Impulsar El Crecimiento Con Un Modelo De Atribución Estocástico Basado En Las Cadenas De Markov

RESUMEN

Lo sabemos, los modelos de atribución tradicionales, como Last-Click, Time Decay, Position-Based, etc. tienen limitaciones a la hora de estimar correctamente el verdadero impacto de cada canal de marketing y de la palabra clave en la ruta de conversión. Y conocer este impacto es todavía más relevante cuando hablamos de grandes operaciones B2B, con presupuestos trimestrales de millones de dólares y donde entran en juego miles de palabras clave A menudo se subestiman los recursos necesarios para tener éxito con la atribución, pues suele percibirse como un esfuerzo único y no como un proceso iterativo.

A pesar de estos obstáculos, la atribución adecuada, para este caso en concreto, fue un punto determinante para impulsar un crecimiento adicional del cliente.. Una evaluación inadecuada de los esfuerzos en la parte alta del embudo (ToFu) representó una barrera para acelerar las inversiones en publicidad incrementales.

Pero sabemos cómo aprovechar la tecnología para ayudar a nuestros clientes, y en este caso, lo hicimos para superar las limitaciones de los modelos heurísticos, lo que nos permitió ser más asertivos sobre los canales publicitarios que estaban ayudando realmente a nuestro cliente. Para lograrlo utilizamos n proceso estocástico, que nos dejó saber cuánto aumentaba cada palabra clave la probabilidad de que un usuario acabará convirtiendo.

EL RETO:

Calcular correctamente el verdadero impacto de cada canal de marketing y palabra clave en la ruta de conversión.

LA SOLUCIÓN:

El modelo o cadena de Markov demostró el valor de las palabras clave del ToFu en la publicidad de Google Search,
las cuales suelen pasarse por alto en el modelo de atribución de último clic. Y como nos encanta la magia y hacer las cosas diferente, cambiamos la estrategia de nuestro cliente hacia un enfoque más orientado a esta parte del embudo, descubriendo así nuevas inversiones en publicidad más efectivas.