El futuro de los modelos de atribución basados en datos y cómo TAGGRS puede ayudar a ello

El seguimiento de los datos y las conversiones es cada vez más difícil. Es una nueva realidad con la que luchan empresas y profesionales del marketing de todo el mundo:

• No todas las conversiones se miden.
• Eliminación progresiva de las cookies de terceros
• Los pedidos no coinciden con los datos de Analytics.
• Menos datos en las campañas de los que el algoritmo pueda aprender.

Esto se debe sobre todo a las nuevas normativas sobre cookies de terceros y mechasnismos de prevención del rastreo como el de Safari. Como resultado, las empresas están cambiando a técnicas de rastreo cada vez más anvaceas.

Un problema de esto es que la recopilación de datos cada vez más sofisticada significa que las pequeñas empresas ya no pueden seguir el ritmo de las grandes compañías. En este blog, te explicamos la evolución de los modelos de atribución basados en datos y cómo TAGGRS puede ayudar en este sentido.

¿Cómo determina una plataforma publicitaria que la exposición a un anuncio ha dado lugar a una conversión?

El proceso consiste en requerir un dato concreto para vincular la visualización de un anuncio a una conversión. Por tanto, el anunciante tiene que enviar un dato de atributo, como una dirección de correo electrónico, un número de teléfono, una dirección IP u otro atributo que identifique al comprador o a la persona que realizó la conversión a plataformas como Google o Facebook. Estas plataformas pueden entonces hacer el enlace, ya que hay muchas probabilidades de que la persona que vio el anuncio y realizó la acción estuviera conectada a sus sistemas

¿Qué es la Atribución Basada en Datos?

El recorrido del cliente desde la primera interacción hasta la conversión puede variar significativamente de una empresa a otra y de un usuario a otro.

En un extremo del espectro están los usuarios que hacen una búsqueda, ven tu empresa por primera vez, hacen clic en tu anuncio y realizan una compra inmediata. Este usuario sólo tiene un momento de contacto antes de la compra.

En el otro extremo del espectro están los usuarios que interactúan con tu empresa durante meses, interactuando con anuncios en pantalla, anuncios orgánicos y de pago de Google, correos electrónicos y otros puntos de contacto, antes de realizar finalmente su compra. Estos usuarios pasan por muchos puntos de contacto antes de realizar su compra.

Desde el punto de vista de la atribución, la primera situación es bastante sencilla. Sólo hay un punto de contacto que se lleva el mérito. Sin embargo, cuando se introducen múltiples puntos de contacto, resulta mucho más difícil decir con una certeza razonable qué puntos de contacto influyeron realmente en la compra final y en qué medida.

Atribución basada en datos dentro de Google Ads

La atribución basada en datos dentro de Google Ads es una funcionalidad avanzada que te permite atribuir conversiones en función de la interacción de los usuarios con tus anuncios. Este método analiza todo el conjunto de datos de tu cuenta publicitaria para identificar qué palabras clave, anuncios y campañas tienen un mayor impacto en tus resultados. Tiene en cuenta todas las interacciones y el compromiso dentro de tu historial de anuncios pagados para obtener una comprensión más profunda de la eficacia de tus campañas publicitarias a la hora de impulsar las conversiones y las ventas.

Tu modelo basado en datos es único y está adaptado a tu situación específica, lo que te permite

• Para descubrir qué palabras clave, anuncios, grupos de anuncios y campañas generan más conversiones.
• Optimiza tus ofertas basándote en estos datos de rendimiento.
• Elegir el modelo de atribución adecuado para tu negocio.

Con la atribución basada en datos en tus informes de pago, obtendrás información sobre qué anuncios contribuyen más a alcanzar tus objetivos empresariales. Además, si utilizas una estrategia de puja automatizada para conseguir más conversiones, tu puja aprovechará esta información crucial para ayudarte a conseguir más conversiones. Este enfoque te permite determinar con mayor precisión cómo contribuye tu gasto en anuncios a los resultados finales, haciendo que tu estrategia de marketing sea más eficiente y eficaz.

La Atribución Basada en Datos es la solución propuesta por Google a esta incertidumbre

La Atribución Basada en Datos asigna valor a los anuncios modelando qué anuncios aumentaron la probabilidad de que un usuario convirtiera. Compara las trayectorias de los usuarios que se convirtieron con las de los que no, para evaluar el valor añadido de los distintos puntos de contacto.

Por ejemplo, puede comparar un grupo de usuarios que hicieron clic en un anuncio de compras con los que hicieron clic tanto en un anuncio de compras como en un anuncio de remarketing complementario, para comprender el beneficio añadido de ese anuncio. Esto permite al sistema evaluar mejor el valor añadido de los distintos puntos de contacto.

