Los grandes volúmenes de datos y las métricas están en las mentes de los especialistas en marketing. Sin embargo, pocos de ellos consideran aplicar el rigor de la investigación a su plan de optimización y medición. Tommy Wiles, de Google Media Lab, ofrece cuatro pasos para ayudar a aplicar los métodos científicos de investigación y experimentación a sus campañas.

Escrito por
Tommy Wiles
Publicación
enero 2016
Temas

Una de las clases que más detesté en la universidad fue Métodos de Investigación. Me enseñaron los conceptos básicos del método científico y la diferencia entre la causalidad y la correlación. También aprendí un sinfín de tipos de investigación (por ejemplo, los estudios longitudinales y transversales, y las pruebas previas y posteriores).

Ahora, como especialista en marketing, me doy cuenta de lo valiosa que era esa clase obligatoria. Es posible que ya no recuerde tan bien los compuestos orgánicos ni tampoco cómo hacer un cálculo integral, pero mi conocimiento básico del método científico y los beneficios de ejecutar experimentos rigurosos han demostrado ser sumamente útiles.

Cuando se trata de medir campañas de marketing, los métodos de investigación, a menudo, se ignoran. Sin embargo, en Google Media Lab (el equipo interno responsable de planificar, comprar y posicionar medios para Google), creemos que la incorporación de un proceso de investigación riguroso puede marcar la diferencia entre una medición buena y una mala. Con datos infinitos y casi instantáneos a su alcance, una experimentación eficaz puede ser un factor determinante en el éxito de una campaña, además de influir en la próxima. Aquí le presentamos cuatro pasos para aplicar una mentalidad de investigación a su medición.

Con datos infinitos y casi instantáneos a su alcance, una experimentación eficaz puede ser un factor determinante en el éxito de una campaña, además de influir en la próxima.

Cuatro pasos para demostrar el impacto del marketing mediante la experimentación

1. Empiece con una hipótesis centrada en un objetivo

Las mediciones inteligentes comienzan con la asignación de métricas a los objetivos reales de la empresa. Sin embargo, para entender verdaderamente cómo optimizar y obtener estadísticas de las campañas, se necesita experimentación, y eso comienza con una hipótesis. Esto le ofrece un punto de partida para sus investigaciones y pruebas.

Su hipótesis debe aplicarse a estadísticas que ayudarán a comprobar el objetivo de la campaña general. En Google, empezamos con el objetivo general de la empresa antes de pasar a los objetivos de marketing y de la campaña. Apuntamos a enfocarnos en un objetivo único en cada caso y así tener una definición clara del éxito. Luego, nos aseguramos de que los objetivos se alineen y avancen rápidamente entre sí.

Por ejemplo, una prueba reciente que ejecutamos en una campaña de Android se basaba en la siguiente hipótesis: incluir varios elementos de marca en los bloques de anuncios apoyaría de mejor forma nuestro objetivo de campaña de aumentar el reconocimiento, que si incluimos sólo un elemento Android (ver el gráfico en el Paso 2, a continuación).

Cuando consideramos un objetivo de campaña, pensamos en “actitudes más suaves”, como el conocimiento, la educación, la consideración y la intención; y desglosamos las acciones y los comportamientos del consumidor en relaciones binarias, como prueba y compra, o lealtad y uso. Entonces, medimos las acciones o actitudes a través de etiquetado o encuestas en línea. Encontrará más información al respecto en nuestro siguiente paso.

2. Elabore una estrategia de prueba eficaz y no confunda la correlación con la causalidad

Una vez que elabore su hipótesis y la vincule con el objetivo de la campaña, puede crear un plan de prueba. No se conforme con observaciones y correlaciones. Por el contrario, diseñe experimentos y ejecútelos para asignar una causalidad.

