Certificado de Blockchain
El contenido de esta página esta estampado en tres blockchains diferentes. Una blockchain es una base de datos permanente, distribuida, y sin autoridad central. Esto permite estampar contenido sin nunca desvelar este. Un estampe certifica la existencia de cierto contenido en un instante dado, lo que permite a su autor demostrar que fue él o ella quien primero reclamó la autoría. Más información sobre estampes aquí abajo.

Si quieres saber más sobre blockchain, descarga nuestra publicación de investigación Blockchain: construyendo confianza. Si quieres estampar el contenido de tu propia web, prueba nuestro plugin de WordPress. Si quieres que pensemos juntos como blockchain puede ayudar a tu negocio, envianos un correo :-)
Resumen de estampado:
Título estampado: Mejores datos = mejor ROI para el negocio
Tipo estampado:
Título y contenido
URL de contexto: https://www.goodrebels.com/es/mejores-datos-mejor-roi-para-el-negocio/
Contenido descodificado:
TítuloMejores datos = mejor ROI para el negocio
ContenidoAntes de empezar a hablar de ROI - retorno de la inversión-, déjanos recordarte esta famosa frase del estadístico británico George Box: "todos los modelos están mal".

En marketing, es fácil engañarse y creer que el éxito de cualquier campaña puede ser medido a través de una simple comparación entre ganancias e inversión. Por otro lado, empresas sin acceso a algunos datos simplemente comparan los resultados generados en un periodo de tiempo con un periodo de tiempo control. Esta metodología es bastante incompleta: hay que recordar que el viaje del consumidor no es tan sencillo.

Después tenemos los modelos de atribución, lo que supone un gran salto hacia adelante en el análisis de los resultados de la campaña. Los modelos de atribución nos ayudan a supervisar el viaje de todos y cada uno de los clientes. Esto nos ayuda a entender mejor cómo ciertos proyectos influyen en ciertos resultados, sin embargo tiene ciertas limitaciones cuando intentamos medir el impacto o a la hora de intentar optimizar nuestro presupuesto de marketing. La medición del ROI por medio de la atribución algorítmica elimina estas limitaciones.

Cálculo del ROI

El cálculo del ROI (retorno de la inversión) no es tarea fácil. No sólo se necesita un modelo de atribución para que funcione, sino que necesitas conocer también un punto de referencia para los resultados y el crecimiento, así como familiarizarte con todas las variables externas sobre las que no tenemos control. Es importante entender todo el proceso matemático que hay detrás y, por supuesto, tener acceso a grandes volúmenes de datos. Es mejor construir un buen modelo apoyado por una gran cantidad de datos, que un gran modelo con sólo una pequeña cantidad que lo respalde.

Puede que no estemos familiarizados con alguno de estos conceptos. Vamos a explicar un poco más en detalle:

Punto de referencia

A menos de que tu producto sea completamente inútil o innecesario, lo más probable es que ya se esté vendiendo. Seguramente ya tienen algunos clientes leales a la marca y, con suerte, también algo de crecimiento. Es posible que ya sepamos que para comparar los resultados de una campaña es necesario saber cuánto se vende sin ninguna estrategia de marketing. Sin embargo, entender el "crecimiento natural" es la parte complicada, porque algunas veces podemos atribuir un cierto crecimiento a elementos como el boca a boca, reseñas online, etc.

Variables internas

En esta etapa, es necesario iniciar el proceso de comparación de iniciativas versus resultados. No sólo en términos de ventas: dependiendo de su producto o servicio, las iniciativas también podrían incluir una promoción de una sola vez, descuentos, ajustes de precios o programas de fidelización, mientras que los resultados podrían variar desde las visitas hasta las suscripciones de nuestra web. Es importante recordar que una sola iniciativa puede tener un impacto en más de un resultado, por lo que es necesario que midamos qué iniciativa ha tenido efecto en qué resultado y analizar con cuidado estos comportamientos (obsérvese el uso de la palabra 'impacto', la correlación no implica causalidad).

Variables externas

A veces se puede hacer todo bien y no obtener los resultados deseados. De la misma manera, hacer todo mal, y conseguir los resultados de una campaña de marketing exitosa. Bienvenido al mundo de las variables externas: cosas sobre las que no tenemos control y que pueden tener un gran impacto en todo lo que hacemos. Algunas de estas cosas son fáciles de medir y predecir; como algunos cambios en tendencias, el clima y las estaciones. Algunas son eventos conocidos como “cisne negro”, los cuales son imposibles de predecir.

Modelos de Atribución

Pensemos en los modelos de atribución como un mapa que nos guía a lo largo del viaje del consumidor, donde podemos ver por dónde caminan nuestros clientes y hacia dónde van. A veces nosotros tenemos control sobre los caminos (canales pagados), pero otras veces no (canales orgánicos). Este mapa nos ayudará a desarrollar una comprensión más profunda de los consumidores y los viajes individuales que han tomado para llegar a nuestro producto o servicio. Los problemas comienzan cuando se intenta optimizar el presupuesto basándonos en esta información: no todos los consumidores toman la misma ruta, no tenemos control sobre todos los caminos y, muchas veces, el optimizar un camino nos hace descuidar otros. Adicionalmente, los modelos de atribución no toman en cuenta las variables externas y éstas también influyen en el resultado.

Aquí es donde entran los algoritmos.

Atribución Algorítmica

Una vez se han tenido en cuenta todas las variables, es necesario encontrar el modelo de atribución que mejor se adapte a la campaña que queremos definir. Afortunadamente se puede construir y probar un algoritmo para crear un modelo que realmente refleje la realidad de nuestro negocio. Para probar el algoritmo, hay que alimentarlo con todas las variables del año pasado y compararlo con los resultados reales. Si son parecidos, puedes continuar, si no, es el momento de reajustar e intentarlo de nuevo. Es importante utilizar una muestra lo suficientemente grande para asegurarse de que el modelo funciona en todos los escenarios y que no fue sólo un golpe de suerte.

