DAC Blog Autores Evolución de los modelos de atribución
Filter By
Servicios de salud Centro de análisis Customer Relationship Management Diseño Estrategia de contenido Gestión de presencia local Información estratégica Marketing en buscadores Medios Digitales Noticias Optimización de motores de búsqueda COVID-19 Ver todos nuestros autores
Digital se mueve rápido, pero nosotros nos movemos más rápido
Subscríbete a nuestro newsletter mensual para que te mantengas a la vanguardia del mundo digital con noticias, videos, publicaciones, eventos, entre otros. Podrás cancelar la subscripción en cualquier momento.Para más información, consulta nuestra Política de Privacidad.
Evolución de los modelos de atribución

Evolución de los modelos de atribución

viernes, mayo 03, 2024
Tamara Garcia

En el marketing digital es extraño que las marcas realicen activaciones de forma aislada. Lo más probable es que inviertan en varios canales -digital, exterior (OOH), televisión, radio, medios impresos, etc.- cada uno de ellos influye en el journey del consumidor y compite por su inversión en marketing. En resumen, es fundamental saber en que canales se están llevando a cabo estas activaciones.

Desde aquellos tiempos en los que las campañas se ejecutaban en un solo canal, hasta las actuales activaciones multicanal de los ecosistemas digitales, los profesionales del marketing siempre han buscado continuamente la mejor forma para atribuir las conversiones a sus fuentes legítimas. En este artículo, exploraremos la evolución de los modelos de atribución, los diferentes modelos existentes y cómo han evolucionado para satisfacer las demandas digitales actuales.

¿Qué es un modelo de atribución?

La creación de un modelo de atribución es el proceso por el cual se asignan los resultados obtenidos a cada uno de los puntos de contacto que un consumidor encuentra a lo largo de su recorrido. Básicamente, se trata de entender qué canales, campañas o acciones específicas han contribuido a la decisión de compra y en qué medida. El marketing mix ahora también incluyen canales como las redes sociales, las activaciones con influencers, las búsquedas por voz, así como las experiencias de realidad aumentada, todo lo cual requiere un enfoque actualizado en términos de atribución.

Además, la introducción del GDPR, la CCPA, así como otras legislaciones centradas en la privacidad, han desafiado y reformado la forma en que se recopilan y analizan los datos, haciendo que la necesidad de modelos de atribución transparentes y precisos sea una cuestión primordial. Este período de cambio no solo consiste en adaptarse a las nuevas normas de privacidad, sino que nos obliga a explorar la atribución de la privacidad en primer lugar.

Revisar los modelos de atribución en 2024

  • Último contacto: En la actualidad, la mayoría de los profesionales del marketing utilizan un modelo de atribución basado en el último contacto. Por tanto, el último punto de contacto antes de la conversión recibe todo el mérito. Sin embargo, las herramientas analíticas modernas ofrecen información matizada que puede identificar no solo la última interacción, sino también la importancia de los puntos de contacto anteriores, lo que proporciona una visión más holística de la ruta de conversión.
  • Último clic no directo: La filosofía es dar el 100% del crédito al penúltimo punto de contacto (último clic no directo) porque se supone que es lo que le llevó a realizar una acción. Sin embargo, la interpretación del clic «no directo» se ha ampliado para incluir no sólo los anuncios tradicionales, sino también las interacciones a través otros canales, como las stories de las redes sociales o los anuncios interactivos en las plataformas de streaming.

  • Primer contacto: El modelo de «amor a primera vista» ha ganado profundidad con la llegada del análisis predictivo y el aprendizaje automático, que puede cuantificar mejor el impacto del primer contacto de un consumidor con una marca a través de diversos canales, ajustándose al camino no lineal del consumidor moderno hacia la compra.

