Irene Martín Tamayo lidera la estrategia de paid media en Casa de Libro, la cadena de librerías española del Grupo Planeta. Es responsable de optimizar las estrategias de medios para maximizar el ROAS. María Lucas coordina la implementación de innovaciones tecnológicas y el análisis de datos desde la dirección de marketing digital del Grupo Planeta, que da soporte a las marcas de la compañía.
Quién le iba a decir a aquel empresario papelero y editorial que fundó la librería española Casa del Libro en 1923, que la inteligencia artificial (IA) sería clave para vender más y de manera más rentable más de 100 años después.
La esencia de la compañía sigue siendo la de aquella librería de la Gran Vía de Madrid. Pero hoy, con 66 librerías físicas por todo el país, y un consolidado ecommerce, la innovación y la tecnología se han integrado como elementos clave en el ADN de nuestra estrategia publicitaria.
El desarrollo del ecosistema digital nos reta a pasar de un marketing masivo a uno predictivo y personalizado para conectar con el comprador actual. La IA ha pasado de ser una opción a un elemento central y orquestado en la estrategia de marketing. Esto permite ofrecer experiencias de compra fluidas y relevantes. Algo vital como clave de diferenciación en el sector editorial español, donde los precios están regulados.
En Casa del Libro decidimos que había llegado el momento de pasar página. Para seguir creciendo y aumentando nuestras ventas en este contexto, utilizamos la IA para escribir un nuevo capítulo en nuestra forma de conectar con los consumidores.
Capítulo 1: Configurando la historia con datos propios e IA
Basar nuestra estrategia de marketing únicamente en segmentaciones más tradicionales, como la edad o historiales de compra estáticos, estaba frenando nuestras oportunidades de crecimiento. Era como intentar adivinar el final del libro solo leyendo la contraportada: teníamos una idea, pero nos faltaba la historia completa y viva de nuestros clientes.
Para transformar esa visión, creamos un motor de IA predictivo propio y a medida. Este sistema combina el uso de datos propios, con la tecnología impulsada por IA. El resultado: podemos anticipar, en tiempo real, quiénes son los usuarios con una mayor intención de compra. Esto nos permite personalizar sus experiencias de forma única y optimizar nuestras campañas de marketing, asegurando que cada mensaje conecte con la persona adecuada en el momento justo.
Desarrollar una solución de IA propia puede parecer una tarea compleja o inalcanzable. Sin embargo, si sigues los pasos que dimos, tú también puedes conseguirlo:
Una sólida base apuntalada por datos propios
La transformación de nuestra estrategia comenzó por cimentar una base de datos sólida y unificada, consolidando nuestros valiosos datos propios.
Imagina el recorrido: cada clic en nuestra web, cada interacción con el CRM, cada transacción en librerías físicas (a través de nuestro programa de Socios). Esta consolidada infraestructura de datos nos permite recopilar y almacenarlos desde esta diversidad de fuentes. Posteriormente, esta información se estructura y depura para garantizar su máxima calidad y consistencia.
Todas estas piezas de información clave, que antes podían estar más dispersas, convergen ahora en nuestro centro neurálgico de datos en la nube en BigQuery. Esta centralización es crucial, ya que permite que estos datos alimenten directamente a nuestra IA, lo que se traduce en una gestión eficiente y escalable de la información.
Desarrollo del modelo predictivo basado en IA
Para empezar, usamos tecnología de IA ya existente y de código abierto. En nuestro caso el modelo de aprendizaje automático XGBoost sobre librerías del lenguaje de programación Python. Esto nos dio una base excelente para desarrollar, a través de pruebas y entrenamiento del modelo, un sistema capaz de predecir con alta precisión cuándo un cliente estaba interesado en comprar.
Para definir nuestras principales de audiencias con potencial de compra, organizamos los resultados del modelo en dos tipos:
- Grupos de clientes que realizan compras con perfiles y comportamientos similares, agrupados en clústeres.
- Clientes cuyo historial y comportamiento de compras sugiere a la IA que podrían volver a comprar pronto.
El modelo predictivo de IA se adapta a las nuevas tendencias y a las necesidades cambiantes de nuestros clientes
¿Cómo funciona esta IA y por qué es tan precisa?
La clave está en que hemos entrenado nuestro sistema para que entienda a fondo tanto nuestro negocio como a nuestros clientes. Analiza, por ejemplo, qué productos han visto, cuánto tiempo navegan en nuestra web o datos generales de sus perfiles.
