El siguiente paso en la efectividad publicitaria

logo

 

 

RANDALL BEARD Y JOE STAGAMAN

La distribución del gasto publicitario se mantiene como una de las decisiones de marketing más importantes para las compañías. La actual segmentación de los medios de comunicación y el surgimiento del big data han propiciado la innovación en métricas y herramientas analíticas. Se presentan algunos ejemplos de aplicación.

Nielsen ibope publicidad

Para muchas empresas el gasto en publicidad significa una gran parte de su inversión total, el cual los ejecutivos de alto nivel y líderes corporativos –no solamente el profesional encargado del marketing– requieren administrar ante los nuevos desafíos de un mundo de plataformas proliferantes. Afortunadamente, la tecnología que crea esos retos también permite nuevas formas de hacer de la publicidad algo más poderoso.

La distribución del gasto publicitario sigue siendo una de las decisiones más estratégicas que las compañías de marketing, líderes en el conocimiento del consumidor, tienen que tomar. La velocidad de los cambios en el mundo de los medios y la publicidad crea nuevas incertidumbres entre los ejecutivos de alto nivel. La buena noticia es que las reglas no han cambiado del todo y las respuestas a las preguntas siguen siendo las mismas:

  • ¿Cuánto se necesita gastar en cada medio para asegurar el reach deseado?
  • ¿Cómo se asigna el gasto específicamente en cada medio?
  • ¿cómo determinar si funciona esta forma de administrar, de tal manera que se puedan hacer cambios para mejorar?

Por tanto, la ecuación básica para la efectividad publicitaria se mantiene vigente: conforme se puede alcanzar más a la audiencia ideal (reach)  y la publicidad resuena con mayor intensidad  (resonance),  entonces la marca se posiciona mejor y, por ende, las ventas  (reaction)  crecen:

Reach x Resonance = Reaction

Algunos cambios tienen gran importancia; en el escenario actual se presentan tres de los más relevantes:

1)    La segmentación de los medios de comunicación

2)     El surgimiento del big data

3)    La innovación en métricas y herramientas analíticas

Actualmente, la segmentación de los medios de comunicación representa el mayor reto de los anunciantes, ya que para alcanzar el reach deseado en publicidad, el presupuesto debe optimizarse a través de seis o siete medios de comunicación, en lugar de los tres medios convencionales de antes (televisión, radio y prensa). Algunos de los nuevos medios tienen literalmente cientos de canales, cada uno de los cuales puede o no ser un buen espacio para anunciarse. La buena noticia es que el segundo y tercer cambios representan la solución más potente que no necesariamente elimina el problema de la fragmentación; sin embargo, incrementan el poder de la inversión publicitaria.

La tecnología, la cual ha generado la fragmentación de la audiencia, acelera el desarrollo de nuevas herramientas que pueden incrementar la efectividad de la publicidad radicalmente.

Un paisaje cambiante

El primer cambio detectado es la increíble fragmentación de los medios, lo que conlleva la segmentación de la audiencia. En el pasado, cuando sólo había tres cadenas de televisión en Estados Unidos, anunciar los productos o servicios en esas cadenas significaba alcanzar con facilidad a la audiencia total. Ahora la televisión tiene diferentes significados para los distintos consumidores, desde la transmisión convencional hasta la recepción de la señal vía satélite o por cable, a través de la computadora, una tablet, un smartphone. Esta explosión de canales ha hecho que el trabajo del profesional de marketing sea más elaborado, complejo y masivamente complicado, tanto en la planeación de medios para alcanzar un reach óptimo como en la medición de la efectividad publicitaria entre múltiples plataformas. ¿Cómo se crea un reach sin duplicar?, o si desea alcanzar a la audiencia de todos los medios, ¿cuál es la mejor forma de crear un reach duplicado?

1 nielsen ibopeEl segundo gran cambio es el efecto del big data, el cual ha sido resultado de las revoluciones en la digitalización, en el poder de procesamiento computacional y en Internet. El big data se discute frecuentemente en términos de volumen, velocidad y variedad: se puede analizar una gran cantidad de publicidad, hacerlo con mayor rapidez y medir una gran diversidad de anuncios que antes no era posible abordar. El poder de procesamiento computacional de grandes volúmenes de datos también significa la posibilidad de medir con mayor nivel de detalle.

