¿Dependencia de los datos de usuario?: Las 4 claves para la medición del marketing móvil en un entorno de incertidumbre

El sector del marketing móvil siempre ha sido un entorno que cambia rápidamente, y solo aquellas empresas que son flexibles y han conseguido adaptarse a las novedades han salido exitosas. Desde la implementación de la ATT de Apple, y el impacto que ha provocado este cambio de paradigma, la privacidad sigue siendo un gran desafío para todos los profesionales del marketing. Además, la revolución no acaba aquí.

El reciente anuncio de SKAN 4.0, cuyo despliegue se espera a finales de este año o la eliminación del GAID (Google Advertising ID) por parte de Google, suponen cambios en el corto plazo a los que los profesionales del marketing móvil también deberán hacer frente. Estos, junto con el lanzamiento del Privacy Sandbox, iniciativa liderada por Google para crear estándares web para que los sitios web accedan a la información del usuario sin comprometer la privacidad, previsto para 2024; y la retirada de las cookies de terceros en la web, prevén que el entorno evolucionará con unos altos niveles de incertidumbre y será necesario aprovechar al máximo todos los recursos disponibles.

La atribución a nivel de usuario solía ofrecer datos granulares para la optimización, lo que traía consigo una sensación de certeza que ahora ha desaparecido, en gran parte. Sin embargo, aunque no con el mismo nivel de precisión, aún es posible medir el impacto de forma fiable. En este sentido, AppsFlyer nos comparte una serie de recomendaciones para seguir evaluando el rendimiento de las campañas de forma holística:

Aceptar el cambio y sincronizar esfuerzos

Una mayor complejidad en la interpretación de los datos requiere una sincronización entre equipos en torno a la redefinición de procesos comunes, ya que las metodologías de cada métrica han cambiado. Tratar con varias fuentes de datos para evaluar el rendimiento obliga a los mercados a ser más específicos sobre el origen de sus métricas, asegurando que no haya malas interpretaciones. En definitiva, la resistencia al hecho de que nuestro ecosistema está arrasando por cambios constantes es inútil, y cuanto antes se asuma la nueva realidad por parte de los profesionales del marketing, mejor preparados estarán para enfrentarla.

Unificar recursos para una evaluación integral

Para una evaluación completa del rendimiento, los profesionales del marketing deben combinar varias fuentes, como datos de conversión SKAN, Apple Search Ads, datos combinados, Modelización de la combinación de Medios (MMM) y estimaciones incrementales, entre otros. Combinando diversas fuentes el panorama se vuelve más claro y se puede medir el rendimiento de manera significativa e identificar tendencias entre canales y plataformas. Aunque en alguna ocasión falten algunos datos, sigue habiendo formas completamente válidas para obtener una buena comprensión del rendimiento:

• Uso de una fuente primaria de verdad (SSOT): La Single Source of Truth (SSOT) es la práctica de agregar los datos de muchos sistemas dentro de una organización. Permite combinar múltiples flujos de datos en uno solo, duplicarlos y garantizar una visión precisa del rendimiento de las campañas.
• Cohorte consentida: Incluso si no se ha conseguido que el opt-in coincida con los usuarios atribuidos por el IDFA, se puede evaluar el rendimiento después de la instalación extrapolando el comportamiento de esa cohorte, medido en tamaño por SKAN o SSOT. Los datos de IDFA también ofrecen una mayor granularidad sobre la retención o la conversión tardía, entre otros.
• Medición descendente: Por un lado, la incrementalidad permite identificar los impulsores de ingresos incrementales para optimizar la asignación de presupuesto; y, por otro lado, la MMM permite medir el impacto de las campañas y ayuda a determinar cómo contribuyen los distintos elementos a los resultados.
• Data Clean Rooms: Es una herramienta que permite aprovechar los insights de datos a nivel de usuario sin estar realmente expuestos a ellos. La información de identificación personal (PII) o los datos de atribución a nivel de usuario no son visibles para ninguno de los contribuyentes involucrados, lo que hace imposible seleccionar a los usuarios con identificadores únicos.
• Análisis predictivo: Permite a los profesionales del marketing tomar decisiones basadas en datos con un alto nivel de confianza, mientras se basan en puntos de datos muy limitados. Aunque las predicciones pueden servir para todos los aspectos del marketing basado en datos, tras la actualización iOS 14 se hacen fundamentales, ahora más que nunca. Por ejemplo, el análisis predictivo permite a los profesionales del marketing predecir el valor de vida del usuario (LTV) basándose en datos limitados, y así asignar mejor su gasto de adquisición.

Mejorar los conocimientos de la cohorte consentida

Pedir el consentimiento de los usuarios a través de la ATT y agrupar aquellos que han dado su consentimiento permite obtener información útil y alimentar la optimización de las campañas. Con la ventana de postback de Apple, el análisis de cohortes completo desaparece, lo que hace que la medición de la retención y los ingresos a largo plazo sea confusa. Sin embargo, el muestreo de los datos de quien ha compartido sus datos permite evaluar el rendimiento de las campañas evitando promediar todo según los límites de SKAN.

La importancia de entender la medición

Con una precisión más limitada en los eventos de la parte inferior del embudo y el papel crítico de las creatividades en el rendimiento, las redes publicitarias están teniendo en cuenta cada vez más datos de participación de anuncios propios para la entrega. Los profesionales del marketing tienen que analizar las métricas con más detalle que antes de la implementación del nuevo marco de privacidad. Ya no se trata sólo del CTR, sino de cómo los usuarios interactúan con los anuncios. Por ejemplo, las métricas de participación, como la tasa de interés o el tiempo de visualización promedio, brindan una mejor comprensión de lo que más repercute en la audiencia.

Como demuestran el SKAN 4.0 de Apple y el Privacy Sandbox de Google, los cambios impulsados por la privacidad no son una tendencia pasajera, sino una realidad en constante expansión. La clave del éxito reside en estar al día de los últimos avances y las mejores prácticas para entender este ecosistema cambiante y con tanta incertidumbre.