'Para contar galletas, mejor en un único tarro'

No te pierdas un nuevo artículo de opinión de Enrique Díaz, Director de Digital e Innovación de Equmedia, referente al número impreso de Julio-Agosto 2022 del Periódico Publicidad.

“Antes que nada, un inciso. No, por mucho que hablemos de un entorno cookieless, las cookies no van a desaparecer. Tan solo las denominadas cookies de tercera parte y entornos como APPs o CTV ni siquiera cuentan con esta tipología de cookies; así que sí, seguiremos trabajando con cookies. De hecho, gran parte del inventario con el que desarrollamos nuestro trabajo en la actualidad ya no cuenta con cookies (Firefox y Safari) y un 20% aproximadamente de los navegadores las han estado bloqueando de forma predeterminada y también limitando de forma más que notable el tiempo de pervivencia de las cookies propias. Por ello, sería bueno, de cara a evitar malas interpretaciones, dejar de utilizar este término y buscar alguna otra alternativa, ya que conseguir que la interpretación correcta de éste sea adecuadamente entendida por todos se hace, en mi opinión, mucho más difícil. Hecho este inciso, el motivo real de este artículo es profundizar en la idea de cómo trabajar de forma efectiva la medición de campañas en este entorno de “nueva” privacidad.

La pérdida de datos es un hecho. La medición de tráfico recibido a una web se ha visto limitada, así que lograr una comprensión precisa, granular y procesable de cómo las diferentes acciones y líneas de campaña trabajan contribuyen a la consecución de los objetivos buscados y, sobre todo, a cómo medirlos. La solución es combinar métodos tradicionales con nuevas soluciones.

Hasta el momento los métodos habituales que se han estado utilizando pueden clasificarse en tres modalidades: atribución, experimentos y estudios de modelización MMM (Marketing Mix Modeling). El primer método es el más habitual, y consiste en analizar qué peso tiene cada impacto y plantear el modelo más “realista”. El segundo se basa en comparar situaciones y alternativas para analizar qué ha pasado y, de ahí, conocer qué influencia o variación genera cada cambio realizado en la activación de acciones publicitarias o cambios dentro del ecosistema digital propio de la empresa. Por último, el modelo MMM, que está basado en modelos estadísticos bayesianos, determina la influencia no solo de la actividad publicitaria digital, sino del total de canales utilizado.

¿Y qué es lo que ocurre cuando a estos modelos, todos ellos basados en datos y en análisis estadísticos, más o menos precisos, se les limita aún más el nivel de datos que pueden utilizar?  Cuando esto sucede fallan, es decir, ofrecen una visión aún más limitada de lo que sucede realmente. La solución, recomendada por Google, es recurrir a la unificación de estos modelos en un único modelo integrado y unificado. Pero, ¿cómo empezar? ¿Cómo adaptarse? En primer lugar, es esencial establecer un objetivo preciso y común para las tres metodologías de medición actuales utilizadas. Es fundamental definir un KPI claro y, de poder ser, que sea único, para plantear la optimización de los diferentes medios empleados, ya que las diferentes metodologías de medición tienden a utilizar diferentes KPI. A partir de aquí se puede construir una capa de modelización avanzada y desarrollar un marco flexible, adaptable y de aprendizaje continuo, no pensando a corto plazo, sino en continuidad, pues la inclusión de forma constante de nuevos datos irá mejorando tanto la capacidad de análisis como la de optimización. 

Para terminar, tres apuntes. En primer lugar, si estáis interesados en saber más, os recomiendo leer el libro blanco que Google, junto a The Objetive Platform, ha publicado sobre este tema y que podéis encontrar en (https://www.objectiveplatform.com/blog/cookie-less-future-you-still-have-some-time-to-prepare). En segundo lugar: obviamente, mi capacidad a la hora de enfrentar mis conocimientos sobre este tema al de los expertos de Google o The Objetive Platform es algo más que limitada pero, si esta nueva metodología se basa en la integración de las tres soluciones actuales (soluciones que, de por sí, son falibles, como bien nos dicen, y que lo están siendo más y más cada vez que los efectos de la regulación sobre privacidad son cada vez más relevantes), ¿no se corre el riesgo de que, en lugar de reducir estas limitaciones, se multipliquen por tres? Por último, y casi como respuesta a mi propia duda: Google ofrece como ejemplo relacionado con qué es lo que ocurre cuando se unifican estos modelos el caso de una empresa minorista cuyo aprendizaje obtenido le permitió redirigir un 9% del presupuesto a medios dirigidos a la parte superior del embudo, lo que se tradujo en un incremento de un 40% en ventas atribuidas a éstos. Esto da respuesta a mi duda porque, de ser así, el cambio realizado, gracias al aprendizaje es más que eficiente y, en mi caso, nunca he necesitado de modelos para saber (y preconizar) que trabajar para la parte superior del embudo siempre es más eficiente que actuar sobre el resto de las fases.

Como siempre, será un placer debatir y compartir ideas con vosotros a través de los perfiles sociales de Equmedia. 

Buen mes a todos”.