El tema de la atribución multicanal es, sin duda, complejo. Se trata de una fuente de frustraciones para los líderes de marketing y no tiene una respuesta única o satisfactoria para todos. El principal problema y causa de confusión es que no hay un consenso acerca del significado de la expresión “atribución multicanal”.
Este post tiene como objetivo entender a la perfección por qué podemos tener un problema de atribución en nuestra estrategia de marketing y aprender cuál es el modelo de atribución ideal a seguir. ¡Te invito a descubrirlo!
¿A qué nos referimos realmente con atribución multicanal?
Como decíamos, en el mundo de la atribución hay una gran confusión acerca de esta idea, ya que distintas personas pueden estar refiriéndose a distintos conceptos. En concreto, cuando hablamos de atribución nos podemos estar refiriendo a 3 problemas distintos. ¡Te los cuento!
1. Atribución multicanal Online-2-Store (AMC-O2S)
El primero de ellos es el que llamaremos atribución online-to-store, que es el estudio del impacto offline (ya sea a nivel de ventas, reservas, llamadas, donaciones, etc.) que tiene acciones de marketing y publicidad online. Nos vamos a referir a este problema como AMC-O2S (Atribución MultiCanal Online-2-Store).
Un ejemplo de este tipo de atribución es el cálculo de cuántas compras en tienda física son provocadas por las campañas SEM de una estrategia de marketing, en comparación con las compras online que las mismas acciones consiguen.
En muchos casos puede haber una relación de 2, 3 o incluso 4 o más. Por ejemplo, puede pasar que por cada compra que estemos consiguiendo online con estas acciones consigamos 4 offline. Esto nos indica que, si no calculamos el impacto offline de las acciones online, no estamos atribuyendo correctamente este canal.
Vale la pena leer el siguiente case study de HP, en el que se detalla un experimento O2S:
https://www.thinkwithgoogle.com/marketing-resources/omnichannel/hp-online-to-store-case-study/.
La mayoría del contenido actual sobre atribución multicanal no se refiere a la AMC-O2S, pero es un problema muy real de las empresas actuales, y para resolverlo es imprescindible conducir experimentos como el de HP.
2. Atribución multidispositivo (AMC-EMD)
El segundo problema de atribución es la atribución multidispositivo, que es algo que ha surgido con la popularización de los smartphones y las tablets. Nos hemos vuelto usuarios de 4 dispositivos distintos (ordenadores, tablets, smartphones y televisores), y esto aumenta mucho la complejidad de nuestro público objetivo y el universo tecnológico en el que se mueve. Llamaremos a este problema de atribución AMC-EMD (Atribución MultiCanal Entre Múltiples Dispositivos).
Este problema existe porque hay una voluntad de entender:
- Cómo el usuario percibe la existencia de una marca a lo largo de varios dispositivos.
- Cuál es el efecto que causan todos estos impactos de marca sobre los resultados finales (ventas, registros, etc.).
Por ejemplo, imagina que estás en el sofá mirando la televisión y ves un anuncio que te llama la atención; en el momento visitas su página web desde tu tablet, al día siguiente te informas desde tu smartphone sobre sus productos y finalmente les acabas comprando desde tu ordenador.
El reto aquí es cómo repartimos la atribución en cada uno de estos entornos, ya que el hecho de tener distintos dispositivos dificulta enormemente el seguimiento de un mismo usuario.
3. Atribución multicanal entre canales digitales (AMC-ECD)
Finalmente, el tercer posible problema al que nos referimos con la atribución multicanal es la atribución entre distintos canales digitales, a la que llamaremos AMC-ECD (Atribución MultiCanal Entre Canales Digitales).
La mayoría de la gente se refiere a AMC-ECD cuando hablan de atribución multicanal, refiriéndose al estudio de cómo cada uno de los canales digitales (orgánico, social, remarketing, email, search, etc.) impacta sobre la conversión final.
Muchas de las herramientas de analítica (por ejemplo, Google Analytics) que usamos siguen por defecto el modelo de la última interacción, es decir, estas herramientas atribuyen el 100% del crédito de la conversión al último canal con el que ha interactuado el usuario.