  • Lineal: Anteriormente, este concepto otorgaba el mismo crédito a cada punto de contacto, pero se ha perfeccionado para tener en cuenta el impacto variable de cada punto de contacto en función de las métricas de compromiso y los comentarios de los consumidores. Este modelo se ajusta muy bien a las campañas integradas actuales a través de múltiples canales que guían el viaje del consumidor.
  • Decaimiento temporal: Este modelo multicanal atribuye una valoración concreta (a su elección) a cada canal. El último punto de contacto obtiene el mayor crédito y los canales precedentes obtienen cada vez menos crédito después de un periodo predefinido. Reflejando la naturaleza fugaz de la atención del consumidor en la era digital, cada vez más sensible, con tasas de decaimiento personalizables que pueden alinearse con la dinámica del mercado en tiempo real y el rendimiento de la campaña.
  • Basado en la posición o en forma de U: Se trata de un modelo multicanal que también se le suele denominar como «sándwich», en el que el «pan» (primer y último canal) se lleva el 40% del mérito y el 20% restante se reparte a partes iguales entre los restantes «ingredientes». El modelo también tiene en cuenta el papel cada vez más importante que desempeñan las interacciones a mitad de camino, como los anuncios de reorientación y el marketing personalizado por correo electrónico, a la hora de influir en las decisiones de los consumidores.
  • Modelos personalizados: Con la proliferación del análisis de datos y la IA, los modelos personalizados se han vuelto más accesibles, lo que permite a las organizaciones crear soluciones a medida que reflejen su posición única en el mercado, los comportamientos de los clientes y sus objetivos estratégicos. Estos modelos aprovechan amplios conjuntos de datos y sofisticados algoritmos para ofrecer una visión sin precedentes del rompecabezas de la atribución.

Cómo funciona en la práctica la atribución lineal multicanal

Imaginemos a un consumidor llamado Alex que quiere comprar un nuevo smartphone. El proceso de compra de Alex podría ser el siguiente:

  • Thinking: Alex ve un anuncio en Facebook del último modelo de smartphone, lo que despierta un interés inicial.
  • Planning: Unos días después, Alex busca opiniones sobre el teléfono en Google y hace clic en un artículo de opinión con optimización SEO.
  • Planning: Después de leer el artículo, Alex recibe un correo electrónico de un minorista de tecnología que le ofrece un descuento en el smartphone.
  • Doing: Por último, Alex hace clic en el enlace del correo electrónico y completa la compra en el sitio web del minorista.

En el modelo de atribución lineal, cada uno de estos cuatro puntos de contacto (anuncio en Facebook, búsqueda en Google, correo electrónico y compra) recibiría el mismo crédito por la conversión. Si el smartphone costó 800 dólares, a cada punto de contacto se le atribuirían 200 dólares de los ingresos. Este modelo es beneficioso para obtener una visión holística de todos los esfuerzos de marketing, especialmente en ciclos de ventas más largos en los que múltiples interacciones contribuyen a la conversión.

Ventajas del modelo lineal

  • Proporciona una visión equilibrada al reconocer la contribución de cada punto de contacto.
  • Útil para las empresas que se centran en crear relaciones duraderas con los clientes y desean comprender todas las interacciones a lo largo del recorrido del cliente.

Desventajas del modelo lineal

  • Puede simplificar en exceso el impacto de puntos de contacto cruciales que son más influyentes que otros.
  • No es la óptima para campañas en las que se diseñan interacciones específicas para ser más decisivas en el recorrido del consumidor.

Mirando hacia el futuro: Nuevas dimensiones de los modelos de atribución

  1. La privacidad es lo primero
    En la era de la creciente preocupación por la privacidad de los datos, los profesionales del marketing han pasado a utilizar modelos de atribución que dan prioridad a la privacidad. Estos modelos priorizan el uso de datos de origen: información recopilada directamente de su audiencia a través de interacciones con su marca, como visitas al sitio web, uso de aplicaciones o comentarios de los clientes. Por ejemplo, una marca minorista puede analizar los datos de su programa de fidelización para saber qué acciones de marketing conducen a la repetición de compras, garantizando al mismo tiempo la protección de los datos de los clientes.
    Además, cuando se utilizan datos de terceros, se anonimizan para salvaguardar las identidades individuales. Esto podría implicar la agregación de datos de interacciones en redes sociales para identificar tendencias sin vincular la información a usuarios concretos. Un ejemplo práctico podría ser un equipo de marketing que analiza los datos de una determinada localización anonimizados para comprobar la capacidad de influencia de una determinada vaya publicitaria en el comportamiento de la compra digital en diferentes regiones. Siempre asegurándose de que se está respetando la privacidad individual.
  2.  Atribución entre dispositivos
    Dado que el consumidor medio utiliza varios dispositivos a diario, la atribución entre dispositivos se ha convertido en la piedra angular de las estrategias de marketing modernas. Este enfoque aprovecha las tecnologías de seguimiento avanzadas, como los ID de cliente unificados y el modelado probabilístico, para unir las interacciones de los usuarios en smartphones, tablets, portátiles, etc.Imaginemos un escenario en el que un consumidor vea un anuncio de un producto en su smartphone, realiza una pequeña investigación sobre este mismo producto desde su tablet, pero realiza su compra final utilizando su portátil. La atribución entre dispositivos permite a los profesionales del marketing realizar un seguimiento perfecto de este recorrido, atribuyendo correctamente las ventas en cada punto de contacto. Por ejemplo, una empresa de tecnología podría utilizar datos entre dispositivos para comprender cómo influyen las reseñas de YouTube vistas en el móvil en las compras de software realizadas en ordenadores de sobremesa, ofreciendo una visión coherente del recorrido del consumidor.
  3. Análisis predictivo
    El análisis predictivo transforma los datos históricos en perspectivas de futuro, lo que permite a los profesionales del marketing anticiparse a las tendencias y ajustar sus estrategias en consecuencia. Esto implica el uso de algoritmos de aprendizaje automático para analizar campañas de marketing anteriores, datos de ventas e interacciones con los clientes para predecir comportamientos y preferencias futuros.
    Por ejemplo, un servicio de streaming podría analizar los patrones históricos de visualización, las actualizaciones de suscripción y las preferencias de contenido para predecir qué géneros o títulos impulsarán la participación y la retención en los próximos meses. Del mismo modo, un minorista de moda podría utilizar el análisis predictivo para predecir las tendencias estacionales, lo que le permitiría adaptar sus campañas de marketing a las próximas demandas, optimizando tanto el inventario como el gasto en publicidad.
    Al incorporar estas metodologías avanzadas, los profesionales del marketing pueden navegar por las complejidades del panorama digital con mayor eficacia, asegurándose de que sus estrategias respetan la privacidad y se adaptan a los patrones siempre cambiantes del comportamiento de los consumidores.

