Innova | Cómo crear un marketing eficiente y eficaz

Automated machine learning: la mejor manera de crear un marketing de atribución

Hoy la posibilidad para las empresas de contactar con sus clientes ha crecido muchísimo. Por ejemplo email, redes sociales, banners, videos, aplicaciones, buscadores, la propia web, ecommerce, obviamente, los medios convencionales…

En función de este increíbles nuevas herramientas las empresas deben hacerse algunas preguntas: ¿cómo llegar a los clientes? ¿A través de qué canales? ¿Cuándo son realmente efectivas las campañas de marketing? ¿Cuáles son las prioridades y cómo debe repartirse el presupuesto?

Responder a estas preguntas no es fácil, pero puede ayudar explicar que es un  “modelo de atribución”. La definición más común que he encontrado dice lo siguiente:

  • “Un modelo de atribución es un conjunto de reglas por las cuales se asigna un determinado valor a los distintos canales por los que un usuario ha pasado antes de realizar una acción que interpretamos como una conversión”. “Conversión” es el momento en el cual el consumidor compra después de su recorrido en los distintos canales.

La atribución, es decir este valor que se tiene que asignar a cada canal o iniciativa específica, es determinante para adoptar una estrategia de marketing adecuada. Según McKinsey, se espera que el gasto global en medios alcance los 2,1 billones de dólares en 2019. Esta cifra significativa indica cuánto están dispuestas a invertir las empresas en los medios.

Para cualquier empresa que desee hacerlo, la pregunta principal como decía antes es: “¿Dónde debería invertir?”. Para atribuir adecuadamente la influencia de todas las inversiones de marketing, las empresas necesitan una metodología de nivel empresarial capaz de cuantificar el impacto de cada punto de contacto en la venta.

Es importante identificar qué canales ofrecen mejores resultados, medibles por ROI.

Para calcular el retorno de la inversión con precisión, se deben identificar qué canales contribuyeron a cada conversión. Es importante dividir el valor de la conversión entre todos los canales involucrados, en lugar de contarlos dos veces asignándolos a diferentes canales. De lo contrario, los ROI se inflarán.

Los modelos de atribución

Existen varios modelos de atribución basados en diferentes enfoques, pero con el mismo objetivo: definir qué canales son responsables de cada conversión. Entonces surge otra pregunta: “¿Cómo sé cuál es el mejor modelo de atribución?”. Echemos un vistazo profundo a do posibilidades diferentes:

La primera posibilidad es la de los modelos de atribución basados en reglas. Estos modelos tienen el límite de no considerar la mayoría de los datos. Premiso que existen varias estrategias, como el último clic, la disminución de tiempo lineal, basado en la posición o primer clic…

Medium Corporation explica que “estos modelos se basan en reglas arbitrarias en lugar de datos. Esto implica que hay una infrautilización de la información, ya que se pueden extraer ideas relevantes de los datos históricos. Por tanto, los modelos de atribución basados en reglas no son los más precisos y son menos fáciles de entender e implementar.”

La segunda posibilidad es el aprendizaje automático de las máquinas (AML). Este modelo puede producir mejores resultados. El desarrollo de un modelo de aprendizaje automático puede parecer no accesible para todos, ya que implica una capacidad considerable de datos e informática.

La buena noticia es que esta barrera se está reduciendo gracias a los nuevos servicios que ofrecen la posibilidad de alquilar servidores, que pueden usarse tanto para el almacenamiento de datos como para el procesamiento. A medida que el aprendizaje automático y la tecnología de datos en la nube se vuelven más accesibles y escalables, la construcción de su propio modelo de atribución multitáctil basado en datos es cada vez más realista.

Normalmente a los científicos de datos les lleva tiempo crear un modelo tradicional de aprendizaje automático. Esto puede conducir a una situación en la que, después de trabajar en un algoritmo durante algunos meses, para cuando esté listo, ya puede estar obsoleto. Por tanto, el marketing necesita una forma más rápida de construir los algoritmos.

Algoritmos automáticos

La solución es el aprendizaje automático automatizado (automated machine learning, AML), una tecnología que construye automáticamente algoritmos a partir de datos históricos, a veces en tan solo unas pocas horas en lugar de días o meses.

AML puede producir modelos de atribución de marketing sofisticados para realizar análisis complejos de “qué pasaría si” que cuantifican la efectividad de diferentes tipos de actividades de marketing y diferentes combinaciones de puntos de contacto.

Al utilizar puntos de contacto y resultados históricos, AML encuentra patrones automáticamente, creando un modelo que predice las ventas en función de los puntos de contacto que se aplican a cada cliente potencial. Usando el modelo, ejecutará una serie de escenarios de “qué pasaría si” usando diferentes puntos de contacto para predecir cómo las diferentes combinaciones afectan al proceso de las ventas.