Próximos pasos

Ahora que ya hemos encontrado nuestro modelo, podemos empezar a jugar con él. ¿Qué hubiera pasado si hubiésemos invertido más en la iniciativa A y un poco menos en la iniciativa B? ¿Cómo se debe distribuir el presupuesto entre diferentes iniciativas? ¿Qué combinación rindió el mejor ROI? Saber cómo impactó cada iniciativa en los resultados generados le ayudará a maximizar el rendimiento y la inversión.

Nota al margen: se podría argumentar que los resultados no son tan simples de analizar como sugiere el modelo ("todos los modelos están equivocados"). Por ejemplo, si una campaña de AdWords no está funcionando puede ser porque ahora no es el momento de invertir en Adwords, pero también puede ser porque el anuncio no apela al consumidor o porque se está centrando en las palabras clave o sitios equivocados. La realidad es que antes de hacer modelos de atribución para ver qué iniciativas y plataformas están funcionando y cuáles no, hay que enfocarnos en la optimización para asegurarnos que todos nuestros esfuerzos no estén fallando por otras razones.

Debemos tener en cuenta que el análisis predictivo no se trata sólo de predecir el futuro (modelos predictivos), sino que también se puede utilizar para la clasificación (análisis descriptivo). Cuando se combinan, estos modelos demuestran ser bastante poderosos porque nos ayudan a predecir cómo cada iniciativa de marketing puede afectar a un tipo específico de consumidor. Sin embargo, hay que tener cuidado al hacer recomendaciones basadas en el análisis predictivo; las tendencias cambian, los precios suben, el interés público disminuye y cada día se introducen nuevos productos y servicios en el mercado. Tenemos que considerar cada nueva variable que pueda aparecer. Nada es constante para siempre, pero esto no debe desanimarte a la hora de modelar, buscar ideas, hacer recomendaciones o incluso hacer predicciones. Hay que ser inteligentes y entender que cometeremos algunos errores de juicio. Las cosas pueden evolucionar, pero es mejor tener una idea sobre la ruta que queremos seguir, en lugar de simplemente de ir por un camino a ciegas y esperando que pase lo mejor.

