Modelos de atribución para especialistas en marketing: cómo obtener información precisa que importa

Ha trabajado todo el trimestre en una nueva serie de marketing de contenido y las conversiones están aumentando.

¿Atribuyes estas conversiones exclusivamente a tu contenido? ¿Qué pasa con los clientes que hicieron clic en su artículo desde su página de redes sociales? ¿Atribuye esas conversiones a las redes sociales o al artículo (o a ambos)?

Optimizar el gasto en marketing es una prioridad principal para los especialistas en marketing. Pero es difícil saber dónde concentrar sus esfuerzos cuando los embudos lineales están desapareciendo cada vez más en la leyenda.

Los modelos de atribución multitáctil han intentado resolver este problema, pero muchos especialistas en marketing están utilizando modelos incorrectos para medir sus campañas.

En este artículo, nos sumergiremos en los modelos de atribución populares que funcionan y explicaremos cómo obtener los datos de atribución más precisos para que pueda obtener una imagen precisa de su ROI.

¿Qué es un modelo de atribución?

Un modelo de atribución es un conjunto de reglas que rigen cómo asigna el crédito otorgado a los esfuerzos de marketing y ventas que dan como resultado una conversión. En otras palabras, pretende responder a la pregunta "¿qué canal o campaña generó este usuario, cliente potencial o venta?"

En el modelo de marketing tradicional, la atribución era fácil. Un cliente visitó su tienda con un recorte de periódico y usted atribuiría esa venta a su reciente anuncio en el periódico.

Debido a que los puntos de contacto ahora ocurren en docenas de canales (a menudo en el lapso de días o incluso horas), las rutas de conversión son más complicadas y mucho menos lineales:

Los clientes ahora interactúan con las marcas a través de las redes sociales, correo electrónico, anuncios de Google, publicaciones de blog, etc. Esto hace que sea más difícil desarrollar un modelo preciso para medir el valor del punto de contacto (y, por lo tanto, saber dónde asignar el presupuesto).

Un ejemplo de modelo de atribución

Tome este viaje del cliente bastante sencillo:

• Un cliente busca en Google para resolver un problema y descubre una de sus publicaciones de blog;
• El artículo presenta soluciones a su desafío y descargan su libro electrónico para obtener más información;
• El lead magnet activa su secuencia de nutrición de correo electrónico para enviar consejos semanales para mantenerse al tanto de este punto de dolor;
• En algún momento de la campaña de correo electrónico, ofrece una demostración personalizada del producto;
• Después de la demostración, el cliente se suscribe a su plataforma.

En este camino, ¿qué punto de contacto es responsable de la conversión?

Podrías argumentar:

• La publicación del blog atrajo al cliente a su sitio en primer lugar, aunque es posible que no hayan estado listos para comprar.
• La campaña de correo electrónico educó al cliente sobre un desafío que aún no entendían, pero aún no estaban listos para comprar.
• La demostración de ventas condujo a la venta, pero solo vieron la demostración porque descargaron el libro electrónico.

En realidad, cada uno de los puntos de contacto probablemente contribuyó de alguna manera . El modelo de atribución multicanal efectivo lo ayuda a determinar qué canales son los más influyentes para que pueda tomar mejores decisiones de marketing.

Por ejemplo, puede encontrar que su campaña de correo electrónico tiene poca influencia en la conversión, y el contenido social con el que se involucraron semanas después de descargar el libro electrónico es lo que impulsa la venta. Alinear esa secuencia de correo electrónico con su contenido social puede acelerar el ciclo de ventas, reduciendo su costo de adquisición de clientes (CAC).

Solo puede acceder a esta información una vez que haya determinado el modelo de atribución más apropiado para su marca.

Listo para usar: los modelos de atribución estándar

Ningún modelo de atribución de marketing es perfecto, pero el modelo correcto en el contexto correcto lo ayudará a aprovechar al máximo su presupuesto de marketing .

Google Analytics, la plataforma más utilizada para el seguimiento de la atribución de marketing, ofrece una herramienta de comparación de modelos de embudos multicanal (MCF) para ayudarlo a determinar qué modelo tiene más sentido para sus campañas.

Utilice los diferentes modelos de atribución a continuación para guiar su proceso de toma de decisiones y prepárese para participar en algunos experimentos para encontrar el modelo adecuado para su estrategia de marketing.