Un factor crucial, especialmente en el mundo de los libros, son los momentos clave de compra (Sant Jordi o el Día del Libro, Navidad o el inicio de curso escolar). Para que nuestras predicciones acierten también durante esas campañas, enseñamos a la IA utilizando datos del mismo período de años anteriores. Así, el sistema aprende a identificar el interés real de compra de una persona, distinguiendo la influencia de la temporada.
Pero esto no es algo que configuramos una vez y olvidamos. Nuestro modelo de IA está en constante evolución. Hemos diseñado un proceso continuo para supervisarla, ajustarla y reentrenarla. Así aseguramos que sus predicciones sigan siendo precisas y útiles a lo largo del tiempo, adaptándose a las nuevas tendencias y a las necesidades cambiantes de nuestros clientes.
Capítulo 2: La trama entre los protagonistas y la IA para potenciar campañas omnicanal
Lo siguiente fue definir cómo usar esta inteligencia predictiva para maximizar nuestros resultados. La solución consistió en establecer una colaboración orquestada entre las audiencias de propensión definidas por nuestro modelo de IA y la IA de las grandes plataformas publicitarias, tanto de Google y YouTube, como externas.
Fuimos un paso más allá en el uso de audiencias de propensión. En lugar de simplemente usar nuestras audiencias, las transformamos en señales avanzadas. Se trata de darle pistas de altísima calidad, y en tiempo real, a la IA de las plataformas publicitarias de Google, como Google Ads y Search. Esto nos permite ayudarle a entender mucho mejor a quién, cuándo y dónde mostrar nuestros anuncios maximizando su efectividad.
Capítulo 3: Un final feliz para las métricas
Los resultados implementando estas audiencias de propensión “listas para comprar” generadas por nuestro modelo de IA predictivo en nuestras diferentes campañas, hablan por sí mísmos:
- Campañas de Máximo rendimiento más inteligentes (llevamos la eficiencia al siguiente nivel).
Al alimentar a la IA de las campañas de Máximo rendimiento (Performance Max) con las predicciones de audiencias de nuestro modelo, logramos un incremento del 11% en ventas y una mejora del 2,3% en el ROAS. O lo que es lo mismo: logramos mejorar su eficiencia y rentabilidad.
- Uniendo el mundo online y el offline con éxito.
Nuestro modelo de IA, que incorporaba datos de nuestros clientes offline, también nos ayudó a predecir aquellos usuarios más propensos a comprar en nuestras tiendas físicas. Esto nos permitió poner en marcha campañas omnicanal mucho más afinadas, al dirigirse a audiencias más propensas .
Por ejemplo, usando estrategias como Máximo rendimiento con objetivos en tiendas (Performance Max for store goals), vimos un aumento del 55% en las visitas a nuestras librerías. Y también en la otra dirección. Nuestra estrategia para atraer clientes de la tienda física al canal online consiguió un ROAS superior a 8€.
- Potenciando los resultados de la Búsqueda de Google.
Incluso nuestras campañas de Búsqueda (Google Search) tradicionales se transformaron. En segmentos de audiencia clave, la tasa de conversión (el porcentaje de clics que terminan en compra) subió de un 9% a un rango entre el 13% y el 16%. Esto se tradujo en un aumento de ingresos y un mejor ROAS, que creció un 18,5% respecto al primer mes de inicio del proyecto, logrando reducir costes.
Con las predicciones de nuestro modelo en Máximo rendimiento logramos mejorar un 11% las ventas y un 2,3% el ROAS
Esta estrategia de segmentación ha desbloqueado un nuevo nivel de crecimiento para nosotros en Casa del Libro.
Hemos demostrado y entendido el potencial de la IA para impulsar los resultados, con un sistema inteligente que aprende y se adapta. Y ya estamos trabajando para que la secuela se convierta en un nuevo best-seller.
Nuestro foco está ahora en refinar cada detalle y crear experiencias más personalizadas a través de tres áreas clave:
- Profundizar aún más en la segmentación para identificar micro-nichos de audiencia.
- Optimización continua de creatividades y formatos.
- Escalado de la inversión para maximizar el alcance de las campañas más rentables.
Suscríbete a Think with Google para recibir insights de consumo, ideas y estrategias por email.