Predecir y estimar el ROI - retorno de la inversión- es un proceso que es tanto una ciencia como un arte. Es una tarea difícil que está demostrando ser cada vez más necesaria en un mundo donde los CEOs y CFOs están menos interesados en la notoriedad de marca o el alcance, y más interesados en el ROI dentro del departamento de marketing. Así que, pensando en la idea de que todos los modelos están mal y planteando la pregunta “¿por qué deberíamos esforzarnos en hacerlo?”, probablemente lo mejor sería leer cómo George Box complemento su cita 11 años después de decirla por primera vez: "Recuerda que todos los modelos están mal; la pregunta práctica es, ¿qué tan mal tienen que estar para no ser útiles?".
URLhttps://www.goodrebels.com/es/mejores-datos-mejor-roi-para-el-negocio/
AutorJuan Pablo Rubio
OrigenWP Blockchain
Formatowpblockchain
Hash: (SHA256)
Estado:
Momento:
Hace 1 año (2018-12-04 01:14:17 GMT+1)
Transacciones en Blockchain:
Bitcoin:
Estampado (64,388 confirmaciones) como BE8D268B6247... enseñar árbol esconder arbol
BE8D268B6247...
Hash estampado
0177F8F3E077...
Otro hash
EEB735912C02...
Otro hash
9F0C79164672...
Otro hash
84CEC1C7BA7C...
Otro hash
3E59961DFA2F...
Otro hash
975DA0BD82B9...
Otro hash
D4E0BC5C9905...
Otro hash
0EA7DB8CC8A9...
Otro hash
94D4514EB2C3...
Otro hash
9BA4781D552D...
Otro hash
894697E9261B...
Otro hash
9E0731748661...
Otro hash
51433B1651BB...
Otro hash
23CEEB5C40C3...
Otro hash
CAB2BFC1F36D...
Otro hash
DAC6B71C8437...
Otro hash
3A8AD003375E...
Otro hash
DF7B01F811AE...
Nuestro hash
Litecoin:
Estampado (115,463 confirmaciones) como BE8D268B6247... enseñar árbol esconder arbol
BE8D268B6247...
Hash estampado
0177F8F3E077...
Otro hash
EEB735912C02...
Otro hash
9F0C79164672...
Otro hash
84CEC1C7BA7C...
Otro hash
3E59961DFA2F...
Otro hash
975DA0BD82B9...
Otro hash
D4E0BC5C9905...
Otro hash
0EA7DB8CC8A9...
Otro hash
94D4514EB2C3...
Otro hash
9BA4781D552D...
Otro hash
894697E9261B...
Otro hash
9E0731748661...
Otro hash
51433B1651BB...
Otro hash
23CEEB5C40C3...
Otro hash
CAB2BFC1F36D...
Otro hash
DAC6B71C8437...
Otro hash
3A8AD003375E...
Otro hash
DF7B01F811AE...
Nuestro hash
Ethereum:
Estampado (2,681,654 confirmaciones) como 0EA7DB8CC8A9... enseñar árbol esconder arbol
0EA7DB8CC8A9...
Hash estampado
94D4514EB2C3...
Otro hash
9BA4781D552D...
Otro hash
894697E9261B...
Otro hash
9E0731748661...
Otro hash
51433B1651BB...
Otro hash
23CEEB5C40C3...
Otro hash
CAB2BFC1F36D...
Otro hash
DAC6B71C8437...
Otro hash
3A8AD003375E...
Otro hash
DF7B01F811AE...
Nuestro hash
Ethereum Classic:
Estampado (2,728,814 confirmaciones) como 0EA7DB8CC8A9... enseñar árbol esconder arbol
0EA7DB8CC8A9...
Hash estampado
94D4514EB2C3...
Otro hash
9BA4781D552D...
Otro hash
894697E9261B...
Otro hash
9E0731748661...
Otro hash
51433B1651BB...
Otro hash
23CEEB5C40C3...
Otro hash
CAB2BFC1F36D...
Otro hash
DAC6B71C8437...
Otro hash
3A8AD003375E...
Otro hash
DF7B01F811AE...
Nuestro hash
Historial de estampados:
Último estampado:
DF7B01F811AE7EA31BA4ED806D4D8E2BB53DBD04C6ACAEE48D91AA747C6AA9F6 estampado activo
Resultado de API (ver resultado bruto):
{
"success": true,
"results": {
"context_id": 145627,
"context_name": "Mejores datos = mejor ROI para el negocio",
"context_url": "https://www.goodrebels.com/es/mejores-datos-mejor-roi-para-el-negocio/",
"stamp_id": 15253,
"stamp_type": "default",
"stamp_code": "145627-default-last",
"stamp_name": "Tu00edtulo y contenido",
"hash": "DF7B01F811AE7EA31BA4ED806D4D8E2BB53DBD04C6ACAEE48D91AA747C6AA9F6",
"hash_method": "SHA256",
"status": "confirmed",
"confirmations": 5590319,
"pending_time": 0,
"created_at_gmt": "2018-12-03 23:14:20",
"created_at": "2018-12-04 00:14:20",
"stamped_at_gmt": "2018-12-03 23:14:17",
"stamped_at": "2018-12-04 00:14:17",
"restamped_at_gmt": null,
"restamped_at": null,
"confirmed_at_gmt": "2018-12-03 23:14:22",
"confirmed_at": "2018-12-04 00:14:22",
"updated_at_gmt": "2019-12-08 19:33:17",
"updated_at": "2019-12-08 20:33:17",
"valid_until_gmt": null,
"valid_until": null,
"gmt_offset": 1,
"blockchains": {
"btc": {
"blockchain": {
"id": "btc",
"name": "Bitcoin",
"block_duration": 600,
"safe_confirmations_amount": 6,
"last_block": 607427,
"last_block_time": "2019-12-09 23:10:31",
"last_block_time_gmt": "2019-12-09 22:10:31",
"transaction_base_url": "https://www.blocktrail.com/BTC/tx/%s"
},
"status": "confirmed",
"confirmed_at_gmt": "2018-09-25 19:18:11",
"confirmed_at": "2018-09-25 21:18:11",
"confirmations": 64388,
"stamped_in": 0,
"pending_blocks": 0,
"pending_time": 0,
"transactions": [
{
"id": "bf9f5b61c1a4636d72a91b829980a02381759811dd0e969b4774b0417c2f8b1d",
"prefix": "53363583",
"hash": "BE8D268B62471F32CB6C82CA6665950306A332F7612B07BE50D84A4A82ACE7A3",
"hash_method": "SHA256",
"siblings": [
{
"left": "3A8AD003375EE8BED3DEAB61FAA0138833FE728EB3C11AC6D588CD68E86618C4"
}, {
"left": "CAB2BFC1F36DB18BABF013CB0D837DEE7FB1180112156EF8A1FD2CA870C5B7F3"
}, {
"right": "23CEEB5C40C350989D5A0B68C0B956F18D09260F3C8F4A18ADB99C9D5803D6E5"
}, {