Con la AMC-ECD, vamos un poco más lejos que esto y estudiamos toda la actividad que ha tenido el usuario antes de la conversión. Por ejemplo, lo podemos ver en Google Analytics desde: Conversiones > Embudos multicanal > Rutas de conversiones principales.
Como vemos, si en este ejemplo seguimos el modelo de la última interacción estaremos haciendo un estudio no realista, ya que se terminarán atribuyendo una gran cantidad de conversiones al canal directo, aun viendo como otros canales como el orgánico, social o referral ha tenido impacto previo a la última interacción (que en la mayoría de los casos es directa).
Es importante entender la naturaleza de cada uno de los canales, puesto que no todos tienen la misma influencia en el embudo de conversión: algunos acostumbran a estar al principio y otros al final. Los canales que normalmente se encuentran al principio del embudo son:
- SEO: al inicio del proceso de compra del usuario, este busca informarse, por lo que tiende más a consultar resultados orgánicos que anuncios con finalidad comercial.
- Display: es un canal de generación de demanda, lo que implica que el usuario no tiene por qué estar buscando nada activamente.
Por el contrario, los canales que normalmente generan la última interacción son:
- Tráfico directo: es el canal que en muchas ocasiones se encuentra al final del proceso, ya que el usuario ha recibido previamente muchos impactos de la marca y, cuando va a realizar la conversión final, introduce directamente la dirección web de la empresa a la que va comprar. Es por esto que modelos como el de Último Clic Indirecto (lo veremos más adelante) no tienen en cuenta los impactos de tráfico directo al final del embudo.
- Email marketing: para darse un impacto de este tipo, el usuario tiene que haber dejado sus datos de contacto y, por lo tanto, ya ha habido interacciones previas.
- Adwords remarketing y search: en el primer caso, porque ya ha habido una visita del usuario; en el segundo, porque hay una intención de compra detrás.
El reto es decidir qué crédito damos a cada uno de los canales digitales de la ruta de conversión. En la ruta número 3 de la imagen, por ejemplo, ¿atribuimos la conversión exclusivamente al tráfico orgánico o al directo? ¿Cómo tenemos que repartirlo?
Si tenemos rutas de conversión más complejas con 4, 5 o más interacciones de distintos canales previas a la interacción, aún tenemos un problema más complicado de solucionar.
Esto es lo que buscan resolver los modelos de atribución multicanal. Antes de entrar en detalle, tenemos que recordar que estamos hablando de AMC-ECD y, por lo tanto, siempre nos estamos refiriendo a un mismo usuario o, más precisamente, a un mismo navegador. Por lo tanto, de aquí se derivan dos conclusiones:
- No tenemos en consideración las interacciones de un mismo usuario con varios canales de la marca entre distintos dispositivos, es algo que debería resolver la AMC-EMD.
- Es muy posible que las interacciones online que vemos reflejadas en las rutas de conversión tengan un impacto offline que, de no considerarlo, estaríamos restando crédito a los canales digitales. Este sería el reto AMC-O2S que hemos comentado al principio, y deberíamos resolverlo con experimentos controlados como el ejemplo de HP.
Modelos de atribución multicanal
Modelos de atribución multicanal: ¿qué son y cuál debo usar?Ahora que hemos visto que hay 3 posibles retos cuando nos referimos a atribución multicanal, vamos a centrarnos en la AMC-ECD, ya que es la que podemos realizar de forma relativamente fácil (por lo menos en comparación con la AMC-O2S y AMC-EMD) con herramientas de analítica web, como Google Analytics.
¿Cuál será la finalidad de búsqueda del mejor modelo de atribución?
Básicamente, seremos capaces de ajustar la inversión en cada uno de nuestros canales para conseguir que los que tienen un mayor impacto en la conversión final también reciban más importancia en la ruta de conversión. Es decir, nos permitirá extraer información que, a la vez, usaremos para implementar cambios en nuestra estrategia de marketing, la cual tendremos que seguir analizando y mejorando para optimizar nuestra inversión.
Es interesante ver el “Visualizador de conversión de varios canales” de Google Analytics, que podemos encontrar en: Conversiones > Embudos multicanal > Visión general.
En la mayoría de los casos veremos como en las conversiones intervienen varios canales a la vez. Es por eso que tenemos un problema de AMC-ECD y necesitamos un buen modelo de atribución multicanal.
