El estudio de las atribuciones es relativamente reciente. Comenzó en 1958, cuando Fritz Heider, un psicólogo austriaco, publicó un libro titulado «La psicología de las relaciones interpersonales», que incluía la primera teoría de la atribución. Según la teoría de Heider, todas las personas somos psicólogos ingenuos que intentamos encontrar las causas que hay detrás de las acciones y los comportamientos, y todos somos susceptibles de cometer errores de juicio al intentar atribuir resultados.
Desgraciadamente, los errores de atribución son algo que los profesionales del marketing conocen muy bien, especialmente cuando se enfrentan a uno de los retos más difíciles del marketing: la atribución de ingresos. La pregunta principal de la atribución de ingresos es: ¿cómo se mide con precisión el impacto relativo de cada campaña y punto de contacto en el comportamiento de los clientes? Obtener una respuesta errónea, es decir, atribuir los resultados a campañas o puntos de contacto equivocados, es una propuesta peligrosa, ya que el objetivo final es optimizar el gasto en marketing y la configuración de las campañas.
Existen varios modelos que intentan ayudar a los profesionales del marketing a acertar, pero todos ellos tienen sus deficiencias. La atribución al primer contacto y al último contacto son los modelos más sencillos y menos precisos. En el modelo de atribución al primer contacto, el 100 % del mérito de la compra se atribuye a la campaña que llevó al cliente a entrar en contacto con su marca. Pero piénselo: ¿realmente puede atribuir la compra a la primera campaña y descartar por completo las campañas posteriores? Por supuesto que no.
En el modelo de atribución de último contacto, el 100 % del mérito de la compra se atribuye al último punto de contacto antes de que el cliente potencial se convierta. Pero, ¿qué pasa si el cliente realizó una compra después de haber sido objeto de una campaña de 3 meses con correos electrónicos, SMS, anuncios de Google y Facebook y notificaciones push móviles, y se vio influido por todo el contenido y las promociones que se le enviaron? ¿Cómo se puede atribuir todo el mérito de la compra solo a la última campaña?
Incrementalidad, mi querido Watson
Un enfoque más sofisticado sería medir el impacto relativo y combinado de cada campaña, utilizando un modelo de atribución multitoque.
Modelos de atribución multitoque se basan en asignar «ponderaciones» (crédito) a los puntos de contacto en proporción a su impacto en los resultados; por ejemplo, el 20 % del crédito se asigna a las campañas de correo electrónico, el 30 % a los anuncios de Facebook, etc.
Pero el problema es que la asignación de ponderaciones de atribución puede ser propensa a errores, ya que identificar los puntos de contacto que tienen mayor impacto en las conversiones es una tarea difícil.
Entonces, ¿y si le dijéramos que hay una forma mejor de hacerlo? Una que mida con precisión el impacto de cada punto de contacto y el impacto agregado de todo el recorrido; que no requiera asignar ponderaciones; que se actualice continuamente para reflejar los cambios en el comportamiento de los clientes, el cansancio de las campañas, la estacionalidad, etc.; y que se mida a sí misma en comparación con el comportamiento de referencia de sus clientes (es decir, que no se atribuya el mérito de las compras que se habrían producido de todos modos, incluso sin estas campañas).
Suena como magia. Lo llamamos «incrementalidad» y se basa en la buena vieja prueba y medición de control.
En Optimove, solemos utilizar el término incrementalidad cuando hablamos del impacto real de las campañas, en contraposición a la medición de métricas vanidosas como las aperturas y los clics. Pero se puede aplicar el mismo enfoque a la atribución de ingresos. El resultado sería el mejor modelo de atribución multitoque posible, o una atribución multitoque potenciada, por así decirlo.
A favor y en contra de la corriente
Veamos cómo funciona con este sencillo ejemplo:
Imagina que tienes un recorrido de tres pasos: correo electrónico + SMS + correo electrónico, y que el cliente realiza una compra de 100 dólares después de la última campaña.
En el modelo de atribución de último contacto, que lamentablemente utilizan muchas plataformas de marketing hoy en día, las dos primeras campañas no obtienen ningún crédito por la compra, mientras que la campaña 3 obtiene el 100 % del crédito.
Por lo tanto:
- correo electrónico n.º 1: 0 % (=0 $)
- SMS: 0 % (=0 $)
- correo electrónico n.º 2: 100 % (=100 $)
En el modelo de Optimove, las tres campañas forman parte de un flujo con un grupo de control del 5 % (es decir, el 5 % de los clientes no recibe campañas y medimos su comportamiento espontáneo, que sirve como referencia).
A modo de ejemplo, supongamos que algunos de los clientes del grupo de control realizaron compras (algo que siempre ocurre). Eso significa que realizaron una compra sin recibir NINGUNA campaña.
Ahora supongamos que el pedido medio de los clientes del grupo de control es de 70 $, mientras que el de los clientes que recibieron la secuencia de tres campañas es de 100 $.
Esto significa que la secuencia de tres campañas tiene un incremento de 30 dólares (porque el pedido medio de los clientes que recibieron las campañas es de 100 dólares).
Como ve, las campañas por sí solas no fueron responsables de los 100 dólares. Solo del incremento de 30 dólares con respecto al grupo de control estadísticamente viable.
Ahora, el siguiente paso es aplicar el enfoque de prueba/control a cada campaña para medir su impacto específico. Por supuesto, cada grupo de control de la serie debe ser representativo. Esto significa, por ejemplo, que el grupo de control de la campaña 3 contiene clientes que fueron objeto de las campañas 1 y 2, de modo que el impacto combinado de las dos primeras campañas ya estaría integrado en el comportamiento de referencia de este grupo, lo que nos permitiría medir el incremento incremental de la campaña 3.
Teniendo esto en cuenta, podemos medir el aumento medio de cada campaña por cliente.
Desglose final
Supongamos que el aumento de 30 $ se divide de la siguiente manera: 5 $ para la campaña 1, 15 $ para la campaña 2 y 10 $ para la campaña 3. Dado que el aumento total de toda la corriente es de 30 $, la campaña 1 obtendría el 17 % (5 de 30) del crédito, la campaña 2 obtendría el 50 % del crédito (15 de 30) y la campaña 3 obtendría el 30 % (10 de 30).
Ahora dispone de la forma más precisa desde el punto de vista estadístico para determinar el impacto de cada campaña en sus ingresos. Sin tonterías, sin suposiciones. Sin ideas terribles como atribuir todo el mérito del gol marcado al delantero que lo ha marcado, descuidando al resto del equipo que ha ayudado a prepararlo.
La buena noticia es que este modelo existe: está integrado en la forma en que Optimove permite a los profesionales del marketing ejecutar estrategias inteligentes de CRM/retención.
En el modelo de Optimove, que mide el valor incremental de todo el flujo Y de cada campaña del flujo, el impacto de la campaña 3 en las conversiones es solo del 30 %, ni del 0 % ni del 100 %.
En el modelo de atribución de último contacto, por el contrario, la campaña 3 se lleva TODO el mérito de las conversiones y, por lo tanto, sería la que el profesional del marketing decidiría reforzar. Eso es lo que llamamos un error de atribución.
