Cómo MMM Consultants cierra la brecha de señalización
La era del seguimiento mediante cookies de terceros ha terminado.
Durante casi veinte años, los profesionales del marketing utilizaron cookies para mapear la experiencia del cliente y vincular con precisión las impresiones de anuncios con las conversiones a nivel de usuario. Sin embargo, con el aumento de las regulaciones de protección de datos y la eliminación del seguimiento de terceros a través de los navegadores, esta transparencia se ha reducido gradualmente.
Las principales plataformas ya han implementado cambios estructurales. Apple introdujo la transparencia en el seguimiento de aplicaciones, limitando así el seguimiento entre aplicaciones. (Apple)
Paralelamente, como parte de su iniciativa Privacy Sandbox, Google está eliminando gradualmente las cookies de terceros (Google)
Para los gestores de datos y directores de marketing, esto representa un reto estructural en términos de medición. Si ya no se pueden reconstruir los recorridos de los usuarios, resulta mucho más difícil demostrar el valor añadido de las inversiones en medios.
1. La erosión de la atribución multitáctil
La atribución multitáctil se desarrolló para el seguimiento determinista. Se basa en identificadores persistentes para vincular impresiones, clics y conversiones en diferentes dispositivos y plataformas.
Hoy en día, estas conexiones suelen romperse.
Un usuario podría ver un anuncio en una red social en su dispositivo móvil, buscarlo en una computadora y luego realizar una compra mediante una búsqueda de marca. Sin el seguimiento multidispositivo, estos puntos de contacto iniciales se pierden en los datos.
Las búsquedas de Google sobre medición entre entornos ilustran cómo la pérdida de señal reduce la visibilidad de las interacciones en la parte superior del embudo de ventas y sesga la atribución a interacciones recientes (Google)
Un análisis sectorial realizado por Nielsen también señala que la fragmentación de las señales hace más difícil cuantificar el impacto total de la presencia en los medios a lo largo del recorrido del cliente. (Nielsen)
Esto da lugar a un sesgo sistemático:
Los canales ubicados en la parte inferior del embudo de marketing reciben un reconocimiento desproporcionado.
Las inversiones realizadas en las fases iniciales del proceso de ventas parecen ser ineficaces.
El conocimiento de marca y las métricas de marca se subestiman.
Estudios publicados a través de Think with Google muestran que un enfoque excesivo en atribuir la última interacción conduce a una inversión insuficiente en medios de marca que estimulan la demanda futura (Google)
2. MMM como marco de medición agregada
El modelo de mezcla de marketing considera la atribución desde un ángulo diferente.
En lugar de rastrear a individuos, MMM analiza cómo los cambios en la inversión total en medios se correlacionan con los cambios en los resultados comerciales generales, como las ventas, las ganancias o la demanda.
Esta metodología econométrica se ha utilizado durante décadas, especialmente en los sectores de bienes de consumo y distribución, para evaluar la eficacia de la publicidad a nivel macroeconómico.
Al examinar las tendencias históricas del gasto y los datos de rendimiento, los modelos econométricos estiman la contribución de cada canal sin utilizar cookies o identificadores de usuario.
Los estudios econométricos realizados por Google demuestran efectos de retraso mensurables entre el uso de medios fuera de línea y la demanda de búsqueda en línea. (Google)
Un modelo de este tipo puede, por ejemplo, determinar cómo una campaña televisiva afecta la demanda de consultas de búsqueda de marca o el tráfico de comercio electrónico en los siguientes días o semanas.
No es necesario un seguimiento individual. La correlación se establece estadísticamente.
3. Influencia medible más allá de los medios
Una parte cada vez mayor del recorrido del cliente se lleva a cabo en entornos donde antes el seguimiento era imposible.
El boca a boca, los podcasts, la presencia en tiendas físicas, la cobertura de los medios y los eventos culturales dan forma a la demanda, pero rara vez aparecen en los paneles de las plataformas.
Los modelos MMM incorporan variables externas para tener en cuenta estos efectos.