Estadísticas sobre la adopción y el uso de la atribución basada en datos (DDA):

Y no sólo Google piensa que la atribución basada en datos (DDA) es la solución.

• El 60% de los principales profesionales del marketing creen que el DDA es esencial para comprender los recorridos de alto valor de los clientes.
• El 50% de los profesionales del marketing afirman que DDA les ha ayudado a mejorar su ROI de marketing.
• El 70% de los profesionales del marketing afirman que el DDA es más preciso que los modelos de atribución tradicionales.
• El vendedor medio dedica 15 horas al mes a gestionar sus datos de atribución de marketing.
• El vendedor medio gasta 10.000 dólares al año en software de atribución de marketing.
• Estas estadísticas sugieren que el DDA es una tendencia creciente en la industria del marketing y una herramienta valiosa para los profesionales del marketing que buscan mejorar su ROI.

Ejemplos de cómo los vendedores utilizan el DDA:

• Comprender el impacto de los distintos canales de marketing en las conversiones.
• Identificar las campañas de marketing más eficaces.
• Optimizar sus presupuestos de marketing.
• Para personalizar sus mensajes de marketing para clientes individuales.

Modelización de la conversión

Consent Mode Tras la V2 presentada anteriormente, Google presenta el Modelado de Conversiones, que se centra en los anuncios de Google. Esta herramienta tiene la capacidad de predecir la probabilidad de una conversión a partir de un anuncio en Google, alimentándose principalmente de datos anónimos.

Consent Mode Después de configurar V2 correctamente, ya no se recogen muchos datos, Google los complementa con datos previstos

La herramienta compara estos datos con los de los visitantes que sí dieron permiso, lo que ofrece una imagen completa del comportamiento en tu sitio web. De este modo, los datos de los informes son más precisos y se pueden justificar mejor determinadas acciones de seguimiento. Consent Mode El propio Google Ads implementa el Modelado de Conversiones en las cuentas, lo que requiere que los profesionales del marketing -a diferencia de Google- no modifiquen nada en el código fuente del sitio web.

Más de lo que el ojo puede ver

Antes de que se impusiera la atribución basada en datos, Google Ads basaba el informe de conversiones únicamente en el último clic. Esto significaba que cuando un usuario hacía clic en un anuncio de Google y luego completaba una acción de conversión (como un cliente potencial o una compra) en el sitio web, Google atribuía la conversión a ese último clic específico.

A partir de septiembre de 2023, la atribución basada en datos se convirtió en el valor predeterminado para todas las acciones de conversión recién definidas dentro de Google Ads, con lo que un número significativo de anunciantes existentes pasaron a este modelo. Esto significa que, en lugar de atribuir la conversión sólo al último clic, Google despliega ahora el aprendizaje automático para atribuir las conversiones tanto a los clics como a las impresiones que tienen lugar a lo largo del recorrido del cliente hasta la conversión.

La introducción de este modelo marca un cambio importante en la evaluación del impacto de los anuncios en las conversiones. Permite a los anunciantes obtener una imagen completa de la contribución de cada interacción individual -desde el primer encuentro hasta el acto final de conversión- a la consecución del éxito. Este enfoque permite a los profesionales del marketing ajustar sus estrategias de campaña con mayor precisión, ya no limitándose al último punto de contacto, sino apreciando el valor integral de todo el recorrido del cliente. Estos conocimientos son cruciales para perfeccionar las campañas y asignar los presupuestos de marketing de forma más eficiente, con el objetivo de mejorar el rendimiento general y el retorno de la inversión del gasto publicitario.

¿Cuándo deja de ser lo suficientemente preciso?

Los profesionales del marketing digital han visto cómo las principales plataformas publicitarias han introducido gradualmente la atribución basada en datos en su medición de la conversión en los últimos años. La fuerza impulsora de esto ha sido la preservación del seguimiento del rendimiento, que es muy importante para que las plataformas demuestren su valor cuando se pierdan los métodos tradicionales de seguimiento debido al marco ATT de Apple y a la eliminación progresiva de las cookies de terceros.

Pero hay un problema fundamental con la atribución basada en datos...

Cuando el seguimiento de la conversión basado en cookies empezó a sufrir limitaciones debido a la eliminación progresiva de las cookies de terceros, por ejemplo, las empresas con recursos técnicos y financieros implantaron el Server Side Tracking para mantener su capacidad de medir con precisión el rendimiento. Las empresas sin recursos técnicos internos ni medios económicos para pagar a especialistas en análisis y datos se quedaron sin la posibilidad de aplicar cambios técnicos en el seguimiento.

