Next Best Experience

Esta charla la ha ofrecido Alfonso Calatraba, Marketing Science lead de Facebook.

Tenemos que conseguir ser eficientes en inversiòn y conseguir mayor impacto.

Facebook tiene 17 millones de usuarios en España.

El algoritmo de Facebook funciona aumentando la audiencia impactada: el balance entre cobertura masiva y opciones de segmentación permite incrementar eficiencia (CPM).

El criterio de optimización de campañas (cobertura vs engagement) es también el factor determinante. La gente que es mas propensa a dar a clic, son los grupos mas caros. Son los mas impactados y  por lo tanto más preciados, pues nos va a dar mayor reach. Lo que se busca no es el reach pero que el engagemente sea puro.

Midiendo Impacto:

España es uno de los paises a nivel globales adopción de tecnología (Global web index). Tenemos que tratar de identificar personas, no cookies.

Hay dos puntos clave en el objetivo de avanzar en el sistema de medicion:

1. Metodologías adaptadas a nuestro negocio y demandas actuales. Trabajar con empresas con mucha data, que nos pueden ayudar a entender las personas mas allá de las cookies. Y ver no solo a quién analizo, sino qué analizo

Facebook ha desarrollado mas de 5.000 estudios de branding para entender las campañas  que generan mejor performance.

Por países:

2. Entender cómo puedo generar ventas: Facebook y TV generan sinérgias efectivas para incrementar la probabilidad de compra.

Hay 4 factores al planificar una campaña:

1. Targetizacion
2. Frecuencia (numero de impactos)
3. Cobertura
4. Creatividad

Han hecho un estudio que investiga si la tasa de interacción influye en el recuerdo del anuncio, concluyendo que la frecuencia es clave,pero el volumen de gente al que impacto no es tan determinante, pues no a mayor o menor reach hay mas recuerdo.

Mobile best practices

• Presencia de marca desde el principio de la pieza (3 primeros segundos)
• Hacer el video lo mas corto posible
• Adaptar cualquier pieza al dispositivo en cuestiòn

Busquemos nuestra historia de la manera mas sencilla y sigamos el consejo de Churchil – “Si hubiera tenido mas tiempo hubiera escrito una carta mas corta.”

Un DMP (Data Management Platform) es una plataforma de gestión de datos centralizada que permite a los anunciantes crear audiencias objetivo a las que dirigirse, basándose en una combinación de datos de diferentes fuentes.

Hemos tenido la suerte de escuchar de la mano de dos pontentes las ventajas de estas plataformas y aquí os dejamos el resumen de las dos charlas.

En primer lugar Manuel Mercader, CEO de la agencia Conversion, nos ha hablado del cross-device y de la data en la revolución digital: Del Mad Men al Math Men.

El DMP trata al usuario de una forma única e identificable. Una vez identificado al usuario tenemos que decidir si tiene potencial de compra o ya nos ha comprado por lo tanto hay que impactar de distinta manera.

Hay tres tipos de datos: los que compramos, los nuestros propios y los que activamos desde el CRM, por ejemplo.

Si nuestras variables de medición no están allanadas con lo que queremos recoger tenemos el primer problema. Por lo tanto, antes de implementar un DPM hay que entender exactamente como han de estar estructurados los datos – qué se mide, cómo y cuándo. Para así poder determinar la conectividad entre datos.

El Identificador Unico es esencial. Existen dos formas de medirlo:

• Con Facebook o Google que atribuye un ID, pero estas no son las únicas plataformas con User ID. También están las plataformas probabilísticas, son aquellas que buscan parámetros iguales en distintos dispositivos, como por ejemplo el uso del mismo wifi en distintos dispositivos. De las distintas plataformas se crea un marketplace con los datos de las variables que unen a los usuarios. Y así conseguimos IDs únicos que nos permiten obtener una taxonomía de usuarios para combinarla en modelos look-alike.
• Con distintos modelos de atribución ajustados a las necesidades de el usuario.

