana en Denver si los precios de la gasolina suben un 5% y lanzamos una campaña combinada de televisión y en línea que promueve un reembolso de $300?,
En Ford, el director de comunicaciones de marketing Matthew VanDyke dirige un equipo multifuncional que incluye TI, finanzas, marketing y otras funciones. El grupo tiene la tarea de optimizar Ford spending 1 mil millones en gastos de publicidad. Mediante análisis avanzados, el equipo ejecuta de forma rutinaria miles de escenarios que involucran cientos de variables para medir los efectos probables de diferentes estrategias publicitarias en una variedad de circunstancias complejas., Los análisis incorporan información del paso de atribución, lo que permite a Ford predecir de un escenario a otro cómo es probable que los cambios en la inversión publicitaria en un medio afecten el rendimiento de los anuncios en otros, y cómo los factores exógenos podrían influir en los resultados.
por ejemplo, a medida que el interés de los consumidores en los vehículos de bajo consumo de combustible ha crecido, el gerente de ciencia de marketing de Ford, Mike Macri, y su equipo han utilizado war gaming para evaluar rápidamente qué mercados serán receptivos a mensajes creativos sobre la eficiencia del combustible y han redirigido los recursos publicitarios en consecuencia a través de sus socios de agencias., De hecho, estos juegos de guerra están impulsando varias campañas mediáticas actuales para Ford.
El análisis predictivo también permite a Ford combatir los cambios en la planificación y compra de medios, tanto a nivel nacional como local. Por ejemplo, descubrió que el gasto digital general de la empresa, aunque apropiado, estaba haciendo demasiado hincapié en la visualización digital y la inversión insuficiente en Búsqueda. Además, antes de que la empresa utilizara la planificación de escenarios de juego de guerra, los presupuestos de comercialización nacionales y locales se trataban por separado y rara vez se coordinaban., A Ford le había resultado difícil determinar, por ejemplo, cuánto debía aportar en la asignación de fondos a los grupos de concesionarios, si los niveles de incentivos para los consumidores diferían entre los diversos automóviles y regiones de su cartera, y cómo el aumento del gasto en las redes sociales y la reducción de las compras en los medios tradicionales afectarían las ventas a los conductores jóvenes. War gaming le permitió a Ford predecir cómo se desarrollarían esos escenarios antes de hacer cambios. El resultado: los cambios del presupuesto nacional a los presupuestos locales han producido decenas de millones de dólares en nuevos ingresos, sin cambio neto en el presupuesto total de ad.,
los Marketers también están utilizando analytics 2.0 para ejecutar escenarios hipotéticos para publicitar lanzamientos de nuevos productos, compras de anuncios en mercados donde los datos son limitados y los efectos potenciales de movimientos sorpresa de los competidores. Por ejemplo, cuando un cliente de una empresa global de Electrónica de consumo se preparaba para lanzar un producto innovador en un mercado emergente donde los datos históricos de ventas y marketing eran escasos, utilizó análisis avanzados para revisar el comportamiento publicitario de los competidores y predecir con precisión sus gastos para los próximos lanzamientos., Utilizando esas predicciones y escenarios de optimización, la compañía entró con éxito en el mercado con una comprensión mucho más clara del panorama estratégico y ajustó sus planes rápidamente para abordar nuevas dinámicas competitivas.
Asignación.
atrás quedaron los días de establecer un plan de marketing y dejar que siga su curso, el llamado enfoque de correr y hacer. A medida que la tecnología, las empresas de medios y los compradores de medios continúan eliminando la fricción del proceso, la publicidad se ha vuelto más fácil de realizar, colocar, medir y expandir o eliminar., Los profesionales del marketing ahora pueden ajustar o asignar fácilmente la publicidad en diferentes mercados de forma mensual, semanal o diaria—y, en línea, incluso de una fracción de segundo a la siguiente. La asignación implica poner los resultados de sus esfuerzos de atribución y juego de guerra en el mercado, medir los resultados, validar modelos (es decir, ejecutar experimentos en el mercado para confirmar los hallazgos de un análisis) y hacer correcciones de curso.,
en una de las compañías de software más grandes del mundo, la alta dirección se dio cuenta de que necesitaba más responsabilidad y precisión en su comercialización, ya que las decisiones de asignación históricamente no se habían basado en análisis científicos. Para comprender qué actividades de marketing estaban impulsando los clientes potenciales a su sitio web, revendedores y socios minoristas, y por lo tanto generando ventas, el equipo de liderazgo de marketing utilizó analytics 2.0 para revelar cómo interactuaban todos sus componentes de marketing.,
mediante el uso de modelos que en última instancia representaron cientos de variables, la compañía cuantificó la combinación precisa de anuncios que estimularon de manera más efectiva las pruebas de software, Qué actividades de los revendedores generaron la mayor cantidad de ganancias y cómo la publicidad en una categoría de producto influyó en las compras en otras categorías. Con esos conocimientos, la firma reasignó Dólares de marketing para sus diversos productos B2B y B2C. Los cambios entre el gasto fuera de línea y en línea, así como las inversiones en la creación de marca, han aumentado los ingresos en millones de dólares de forma incremental.,
el sistema analytics 2.0 de esta compañía ha ganado credibilidad con la administración ejecutiva, ahora está impulsando las decisiones de asignación minuto a minuto y se está implementando a nivel mundial. Como resultado, el ROI publicitario de la firma casi se ha duplicado en los últimos tres años.