En general

El modelo de atribución puede aplicarse tanto a actividades en línea como fuera de línea y también puede extenderse a cosas que están fuera de su control. Los tipos de atribución en línea incluyen su sitio web, las campañas de búsqueda y visualización de pago, las clasificaciones orgánicas en las SERP, las redes sociales y los contenidos. La atribución offline engloba mecanismos de marketing tradicionales como la publicidad exterior (vallas publicitarias, mobiliario urbano y otros), los medios impresos (revistas, periódicos, folletos, etc.), la radio y televisión tradicional.

Pero ni siquiera la estrategia de marketing más perfectamente elaborada y simbiótica garantiza los resultados. Las marcas tienen que ser muy conscientes de los factores ajenos al marketing que podrían estar en juego al mismo tiempo y erosionar el potencial de sus iniciativas de marketing. Variables como la economía, la política, los gustos y prejuicios culturales, la geografía e incluso el clima pueden influir en el funcionamiento de las campañas de marketing. No tomar el pulso a estos factores puede anular cualquier iniciativa de marketing incluso antes de ponerla en marcha.

Por ejemplo, queremos promocionar un nuevo producto. En primer lugar, se comienza trabajando con las agencias en la definición y desarrollo de los mensajes más adecuados. Pero después del primer mes, no observamos ninguna tracción… ¿Qué puede haber fallado? Tras un examen más detallado, imaginemos que nos damos cuenta de que el público objetivo al que nos dirigimos ha experimentado recientemente una enorme recesión económica. Independientemente del valor que ofrezca el producto, los bolsillos de nuestro público están bastante mermados y la renta disponible es mínima. Hasta que la economía mejore, o al menos que empiece a regalar su producto, no se dan las condiciones para lograr los resultados previstos.

La última palabra

Aunque comenzar un proyecto para construir un modelado de atribución puede parecer desalentador, la información que proporciona es inestimable para optimizar la estrategia de marketing y superar a los competidores. Lo más recomendable es comenzar a experimentar con diferentes modelos y utilizar la información que te ofrecen para ajustar tus inversiones en marketing y garantizar el mayor retorno de la inversión, y una ventaja sobre la competencia.

Los clientes arrojan datos en cada uno de sus movimientos, cada clic, llamada e interacción con la marca deja señales, pistas y, a veces, incluso guías sobre cómo servirles mejor y deleitarles. En conclusión, el trabajo en ocasiones consiste en escuchar y responder. Proove Intelligence, power brand especializada en data intelligence de DAC, es nuestro equipo multidisciplinar de ingenieros de datos, analistas y frikis matemáticos especializados en atribución. Su objetivo prioritario es ayudar con el análisis de datos. Construir un modelo de atribución sólido sirva para tomar mejores decisiones estratégicas más adecuadas y maximizar los resultados de nuestros en nuestros planes de medios.

placeholder
Tamara Garcia
Suscríbete a nuestro newsletter mensual para estar a la vanguardia del mundo digital.
x
Ten acceso exclusivo a noticias, vídeos, publicaciones, eventos, entre otros. Podrás cancelar la suscripción en cualquier momento. Para más información, consulta nuestra Política de Privacidad.