¿De dónde vienen ellos? El modelo de atribución de última interacción

La atribución de última interacción, también conocida como atribución de último toque o atribución de último clic, es la predeterminada en la mayoría de las herramientas de análisis y la más utilizada.

Considere este camino:

• Un cliente ve su anuncio de Google cuando busca un producto que usted vende;
• Agregan el producto a su carrito pero no compran;
• Envía un correo electrónico de abandono del carrito;
• El abandono de su carrito también desencadena anuncios de retargeting;
• El cliente hace clic en un anuncio de retargeting de Facebook y compra.

En el último modelo de interacción, ese anuncio de retargeting recibe el 100 % del crédito de atribución.

Este modelo de atribución otorga todo el peso a la última interacción con su marca, independientemente de los otros puntos de contacto que se hayan producido antes.

Aunque es el modelo de atribución predeterminado, el último clic es fundamentalmente defectuoso. Casi nunca se da el caso de que el último punto de contacto sea el único responsable de una conversión.

En el ejemplo anterior, es posible que el cliente no haya llegado a su sitio sin ver el anuncio inicial. Es posible que también hayan planeado comprar esa noche después de recibir un descuento en el correo electrónico de abandono del carrito.

Como dijo Avinash Kaushik: “El único uso de la atribución del último clic ahora es que te despidan. Evítalo.”

Cuándo usar el modelo de atribución de último clic

Evite el modelo de última interacción cuando su ciclo de compra sea largo, estén involucrados muchos tomadores de decisiones o venda artículos caros. Hay mucha consideración involucrada en estas transacciones y el último clic no le dirá qué puntos de contacto fueron más efectivos.

Utilice el modelo del último clic cuando el ciclo de compra sea corto y haya poca deliberación, como en los sectores de bienes de consumo de rápido movimiento (FMCG).

¿Dónde empezaron? El modelo de atribución de primera interacción

La atribución de primera interacción, también conocida como atribución de primer toque o primer clic, es lo opuesto al modelo de atribución de último clic. Da crédito por completo al primer punto de contacto.

Recuerde el camino discutido en el modelo anterior. Según el primer modelo de interacción, el anuncio de Google inicial recibiría el 100 % de la responsabilidad de influir en la venta, independientemente de los otros puntos de contacto que surgieron después.

El uso de este modelo tiene cierta validez (los siguientes puntos de contacto nunca se habrían producido sin el primero), pero sigue siendo defectuoso. Los compradores rara vez se convierten en función de una sola interacción inicial, como leer una publicación de blog o ver un anuncio en las redes sociales.

Como escribió Avinash: “La atribución del primer clic es como darle a mi primera novia el 100 % del crédito por haberme casado con mi esposa”.

Cuándo usar el modelo de atribución de primer clic

El modelo de atribución de primer toque puede ser apropiado cuando la creación de marca es su principal preocupación, por ejemplo, si es un recién llegado al mercado.

En este ejemplo, su objetivo es que sus esfuerzos de marketing lleguen a la mayor cantidad posible de clientes potenciales, por lo que esas interacciones de primer contacto se vuelven vitales para alcanzar ese objetivo.

¿Qué hicieron antes de hacer eso? El último modelo de atribución de clics no directos

La atribución del último clic no directo es similar al modelo del último clic, excepto que descuenta el tráfico directo.

Considere una ruta de comercio electrónico que se parece a esto:

• Un cliente realiza una búsqueda orgánica de un producto determinado en Google;
• Esta palabra clave activa uno de sus anuncios de Google;
• El cliente hace clic en el anuncio, busca productos y agrega algunos a su carrito;
• No realizan la compra, lo que desencadena un correo electrónico de abandono del carrito;
• Posteriormente, el cliente vuelve directamente a su sitio web y procede con la compra.

Según el modelo de última interacción, esta conversión se atribuiría al tráfico directo. En el último modelo de clic no directo, se atribuye al correo electrónico de abandono del carrito.

Cuándo usar el último modelo de atribución de clic no directo

Para la mayoría de las empresas, el último modelo de clic no directo sigue siendo demasiado básico para dar cuenta de la mayoría de los viajes de compra. A menudo dirige el crédito a donde no se debe.

Si su tráfico directo se convierte rápidamente, podría beneficiarse potencialmente de este modelo. Sin embargo, si los clientes tienden a navegar por su sitio durante una sesión de compra, evite este modelo. Podría ser otra cosa que los convenza de comprar.

