Es posible afirmar que el usuario, antes de realizar una compra o una transacción, ha atravesado los diferentes canales online u offline que posee un negocio para comunicarse con sus clientes (siendo la conversión offline un desafío ya que implica medir por inferencia su impacto en organic). Ya sean redes, anuncios, email, o cualquier otro, se vuelve necesario determinar qué canales o mensajes han tenido mayor impacto en la decisión de convertir, o en lograr que el usuario dé el siguiente paso deseado.
Es en este momento donde entra en juego la atribución, pero no te detengas aquí. Si lees hasta el final, te encontrarás con una grata sorpresa.
¿Qué es la atribución?
En pocas palabras, la atribución es asignarle una proporción de un resultado/acción a una causa. En el eje digital es entender qué fuente de tráfico logró que un usuario hiciera determinada acción o cuál fue su rol en conjunto con otros para que esto sucediera.
Te lo explicaré mediante un ejemplo: piensa en niños y niñas jugando al fútbol cerca de una ventana. Accidentalmente, tras patearlo se rompe una ventana. En este sentido, la atribución sería comprender quién o quiénes son los culpables de tal rotura. ¿Fue culpa de una sola persona por patear muy fuerte? ¿Fueron dos personas? ¿Son todas las personas involucradas en el juego culpables o responsables de igual manera por jugar cerca de una ventana? ¿A quién le atribuyo la rotura de la ventana? En el mundo del advertising pasa lo mismo. Se le atribuye a una acción o un objetivo que se le plantea a una campaña: al último click, al primer click, al click/acción del medio,etc. De eso se trata la atribución en Digital.
Sin embargo, nada es tan sencillo como parece…
¿Problemas?
Si tuviera que definir un problema en la atribución –que para mí, es el Santo Grial del Marketing Digital– diría que actualmente tiene una tendencia a largo plazo. Si, todo lo contrario a lo que los marketers venimos haciendo hace años. Esta implica analizar grupos o baldes de usuarios, dejando a un lado la descripción detallada, minuciosa e individualizada de los mismos. Esta descripción de los usuarios es reconocida por tener alto grado de dificultad. Es en esta instancia donde existen herramientas como Mixpanel que nos ayuda a prevenir algunos de los problemas típicos. Aun así, es necesario entender el comportamiento de los usuarios para no sacar conclusiones erróneas en nuestro negocio.
¿Por qué? La razón principal son las políticas de Protección de Datos. Si analizamos las tendencias de mercado en desarrollo de Apps, por ejemplo, se quiere poner fin a la Third-Party Cookie o las reconocidas Cookies de terceros.
Un caso claro es la reforma de iOS 14. Apple implementó cambios en iOS 14 que afectan el modo en que recibimos y procesamos eventos de conversión de herramientas como el píxel de Meta. Entre otras cosas, exige que las apps que realizan un “seguimiento” –o así lo denomina Apple– den aviso a los usuarios de iOS 14.5 o versiones posteriores, según lo establecido por el AppTrackingTransparency. Esta nueva política, entonces, prohíbe determinados procesos de recopilación y uso compartido de datos, por lo menos hasta que las personas acepten tal seguimiento. De esta manera, puede suceder que la personalización de anuncios y los informes de rendimiento se vean limitados en los eventos de conversión web y de las apps.
Retomando lo anterior, es posible determinar que el problema en la atribución en 2022 está vinculado a esta tendencia. Se nos propone un nuevo desafío que consiste en entender cómo analizar grandes volúmenes de datos y sacar conclusiones apropiadas y correctas.
Y ¿ahora?… ¿Cómo se soluciona?
Desarrollar nuevas habilidades de medición
Pero aquí, no sólo se plantean problemas, sino que también les traigo soluciones, y la mejor solución es desarrollar nuevas habilidades. Es momento de dejar de medir métricas que no tienen un ejecutable –algún dato es mejor que ningún dato– y reflexionar sobre aquello que actualmente medimos, porque pronto, esa atribución minuciosa dejará de existir y deberemos centrarnos en otras métricas o enfoques. Será imprescindible, entonces, entender cómo podemos construir nuevas metodologías a partir de esta nueva tendencia de atribución.