"right": "9E07317486610CCBC774E32F2391E9DC1263D3B2AE597B349E38B164E31116DD"
}, {
"left": "94D4514EB2C3BAB329FB1EB801BD8454FB62EF9F0C258A0665ADC76CF94F7E16"
}, {
"left": "D4E0BC5C990586B1BF58CC188504BE03D7626CDAB0D189146CF8123455280369"
}, {
"left": "3E59961DFA2FFC0E1781ACBEBCF1E708303F247FCD473FC8366997F771B81F54"
}, {
"right": "84CEC1C7BA7CC4900236D0CDE1F07B2047E67FA092FD0AB4588B4C5829D92464"
}, {
"left": "0177F8F3E07785DAAF4D27428B10E5CEC4EBE803F2A5C61B6AAF0B3CE6CE6396"
}
],
"block_number": "543039",
"created_at": "2018-09-25 18:01:36",
"confirmed_at": "2018-09-25 19:18:11",
"status": "confirmed",
"confirmations": 64388
}
]
},
"ltc": {
"blockchain": {
"id": "ltc",
"name": "Litecoin",
"block_duration": 180,
"safe_confirmations_amount": 6,
"last_block": 1613834,
"last_block_time": "2019-04-13 18:11:41",
"last_block_time_gmt": "2019-04-13 16:11:41",
"transaction_base_url": "https://chain.so/tx/LTC/%s"
},
"status": "confirmed",
"confirmed_at_gmt": "2018-09-25 18:17:17",
"confirmed_at": "2018-09-25 20:17:17",
"confirmations": 115463,
"stamped_in": 0,
"pending_blocks": 0,
"pending_time": 0,
"transactions": [
{
"id": "60608b2d54c242e6d6e9e6321d9eefe9eba0e05dc8b321da45e9e7d782a0ff4d",
"prefix": "53363583",
"hash": "BE8D268B62471F32CB6C82CA6665950306A332F7612B07BE50D84A4A82ACE7A3",
"hash_method": "SHA256",
"siblings": [
{
"left": "3A8AD003375EE8BED3DEAB61FAA0138833FE728EB3C11AC6D588CD68E86618C4"
}, {
"left": "CAB2BFC1F36DB18BABF013CB0D837DEE7FB1180112156EF8A1FD2CA870C5B7F3"
}, {
"right": "23CEEB5C40C350989D5A0B68C0B956F18D09260F3C8F4A18ADB99C9D5803D6E5"
}, {
"right": "9E07317486610CCBC774E32F2391E9DC1263D3B2AE597B349E38B164E31116DD"
}, {
"left": "94D4514EB2C3BAB329FB1EB801BD8454FB62EF9F0C258A0665ADC76CF94F7E16"
}, {
"left": "D4E0BC5C990586B1BF58CC188504BE03D7626CDAB0D189146CF8123455280369"
}, {
"left": "3E59961DFA2FFC0E1781ACBEBCF1E708303F247FCD473FC8366997F771B81F54"
}, {
"right": "84CEC1C7BA7CC4900236D0CDE1F07B2047E67FA092FD0AB4588B4C5829D92464"
}, {
"left": "0177F8F3E07785DAAF4D27428B10E5CEC4EBE803F2A5C61B6AAF0B3CE6CE6396"
}
],
"block_number": "1498371",
"created_at": "2018-09-25 18:02:46",
"confirmed_at": "2018-09-25 18:17:17",
"status": "confirmed",
"confirmations": 115463
}
]
},
"eth": {
"blockchain": {
"id": "eth",
"name": "Ethereum",
"block_duration": 15,
"safe_confirmations_amount": 7,
"last_block": 9079783,
"last_block_time": "2019-12-09 23:22:33",
"last_block_time_gmt": "2019-12-09 22:22:33",
"transaction_base_url": "https://etherscan.io/tx/%s"
},
"status": "confirmed",
"confirmed_at_gmt": "2018-09-25 17:34:07",
"confirmed_at": "2018-09-25 19:34:07",
"confirmations": 2681654,
"stamped_in": 0,
"pending_blocks": 0,
"pending_time": 0,
"transactions": [
{
"id": "0x5c9ef70a749afafe392bbf40e9a893d0fe8f14a663e8e2c569b75c529a2faa24",
"prefix": "53363583",
"hash": "BAFB694FC3296B37EC7039B9BC41D4EFA2069CC3EB9269495951384F044F61EE",
"hash_method": "SHA256",
"siblings": [
{
"right": "A328B6203FB4530DDAECA4F104C75F788936C549E5D4E64914376B21BCD0D365"
}, {
"left": "C33389E0388E8BC4BAEB44FD940218A2663D7AB9097F9156827F65AAADD6AD5F"
}, {
"left": "93B7027AC853615A242662E88B57EF98A4BDA1C39F9D77869D4C1A122B15F215"
}, {
"left": "92839DC484853CFCBF6D54156C6425A6B8DAD7475A13A175EB492FB4537EFC73"
}, {
"left": "45CD5FCB376301D920E363A8269AEB553D27D07D96EE3CE9AFF3967504B6863C"
}, {
"right": "3C7DC6E6739A9ABE1FAE956C7F637C71B7DD6E93B3A078E61EE211BD464A1259"
}, {
"right": "A4BB94E78FF3566B9CB707EA3FC3D4F20C7077C64465386388334C5AAAA6E005"
}
],
"block_number": null,
"created_at": "2018-12-04 09:04:07",
"confirmed_at": null,
"status": "pending",
"confirmations": null
}, {
"id": "0x8a4639e7ea5b1378b0e66e1bce2f2a8f2f059778955a60506133b06b43c1805b",
"prefix": "53363583",
"hash": "0EA7DB8CC8A9C16BD63C59568C54ED0400574FF9813165F324D80877B3CAB71A",
"hash_method": "SHA256",
"siblings": [
{
"left": "3A8AD003375EE8BED3DEAB61FAA0138833FE728EB3C11AC6D588CD68E86618C4"
}, {
"left": "CAB2BFC1F36DB18BABF013CB0D837DEE7FB1180112156EF8A1FD2CA870C5B7F3"
}, {
"right": "23CEEB5C40C350989D5A0B68C0B956F18D09260F3C8F4A18ADB99C9D5803D6E5"
}, {
"right": "9E07317486610CCBC774E32F2391E9DC1263D3B2AE597B349E38B164E31116DD"
}, {
"left": "94D4514EB2C3BAB329FB1EB801BD8454FB62EF9F0C258A0665ADC76CF94F7E16"
}
],
"block_number": "6398129",
"created_at": "2018-09-25 17:30:35",
"confirmed_at": "2018-09-25 17:34:07",
"status": "confirmed",
"confirmations": 2681654
}
]
},
"etc": {
"blockchain": {
"id": "etc",
"name": "Ethereum Classic",
"block_duration": 15,
"safe_confirmations_amount": 10,
"last_block": 9354232,
"last_block_time": "2019-12-09 23:21:00",
"last_block_time_gmt": "2019-12-09 22:21:00",
"transaction_base_url": "https://gastracker.io/tx/%s"
},
"status": "confirmed",
"confirmed_at_gmt": "2018-09-25 17:40:07",
"confirmed_at": "2018-09-25 19:40:07",
"confirmations": 2728814,
"stamped_in": 0,
"pending_blocks": 0,
"pending_time": 0,
"transactions": [
{
"id": "0x97e5baf8678f9ce390e5ea09c30da0cc4108fd14d824e513a0dd0664597389db",
"prefix": "53363583",