Cuando se trata de experimentos, las personas piensan con frecuencia: “Voy a probar algo diferente para ver qué pasa”. No crean metodologías de investigación rigurosas que prueben una hipótesis y mantengan un grupo de control. Cuando Google Media Lab ejecuta experimentos, definimos los grupos de control y de exposición. Esto nos permite medir actitudes o acciones crecientes, y ver cómo estas mediciones cambian después de la exposición.

Volvamos a nuestro ejemplo de Android. Una vez que identificamos nuestra hipótesis, ejecutamos pruebas mediante anuncios de banner y evaluamos dos variables: el logotipo de Android y el personaje de Android. Dividimos la campaña en tres grupos distintos (consulte la información que se proporciona a continuación) y medimos cada grupo en comparación con un grupo de control que no vio ningún anuncio. Luego, medimos el “reconocimiento espontáneo” o la capacidad de una persona de reconocer una marca sin que se le indiquen nombres posibles. Finalmente, pudimos determinar que la presencia del personaje y el logotipo de Android tenían como resultado un mayor conocimiento de la marca.

[[inline-image-1]]

3. Asegúrese de que sus variables de prueba sean experimentalmente sólidas

Con frecuencia, los investigadores hablan del sesgo en los experimentos. No es algo que se comprenda bien en la comunidad de marketing, pero suele suceder. En Google, evitamos el sesgo con el sistema que mencioné antes: grupos de control en comparación con grupos de exposición. Después, aleatorizamos estos grupos y los medimos de forma simultánea. Esto evita que el sesgo temporal (anterior o posterior) y el sesgo de público afecten nuestros experimentos.

En el experimento para la campaña de Android, organizamos tres equipos, cada uno con un grupo de control, para un total de seis “celdas”. Luego, medimos el incremento del conocimiento que se produjo en cada uno de ellos. También limitamos la cantidad de variables que cambiamos al realizar una prueba. Mediante el control de estos factores, pudimos asignar la causalidad. Entonces, nos sentimos confiados en las estadísticas que generamos y en los cambios que podríamos hacer en nuestras próximas campañas.

4. Elija herramientas de medición sólidas y utilícelas de forma sistemática

En última instancia, sabemos que el poder de los datos radica en que pueden dividirse y analizarse de muchas formas diferentes. Es aquí cuando las herramientas de medición entran en juego. Trabajamos con herramientas, como DoubleClick y Google Analytics Premium, para organizar nuestros indicadores de datos (por ejemplo, el lugar, la hora del día, el comportamiento y los intereses anteriores, y el uso del sitio web).

Estas herramientas nos ayudan a utilizar los datos apropiados para llegar al público correcto con nuestras campañas. Imagine la ventaja de tener a mano los datos y las estadísticas que se obtuvieron de períodos anteriores para su próxima compra programática.

Entonces, podemos ampliar estas estadísticas y pruebas a otras marcas de nuestra cartera. Esto nos permite reunir recomendaciones de las marcas y las campañas. Después de todo, podemos evaluar y comparar el dinero que se invirtió en ellas, para luego informar con confianza a las partes interesadas.

Aunque los pasos 1 a 3 anteriores funcionarán para una sola campaña, lo ideal es sistematizar la medición mediante el uso de las mismas herramientas y métodos para ver las estadísticas en todas las que realice. Si hace esto, podrá realizar comparaciones eficaces entre ellas y entre editores, y además, obtener estadísticas para abrirse camino entre el vasto ecosistema multicanal actual.

La medición inteligente tiene su origen en la investigación

Hoy en día, se habla mucho acerca de los grandes volúmenes de datos y del poder de la ciencia del marketing. Los especialistas abordan la medición con una mentalidad centrada en la investigación. Comprenden la necesidad de apoyarse en objetivos para asegurarse de que sus técnicas generen estadísticas sólidas desde el punto de vista experimental. Mediante la estandarización de las herramientas y su implementación sistemática en las campañas, pueden comparar fácilmente las iniciativas y los resultados. Además, esto les permite saber qué funcionó y qué no.