También es un buen ejercicio comprobar la tabla en: Conversiones > Embudos multicanal > Conversiones asistidas:
La última columna, “Conversiones asistidas/de último clic o directas”, es en la que tenemos que fijarnos:
- Si el valor es menor a 1 significa que aquel canal tiende a generar conversiones de última interacción.
- Si el valor es mayor a 1 significa que el canal acostumbra a tener un impacto en las primeras fases del embudo de conversión, por lo que si usamos un modelo de última interacción (por defecto en muchas herramientas de analítica) estamos dando 0 crédito a un canal que debería tenerlo. Es lo que pasa con el canal de correo electrónico en el ejemplo anterior.
En base a las conclusiones que saquemos, un buen primer ejercicio es empezar a invertir más en los canales que tengan un resultado mayor a 1 en la tabla, pues son canales que estamos menospreciando. Es una estrategia simple pero puede suponer un buen cambio.
A continuación, quiero que te fijes en la Herramienta de comparación de modelos de Google Analytics. Podrás acceder a ella a través de: Conversiones > Atribución > Herramientas de comparación de modelos:
Esta herramienta nos permite comparar los resultados de usar un modelo de atribución u otro (podemos comparar hasta 3 a la vez). Solamente tenemos que fijarnos en la flecha verde o roja de la última columna para saber cómo deberíamos redistribuir nuestro presupuesto en cada uno de los canales. Incluso podemos ver cómo varía el CPA de cada canal en función del modelo usado.
Nota importante: para que la AMC-ECD funcione tenemos que tener marcadas con parámetros absolutamente todas nuestras campañas, ya sean las campañas de emailing, campañas en redes sociales, de Display, etc. Esto nos permitirá obtener los datos de conversiones y CPA que necesitamos para analizar los distintos modelos.
Vamos a ver a continuación los principales modelos de atribución multicanal:
Modelo última interacción
El más básico de todos los modelos es el modelo de última interacción. Este es el que usan muchas herramientas de analítica web por defecto. Se trata de un modelo poco útil, ya que es una visión muy simplista afirmar que solamente el último impacto que reciba el usuario va a tener influencia en la conversión.
En las rutas de conversión que hemos analizado al principio, solamente nos aparecerían conversiones atribuibles a directo y orgánico si seguimos este modelo, por lo que estaríamos obviando el peso del canal social, referrals, etc.
Es un modelo que tenemos que evitar usar siempre que podamos.
Modelo último clic indirecto
El segundo modelo que estudiaremos es el de último clic indirecto. Atribuye todo el crédito de la conversión a la última campaña previa a esta, entendiendo como campaña cualquier canal de captación excepto el tráfico directo.
Tal como dice Google, “Analytics utiliza este modelo de forma predeterminada al atribuir un valor de conversión a los informes que no sean de embudo multicanal.”
Es fácil ver que tiene poco sentido atribuir el 100% del crédito a un canal determinado si luego necesitamos más impactos para conseguir la conversión. También implica que todos los esfuerzos en crear reconocimiento de marca y tráfico directo son en vano, porque nunca vamos a atribuir conversiones a este canal.
Modelo último clic de Adwords
El tercer canal que veremos es el modelo del último clic en Adwords, el cual atribuye el 100% del valor de la conversión al último anuncio de Adwords que haya visto el usuario antes de la conversión.
Es un modelo verdaderamente poco útil, que solamente tiene sentido si queremos atribuir el máximo valor a los anuncios de Adwords que hayan generado conversiones, sin tener en cuenta los demás canales que hayan podido estar implicados en el embudo de conversión.
Modelo primera interacción
También existe el modelo de la primera interacción, o de primer clic, que es justamente el caso inverso que el primero que hemos visto, el de última interacción. Tiene menos sentido que aquel, el cual, al menos, indicaba el último canal que había empleado el usuario (fuese el canal que fuese) y que había impactado en una conversión. El modelo de Primera Interacción atribuye el 100% del valor de la conversión al primer clic, por lo que estamos ignorando todo lo que ha pasado después que haya llevado a la conversión.
Según Google, este modelo de atribución puede ser útil para aquellas campañas que dan a conocer productos o servicios desconocidos, por lo que se busca darles un peso significativo de descubrimiento en la conversión final.