Los estándares de modelos econométricos recomiendan incluir factores no mediáticos, como precios, publicidad e indicadores macroeconómicos, para evitar sobreestimar la contribución de los medios. (Instituto de Ciencias del Marketing)
Las variables comunes incluyen:
Indicadores macroeconómicos
Estacionalidad y días festivos
Precios y promociones
Inversiones de la competencia
Modelos meteorológicos
Los estudios universitarios muestran que excluir estas variables distorsiona las estimaciones del retorno de la inversión y sobreestima el impacto de los medios pagos (Revista Internacional de Investigación de Mercados)
Al incorporar estas señales, el modelo ofrece una visión más completa de las causas reales de las fluctuaciones de los ingresos.
Esto permite a las organizaciones acercarse a una perspectiva verdaderamente incremental, en lugar de una basada en plataformas.
4. El cumplimiento de la protección de datos como ventaja estructural
En el contexto regulatorio actual, los métodos de medición deben evaluarse no sólo en términos de precisión, sino también en términos de riesgo de incumplimiento.
Aunque soluciones alternativas como la toma de huellas digitales probabilísticas pueden restablecer temporalmente la trazabilidad, los reguladores advierten que estas técnicas aún podrían considerarse procesamiento de datos personales.
Las directrices del Comité Europeo de Protección de Datos sugieren que la toma de huellas dactilares del dispositivo podría estar sujeta a requisitos de consentimiento (CEPD)
MMM opera con conjuntos de datos agregados y no personales. Al no utilizar identificadores individuales, es intrínsecamente compatible con los principios de gobernanza centrados en la protección de datos.
Gartner describe el modelado econométrico como un enfoque de medición respetuoso con la privacidad que puede proporcionar información sobre la eficiencia a pesar de la pérdida de señal (Gartner)
Para los administradores de datos, esto ofrece una infraestructura de medición sólida y menos sensible a futuros cambios regulatorios.
5. Cambio de mentalidad respecto a la medición
Cerrar la brecha de señalización requiere más que un simple cambio de herramientas. Requiere una transformación estratégica en la forma de evaluar el rendimiento.
Una guía práctica:
Garantizar la disponibilidad de los datos internos
Los datos relacionados con ventas, gestión de relaciones con clientes (CRM), comercio electrónico y costes de medios deben estandarizarse e integrarse. La calidad de los datos se cita con frecuencia como el principal obstáculo para el éxito de la gestión multimáquina (MMM).Forrester)
Utilice modelos econométricos
Los marcos MMM bayesianos permiten integrar el conocimiento empresarial existente en las estimaciones de atribución. Marcos de código abierto como Robyn de Meta y las búsquedas de MMM bayesianos en Google han acelerado su adopción en las empresas.Meta,Google)
La planificación de escenarios permite
Las modernas plataformas MMM permiten a las empresas simular reasignaciones presupuestarias y predecir su impacto en los ingresos antes de realizar gastos.
Consideración final: Reducir la brecha operativa en la señalización
Es fundamental comprender cómo cambia la atribución de datos en ausencia de cookies. Sin embargo, el verdadero beneficio solo se hace evidente cuando las empresas integran métodos de medición respetuosos con la privacidad en su planificación diaria y decisiones de inversión.
A medida que el seguimiento determinista se vuelve menos importante, los líderes de marketing y datos necesitan entornos de modelado que puedan cuantificar resultados incrementales, simular escenarios de asignación y mantener la transparencia del rendimiento sin depender de identificadores a nivel de usuario.
Soluciones comoAITA (Econometría automatizada basada en IA)La aplicación de modelos avanzados de combinación de marketing bayesianos en un marco automatizado permite a las empresas medir la contribución de cada canal, integrar factores de demanda externa y planificar inversiones de una manera que respete la privacidad y sea financieramente viable.
Esto permite a los equipos pasar de señales de atribución fragmentadas a una infraestructura de medición unificada y sostenible.
Si desea obtener más información sobre cómo se puede implementar MMM en un entorno sin cookies, puede consultar la documentación de AITA aquí.