El tercer cambio es en el área de las nuevas herramientas y la tecnología. Acompañada del big data, la digitalización permite jugar con nuevas herramientas para enfrentar los retos que está creando. Tres de estas innovaciones se destacan a continuación.

El predictive modeling

El predictive modeling (modelado predictivo) es el mix modeling aumentado [1]. Éste optimiza la distribución del gasto en marketing  a lo largo de varios medios para generar el mejor resultado. Siempre ha sido la regla: analizar los resultados de una campaña y ajustarlos. Ahora, la riqueza y la profundidad de los datos disponibles permiten crear simulaciones para predecir el output de cualquier escenario de marketing mix.

La disponibilidad de los datos de una sola fuente

Los datos de una sola fuente, de lo que la gente ve y compra, dirigen la planeación del reach basada en el consumidor (buyergraphic). Los buyergraphics permiten al anunciante identificar con mayor precisión qué segmentos de la población expuesta a la publicidad son los que más compran. El buyergraphic es la herramienta más poderosa, generada por el big data,  para lograr la mayor efectividad publicitaria.

Optimizar las campañas publicitarias en pleno vuelo

Durante una campaña publicitaria en la televisión siempre ha sido posible realizar ediciones creativas y cambiar el mensaje. Además de que hoy es más fácil hacerlo, ¿qué diferencia existe? Ahora es posible consultar los datos en tiempo real sobre la respuesta del consumidor y, si es necesario, optimizar las decisiones. Lo anterior se logra usando el conocimiento más actual e informado en cada momento de la estrategia. Si en el pasado se modificaba el concepto creativo de una campaña, a partir de su desgaste o aceptación, en la televisión hoy es posible cambiar casi prácticamente cualquier anuncio de una campaña en pleno vuelo.

En el caso de la tecnología detrás de una campaña publicitaria lanzada en línea, ésta permite medir el desempeño creativo del anuncio, el tráfico del sitio y la frecuencia de exposición, e incluso, el tipo de audiencia impactada y hacer ajustes con el fin de poder cambiar el lugar inicial de la publicidad. Estas nuevas posibilidades tecnológicas se encuentran directamente alineadas con las decisiones más importantes que los anunciantes necesitan tomar. En una encuesta aplicada por Nielsen a los ejecutivos más altos de las agencias, anunciantes y compañías de medios, se identificaron tres problemas con los cuales luchan constantemente en el contexto actual.

Primero: ¿cómo se puede saber cuánto colocar o invertir en cada medio ante el nuevo ambiente digital? y ¿cuánto es capaz de devolver la publicidad por cada medio?

Segundo: ¿cómo se distribuye el presupuesto dentro de cada medio?

Tercero: ¿cómo aplicar esta nueva tecnología para optimizar el ROI en tiempo real?

A continuación se presentan tres casos prácticos que dan respuesta a las preguntas importantes para las agencias, anunciantes y medios en el escenario actual de la fragmentación de las audiencias para lograr la mejor efectividad publicitaria, esto es, alcanzar a la audiencia ideal (reach)  con una publicidad que resuene con gran intensidad (resonance)  para posicionar la marca y, por ende, obtener el crecimiento de las ventas (reaction).

Reach x Resonance = Reaction

Caso 1

¿Cómo se puede saber cuánto asignar a cada medio y cuál debe ser el gasto total?

Ésta es la primera pregunta que se formulan los anunciantes. Es común que cuenten con un presupuesto y un ROI como meta, y que busquen determinar si su presupuesto comprará suficiente reach y resonance para generar la reacción deseada. La tecnología hace posible incrementar la reacción dirigiéndose desde un mix modeling tradicional a un predictive mix modeling.

1 efectividad publicitariaEn la imagen 1 se muestra cómo el ROI se deriva de un mix modeling tradicional. En la primera tabla de barras, la más alargada representa las ventas estimadas sin gasto en publicidad. El resto de las barras muestran el incremento en dólares con un cierto nivel de publicidad y de gasto en marketing.