"hash": "BAFB694FC3296B37EC7039B9BC41D4EFA2069CC3EB9269495951384F044F61EE",
"hash_method": "SHA256",
"siblings": [
{
"right": "A328B6203FB4530DDAECA4F104C75F788936C549E5D4E64914376B21BCD0D365"
}, {
"left": "C33389E0388E8BC4BAEB44FD940218A2663D7AB9097F9156827F65AAADD6AD5F"
}, {
"left": "93B7027AC853615A242662E88B57EF98A4BDA1C39F9D77869D4C1A122B15F215"
}, {
"left": "92839DC484853CFCBF6D54156C6425A6B8DAD7475A13A175EB492FB4537EFC73"
}, {
"left": "45CD5FCB376301D920E363A8269AEB553D27D07D96EE3CE9AFF3967504B6863C"
}, {
"right": "3C7DC6E6739A9ABE1FAE956C7F637C71B7DD6E93B3A078E61EE211BD464A1259"
}, {
"right": "A4BB94E78FF3566B9CB707EA3FC3D4F20C7077C64465386388334C5AAAA6E005"
}
],
"block_number": null,
"created_at": "2018-12-04 09:04:07",
"confirmed_at": null,
"status": "pending",
"confirmations": null
}, {
"id": "0x4e5614e2540f0c494b7076d9a4ea55ea2a943e88497d6ae4e8363c133139524b",
"prefix": "53363583",
"hash": "0EA7DB8CC8A9C16BD63C59568C54ED0400574FF9813165F324D80877B3CAB71A",
"hash_method": "SHA256",
"siblings": [
{
"left": "3A8AD003375EE8BED3DEAB61FAA0138833FE728EB3C11AC6D588CD68E86618C4"
}, {
"left": "CAB2BFC1F36DB18BABF013CB0D837DEE7FB1180112156EF8A1FD2CA870C5B7F3"
}, {
"right": "23CEEB5C40C350989D5A0B68C0B956F18D09260F3C8F4A18ADB99C9D5803D6E5"
}, {
"right": "9E07317486610CCBC774E32F2391E9DC1263D3B2AE597B349E38B164E31116DD"
}, {
"left": "94D4514EB2C3BAB329FB1EB801BD8454FB62EF9F0C258A0665ADC76CF94F7E16"
}
],
"block_number": "6625418",
"created_at": "2018-09-25 17:30:35",
"confirmed_at": "2018-09-25 17:40:07",
"status": "confirmed",
"confirmations": 2728814
}
]
}
},
"content_decoded": {
"title": "Mejores datos = mejor ROI para el negocio",
"content": "Antes de empezar a hablar de ROI - retorno de la inversiu00f3n-, du00e9janos recordarte esta famosa frase del estadu00edstico britu00e1nico George Box: "todos los modelos estu00e1n mal".\r\n\r\nEn marketing, es fu00e1cil engau00f1arse y creer que el u00e9xito de cualquier campau00f1a puede ser medido a travu00e9s de una simple comparaciu00f3n entre ganancias e inversiu00f3n. Por otro lado, empresas sin acceso a algunos datos simplemente comparan los resultados generados en un periodo de tiempo con un periodo de tiempo control. Esta metodologu00eda es bastante incompleta: hay que recordar que el viaje del consumidor no es tan sencillo.\r\n\r\nDespuu00e9s tenemos los modelos de atribuciu00f3n, lo que supone un gran salto hacia adelante en el anu00e1lisis de los resultados de la campau00f1a. Los modelos de atribuciu00f3n nos ayudan a supervisar el viaje de todos y cada uno de los clientes. Esto nos ayuda a entender mejor cu00f3mo ciertos proyectos influyen en ciertos resultados, sin embargo tiene ciertas limitaciones cuando intentamos medir el impacto o a la hora de intentar optimizar nuestro presupuesto de marketing. La mediciu00f3n del ROI por medio de la atribuciu00f3n algoru00edtmica elimina estas limitaciones. \r\n\r\nCu00e1lculo del ROI\r\n\r\nEl cu00e1lculo del ROI (retorno de la inversiu00f3n) no es tarea fu00e1cil. No su00f3lo se necesita un modelo de atribuciu00f3n para que funcione, sino que necesitas conocer tambiu00e9n un punto de referencia para los resultados y el crecimiento, asu00ed como familiarizarte con todas las variables externas sobre las que no tenemos control. Es importante entender todo el proceso matemu00e1tico que hay detru00e1s y, por supuesto, tener acceso a grandes volu00famenes de datos. Es mejor construir un buen modelo apoyado por una gran cantidad de datos, que un gran modelo con su00f3lo una pequeu00f1a cantidad que lo respalde. \r\n\r\nPuede que no estemos familiarizados con alguno de estos conceptos. Vamos a explicar un poco mu00e1s en detalle:\r\n\r\nPunto de referencia\r\n\r\nA menos de que tu producto sea completamente inu00fatil o innecesario, lo mu00e1s probable es que ya se estu00e9 vendiendo. Seguramente ya tienen algunos clientes leales a la marca y, con suerte, tambiu00e9n algo de crecimiento. Es posible que ya sepamos que para comparar los resultados de una campau00f1a es necesario saber cuu00e1nto se vende sin ninguna estrategia de marketing. Sin embargo, entender el "crecimiento natural" es la parte complicada, porque algunas veces podemos atribuir un cierto crecimiento a elementos como el boca a boca, reseu00f1as online, etc.\r\n\r\nVariables internas\r\n\r\nEn esta etapa, es necesario iniciar el proceso de comparaciu00f3n de iniciativas versus resultados. No su00f3lo en tu00e9rminos de ventas: dependiendo de su producto o servicio, las iniciativas tambiu00e9n podru00edan incluir una promociu00f3n de una sola vez, descuentos, ajustes de precios o programas de fidelizaciu00f3n, mientras que los resultados podru00edan variar desde las visitas hasta las suscripciones de nuestra web. Es importante recordar que una sola iniciativa puede tener un impacto en mu00e1s de un resultado, por lo que es necesario que midamos quu00e9 iniciativa ha tenido efecto en quu00e9 resultado y analizar con cuidado estos comportamientos (obsu00e9rvese el uso de la palabra 'impacto', la correlaciu00f3n no implica causalidad).