MTA basado en datos: el único modelo de atribución que cuenta

Los modelos de atribución ayudan a los especialistas en marketing a comprender el valor de los puntos de contacto del canal de marketing a medida que sus clientes pasan del conocimiento a la conversión.

En el pasado, la atribución de un solo toque, como los modelos de "último clic" y "primer clic", solían ser los predeterminados. Requerían relativamente pocos datos y eran fáciles de observar en el software de análisis.

Por ejemplo, si hice 1,000 ventas en mi sitio web durante octubre y puedo ver que el 75% del tráfico proviene de la búsqueda orgánica y el 25% proviene directamente, tiene sentido dedicar más de mis inversiones de noviembre a mis actividades de búsqueda orgánica.

Eso sería adoptar el modelo de último clic. Solo estoy asignando valor al punto de contacto que mis clientes han utilizado inmediatamente antes de visitar mi sitio. Entonces, ¿qué pasa con los canales con los que han interactuado de antemano?

A medida que los recorridos de los clientes se han vuelto más complejos en los últimos años, también lo han hecho los modelos de atribución disponibles para garantizar que los especialistas en marketing otorguen una ponderación precisa a los canales a lo largo del camino e inviertan en ellos en consecuencia.

La atribución multitáctil (MTA) y la atribución basada en datos (DDA) son cada vez más favorecidas. Después de todo, los visitantes de mi sitio web pueden estar viendo mensajes de marketing en una variedad de lugares (desde innumerables sitios de redes sociales hasta cualquier cantidad de anuncios fuera de línea, desde TV hasta vallas publicitarias) antes de recurrir a Google para realizar su búsqueda.

Los modelos MTA garantizan que todos los canales reciban al menos algo de crédito por una conversión.

Finnian Bradfield, analista de la empresa de atribución y datos de IA Fospha, destaca que no es solo la creciente complejidad de los viajes de los clientes lo que hace que MTA sea más eficaz hoy en día que los modelos de un solo toque.

“El valor principal de MTA es permitir que los especialistas en marketing distribuyan mejor su gasto y comprendan el verdadero rendimiento de cada punto de contacto”, dice.

“Al usar únicamente un modelo de último clic, esencialmente solo valora o ve el último punto de contacto con el que el cliente interactuó antes de la conversión y presta poca atención o consideración a lo que pudo haber influido en el consumidor antes de esto. El resultado es más gasto en el último punto de contacto; sin embargo, en realidad, es posible que esa conversión nunca se hubiera producido si no fuera por un punto de contacto con el que el consumidor se involucró al comienzo de su viaje. Por lo tanto, al examinar todos los puntos de contacto y atribuir un valor a cada uno según su función, significa que puede obtener resultados mucho más efectivos de su inversión en marketing ".

En el mundo omnicanal actual, los modelos MTA ciertamente parecen ser la mejor opción para garantizar que los especialistas en marketing tengan claridad sobre lo que funciona y lo que no. Pero no todos los modelos de atribución son iguales.

Analicemos en qué se diferencian, sus pros y contras, los desafíos para implementarlos y por qué los modelos de MTA basados ​​en datos son la opción de atribución a la que todos los especialistas en marketing deberían apuntar.

¿Cuáles son los modelos básicos?

El modelo de atribución 'lineal' o de 'crédito uniforme' es posiblemente el primer modelo de MTA en el que pensamos cuando empezamos a pensar más allá del primer y último clic.

Sin duda, es una mejora en los modelos de un solo toque. El modelo lineal reconoce que hay más en el recorrido del cliente que simplemente el canal que el cliente ve en la etapa de conocimiento, o el que usa en el paso antes de realizar su conversión.

Da crédito a todos los toques por igual, por lo que solo es realmente útil cuando tiene buena evidencia de que todas las partes de su estrategia de marketing se están desempeñando aproximadamente con el mismo nivel de efectividad.

Pero su simplicidad se vuelve muy evidente rápidamente, ya que no tiene en cuenta el hecho de que es probable que diferentes puntos de contacto hayan tenido un impacto mayor o menor en la decisión del cliente de realizar la conversión que otros.

El 'decaimiento del tiempo' es otro modelo de MTA relativamente simple. Da crédito a todos los puntos de contacto en el viaje de un usuario, con una mayor ponderación cuanto más cerca está el toque de la conversión.