Todavía hay un GAP donde no están automatizados todos los modelos de atribucion en el DMP. Pero se esta trabajando con todo el raw data.

Formas de identificar un usuario:

1. Deterministica: pones tu correo.
2. Probabilística: tipo de navegación, IP, etc. Tiene que tener un nivel de confianza determinado.
3. Hibrídos: conectar datos de caracter personal con datos de terceros y aplicar cierta probabilística.

ESTUDIOS DE CASOS

• Si tenemos una inversión en medios.
• La empresa y organización sea lo suficientemente madura para unir toda esta data.
• La experiencia del usuario (CRM, Content Automation e Email Marketing Automation)
• Monetizacion de datos y Co-marketing. Se crea un marketplace donde todos los proveedores dan su data y se va combinado para hacer insights.
• CRM
• Email marketing & Marketing Automation – qué tipo de potencial de venta me puede dar un usuario a partir de la compra de un producto. Y cómo de directo o agresivo tengo que ser con cada usuario para que convierta.
• Modelo de atribucion personalizado – que se puedan adaptar a la realidad de nuestra empresa.

QUÉ TENEMOS QUE TENER EN CUENTA:

1. Definir una estrategia global de datos de la compañía.
2. Establecer una jerarquía de casos de uso.
3. Definir y configurar el data layer alineado con los casos y lo que quiero hacer en el futuro.
4. Tener un equipo involucrado pero con liderazgo directo y claro.
5. Activar transversalmente los canales implicados.

Estudio: http://queesundmp.com

La segunda charla la ha ofrecido Kiril Dimirov, OMC Sales Leader Iberia de ORACLE.

El nos ha hablado como a partir noviembre de 2016, el trafico Mobile ha superado oficialmente al trafico de Desktop

Dentro de DMP no solo existe la solución cross-device, pero también también ligado al CRM. Y así logran datos de consumo individuales, compro ejemplo cuanta gente volverá a un site si la experiencia en mobile es mala.

Algunos de los datos que podemos extraer con estas plataformas:

Una vez lanzada la campaña, a través del DSP, se puede identificar donde están las audiencias para sólamente impactar al target que se quiere impactar, y si sobran impactos se reservan hasta que aparezca la audiencia adecuada, lo cual ahorra mucho dinero a las empresas.

¿Por qué invertir en Modern Marketing?

Se busca conseguir conseguir una experiencia lo mas personalizada posible sin limite de canales de comunicación y en multi-dispositivo. Se trabaja con conectividad nativa, por lo que da igual de qué canal venga el usuario, todo se mide. Las campañas se pueden adaptar según performance o en función de la geolocalización.

Existen 3 retos estratégicos del DMP:

¿Cómo funciona un DMP?

La información de nuestra audiencia la ligan a 3rd party data, y crean distintas campañas a través de los DMPs utilizando modelos look-alike.

La unificación conecta a cada cliente con todos los canales y dispositivos. Esto nos permite saber cuándo hay que activar determinadas campañas en función de cada individuo. Consiguen unificar el dato.

El valor del BIG DATA de marketing incluye:

En definitiva un DMP nos permitirá dirigirnos a nuestra audiencia objetivo, gracias a la combinación de datos de diferentes fuentes.

 

Miquel Trias, Analista de Google, nos ha hablado de cómo ven desde Google el problema del cross-device y cómo se puede resolver.

Hoy el cross-device es algo esencial, pues cada individuo utiliza una media de 3,3% dispositivos.

En 2007 solo teníamos PC, por lo que la medición era relativamente sencilla a través de las cookies. Hoy en día, con 3,3 dispositivos por usuario las cookies nos dan una visión parcial.

El crecimiento de búsquedas en mobile no deja de crecer:

 

Y las expectativas de lo que la gente hace con el mobile cada vez son mayores. El 90% de las personas afirman que las tareas las completan utilizando más de un dispositivo y el 38% utiliza más de un canal.

 

¿Qué es una conversion cross-device?

