Replantéate tu inversión en retargeting - Juan Sevillano Zabala

Los datos de navegación que los profesionales de marketing recopilan de primera mano, como, por ejemplo, las etiquetas de las páginas web, el SDK de una app, los datos de los sistemas CRM o los de las listas de marketing offline activadas con la ayuda de una DMP, tienen cada vez mayor valor a la hora afinar las campañas de publicidad y alcanzar la audiencia objetiva con mayor precisión. Sin embargo, todo este esfuerzo pierde el sentido si luego la información sólo se utiliza para hacer retargeting de cara a audiencias debido al escaso acierto en identificar la verdadera intención de compra del consumidor.

Cuando navegamos en Internet, a menudo damos señales equívocas de nuestra intención de realizar una acción determinada, por ejemplo, cuando seleccionamos un link de un producto que después descubrimos que realmente no nos interesa, o simplemente por error. La clave, por tanto, del éxito en el marketing online es saber separar el grano de la paja y, con la ayuda de la inteligencia, transmitir nuestros mensajes al internauta que más posibilidades reales tenga de realizar una conversión.

Los datos utilizados para el retargeting dan resultados muy dispares, hasta tal punto que los que mayor valor tienen pueden tener un índice de conversión 10.000 veces más alto que los de menor rendimiento, además de ser cientos de veces más rentables a nivel de coste por acción. Y a pesar de ello, son muchas las empresas que no discriminan entre unos datos y otros, pagando el mismo precio por todo.

Mientras que el retargeting siempre funciona bien, para muchas campañas los modelos de aprendizaje de las máquinas identifican grandes cantidades de tráfico de prospecting que rinden igual de bien que el mejor retargeting. De hecho, a menudo los patrones de distribución del tráfico de retarging y prospecting se solapan cuando se miden en términos del rendimiento, una señal muy potente de que los profesionales pueden conseguir de esta forma resultados similares a los que obtienen a través del retargeting pero con el valor añadido de identificar nuevos clientes potenciales.

Por supuesto, los mejores resultados provienen de la combinación de datos de primera mano y de terceros. Pero es manifiestamente poco práctico lograr esto a través de la identificación de audiencias por medio de combinaciones booleanas. Es por ello que

Los profesionales del marketing necesitan un socio tecnológico que sea capaz de sacar provecho de los modelos de aprendizaje de las máquinas para identificar de forma automática las combinaciones de datos de alto rendimiento y determinar su valor relativo.

Con el aprendizaje de las máquinas, se pueden realizar deducciones que no se lograrían por medio de la simple intuición. Por ejemplo, las personas que acaban de reservar unas vacaciones son mucho más dadas a comprar otros productos en las 4-6 semanas que preceden al viaje. Simplemente añadiendo el comportamiento de los consumidores que recientemente han reservado un viaje online a una larga lista de atributos utilizada por modelos de aprendizaje de las máquinas, los comerciantes pueden obtener un mayor rendimiento de las campañas.

Muchos DSPs construyen modelos para ayudar a identificar y ampliar audiencias de valor, y a utilizar esos modelos para segmentar a las audiencias. Pero este es solo el primer paso para aumentar el valor de la audiencia. Un mismo cliente puede ser mucho más o menos valioso dependiendo del contexto –que abarca aspectos como la actividad reciente, sitio web o app actual, hora del día, meteorología, y un gran abanico de factores contextuales-. Al combinar estos datos contextuales con los de comportamiento, demográficos, e información de primera mano de la audiencia en un modelo único, se puede determinar con efectividad cuál es el mejor momento potencial para atraer a un cliente, analizando momento a momento y de una forma constante. Esto significa que cada momento posterior se beneficia del aprendizaje de cada momento previo. Sin duda, este es el único enfoque adecuado para beneficiarse del poder combinado de un DSP y una DMP de datos de primera mano combinados con datos de terceros.

Si todavía no has dado el paso, ha llegado el momento de hacerlo, pero ten en cuenta que la mejor forma de hacerlo es combinando los datos de primera mano con el comportamiento y el aprendizaje de las máquinas, así como con datos contextuales y de terceros. Solo de esta forma se obtiene un rendimiento de marketing óptimo.

Juan Sevillano Zabala
Director general de Rocket Fuel

Compartir

Rediseñando Google+ - Ana MartínAnteriorSigueinte¿Y su estrategia de medios para 2016?