Modelo de atribución con cadena de Markov
El modelo de atribución es la práctica de asignar puntos de contacto a eventos monetariamente relevantes dentro del recorrido del cliente, lo que está directamente relacionado con el retorno de la inversión de sitios web de comercio electrónico, campañas o clasificaciones en los resultados de búsqueda orgánica. La atribución se refiere a la asignación de un valor a interacciones específicas realizadas por usuarios o clientes en diferentes canales. Cada interacción es en cierta medida responsable de los resultados de un activo digital y recibe un valor numérico correspondiente, con el que posteriormente se pueden cuantificar los resultados con relativa precisión.
El objetivo del modelo de atribución es analizar el papel de los distintos puntos de contacto y canales en el recorrido del cliente. Los clientes llegan a un sitio web a través de diversos medios, como anuncios, un hipervínculo o un artículo en las SERP. El modelado de atribución está diseñado para identificar estos diferentes puntos de contacto y su papel causal con respecto al ROI o la tasa de conversión, ayudando así a ponderar los puntos de contacto y los canales para poder utilizar el marketing multicanal de manera más eficiente y tomar decisiones presupuestarias más informadas.
Modelo de atribución de automatización del marketing
Puede utilizar la herramienta de comparación de modelos de embudos multicanal para comparar cómo afectan los distintos modelos de atribución a la valoración de sus canales de marketing. En la herramienta, el Valor de Conversión calculado (y el número de conversiones) para cada uno de sus canales de marketing variará en función del modelo de atribución utilizado. Un canal que inicie predominantemente rutas de conversión tendrá un Valor de Conversión más alto según el modelo de atribución de Primera Interacción que según el modelo de atribución de Última Interacción.
En el modelo de atribución de Último clic no directo, se ignora todo el tráfico directo y el 100% del crédito de la venta va al último canal desde el que el cliente hizo clic antes de convertir, en este caso, el canal de correo electrónico.
En el modelo de atribución Time Decay, los puntos de contacto más cercanos en el tiempo a la venta o conversión obtienen la mayor parte del crédito. En esta venta en concreto, los canales Directo y Correo electrónico recibirían la mayor parte del crédito porque el cliente interactuó con ellos a las pocas horas de la conversión. El canal de redes sociales recibiría menos crédito que los canales directo o de correo electrónico. Dado que la interacción con la búsqueda de pago se produjo una semana antes, este canal recibiría un crédito significativamente menor.
Atribución basada en datos
Atribuir el éxito a esfuerzos de marketing específicos mediante “modelos de atribución” de marketing es una parte importante de este proceso. Permite a los profesionales del marketing identificar qué estrategias son más eficaces para impulsar las conversiones a corto y largo plazo.
Esa respuesta puede cambiar en función del tipo de modelo de atribución utilizado para las campañas del cliente. Algunos modelos de atribución pueden centrarse en la última parte del embudo de ventas, mientras que otros atribuyen la conversión a canales de marketing anteriores.
Ciertas actividades, como el remarketing o el marketing por correo electrónico, pueden pasarse por alto cuando se mide el éxito del marketing basándose en el primer clic. Por el contrario, las actividades de la parte superior del embudo, como el marketing de contenidos, podrían reducirse si el ROI sólo se calcula en función del último clic.
Al considerar un solo canal de forma aislada, los profesionales del marketing pueden pasar por alto las sinergias entre las distintas acciones de marketing. Esto significa que no podrán evaluar con precisión qué canales están aportando más conversiones o ingresos y ajustar su gasto en consecuencia.
Métodos de atribución
Un método para estimar el impacto puro de una campaña es el diseño de experimentos aleatorios, en los que se comparan un grupo de control y un grupo tratado. Las pruebas A/B pertenecen a esta amplia categoría de métodos aleatorios. Siempre que los grupos sean a priori similares en todos los aspectos excepto en el tratamiento recibido, todas las diferencias posteriores pueden atribuirse únicamente al tratamiento. Este método se suele utilizar en estudios médicos para evaluar el efecto de un fármaco para curar una enfermedad.
En el contexto del marketing, deben probarse múltiples campañas de forma dinámica, y es probable que el efecto del tratamiento sea heterogéneo entre los clientes, lo que plantea problemas prácticos a la hora de lanzar pruebas A/B para aproximar el valor incremental de todas las campañas. Sin embargo, los sitios con mucho tráfico y conversiones pueden beneficiarse enormemente de las pruebas A/B, ya que proporcionan una forma científica y directa de aproximar un impacto causal. Empresas líderes como Uber, Netflix o Airbnb confían en herramientas internas para la automatización de pruebas A/B, que les permiten probar básicamente cualquier decisión que estén a punto de tomar.