Históricamente, las plataformas publicitarias proporcionaban datos de conversión bastante precisos

Tanto Google como Meta sabían que un gran número de PYMES no dispondrían de los recursos necesarios para establecer un seguimiento avanzado de las conversiones. Por eso empezaron a utilizar datos modelizados para estimar las conversiones perdidas, o no rastreadas. Una medida de modelización se utilizaba históricamente para estimar las conversiones entre dispositivos y la pérdida de conversiones debida a scripts bloqueados y rastreadores/bloqueadores de anuncios. Esto era bastante preciso porque casi el 90% de las conversiones se rastreaban con exactitud, y los modelos sólo tenían que cubrir el vacío del 10% que faltaba.

Los modelos de atribución se basan ahora en conjuntos de datos más pequeños

El siguiente artículo se adentra bastante en la estadística técnica, pero es importante que los profesionales del marketing lo entiendan. El trabajo de un cervecero de Guinness llamado William S. Gosset inspiró el concepto de significación estadística cuando descubrió las curvas de distribución t.

En términos sencillos, cuando se aplica la estadística a grandes conjuntos de datos, los resultados son más fiables y los resultados esperados (modelizados) se aproximan a las cifras reales. En el gráfico siguiente, esto se muestra mediante la curva azul de distribución Z, que indica resultados que no se desvían significativamente. Sin embargo, cuando los modelos estadísticos se construyen sobre un conjunto de datos muy pequeño, son menos fiables, y las cifras reales pueden diferir mucho de los datos modelizados, como puede verse en la curva de distribución t con un tamaño de muestra pequeño.

Todos conocemos ejemplos reales de este fenómeno, en los que los anunciantes ven que se informa de una venta, pero ésta no se ha producido. Esto podría deberse a algoritmos que modelan las conversiones y predicen, basándose en datos y en las circunstancias en las que se hizo clic, que debería haberse producido una conversión.

Cuando los volúmenes reales de conversión rastreados disminuyan, debido a los cambios antes mencionados en la gestión de la privacidad y las cookies de terceros, más informes de conversión se basarán en datos no rastreados modelados. La fiabilidad de esa información disminuirá drásticamente.

Cómo mejorar la precisión de los datos de rendimiento

Para optimizar el rendimiento de las campañas, tienes que reducir la dependencia de las plataformas de los modelos de atribución basados en datos y proporcionarles datos más fiables. La mejor forma de hacerlo es combinar el Server Side Tracking con la correspondencia avanzada de audiencias, como las Conversiones Mejoradas. Esto es un problema para las pequeñas empresas porque se trata de una forma bastante sofisticada de recopilación de datos que utilizan principalmente las grandes empresas.

¿Existe entonces una solución para estos pequeños partidos

El panorama de los datos es cada vez más complicado. Así que, ¿cómo te aseguras de que, como parte más pequeña, puedes seguir estableciendo una solución del lado del servidor? TAGGRS se centra en hacer realidad un futuro en el que las soluciones de seguimiento más completas sean accesibles para todos. Una parte integral de esto es el Server Side Tracking, con el que establecemos un nuevo estándar en el análisis de datos y la privacidad del usuario.

Con Server Side Tracking:

• Tengo la solución a la desaparición de las cookies de terceros
• Más datos para tus campañas, lo que hace que las conversiones sean menos predictivas.
• Recopilación de datos en línea a prueba de AVG

Consejo: Consulta también nuestras FAQ sobre Server Side Tracking con las 50 preguntas más frecuentes sobre Server Side Tracking.

¿Por qué es accesible el TAGGRS?

Con nuestro sencillo Software GTM de Server Side Tracking te ayudaremos paso a paso en todas las etapas necesarias para una correcta configuración del Server Side Tracking, ofrecemos, entre otras cosas:

• Blogs de configuración
• Vídeos
• Plantillas
• Asistencia Premium
• Plataforma de apoyo
• Asistencia instantánea por chat
  

Asegúrate de que se miden todas las conversiones

En el mundo rápidamente cambiante de los modelos de atribución basados en datos, sigue siendo esencial centrarse en la calidad de los datos. Con soluciones avanzadas de Server Side Tracking, las empresas pueden garantizar la precisión de los datos a pesar de las limitaciones de los métodos de seguimiento tradicionales. Este enfoque transforma los retos actuales en éxitos futuros apoyándose en la precisión y el análisis profundo de los datos, con TAGGRS como ejemplo de cómo puede ayudar la tecnología. ¿Estás convencido? Programa una demostración gratuita.