BankinterAdvertisement
 

¿Cómo debemos medir el ROI en marketing?

¿Cómo debemos medir el ROI en marketing?
Jueves, 02 de marzo 2023

El ROI es una medida crítica que determina si una inversión en marketing ha generado ventas para la empresa y con qué rentabilidad. Sin una comprensión clara del ROI de su marketing, los anunciantes no podrían determinar con precisión cuánto deberían gastar en publicidad, qué canales de marketing son más efectivos para llegar a su público objetivo o qué estrategias de marketing necesitan ser ajustadas o eliminadas.

El Marketing Mix Modeling utiliza datos históricos y estadísticas para evaluar el impacto de los diferentes elementos del mix de marketing, incluyendo la publicidad, el precio, el producto y la distribución, entre otras variables. Al analizar los datos, los anunciantes pueden identificar las iniciativas que generan mayores beneficios y ajustar su presupuesto en consecuencia para maximizar el ROI.

Llevo meses haciendo varios modelos de Marketing Mix, probando diferentes metodologías, y llegando a un montón de primeras interesantes conclusiones. 

Por una parte, la econometría tradicional, donde analizas la serie de ventas de la compañía y producto de que se trate. Vas incluyendo variables en base a un análisis preliminar que haces con gráficos y analizando los principales indicadores estadísticos de las variables, así como sus correlaciones. A medida que avanzas en el análisis todo va cobrando sentido, además de que tienes un control absoluto de todas las decisiones que has tomado y por qué se llega al resultado final. 

En segundo lugar, Robyn, que es el código en abierto que ha publicado Meta, a disposición gratuita de cualquiera. En este caso, se establecen una serie de grupos de variables donde tienes que encasillar las tuyas. El análisis es mucho más rápido, aunque todavía hay cosas que se me hacen “caja negra” y sobre las que tengo que ahondar. 

Por último, diferentes métodos de Machine Learning, donde tu metes a priori todas las variables, corres el programa, y obtienes una solución, que sabes con certeza que es la mejor, pero que no tiene ni pies ni cabeza. Por ejemplo, con este tipo de modelos, puede suceder que en determinados momentos la contribución de la publicidad sea negativa (a más publicidad, menos ventas), cosas que sabemos por principios teóricos que no puede ser. Otro ejemplo sería que entrase el precio como variable que influye en las ventas positivamente (a mayor precio, mayores ventas).   

Cuando he comparado los tres tipos de soluciones para un mismo cliente he contrastado que las conclusiones eran bien diferentes. ¿Con qué modelo debería haberme quedado?

Desde mi punto de vista, priman el sentido de común y el sentido de negocio. Por mucho que me diga un modelo “moderno”, si un anunciante ha invertido una cantidad notoria de euros en un medio como la televisión, esto tiene seguro un efecto en ventas. No solo en el corto plazo, sino también en el largo. Es un hecho que la televisión sigue alcanzando a mucha gente, que es un medio único en su formato y en la calidad de su impacto, y esto no puede obviarse en un modelo que deje fuera esa inversión. ¿Por qué entonces lo deja fuera con métodos de Machine Learning? Todavía no lo tengo claro, pero prefiero fiarme de aquello que controlo al cien por cien y que me hace sentido. 

A pesar de que la tecnología y las técnicas de medición han avanzado significativamente en las últimas décadas, las ciencias sociales como la economía siguen siendo reticentes a delegar por completo los cálculos a la inteligencia artificial y al Machine Learning. Esto se debe a que la economía es una ciencia que trata con el comportamiento humano y las decisiones que se toman en función de múltiples factores, incluyendo la cultura, la política y las normas sociales. Además, aunque la IA y el machine learning pueden ser extremadamente útiles en el análisis de grandes cantidades de datos económicos y financieros, aún existen cuestiones críticas que requieren la intervención y la interpretación humana. 

La econometría (base de los modelos de marketing mix) es una disciplina que combina la economía, la estadística y las matemáticas para desarrollar modelos cuantitativos y predecir el comportamiento económico, y tampoco se acaba de llevar bien del todo la delegación absoluta de la toma de decisiones en la inteligencia artificial y el Machine Learning. 

Mi conclusión hoy por hoy en este sentido es que tenemos que tomar en cuenta los nuevos modelos de medición, tanto Robyn como las técnicas de Machine Learning, entendiendo bien por qué dan los resultados que dan, y usando ese conocimiento para completar las metodologías clásicas y para dar velocidad a los cálculos.   


Grupo Control