Estos resultados se traducen en un incremento en las ventas por cada dólar gastado en televisión, prensa y online,  como se muestra en la tabla inferior (la línea del extremo inferior ejemplifica las ventas generales divididas uniformemente a lo largo de cuatro elementos de marketing). [2]

Es posible concluir de esta imagen que la publicidad en televisión es la más valorada: cada dólar invertido le ofrece $1.34 en ventas. Pero estas figuras son precisas únicamente para una mezcla particular de medios. La inversión en televisión no siempre representa $1.34 en ventas, así como la inversión online no siempre significa $1.23 en ventas. Así que optimizar esta mezcla de inversión sobre este modelo tradicional requiere una enorme cantidad de análisis entre diferentes combinaciones de variables discretas.

Hoy día optimizar el gasto en marketing puede ser generado sobre la riqueza de la información disponible acerca del consumo de los medios por segmento de consumidor, lo cual hace posible crear un modelo continuo para medir cuán efectiva es la inversión en cada medio para cada nivel de gasto. Esto se expresa en la curva de respuesta de ventas por medio. La imagen 2 muestra un ejemplo en la curva de respuesta de ventas en la televisión y online; para ambos medios la respuesta en ventas muestra que cada inversión tiene valores distintos en diferentes puntos de la curva, lo que demuestra o hace obvio que una campaña publicitaria con demasiada inversión en televisión puede ser mejorada asignando una parte de ese presupuesto a la versión en línea. El análisis de la distribución óptima del gasto entre dos medios predice un cambio de un ROI de $1.12 a uno de $1.43.2 efetividad publicitariaLas mejoras mostradas en esta imagen se logran sin necesidad de incrementar el presupuesto en marketing. Pero se puede colocar cualquier nivel de gasto en una herramienta de simulación apropiada para cualquier número de medios. La herramienta entonces genera curvas de respuesta para determinar la distribución ideal entre medios y la respuesta en términos de ganancias.

Caso 2

 Ahora que sabe distribuir entre medios, ¿qué sucede con la distribución entre cada vehículo?

En la sección previa se habló sobre lo que permiten las nuevas tecnologías: determinar cuánto se necesita gastar y cómo distribuirlo entre diferentes medios para obtener un nivel de ingresos y ganancias. Ahora se abordará la forma para mejorar los resultados a través de optimizar la asignación dentro de un medio determinado.

Hace cinco años un anunciante podía solicitarle a su agencia intentar alcanzar un reach de 20 millones de mujeres entre las edades de 18 a 34 años. En la gráfica 1 de la imagen 3 se pueden ver los resultados de una campaña de publicitaria construida sobre ese reach,  mostrando un incremento de 17% entre aquellos expuestos a la publicidad y quienes no fueron expuestos. Imagine que usted pudiera identificar a su audiencia ideal con mayor precisión que por edad y por género; ahora lo puede hacer consultando el buyergraphics,  una base de datos potente, privada y alimentada por una sola fuente que reúne información sobre lo que la gente ve y lo que compra. Esto se logra conjuntando los datos de lealtad de consumo con los datos de panel de televisión, lo que permite comparar la actividad de compra de los individuos que han visto un anuncio publicitario con la actividad de compra de aquellos que no han visto la publicidad pero tienen un perfil virtual idéntico.

3 efectividad publicitaria¿A dónde lleva esto? A resultados sorprendentes. La gráfica 2 de la imagen 3 ilustra la actividad de compra de dos segmentos de consumidores expuestos a la publicidad. El segmento de consumidores a la izquierda es el demográfico: mujeres entre 18 y 34; el conjunto de consumidores a la derecha, construido a través del análisis usando los datos alimentados por una sola fuente, consiste en un grupo mucho menos expuesto a la publicidad, pero cuya respuesta de compra es más alta. Obviamente es mejor mover el gasto en publicidad a este segundo grupo. Estas bases de datos permiten saber lo que los consumidores se encuentran viendo en la televisión y dirigir su publicidad hacia ellos. Usualmente se considerará lo que se ilustra a la derecha superior de la imagen, que este grupo se encuentra duplicado en algún canal o programa y subrepresentado en otro. Eso significa que puede comprar publicidad eficientemente, ya que es posible que algún programa duplique a su audiencia ideal.