\r\n\r\nVariables externas \r\n\r\nA veces se puede hacer todo bien y no obtener los resultados deseados. De la misma manera, hacer todo mal, y conseguir los resultados de una campau00f1a de marketing exitosa. Bienvenido al mundo de las variables externas: cosas sobre las que no tenemos control y que pueden tener un gran impacto en todo lo que hacemos. Algunas de estas cosas son fu00e1ciles de medir y predecir; como algunos cambios en tendencias, el clima y las estaciones. Algunas son eventos conocidos como u201ccisne negrou201d, los cuales son imposibles de predecir.\r\n\r\nModelos de Atribuciu00f3n\r\n\r\nPensemos en los modelos de atribuciu00f3n como un mapa que nos guu00eda a lo largo del viaje del consumidor, donde podemos ver por du00f3nde caminan nuestros clientes y hacia du00f3nde van. A veces nosotros tenemos control sobre los caminos (canales pagados), pero otras veces no (canales orgu00e1nicos). Este mapa nos ayudaru00e1 a desarrollar una comprensiu00f3n mu00e1s profunda de los consumidores y los viajes individuales que han tomado para llegar a nuestro producto o servicio. Los problemas comienzan cuando se intenta optimizar el presupuesto basu00e1ndonos en esta informaciu00f3n: no todos los consumidores toman la misma ruta, no tenemos control sobre todos los caminos y, muchas veces, el optimizar un camino nos hace descuidar otros. Adicionalmente, los modelos de atribuciu00f3n no toman en cuenta las variables externas y u00e9stas tambiu00e9n influyen en el resultado. \r\n\r\nAquu00ed es donde entran los algoritmos.\r\n\r\nAtribuciu00f3n Algoru00edtmica\r\n\r\nUna vez se han tenido en cuenta todas las variables, es necesario encontrar el modelo de atribuciu00f3n que mejor se adapte a la campau00f1a que queremos definir. Afortunadamente se puede construir y probar un algoritmo para crear un modelo que realmente refleje la realidad de nuestro negocio. Para probar el algoritmo, hay que alimentarlo con todas las variables del au00f1o pasado y compararlo con los resultados reales. Si son parecidos, puedes continuar, si no, es el momento de reajustar e intentarlo de nuevo. Es importante utilizar una muestra lo suficientemente grande para asegurarse de que el modelo funciona en todos los escenarios y que no fue su00f3lo un golpe de suerte.\r\n\r\nPru00f3ximos pasos\r\n\r\nAhora que ya hemos encontrado nuestro modelo, podemos empezar a jugar con u00e9l. u00bfQuu00e9 hubiera pasado si hubiu00e9semos invertido mu00e1s en la iniciativa A y un poco menos en la iniciativa B? u00bfCu00f3mo se debe distribuir el presupuesto entre diferentes iniciativas? u00bfQuu00e9 combinaciu00f3n rindiu00f3 el mejor ROI? Saber cu00f3mo impactu00f3 cada iniciativa en los resultados generados le ayudaru00e1 a maximizar el rendimiento y la inversiu00f3n. \r\n\r\nNota al margen: se podru00eda argumentar que los resultados no son tan simples de analizar como sugiere el modelo ("todos los modelos estu00e1n equivocados"). Por ejemplo, si una campau00f1a de AdWords no estu00e1 funcionando puede ser porque ahora no es el momento de invertir en Adwords, pero tambiu00e9n puede ser porque el anuncio no apela al consumidor o porque se estu00e1 centrando en las palabras clave o sitios equivocados. La realidad es que antes de hacer modelos de atribuciu00f3n para ver quu00e9 iniciativas y plataformas estu00e1n funcionando y cuu00e1les no, hay que enfocarnos en la optimizaciu00f3n para asegurarnos que todos nuestros esfuerzos no estu00e9n fallando por otras razones.\r\n\r\nDebemos tener en cuenta que el anu00e1lisis predictivo no se trata su00f3lo de predecir el futuro (modelos predictivos), sino que tambiu00e9n se puede utilizar para la clasificaciu00f3n (anu00e1lisis descriptivo). Cuando se combinan, estos modelos demuestran ser bastante poderosos porque nos ayudan a predecir cu00f3mo cada iniciativa de marketing puede afectar a un tipo especu00edfico de consumidor. Sin embargo, hay que tener cuidado al hacer recomendaciones basadas en el anu00e1lisis predictivo; las tendencias cambian, los precios suben, el interu00e9s pu00fablico disminuye y cada du00eda se introducen nuevos productos y servicios en el mercado. Tenemos que considerar cada nueva variable que pueda aparecer. Nada es constante para siempre, pero esto no debe desanimarte a la hora de modelar, buscar ideas, hacer recomendaciones o incluso hacer predicciones. Hay que ser inteligentes y entender que cometeremos algunos errores de juicio. Las cosas pueden evolucionar, pero es mejor tener una idea sobre la ruta que queremos seguir, en lugar de simplemente de ir por un camino a ciegas y esperando que pase lo mejor. \r\n\r\nPredecir y estimar el ROI - retorno de la inversiu00f3n- es un proceso que es tanto una ciencia como un arte. Es una tarea difu00edcil que estu00e1 demostrando ser cada vez mu00e1s necesaria en un mundo donde los CEOs y CFOs estu00e1n menos interesados en la notoriedad de marca o el alcance, y mu00e1s interesados en el ROI dentro del departamento de marketing. Asu00ed que, pensando en la idea de que todos los modelos estu00e1n mal y planteando la pregunta u201cu00bfpor quu00e9 deberu00edamos esforzarnos en hacerlo?u201d, probablemente lo mejor seru00eda leer cu00f3mo George Box complemento su cita 11 au00f1os despuu00e9s de decirla por primera vez: "Recuerda que todos los modelos estu00e1n mal; la pregunta pru00e1ctica es, u00bfquu00e9 tan mal tienen que estar para no ser u00fatiles?".",