Como dijo Avinash, “¿Por qué subestimar Direct? ¿Por qué subestimar los esfuerzos de un vendedor para crear reconocimiento de marca y valor de marca?

Dividir el crédito en partes iguales: el modelo de atribución lineal

La atribución lineal es un paso mejor que los modelos de punto de contacto único. Tiene en cuenta todas las interacciones rastreables y distribuye el crédito de atribución de manera uniforme.

Si bien cada punto de contacto obtiene un premio de participación por contribuir a la venta, el modelo no tiene en cuenta qué tan merecida es esa participación.

Veamos esta ruta del cliente:

• El cliente ve un tweet positivo sobre tu marca de un influencer al que admira, por lo que pasa aproximadamente una hora explorando el contenido de tu sitio web;
• Desde su sitio web, hacen clic en los íconos de sus redes sociales y lo siguen en varios canales, y también se suscriben a su boletín informativo;
• En los próximos meses, el cliente revisa las publicaciones de su marca en las redes sociales y rara vez se detiene a leer alguna;
• Tampoco abren nunca sus boletines;
• Una situación en el trabajo lleva al cliente a necesitar tu solución rápidamente y el influencer vuelve a publicar sobre tu marca el mismo día;
• El cliente abre su último boletín en su bandeja de entrada y se suscribe a su plataforma a través de la CTA en la parte inferior.

El modelo de atribución lineal otorga el mismo crédito a las redes sociales, su sitio web y su boletín informativo, aunque se desplazan más allá de sus publicaciones y no leen sus correos electrónicos.

Según esta lógica, estaría tentado a dividir su inversión en marketing en partes iguales para cada canal. Sin embargo, podría argumentar que el marketing de influencers y el contenido de su sitio web fueron los más efectivos aquí.

Cuándo usar el modelo de atribución lineal

Las grandes empresas o las empresas más establecidas con un presupuesto de marketing decente deberían centrarse en determinar los porcentajes de atribución con mayor precisión.

Si no tiene el presupuesto o los datos para asignar porcentajes más precisos, el modelo lineal al menos representa varios puntos de contacto en lugar de poner todo en un solo bote.

Priorizar el primer y el último punto de contacto: el modelo de atribución basado en la posición

El modelo de atribución basado en la posición (a veces llamado atribución en forma de U) es una combinación entre los modelos lineal, de última interacción y de primera interacción.

Este modelo otorga la mayor parte del crédito a la primera y la última interacción, y el crédito restante se distribuye uniformemente en todos los demás puntos de contacto.

Este modelo parece tener más sentido; el primer y último punto de contacto son claramente muy influyentes. Reconoce dos pasos críticos en el viaje del comprador, al mismo tiempo que tiene en cuenta otros en el camino.

Cuándo usar el modelo de atribución basado en la posición

Utilice el modelo de atribución basado en la posición si su empresa tiene varios puntos de contacto antes de que los clientes realicen una compra (es decir, empresas con ciclos de ventas prolongados).

Creciendo en importancia: El modelo de atribución de decaimiento en el tiempo

El modelo de atribución de tiempo decreciente se basa en el principio de que todos los puntos de contacto valen algo, pero los más cercanos a la conversión valen más.

La última interacción recibe la mayor cantidad de crédito y todas las interacciones anteriores reciben atribución en cantidades decrecientes.

La mayor crítica de este modelo es que subestima el valor de los esfuerzos de marketing de la parte superior del embudo, que en primer lugar presentaron al cliente la marca.

Cuándo usar el modelo de atribución de declive en el tiempo

Utilice modelos de decaimiento en el tiempo en escenarios con ciclos de compra largos y cuando la construcción de relaciones sea un factor clave en el éxito de las ventas (particularmente en B2B).

Ir más allá de los modelos estándar para obtener datos de atribución de marketing más precisos

Los seis tipos tradicionales de modelos de atribución discutidos anteriormente son un buen comienzo, pero su aplicación es bastante limitada.

La elección de uno de los modelos de atribución estándar es subjetiva y se basa en las intuiciones de los especialistas en marketing acerca de dónde y cuándo los clientes toman decisiones de compra. Las decisiones subjetivas pueden ser incorrectas, lo que lleva a un esfuerzo y gasto desperdiciados.