Cualquier conversion donde la cookie no vale. Por ejemplo cuando tenemos distintos dispositivos, navegadores o canales.

Hay dos grandes retos:

1. Tener la foto global del comportamiento del usuario
2. Saber atribuir el merito de cada conversion/venta a cada canal

RETO 1: MEDICIÓN

Muestra una foto global de lo que hace el usuario. Las plataformas de medición se dividen en dos tipos:

• Usuarios logados (double clic, Facebook, User ID, Google Analytics, Adobe Marketing Cloud)

Problemas: no siempre se logean y normalmente cuando lo hacen lo hacen al final de la compra. Además se extrapolan los datos de estos usuarios logeados, que no son mas del 40%, a la conducta de todos los usuarios del site.

• Signal-based: probabilistic. No lo recomiendan desde Google. Se realiza mediante la relación de características entre dispositivos, como por ejemplo mismo Wifi.

Las herramientas de medición de Google son 100% determinísticas: todos los usuarios están logados. Solo hay extrapolación con al menos un 95% de precisión y el usuario es siempre anónimo.

RETO 2: ATRIBUCIÓN

Consistiría en saber distribuir los méritos de la venta a cada medio que participa en el proceso.

Modelo de LAST-CLICK siempre beneficia al proveedor. Facebook te dice que el 100% de la atribución es suya, y Google Analytics de la ultima interacción. Adwords suya. Esto es erróneo en cualquiera de los casos.

ATTRIBUTION + START BIDDING: Lo ideal es combinar datos de Google con usuarios de otras plataformas como Facebook.

Moviéndonos del last-click, ¿que modelo de atribución es el correcto?

El modelo mas justo es Data-driven: basado en machine learning. Asocia la atribución a aquel canal que si lo quitásemos no se hubiese producido la conversión.

 

¿POR QUÉ DATA DRIVEN?

1. No es una caja negra: se basa en la teoría de juegos. Como redistribuyo mérito si varias personas han contribuido. Está basada en la película A Beautiful Mind, sobre el concepto de Shapley value.
2. Es intuitivo
3. Es un producto premium gratis para usuarios Adwords

Y aquí se resumen los 4 pasos del modelo:

Step 1: Se calcula el CR de una acción

Step 2: Cogemos el primer camino de conversión y formulamos un segundo camino sin una interacción concreta. En el primer path el CR es del 25% y en el segundo del 10%. Vemos que el paso que hemos quitado es importante. Si la tasa de CR no hubiese caído tanto, no seria un factor importante.

Step 3: Nos quedamos con ese dato del paso que hace reducir el CR y lo incluimos en el modelo multiplicado por un 2,5 en un modelo linear.

Step4: Atribuimos valores a cada step.

El mundo del pasado es un mundo donde se utiliza last-clic.  Hoy se utilizan todos los touch points.

¡Ya era hora! Parece que Google empieza a ponerse las pilas en mejorar las funcionalidades de su herramienta de visualización de datos: Google Data Studio, y en los últimos meses, ha lanzado un paquete de “new features” muy potente.

1. Opción de búsqueda para aplicar en los filtros:

Los dashboard de GDS (Google Data Studio) eran fácilmente filtrables por segmentos de Analytics, no obstante, si los criteriores de “segmentación” eran diversos, las listas de filtro conllevarían hacer scroll de forma consistente hasta dar con los deseados. GDS incorpora la opción de búsqueda en los filtros para facilitar esta tarea.

2. Análisis multi-dimensión en un solo gráfico:

Los charts combinados de GDS solo permitían utilizar la opción de gráfico lineal basada en tiempo (por días, mes, año…). Los nuevos gráficos combinados permiten utilizar esta visualización ya sin dimensión temporal, sino para cualquier otra que queramos usar.

3. Elementos clicables:

Si en alguno de los charts/tablas de GDS reportamos como dimensión un elemento clicable (i.e. una URL de un video en YouTube), al clicar sobre la URL reportada, el analista/usuario del dashboard, será reconducido automáticamente al link abierto.

Read More