Loading...

Los retos de la evolución del modelo de atribución

El mundo digital ha avanzado a pasos agigantados en los últimos años, a pesar de lo cual los modelos de atribución se han mantenido relativamente estables. A pesar del interés de la industria, no hemos encontrado aún un enfoque científico, basado en técnicas estadísticas avanzadas, que nos permita identificar la influencia de cada canal, analizar la interconexión entre ellos y, en definitiva,  determinar la contribución real de cada uno.

Los modelos de atribución más comúnmente utilizados son los basados en clicks o en un conjunto de reglas – los primeros incluyen primer y último click o interacción y los segundos incluyen distribución lineal, deterioro en el tiempo y posición -. Todos estos métodos son subjetivos y tienen defectos importantes, aunque su principal atractivo reside en su facilidad de implementación.

Modelos de atribución

Limitaciones del modelo actual

Si nos fijamos en la evolución del marketing digital desde su creación a finales de los 90  y hasta el día de hoy – con el desarrollo de RTB (Real Time Bidding), móviles y otros – y lo comparamos con el estancamiento de las plataformas y metodologías utilizadas para medirlo, la desconexión salta a la vista.

Los clicks no son totalmente representativos del valor de un canal y si nos negamos a reconocerlo, estaremos contribuyendo a mantener una falsedad que toma como base una medición inadecuada.

Tomemos, como ejemplo, la publicidad gráfica – donde es muy común ver que un 75-80% de las conversiones están motivadas por la visión de la publicidad  vs.  clicks. Un modelo de medición centrado en los clicks impedirá que las empresas aprovechen todo el potencial de su inversión en marketing, debido a la distorsión de los resultados reales.

Los retos

El primer paso para el desarrollo modelos de atribución más avanzados pasa por la utilización de tecnologías big data para procesar enormes volúmenes de datos híper-estructurados (archivos de registro web), transformándolos en información útil tras aplicar un análisis estadístico avanzado.

Vale la pena aclarar el significado del término de “hiper-estructurados”.  Se habla en ocasiones (y en mi opinión de forma errónea)  de los registros web como datos no estructurados, pero la realidad es que una vez se examinan los datos  generados por las plataformas digitales, se hace evidente que existe una estructura dentro de los propios datos.   No es una estructura en el sentido del BI (Business Intelligence) tradicional – organizada en de filas y columnas-, pero es una estructura que permite el análisis.

Justo es también reconocer que es más difícil encontrar las habilidades técnicas necesarias para gestionar procesos tan complejos de lo que lo es encontrar las capacidades analíticas utilizadas tradicionalmente en las metodologías de medición actuales, considerablemente extendidas pero inapropiadas (el último click, primer click, etc.)

Es necesario además encontrar un equilibro entre la visión de negocio y el entendimiento  técnico de cómo los canales digitales y plataformas de seguimiento forman parte del mismo ecosistema. La capacidad de integrar la visión empresarial con el cumplimiento efectivo de los objetivos de marketing en los canales digitales y sus plataformas de seguimiento es un requisito fundamental para posibilitar la atribución basada en algoritmos avanzados.

El tercer y último factor clave es la insuficiencia del talento en lo que a ciencia de datos se refiere para establecer un vínculo entre el entendimiento  de la aportación real del marketing – teniendo en cuenta las interrelaciones entre los distintos canales – y las metodologías estadísticas necesarias para lograr el resultado deseado.

Este es un reto que persiste por el momento y aquellas organizaciones cuya actividad está centrada en la gestión y análisis de datos son las mejor posicionadas para atraer y retener un talento tan difícil de encontrar.  Experian Marketing Services ha invertido mucho en los últimos meses en este territorio y estamos en una posición fuerte en el mercado para contribuir tanto en términos de conocimiento técnico como de  conocimiento del negocio.

Hacia la atribución “multi-contacto”

El proceso de creación de modelos estadísticos en el punto de partida para continuar desarrollando  la atribución. Estos modelos ofrecen dos resultados clave: los coeficientes para interpretar desde una perspectiva agregada la contribución de cada canal  y también la capacidad de generar scorings de usuario para estimar la probabilidad de obtener  el resultado deseado (por ejemplo, probabilidad de conversión)

El scoring de los “que no han convertido” es un enfoque muy eficaz para  llevar los modelos predictivos al ámbito del re-targeting ya que este proceso se centra en identificar estadísticamente la contribución real de los diferentes canales.  La ventaja más importante de los modelos de atribución “multi-contacto” es la capacidad de estimar el retorno sobre la inversión (ROI) de las inversiones digitales y en consecuencia, optimizar el mix de canales.

Las organizaciones deben utilizar siempre modelos de medición robustos para optimizar las decisiones empresariales, y la atribución no es una excepción. Cualquier paradigma que permita a las marcas reducir la incertidumbre en la toma de decisiones debe ser adoptado y el modelo estadístico para la atribución algorítmica sin duda entra en esta “categoría de reducción de la incertidumbre “.

Nos interesa saber cómo medís en tu empresa el peso que tiene cada canal durante el proceso de venta y seguro que también es interesante para el resto de lectores del blog. ¿Qué tipo de modelo de atribución usas?

¡Esperamos tus comentarios!