Cinco Pasos para la implementación
El análisis, que una vez fue una función de investigación interna, se está entrelazando en el desarrollo de estrategias y operaciones diarias. Los ejecutivos que fueron pioneros en los primeros equipos de marketing digital hace 10 años están avanzando a la oficina de CMO., Ya conectados para la medición, a menudo se sorprenden de la inmadurez analítica de la industria publicitaria en general. Estos nuevos CMO están asumiendo más responsabilidad por los presupuestos de tecnología y están creando una cultura de toma de decisiones basada en hechos dentro de la publicidad. La consultora de tecnología Gartner estima que dentro de cinco años, la mayoría de los CMOs tendrán un presupuesto de tecnología más grande que los directores de tecnología.
La tecnología es necesaria pero no suficiente para mover una organización a analytics 2.0., En nuestra experiencia, estas iniciativas requieren cinco pasos, que pueden ser implementados incluso por pequeñas empresas:
primero, adoptar analytics 2.0 como un esfuerzo de toda la organización que debe ser defendido por un patrocinador ejecutivo de nivel C. A menudo, surgen focos de resistencia a los nuevos enfoques de análisis, ya que desafían creencias muy arraigadas sobre lo que funciona y lo que no. la aceptación de nivel superior es esencial para ayudar a promover la claridad de visión y la alineación en las primeras etapas.
en segundo lugar, asigne un director o gerente con mentalidad analítica para que se convierta en la persona clave para el esfuerzo., Debe ser alguien con fuertes habilidades analíticas y una reputación de objetividad. Esta persona puede informar al CMO o sentarse en un equipo multifuncional entre marketing y finanzas. A medida que el proyecto se expande, él o ella puede ayudar a guiar la planificación empresarial y la asignación de recursos entre las unidades.
tercero, armado con una lista priorizada de preguntas que busca responder, realice un inventario de datos en toda la organización. La inteligencia que es esencial para el éxito de los esfuerzos de analytics 2.0 a menudo está enterrada en muchas funciones más allá del marketing, desde las finanzas hasta el servicio al cliente., Identifique y consolide esos conjuntos de datos dispares y cree sistemas para la recopilación continua. Tratar los datos como si fueran propiedad intelectual, dado su valor de activo.
En cuarto lugar, comience poco a poco con pruebas de concepto que involucren una línea de negocio, geografía o grupo de productos en particular. Construye modelos de alcance limitado que apunten a lograr victorias tempranas.
quinto, prueba agresivamente y devuelve los resultados al modelo., Por ejemplo, si tu análisis de optimización sugiere que cambiar parte del gasto publicitario de la televisión a la pantalla en línea aumentará las ventas, prueba un pequeño experimento local y usa los resultados para refinar tus cálculos. Las pruebas en el mercado son viejas: lo nuevo es obtener la atribución de medios cruzados correcta para que sus pruebas sean más efectivas.
cuando las empresas tienen múltiples canales de venta, como minoristas, en línea, revendedores de valor agregado o múltiples productos y geografías, analytics 2.0 puede volverse más complejo de lo que los equipos internos pueden manejar., Ahí es cuando se necesitan proveedores con capacidades de análisis e Informática específicas. Sin embargo, cualquier empresa puede comenzar el viaje y crear gran parte de la infraestructura necesaria para el análisis y la cultura del marketing adaptativo. El desafío es tanto organizativo como computacional. De cualquier manera, la escritura está en la pared: el Marketing se está convirtiendo rápidamente en una guerra de conocimiento, visión y ventaja asimétrica obtenida a través de analytics 2.0. Las empresas que no adopten análisis de próxima generación serán superadas por las que sí lo hagan.
Deja una respuesta