"url": "https://www.goodrebels.com/es/mejores-datos-mejor-roi-para-el-negocio/",
"authors": [
"Juan Pablo Rubio"
],
"origin": "WP Blockchain",
"format": "wpblockchain"
},
"content": "{"title":"Mejores datos = mejor ROI para el negocio","content":"Antes de empezar a hablar de ROI - retorno de la inversi\u00f3n-, d\u00e9janos recordarte esta famosa frase del estad\u00edstico brit\u00e1nico George Box: \"todos los modelos est\u00e1n mal\".\r\n\r\nEn marketing, es f\u00e1cil enga\u00f1arse y creer que el \u00e9xito de cualquier campa\u00f1a puede ser medido a trav\u00e9s de una simple comparaci\u00f3n entre ganancias e inversi\u00f3n. Por otro lado, empresas sin acceso a algunos datos simplemente comparan los resultados generados en un periodo de tiempo con un periodo de tiempo control. Esta metodolog\u00eda es bastante incompleta: hay que recordar que el viaje del consumidor no es tan sencillo.\r\n\r\nDespu\u00e9s tenemos los modelos de atribuci\u00f3n, lo que supone un gran salto hacia adelante en el an\u00e1lisis de los resultados de la campa\u00f1a. Los modelos de atribuci\u00f3n nos ayudan a supervisar el viaje de todos y cada uno de los clientes. Esto nos ayuda a entender mejor c\u00f3mo ciertos proyectos influyen en ciertos resultados, sin embargo tiene ciertas limitaciones cuando intentamos medir el impacto o a la hora de intentar optimizar nuestro presupuesto de marketing. La medici\u00f3n del ROI por medio de la atribuci\u00f3n algor\u00edtmica elimina estas limitaciones. \r\n\r\nC\u00e1lculo del ROI\r\n\r\nEl c\u00e1lculo del ROI (retorno de la inversi\u00f3n) no es tarea f\u00e1cil. No s\u00f3lo se necesita un modelo de atribuci\u00f3n para que funcione, sino que necesitas conocer tambi\u00e9n un punto de referencia para los resultados y el crecimiento, as\u00ed como familiarizarte con todas las variables externas sobre las que no tenemos control. Es importante entender todo el proceso matem\u00e1tico que hay detr\u00e1s y, por supuesto, tener acceso a grandes vol\u00famenes de datos. Es mejor construir un buen modelo apoyado por una gran cantidad de datos, que un gran modelo con s\u00f3lo una peque\u00f1a cantidad que lo respalde. \r\n\r\nPuede que no estemos familiarizados con alguno de estos conceptos. Vamos a explicar un poco m\u00e1s en detalle:\r\n\r\nPunto de referencia\r\n\r\nA menos de que tu producto sea completamente in\u00fatil o innecesario, lo m\u00e1s probable es que ya se est\u00e9 vendiendo. Seguramente ya tienen algunos clientes leales a la marca y, con suerte, tambi\u00e9n algo de crecimiento. Es posible que ya sepamos que para comparar los resultados de una campa\u00f1a es necesario saber cu\u00e1nto se vende sin ninguna estrategia de marketing. Sin embargo, entender el \"crecimiento natural\" es la parte complicada, porque algunas veces podemos atribuir un cierto crecimiento a elementos como el boca a boca, rese\u00f1as online, etc.\r\n\r\nVariables internas\r\n\r\nEn esta etapa, es necesario iniciar el proceso de comparaci\u00f3n de iniciativas versus resultados. No s\u00f3lo en t\u00e9rminos de ventas: dependiendo de su producto o servicio, las iniciativas tambi\u00e9n podr\u00edan incluir una promoci\u00f3n de una sola vez, descuentos, ajustes de precios o programas de fidelizaci\u00f3n, mientras que los resultados podr\u00edan variar desde las visitas hasta las suscripciones de nuestra web. Es importante recordar que una sola iniciativa puede tener un impacto en m\u00e1s de un resultado, por lo que es necesario que midamos qu\u00e9 iniciativa ha tenido efecto en qu\u00e9 resultado y analizar con cuidado estos comportamientos (obs\u00e9rvese el uso de la palabra 'impacto', la correlaci\u00f3n no implica causalidad).\r\n\r\nVariables externas \r\n\r\nA veces se puede hacer todo bien y no obtener los resultados deseados. De la misma manera, hacer todo mal, y conseguir los resultados de una campa\u00f1a de marketing exitosa. Bienvenido al mundo de las variables externas: cosas sobre las que no tenemos control y que pueden tener un gran impacto en todo lo que hacemos. Algunas de estas cosas son f\u00e1ciles de medir y predecir; como algunos cambios en tendencias, el clima y las estaciones. Algunas son eventos conocidos como \u201ccisne negro\u201d, los cuales son imposibles de predecir.