Las presiones por los resultados de ventas de las campañas publicitarias son una exigencia a las gerencias y los funcionarios de marketing y comerciales, sobre todo, en un entorno de recesión económica (Palomino-Tamayo et al., 2020). Para que la publicidad tenga un efecto en las ventas, es importante trabajar en su mensaje y en la estrategia de medios. No obstante, antes de invertir en una campaña, debemos asegurar su efectividad.
Los experimentos aleatorios son una forma de comprobar esa efectividad. Con la llegada del ecosistema digital, es posible realizarlos de manera online, a bajo costo y muy rápido, para probar la eficacia de nuestra campaña publicitaria y determinar si tendrá un efecto positivo en las ventas. En el ámbito del marketing, se les denomina advertising lift.
Vizu Survey, fundada en el 2005, fue la primera plataforma en tiempo real que permitía optimizar la publicidad de los anunciantes en medios digitales, mediante experimentos online. En el 2012 fue adquirida por la corporación Nielsen, que la incorporó a su portafolio con la solución Brand Effect.
Posteriormente, las empresas tecnológicas de redes sociales como Facebook y YouTube desarrollaron el denominado Brand Lift, con el que hacen referencia al efecto de la publicidad sobre las percepciones de la marca del anunciante. A su vez, Google también desarrolló una solución para su plataforma (Fan et al., 2018).
Existen otras soluciones comerciales que funcionan en todas las plataformas, como Milward Brown Brand Lift Studies e Ipsos Connect Live, aunque su costo es mayor. Todas estas soluciones se basan en el diseño de experimentos y estadísticas desarrollados en la década de 1920, por el biólogo estadístico inglés Ronald Fisher (Cardenas & Cortés, 2000).
Plataformas digitales y redes sociales como YouTube, Facebook, Instagram, Twitter y Google ofrecen herramientas de medición del impacto de la publicidad basadas en el advertising lift. Su costo es gratuito, pero su uso también requiere cierta inversión que puede resultar elevada para las pequeñas empresas. Es posible realizar experimentos más pequeños fuera de estas plataformas, pero se requieren conocimientos especializados.
La efectividad de una campaña de marketing puede variar en eficiencia de manera considerable (Palomino-Tamayo et al., 2020). Para medir un mensaje publicitario, primero debemos determinar cuáles serán las métricas resultantes de exponer la campaña publicitaria ante nuestro mercado objetivo.
Las métricas más usuales son la recordación de la marca, recomendación de la marca y la intención de compra, todas con datos recolectados mediante encuestas. Para ello, comparamos las respuestas de un grupo de prueba (expuesto a la campaña) con las respuestas de un grupo de control (no expuesto).
La diferencia entre el grupo de control y el de prueba es el aumento o lift de la métrica usada (Facebook, 2020), que es una medida porcentual del efecto de la campaña publicitaria. Si tenemos un post que genera un 40 % de lift en intención de compra, tendrá mayor preferencia sobre otro que solo genera un lift de 5 %. Toda la medición se hace online.
La gran ventaja de estos experimentos en entornos digitales es la rapidez de sus resultados. En días o semanas podemos evaluar la efectividad de una campaña publicitaria o un mensaje, y a bajo costo, frente a los experimentos offline que toman meses de pruebas. Sin embargo, el tiempo de vigencia del advertising liftes corto y sus resultados varían en el tiempo, por lo que debe usarse en campañas intensas y cortas (Dmitriev et al., 2016).
El diseño del advertising lift es clave para establecer el tipo de experimento, el tiempo o tamaño de muestra, el grupo objetivo, y seleccionar las métricas con las consiguientes preguntas. Así, para un adecuado diseño e interpretación de los resultados, se requieren conocimientos previos de diseño experimental para diseñar en cualquier plataforma digital o red social. ¿Has empleado este tipo de herramientas alguna vez? Cuéntanos tu experiencia.
Bibliografía:
Cárdenas, L. E. R., & Cortés, L. R. (2000). Exploración al diseño experimental. Ciencia e ingeniería Neogranadina, 9, 51-59.
Dmitriev, P., Frasca, B., Gupta, S., Kohavi, R., & Vaz, G. (2016, December). Pitfalls of long-term online controlled experiments. In 2016 IEEE international conference on big data (big data) (pp. 1367-1376). IEEE.
Facebook. (2020). Información sobre las preguntas de la encuesta de mejora de la marca.
Fan, R., Hesterberg, T., Liu, Y., & Zhang, L. (2018). Methods for Measuring Brand Lift of Online Ads. Google Research.
Palomino-Tamayo, W., Timana, J., & Cerviño, J. (2020). The Firm Value and Marketing Intensity Decision in Conditions of Financial Constraint: A Comparative Study of the United States and Latin America. Journal of International Marketing, 28(3).
Portal de negocios de ESAN Graduate School of Business. Desde el 2010 difunde contenido de libre acceso (artículos, infografías, podcast, videos y más) elaborado por los más destacados especialistas. Encuentra contenido en más de 15 áreas y sectores como Administración, B2B, Derecho Corporativo, Finanzas, Gestión de Proyectos, Gestión de Personas, Gestión Pública, Logística, Marketing, Minería, TI y más. ¡Conéctate con los expertos de ESAN y aumenta tu conocimiento en los negocios!
Luis Mendiola, profesor de los Programas del área de Finanzas de ESAN, analizó en Forbes los posibles escenarios políticos y económicos que podrían desarrollarse con Donald Trump como presidente de los Estados Unidos, incluyendo su influencia en el mercado del oro.
El Comercio destacó la Maestría en Tecnologías de la Información de ESAN como una opción clave en la formación en ciberseguridad, frente al déficit de millones de profesionales especializados en esta área.
Luis Mendiola, profesor de los Programas de Finanzas de ESAN, explicó en Gestión los términos "vesting" y "cliff", que se están volviendo cada vez más comunes en el financiamiento de startups. Además, detalló que su aplicación en Perú se encuentra en una fase incipiente.