En la gráfica 4 se muestran los resultados: el incremento en ventas original se ha duplicado a un 33%; una vez más, no ha sido necesario gastar más en marketing.

Caso 3

Ahora que la tecnología puede ayudar a reaccionar más rápido, ¿cómo se puede optimizar el ROI en tiempo real ante lo que funciona o no?

Una vez terminada su planeación en reach, su campaña se encuentra lista –el creativo ha hecho el trabajo, ha determinado cuántos anuncios pautar, la mezcla de la publicidad, cuánto tiempo durará la campaña y así sucesivamente– y lanza su campaña.

Tradicionalmente, utiliza distintas métricas antes, durante y después de la campaña, cuyos resultados nutren a la siguiente. Fue posible cambiar ciertas cosas en tiempo real, pero no fue fácil y no cuenta con datos confiables. Ahora, los avances en la tecnología y en la velocidad con los cuales los datos se encuentran disponibles permiten mejorar el reach y el resonance de la publicidad, incluso mientras la campaña se encuentra en pleno vuelo.

Las bases de datos ofrecen información diaria sobre la recordación general de la gente, las marcas, el mensaje, la preferencia y el intento de compra, permitiéndole hacer cambios en siete áreas que dirigen la efectividad publicitaria: la calidad de la creatividad, la duración, el alcance de la publicidad, el compromiso de los televidentes con el programa en el que se anuncia, el género del programa, el grado de adaptación entre la publicidad y el programa, y qué publicidad coloca entre programas. Estas siete mediciones dan cuenta de 70% del desempeño publicitario. La imagen 4 muestra un ejemplo de la optimización al aire sobre 24 semanas de campaña.

4 efectividad publicitariaAquí el anunciante usó datos del desempeño de uno de sus tres anuncios y decidió detener la rotación después de dos semanas. A las cuatro semanas, el anunciante sabía que la recordación general era elevada, pero la recordación de la marca no. De acuerdo con esto, la agencia editó el anuncio, mejorando la recordación de la marca por 15 puntos (y una recordación general de 12). A las seis semanas, la agencia trasladó la inversión de la campaña de algunos sitios web a otros. A las ocho semanas cambiaron spots de 15 segundos a 30 segundos. A las 12 semanas, decidieron incrementar la inversión en línea con el objetivo de mejorar su desempeño en comparación con la televisión. A las 16 semanas, la preferencia y el intento de compra para uno de los anuncios estaban fallando, así que el anunciante lo elimina y recoloca su inversión en el tercer anuncio restante.

Para una campaña que sólo está en línea, prácticamente cualquier decisión puede ser modificada simultáneamente. La infraestructura detrás de la publicidad en Internet significa que el desempeño de medición del algoritmo por unidad creativa, sitio, frecuencia de exposición e incluso tipo de audiencia puede requerir ajustes de acuerdo con los parámetros que se buscan y lograr que dichos ajustes tengan un efecto inmediato.

Con base en lo anterior, los anunciantes pueden lograr mejoras significativas en la reacción del consumidor a pesar de la complejidad de la fragmentación de las audiencias, con una gran posibilidad de que la publicidad alcance a las audiencias más rentables que la tecnología puede identificar, lo que resulta en la habilidad para influir en sus clientes y la oportunidad de refinar las campañas publicitarias incluso al aire. Los beneficios que la tecnología confiere superan los retos que ella misma presenta, únicamente se necesita tomar ventaja de ellos.

NOTAS AL PIE:

[1] El marketing mix modeling es usado para generar modelos de regresión multivariada que determinan qué mezcla de gasto le permite obtener determinados resultados.

[2] El marketing mix modeling es usado para generar modelos de regresión multivariada que determinan qué mezcla de gasto le permite obtener determinados resultados. Si administra la publicidad entre la televisión y en línea, entonces está gastando una v cantidad de dinero en televisión y w cantidad en línea. Siendo A el valor de las ventas de un gasto en publicidad televisiva y B el valor de las ventas en línea, C representa las ventas totales, entonces Av+Bw=C. El modelo de regresión se puede validar con datos históricos mostrando el nivel de ventas resultantes de diferentes mezclas de gasto en publicidad en los medios.

 



 

 

Tags: , , , , , , ,

Comments are closed.