La personalización de los modelos de atribución estándar puede acercarlo a la precisión

Es posible crear modelos de atribución personalizados además de los modelos de Google Analytics listos para usar.

Por ejemplo, puede ajustar la ponderación de las interacciones en un modelo basado en la posición para dar menos crédito a la primera o la última interacción.

Puede personalizar aún más su modelo de atribución combinando Google Analytics y R, un lenguaje de programación para computación estadística.

Utilice modelos de Markov (modelos de procesos aleatorios que reflejan sistemas cambiantes) para mejorar el seguimiento de atribuciones. En un alto nivel, los modelos de Markov analizan la probabilidad de pasos posteriores en una ruta de conversión e intentan calcular la importancia de un punto de contacto en función de su eliminación.

Kaelin Tessier de Bounteous, una agencia de experiencia digital, describe los beneficios de usar modelos de Markov para el modelado de atribución:

Objetividad: ¡no hay sentimientos viscerales aquí! Solo hechos.
Precisión predictiva: predice eventos de conversión.
Robustez – Resultados válidos y fiables.
Interpretabilidad: transparente y relativamente fácil de interpretar.
Versatilidad: no depende del conjunto de datos. Capaz de adaptarse a nuevos datos.
Eficiencia algorítmica: proporciona resultados oportunos.

Los modelos de Markov resuelven el mayor desafío de los modelos GA basados ​​en heurística: la objetividad. El modelo determina la importancia de cada punto de contacto, no el comercializador.

Pero todavía hay muchos matices a considerar. Por ejemplo, ¿qué sucede si un cliente potencial sigue a su CEO en LinkedIn y se ve influenciado por el contenido que publica? Atribuir al "embudo oscuro" puede ser complicado.

Para obtener los conocimientos de atribución más precisos, consulte los modelos basados ​​en datos.

Aumento de la precisión con modelos de atribución basados ​​en datos

A medida que los recorridos de los clientes aumentan en complejidad, también deben hacerlo los modelos de atribución. Forzar los recorridos de los clientes en pequeñas cajas ordenadas rara vez representa con precisión cómo se toman las decisiones de compra.

Por ahora, los enfoques algorítmicos o basados ​​en datos pueden considerarse el estándar de oro de la atribución de marketing.

Como dijo Bill Macaitis, ex CMO de Slack, en una entrevista:

Bill Macaitis:

“Hoy, la atribución algorítmica se ha convertido en la mejor práctica para los especialistas en marketing y las empresas basadas en datos.

Ahora podemos utilizar toda la recopilación de datos, las herramientas y los modelos disponibles para abarcar todos los puntos de contacto diferentes y realizar atribuciones algorítmicas predictivas. Cuando se configura correctamente, podemos rastrear cada punto de contacto y todas las métricas del embudo descendente. Y al ponderar proporcionalmente a través de un conjunto de datos muy grande, podemos determinar con mucha más exactitud y precisión qué debe recibir el crédito, incluida la publicidad en línea, fuera de línea, basada en el rendimiento y de marca.

No es perfecto, y no es fácil. Se vuelve difícil con referencias de boca en boca, redes sociales oscuras y otros "toques ocultos". Pero impulsa una comprensión mucho más profunda del viaje del comprador y cuáles de sus esfuerzos de marketing están dando sus frutos”.

Productos como Google Analytics 360 e Impact.com utilizan el aprendizaje automático y cálculos estadísticos avanzados, como la regresión logística, para determinar cómo se debe distribuir el crédito para los puntos de contacto de marketing.

En un alto nivel, la atribución basada en datos analiza las diferencias en el compromiso del punto de contacto entre los clientes que se convierten y los que no. Los patrones de compromiso, que ahora representan conversiones rápidas y oportunidades perdidas, informan una atribución de crédito proporcional más precisa.

Los modelos algorítmicos son objetivos y automatizados, eliminando las decisiones de "instinto" que toman los especialistas en marketing cuando deciden qué paso parece ser el más importante.

Los modelos algorítmicos son muy complejos y están dirigidos a las empresas. Va a ser una exageración para muchas empresas, especialmente si se considera el costo de estos productos (Google Analytics 360 comienza en $150 000 por año).

Si la atribución algorítmica está fuera de su alcance, su mejor enfoque es usar el modelo estándar que mejor se adapte a su estrategia, personalizarlo y optimizarlo continuamente a medida que aprende qué funciona y qué no.