La atribución de decadencia de tiempo puede ser útil. Y probablemente sería preferible a una de las opciones de un solo toque. A menudo se usa con campañas de marketing urgentes o cuando las empresas buscan enfocarse en canales que están desempeñando un papel de conversión. Pero sus defectos son bastante fáciles de ver.

Por supuesto, hay viajes de clientes en los que los puntos de contacto más cercanos a la conversión son más importantes que los que están cerca del comienzo. Pero a medida que los viajes de los usuarios se vuelven más largos y complejos, este no es cada vez más el caso. El deterioro del tiempo, en última instancia, todavía depende de una cierta cantidad de conjeturas y carece de precisión real.

La atribución 'en forma de U' o 'basada en la posición' es otro modelo de MTA que, nuevamente, mejora los métodos de un solo toque al garantizar que todos los canales reciban algo de crédito, pero sigue siendo un enfoque relativamente simplista.

La forma de U acredita todos los puntos de contacto, pero otorga más peso (40% a cada uno) al primer y último canal. El 20% restante del crédito se distribuye entre los puntos de contacto en el medio del viaje.

Una vez más, el modelo en forma de U tiene sus usos. Puede ser eficaz, por ejemplo, en el caso de empresas que invierten en la generación de oportunidades de venta y es un fuerte candidato para viajes de clientes más largos. Pero puede fallar al acreditar con precisión cualquier punto de contacto en el medio del viaje que puede haber tenido una parte más importante en la conversión de lo que el especialista en marketing podría esperar.

¿Qué es la atribución basada en datos?

La atribución 'basada en datos' (DDA) es otro modelo de MTA. Se diferencia de los que hemos analizado hasta ahora en que utiliza datos a través de puntos de contacto para eliminar cualquier conjetura y atribuir crédito a los canales por su rendimiento, en lugar de por la posición en la que se encuentran.

DDA pide tener datos completos y una vista completa del recorrido del cliente. Los especialistas en marketing también deben tener los medios para poder usar esos datos de manera efectiva, a menudo mediante el uso de una plataforma de datos de clientes.

Pueden ser el modelo MTA más costoso de implementar, pero uno de los objetivos clave al usar un modelo DDA es obtener un mejor ROI que se puede utilizar para compensar su costo adicional.

¿Cuándo es útil un modelo de MTA basado en datos?

Bradfield tiene claro cuándo tiene más sentido que los especialistas en marketing implementen un MTA basado en datos: "Un enfoque de atribución basado en datos es el más eficaz cuando se invierte en varios canales pagos que incluyen combinaciones de búsqueda paga, redes sociales y afiliados para ejemplo ”, dice. “La razón de esto se debe simplemente al hecho de que si está gastando en marketing, necesita saber dónde es mejor gastar y cuáles de estos canales son más efectivos para los KPI de su negocio. Solemos ver que las empresas que tienen presupuestos de marketing más grandes obtienen mucho valor de este tipo de herramientas ".

En 2019, Fospha trabajó con un proveedor de vacaciones líder para unir sus datos en línea y fuera de línea con MTA.

Esto brindó una vista de canales cruzados de los viajes que están realizando sus clientes y destacó que su actividad de búsqueda paga estaba siendo sobrevalorada con la atribución de último clic.

El proceso automatizado no consumió ni la capacidad ni el tiempo de los analistas. Pero lo que es más importante, Fospha pudo utilizar el presupuesto liberado del canal de búsqueda de pago para crecer en puntos de contacto nuevos o infravalorados.

Los ahorros para el año ascendieron a alrededor de £ 600,000 y su estrategia de marketing televisivo se destacó como un área que anteriormente había sido difícil de medir utilizando modelos de atribución tradicionales. Usando MMM (Marketing Mix Modeling), Fospha pudo identificar que la televisión era un canal de alto rendimiento con espacio para crecer y generar más ingresos.

Tan pronto como surgió esto, la empresa se apresuró a reinvertir alrededor de £ 250,000 en este canal vital fuera de línea.

“Las herramientas de medición independientes de Fospha han empoderado a nuestro equipo con datos transparentes y la capacidad de vincular nuestras ventas fuera de línea con nuestro marketing en línea y fuera de línea”, dijo el director de marketing del grupo del cliente. "Ahora tenemos la confianza para invertir más en nuestro marketing y estamos emocionados de ver los resultados".

