Sugerencias para mejorar el ROI sobre la inversión
Tradicionalmente el cálculo del retorno de inversión estaba sólo basado en las ventas. Mas esta situación ha cambiado; en la actualidad las compañías tienen acceso a datos que le permite conocer cuáles son las interacciones que establecen los consumidores con una marca antes de efectuar una compra, y por ello pueden comprender mejor la “jornada del cliente” y el papel que cada interacción con esa audiencia juega en la eventual transacción de venta.
Este enfoque, llamado “el modelado de atribución”, permite a las empresas atribuir el crédito apropiado a cada contacto en el ciclo de compras y entender su papel en los ingresos que en última instancia resultan. Un buen modelo de atribución debe mostrar, por ejemplo, con precisión, qué anuncios o palabras clave de búsqueda son las más asociadas con las compras reales.
Para el desarrollo del modelo de atribución, existen 4 pasos que se deben llevar a cabo:
Etapa 1: Prepare sus datos
No se puede tener cualquier tipo de modelo de atribución sin recaudar datos en los puntos de contacto. Muchas compañías los recogen, pero a menudo lo almacenan en bases de datos diferentes de manera que se hace complicado el establecer relaciones o conclusiones. Una vez que las empresas pueden acceder y analizar datos en torno a los puntos de contacto y las compras, pueden detectar patrones y están listos para aplicar modelos de atribución simples. Recordemos lo que se ha conversado antes sobre Big Data y sus aplicaciones en marcas exitosas como Macy`s By Mail.
Pueden parecer simplista, pero los modelos basados en reglas incluso simples pueden ofrecer resultados inmediatos.
Etapa 2: Experimente
Usted puede comenzar a evaluar el grado en que un punto de contacto dado depende de otros puntos de contacto; usted podría, por ejemplo, comprobar el papel de una herramienta de búsqueda en el ciclo de un cliente mediante activar o desactivar mensajes en ese medio. Esto le ayudaría a identificar clusters o pasos exitosos que masifican los resultados de una marca.
En el artículo en su versión original, mencionan como una compañía de seguros realizó una investigación para validar el comportamiento de consumidores expuestos a comerciales en TV vs búsquedas orgánicas en internet. El resultado que les arrojó es que las regiones expuestas a la TV tenían mayor cantidad de búsquedas y relacionamiento con la marca.
Etapa 3: Aplique modelos estadísticos
Busque y utilice modelos estadísticos que puedan ayudarle a manejar y comprender de mejor manera los datos que obtiene. Algunas compañías utilizan inferencias como la Bayesiana o el análisis de regresión multivariante para entender el efecto que lograr sus comunicaciones en el consumidor. Hallazgos en retail, como por ejemplo, el que un minorista necesita comunicarse en todos los canales, pero podría disminuir la velocidad de las comunicaciones durante los tres meses siguientes al primer toque incrementaron al menos en un 10% el retorno sobre la inversión.
Etapa 4: Amplíe el alcance del análisis
El autor menciona que hay que considerar las interacciones que realiza el consumidor fuera de su jornada con la marca; lo cual puede influir definitivamente en el comportamiento de compra.
Lidiar con la complejidad es una necesidad ineludible para quienes tienen a su cargo una marca. Los autores del artículo consideran que la técnica del modelado de atribución es quizás la mejor herramienta para las empresas que negocian en entornos complejos de causa y efecto, pero aclaran que se requiere el trabajar en las capacidades adecuadas en el tiempo, iniciando con “baby steps”.
Si desea leer el artículo en su idioma original, visite: https://hbr.org/2015/11/a-better-way-to-calculate-the-roi-of-your-marketing-investment?utm_campaign=HBR&utm_source=linkedin&utm_medium=social
Referencia de los autores del artìculo:
Werner Reinartz, profesor de Marketing de la Universidad de Colonia, investiga las estrategias de los clientes de las empresas y es autor de Customer Relationship Management: Concepto, Estrategia y Herramientas.
Rajkumar Venkatesan es Profesor de Investigación en Administración de Empresas en la Universidad de Darden Graduate School of Business de Virgina en Charlottesville, VA. Es co-autor de Cutting Edge de Marketing Analytics (FT Press) y ofrece un curso a través Coursera on Marketing Analytics
Modelo de atribución según Google https://support.google.com/analytics/answer/1662518?hl=es