\r\n\r\nModelos de Atribuci\u00f3n\r\n\r\nPensemos en los modelos de atribuci\u00f3n como un mapa que nos gu\u00eda a lo largo del viaje del consumidor, donde podemos ver por d\u00f3nde caminan nuestros clientes y hacia d\u00f3nde van. A veces nosotros tenemos control sobre los caminos (canales pagados), pero otras veces no (canales org\u00e1nicos). Este mapa nos ayudar\u00e1 a desarrollar una comprensi\u00f3n m\u00e1s profunda de los consumidores y los viajes individuales que han tomado para llegar a nuestro producto o servicio. Los problemas comienzan cuando se intenta optimizar el presupuesto bas\u00e1ndonos en esta informaci\u00f3n: no todos los consumidores toman la misma ruta, no tenemos control sobre todos los caminos y, muchas veces, el optimizar un camino nos hace descuidar otros. Adicionalmente, los modelos de atribuci\u00f3n no toman en cuenta las variables externas y \u00e9stas tambi\u00e9n influyen en el resultado. \r\n\r\nAqu\u00ed es donde entran los algoritmos.\r\n\r\nAtribuci\u00f3n Algor\u00edtmica\r\n\r\nUna vez se han tenido en cuenta todas las variables, es necesario encontrar el modelo de atribuci\u00f3n que mejor se adapte a la campa\u00f1a que queremos definir. Afortunadamente se puede construir y probar un algoritmo para crear un modelo que realmente refleje la realidad de nuestro negocio. Para probar el algoritmo, hay que alimentarlo con todas las variables del a\u00f1o pasado y compararlo con los resultados reales. Si son parecidos, puedes continuar, si no, es el momento de reajustar e intentarlo de nuevo. Es importante utilizar una muestra lo suficientemente grande para asegurarse de que el modelo funciona en todos los escenarios y que no fue s\u00f3lo un golpe de suerte.\r\n\r\nPr\u00f3ximos pasos\r\n\r\nAhora que ya hemos encontrado nuestro modelo, podemos empezar a jugar con \u00e9l. \u00bfQu\u00e9 hubiera pasado si hubi\u00e9semos invertido m\u00e1s en la iniciativa A y un poco menos en la iniciativa B? \u00bfC\u00f3mo se debe distribuir el presupuesto entre diferentes iniciativas? \u00bfQu\u00e9 combinaci\u00f3n rindi\u00f3 el mejor ROI? Saber c\u00f3mo impact\u00f3 cada iniciativa en los resultados generados le ayudar\u00e1 a maximizar el rendimiento y la inversi\u00f3n. \r\n\r\nNota al margen: se podr\u00eda argumentar que los resultados no son tan simples de analizar como sugiere el modelo (\"todos los modelos est\u00e1n equivocados\"). Por ejemplo, si una campa\u00f1a de AdWords no est\u00e1 funcionando puede ser porque ahora no es el momento de invertir en Adwords, pero tambi\u00e9n puede ser porque el anuncio no apela al consumidor o porque se est\u00e1 centrando en las palabras clave o sitios equivocados. La realidad es que antes de hacer modelos de atribuci\u00f3n para ver qu\u00e9 iniciativas y plataformas est\u00e1n funcionando y cu\u00e1les no, hay que enfocarnos en la optimizaci\u00f3n para asegurarnos que todos nuestros esfuerzos no est\u00e9n fallando por otras razones.\r\n\r\nDebemos tener en cuenta que el an\u00e1lisis predictivo no se trata s\u00f3lo de predecir el futuro (modelos predictivos), sino que tambi\u00e9n se puede utilizar para la clasificaci\u00f3n (an\u00e1lisis descriptivo). Cuando se combinan, estos modelos demuestran ser bastante poderosos porque nos ayudan a predecir c\u00f3mo cada iniciativa de marketing puede afectar a un tipo espec\u00edfico de consumidor. Sin embargo, hay que tener cuidado al hacer recomendaciones basadas en el an\u00e1lisis predictivo; las tendencias cambian, los precios suben, el inter\u00e9s p\u00fablico disminuye y cada d\u00eda se introducen nuevos productos y servicios en el mercado. Tenemos que considerar cada nueva variable que pueda aparecer. Nada es constante para siempre, pero esto no debe desanimarte a la hora de modelar, buscar ideas, hacer recomendaciones o incluso hacer predicciones. Hay que ser inteligentes y entender que cometeremos algunos errores de juicio. Las cosas pueden evolucionar, pero es mejor tener una idea sobre la ruta que queremos seguir, en lugar de simplemente de ir por un camino a ciegas y esperando que pase lo mejor. \r\n\r\nPredecir y estimar el ROI - retorno de la inversi\u00f3n- es un proceso que es tanto una ciencia como un arte. Es una tarea dif\u00edcil que est\u00e1 demostrando ser cada vez m\u00e1s necesaria en un mundo donde los CEOs y CFOs est\u00e1n menos interesados en la notoriedad de marca o el alcance, y m\u00e1s interesados en el ROI dentro del departamento de marketing. As\u00ed que, pensando en la idea de que todos los modelos est\u00e1n mal y planteando la pregunta \u201c\u00bfpor qu\u00e9 deber\u00edamos esforzarnos en hacerlo?\u201d, probablemente lo mejor ser\u00eda leer c\u00f3mo George Box complemento su cita 11 a\u00f1os despu\u00e9s de decirla por primera vez: \"Recuerda que todos los modelos est\u00e1n mal; la pregunta pr\u00e1ctica es, \u00bfqu\u00e9 tan mal tienen que estar para no ser \u00fatiles?\".","url":"https:\/\/www.goodrebels.com\/es\/mejores-datos-mejor-roi-para-el-negocio\/","authors":["Juan Pablo Rubio"],"origin":"WP Blockchain","format":"wpblockchain"}"
}
}