Cada vez más, no son solo las organizaciones con grandes presupuestos las que recurren a la DDA. El papel de empresas como Fospha es hacer que dichos MTA sean accesibles para todas las empresas que trabajan con marketing multicanal y omnicanal.

"Creo que cualquier empresa que invierta en varios canales debería poder identificar el verdadero valor de sus esfuerzos", continúa Bradfield, "por lo que Fospha ha derribado las barreras para que todo tipo de empresas implementen la DDA".

Desafíos con MTA basado en datos y cómo superarlos

El costo no es la única barrera para implementar un modelo MTA completo basado en datos. Trevor Testwuide, que escribe para ClickZ, director ejecutivo y cofundador de Measured, cita la política de la tecnología publicitaria, la evolución de los "jardines amurallados" como Google y Facebook, así como los datos desordenados a nivel de usuario como desafíos importantes que deben superarse en atribución.

Bradfield reflexiona sobre esto: “Los jardines amurallados de las plataformas de adtech ciertamente dificultan la precisión total”, dice.

“Es importante saber que no existe un modelo de MTA perfecto o herramientas de seguimiento completamente precisas en el mercado. Lo que encontramos como el problema principal es implementar la atribución basada en datos a través de una plataforma de tecnología publicitaria como Google debido a la inexactitud y sesgo de los datos ".

Incluso tener todos los datos de cada cliente en todos los puntos de contacto de los canales no puede garantizar la precisión completa del MTA, pero Bradfield sí señala una forma de superar estos desafíos.

"Es importante obtener una herramienta independiente", dice. "Entonces no hay una agenda para que ellos vendan anuncios y puedes eliminar parte de ese sesgo".

Los modelos MTA siempre mejoran con un solo toque, pero sin datos todavía dependen de algunas conjeturas

Los modelos MTA lineales, de degradación en el tiempo y en forma de U ayudan a garantizar que todos los puntos de contacto obtengan al menos algo de crédito por una conversión. Pero, como hemos visto, pueden carecer de precisión.

En el caso del modelo lineal, todos los canales reciben el mismo crédito. Pero esta opción no tiene en cuenta la probabilidad de que cualquier número de puntos de contacto a lo largo de ese viaje haya tenido más impacto en el consumidor que otros.

La disminución del tiempo puede ser deseable para campañas urgentes. Pero, nuevamente, asume que ciertos canales, simplemente en virtud de ver una interacción antes, podrían tener un impacto menor que ellos.

Y el modelo en forma de U, si bien se adhiere a la lógica de que el primer y último toque del viaje de un usuario son a menudo importantes, puede restar crédito a los canales intermedios, especialmente en el contexto de embudos de compra más largos.

La opción MTA que elimina estas conjeturas es el modelo DDA (a veces conocido como MTA algorítmico). Si bien los datos de los clientes nunca pueden ser 100% precisos y, como señala Bradfield, incluso el mejor modelo de MTA no es perfecto, la inclusión de datos en la combinación de atribución acredita los canales por cómo se considera que están funcionando, en lugar de simplemente en qué etapa en el recorrido del cliente que aparecen.

Las herramientas independientes eliminan algunos de los datos sesgados y sesgados que los especialistas en marketing han informado dentro de los jardines amurallados de Google y Facebook. Mientras que una plataforma de datos de clientes sólida funciona para consolidar, organizar y ajustar la estrategia de marketing en tiempo real.

No es de extrañar, entonces, que los modelos de MTA basados ​​en datos estén resultando invaluables para las empresas de gran presupuesto. A menudo, estas son organizaciones con muchos canales pagos en su arsenal de marketing, pero estos modelos también son cada vez más accesibles para las organizaciones medianas y pequeñas, gracias a la capacidad de compensar el costo con un mejor ROI.

En el mundo omnicanal actual, el costo no debería ser una barrera para una empresa de cualquier tamaño considerando un modelo de MTA basado en datos. Pero para cualquier organización que todavía sienta que no está lista para comprometerse con este nivel de atribución, los MTA lineales, de disminución del tiempo y en forma de U son siempre una mejor opción que los modelos de atribución de primer y último clic de un solo toque que muchos utilizan. por defecto.

Contenido producido en colaboración con Fospha .