Una opción para solucionar temporalmente este problema es utilizar un modelo de atribución no lineal para que sea de inferencia. Lo que implica definir cómo sería el escenario o grupo de control si X acción no estuviera. Si bien esto no pone fin a los problemas, tiene un enfoque de prueba y error experimental que pueden ayudarnos a atacarlos mejor.
Tener claro los canales, sus limitaciones y los modelos de atribución (sus formatos y ventanas)
Existen canales que implican un problema a la hora de pensar en la atribución. Los canales más problemáticos son aquellos que son poco transparentes o tienen mayor tasa de fraude o Hijacking. En pocas palabras, puede definirse como la capacidad fraudulenta que tienen algunas aplicaciones o jugadores del mercado de atribuirse éxito de otras fuentes de tráfico, tratando de engañar al sistema.
Estos canales generalmente son de proveedores cerrados o poco transparentes, realizan offerwalls de baja calidad o alguna maniobra parecida o acciones poco confiables que impiden conocer con exactitud qué pasó con un usuario, de donde proviene, etc.
Por estas razones, es de vital importancia elegir cuidadosamente los canales y partners según su seriedad y sus proveedores para evitar la contaminación de datos. Principalmente para no enturbiar los canales más “directos”–manejados en primera persona y que tienes más ordenados. Esto se transforma en un own media problems a medida que seguimos interactuando con nuestros usuarios.
Pronosticar desvíos en cada modelo respecto a la atribución real
En este punto, te estarás preguntando, ¿qué son los desvíos y cómo los mido? En pocas palabras, los desvíos se miden comparando las plataformas con la source of truth o la base de datos. Pueden identificarse dos tipos de desvíos:
- Desvíos “directos” de plataformas de anuncios respecto a la base de datos. En un ejemplo: si los datos obtenidos de la plataforma de Facebook muestran 10 personas, pero en la base de datos se muestran 8, hubo un desvío directo de la plataforma. Esto porque se sobre atribuye en el resultado que viene de otra plataforma. Es decir que hay 2 usuarios que provienen de otra plataforma, que podría ser Twitter, por ejemplo. Pero Facebook pone un criterio más amplio como “click a 7 días” o “View Ads a un día por defecto”. Pronosticar este desvío se vuelve clave a la hora de realizar optimizaciones de esfuerzo directamente en la plataforma.
- Desvíos “indirectos” donde se intenta coordinar acciones con fechas para medir por inferencia cómo funcionó A sin B y evaluar que se logró o que se perdió a partir de tal acción. Una forma de verlo, sería pensando en un equipo de fútbol. Si el jugador A, juega sin B, ¿qué pasa? ¿Cuántos goles se hicieron?; si cambiamos al jugador A por un jugador C, ¿cuántos se hacen? De esta manera, puede inferirse lo que surgió o lo que se perdió a partir de las piezas que se movieron.
Ahora bien, te preguntarás ¿qué sentido tiene todo esto? Analizar y tener en cuenta estas posibilidades te permite responder a la pregunta: ¿Cómo combinar el desvío entre plataformas y la base de datos o source of truth y los desvíos que genera la macro estrategia de marketing de una empresa? Así, podremos convivir y afrontar el contexto de incertidumbre, a la vez que será posible entender qué combinación de esfuerzos es la que obtienen mejor los resultados de negocios deseados.
Si me leíste hasta aquí, te has llevado 4 puntos claves que debes saber sobre atribución. Sin embargo, quiero agradecerte el haberme acompañado hasta el final con unos consejos extra. Estos sirven para cualquier negocio o etapa en la que te encuentres.
- Hecho es mejor que perfecto
- Alguna métrica es mejor que ninguna: define 3 métricas clave y que todo tu equipo las conozca para optimizar el resultado final
- No entres en parálisis por análisis
- No entres a Analytics sin antes hacerte una pregunta