Modelo lineal
El modelo lineal asigna el mismo valor a cada canal que haya participado en la ruta de conversión. Puede ser útil si se están haciendo campañas para mantener el contacto con el usuario y queremos dar el mismo valor a cada uno de estos impactos. Sin embargo, nos da poca información acerca del peso de los canales y realmente no es muy útil.
Modelo de deterioro del tiempo
El modelo de deterioro del tiempo tiene mucho más sentido, ya que valora de forma más importante los puntos de contacto cercanos a la conversión, y cuanto más alejados de la conversión estén, menos valor tendrán.
De forma predeterminada, la semivida de declive es de 7 días, por lo que un punto de contacto de un impacto que pase 7 días antes de la conversión tendrá la mitad del valor de un impacto que pase el mismo día de la conversión. Y los impactos 14 días antes de la conversión tendrán una cuarta parte del valor de los impactos del mismo día de la conversión.
También podemos ajustar los días antes de la conversión en el apartado "Ventana al pasado", y una buena forma de hacerlo es en base al lapso del tiempo en la carpeta "Embudos Multicanal".
Modelo según la posición
Finalmente, un modelo según la posición atribuye un 40% a la primera y última interacción de la ruta de conversión, y el 20% restante lo reparte entre las interacciones que pasan entre ellas.
Google afirma que, “si lo que más valora son los puntos de contacto que presentaron su marca a los clientes y los puntos de contacto finales que resultaron en ventas, utilice el modelo según la posición.” Sin embargo, teniendo en cuenta los argumentos que hemos comentado en contra del modelo de primera interacción, podemos ver cómo el modelo según la posición tampoco es óptimo.
Sea cual sea la herramienta de analítca que usemos, hasta las más sencillas, contarán con los modelos de última interacción, primera interacción o lineal.
Herramientas más completas como Google Analytics nos permitirán aplicar modelos según la posición o de deterioro en el tiempo. Y es precisamente este último el que nos va a dar mejores resultados desde un principio, y es el primero que deberíamos usar.
Finalmente, si tenemos una herramienta suficientemente potente, tendremos acceso a modelos de atribución personalizados.
¿Por qué modelos de atribución multicanal personalizados?
Una vez hayamos trabajado durante una temporada con el modelo más adecuado, que en la mayoría de los casos es el modelo de deterioro del tiempo, este nos servirá como punto de partida. Basándonos en él, podremos crear un modelo personalizado que se ajuste a nuestro conocimiento del negocio y experiencia analizando.
Crear un modelo de atribución multicanal perfectamente adaptado a nuestro negocio no es sencillo, pero deberíamos tender hacia ello cuando ya llevemos un tiempo analizando con otros modelos predefinidos.
En Google Analytics podremos crear un nuevo modelo, partiendo de un modelo predefinido y adaptando la ventana al pasado. Será preciso aplicar reglas de crédito personalizado, según la interacción de los usuarios. Todo esto puede llevarse a cabo dentro de:
Administrar > Vista > Herramientas y elementos personales > Modelos de atribución
Marco práctico y conclusiones finales
¿Cómo tenemos que aplicar todo esto para resolver el problema de atribución multicanal de nuestro negocio?
- En primer lugar, tenemos que definir si tenemos un problema AMC-O2S, AMC-EMD o AMC-ECD.
- En el caso de que estemos hablando de los dos primeros escenarios, el problema de atribución es mucho más complejo de resolver y tendríamos que desarrollar experimentos controlados.
- Si el supuesto se refiere a AMC-ECD, tenemos que entender la sección de informes de Google Analytics (o de la herramienta de análisis que usemos) de embudos multicanal.
- Una vez allí, descartaremos, ya de entrada, el modelo de última interacción, y empezaremos usando el modelo de deterioro del tiempo, ajustándolo, tal y como hemos explicado, según nuestras necesidades.
- Finalmente, implementaremos cambios en función del declive en el tiempo, los cuales serán analizados y nos servirán para implementar futuros cambios.
Si has llegado hasta aquí, probablemente ya seas un poco más experto en el complejo mundo de la atribución. ¿Te ha parecido fácil?
A partir de aquí, solamente queda coger las ideas de este artículo, implementarlas y ver cómo mejora el rendimiento de tus canales de marketing. ¡Cuéntame tus resultados!