Aislamiento de debilidades a través de pruebas de existencia

La "prueba de existencia" consiste en inferir la efectividad de un determinado canal al dejarlo fuera de la mezcla por un momento. Esto es en lo que se basan muchos de los modelos basados ​​en datos anteriores, por cierto, pero a escala.

Jim Novo, fundador de The Drilling Down Project, lo expresó bien en un episodio de Digital Analytics Podcast:

Jim Nuevo:

“Si cree que [display] es tan valioso en términos de ayudar a otras campañas, ¿por qué no lo elimina durante una o dos semanas y ve qué sucede? Y luego volver a agregarlo.

¿No puedes hacer ese tipo de pruebas? ¿Vale la pena invertir ese dinero en otra parte? ¿Qué tan serio es usted acerca de averiguar el valor de la exhibición?

Conectando los puntos entre el comportamiento fuera de línea y en línea

El comportamiento de compra moderno incluye una serie de actividades de los clientes. Es posible que tenga clientes que participen en cualquiera o una combinación de los siguientes:

• Investigar y comprar puramente en línea;
• Investigar y comprar puramente fuera de línea;
• Investigar en línea y comprar fuera de línea (también conocido como ROPO o webrooming);
• Probar productos en la tienda y comprar en línea (también conocido como showrooming).

Los modelos de atribución estándar tienden a dar cuenta exclusivamente del marketing digital y el comportamiento en línea. Incluso cuando se rastrean canales fuera de línea como medios impresos y correo directo, se hace con una URL dedicada.

Entonces, ¿cómo pueden los especialistas en marketing rastrear lo que sucede fuera de línea?

Hay algunas formas en que las empresas han podido dar cuenta de las actividades en la tienda y conectar los puntos con las actividades en línea.

1. Balizas Bluetooth de baja energía (BLE)

Las balizas pueden ser útiles para sus clientes al tiempo que brindan información sobre sus hábitos de compra.

Por lo general, funciona como "GPS en la tienda". Cuando los clientes que instalaron su aplicación en su dispositivo ingresan a su tienda, las balizas se comunican con la aplicación y conectan el comportamiento en línea de ese usuario con sus compras en la tienda.

Target usa balizas para ayudar a los clientes a ubicar artículos en su lista de compras, encontrar ayuda en la tienda e incluso tiene un suministro de noticias basado geográficamente.

Macy's ha estado utilizando balizas para ofrecer sugerencias, enviar promociones en tiempo real y rastrear y atribuir compras desde 2014.

Si bien este tipo de seguimiento ha sido popular entre las tiendas minoristas, es posible que algunos clientes no se sientan cómodos con él. Adelántese al interés encuestando a los compradores, luego pruebe con un grupo pequeño antes de implementarlo.

2. Tarjetas de fidelidad

Las tarjetas de fidelización son una forma sencilla de conectar perfiles digitales con compradores fuera de línea, siempre que las tarjetas estén activadas en línea.

Varias plataformas ofrecen a las empresas programas de fidelización integrados, como Yotpo y Stampme.

Las plataformas conectan experiencias en línea y fuera de línea, por lo general solicitando a los usuarios que escaneen una tarjeta de fidelización en la caja física, para que los usuarios puedan acumular puntos en cualquier lugar donde compren.

3. Llevar a los clientes fuera de línea

El productor de muebles y decoraciones VOX impulsa el viaje del cliente para que culmine en una consulta cara a cara utilizando una aplicación llamada VOXBOX.

VOXBOX permite a los clientes diseñar un diseño de mobiliario virtual y luego recomienda a los clientes programar una consulta en persona en una de sus tiendas físicas.

Con este enfoque, VOX puede rastrear todos los puntos de contacto de ese cliente, incluidas las actividades fuera de línea.

Conclusión

No existe una talla única para todos en el modelo de atribución. Las soluciones más sólidas utilizan modelos algorítmicos para asignar crédito de atribución, pero tienen un costo significativo.

Si la atribución algorítmica no está en su timonera, su mejor opción es crear modelos personalizados además de las ofertas de referencia en su conjunto de análisis preferido. Optimice su atribución a medida que aprende más sobre cómo sus clientes interactúan con los puntos de contacto de marketing.

Conviértase en un maestro de la atribución con nuestro curso de atribución de marketing.