Posted:
Nota: publicado originalmente en el blog Adometry M2R


Recientemente me recordaron un artículo publicado hace un tiempo, "2013: ¿El año de la atribución de afiliados?" Se trata de una lectura útil e informativa para quienes se interesan en el marketing de afiliados y los retos relacionados con su medición. Dado que ya ha pasado algún tiempo desde su publicación, consideré interesante observar el progreso que se ha hecho para alcanzar una visión más holística y precisa del desempeño de afiliados como parte de una estrategia multicanal completa.

La mayoría de los gestores de afiliados tienen como meta administrarlos de manera holística, lo que significa invertir principalmente en aquellos que impulsen nuevos clientes netos independientemente de otras inversiones de marketing. A la larga, este modelo les permite optimizar el costo por acción (CPA) al gestionar las comisiones, los descuentos por cupones y la adecuación de la marca con base en el “valor incremental” real que brinda al negocio. Desafortunadamente, debido a la falta de transparencia y de una medición adecuada, muchos vendedores no logran alcanzar esta meta. El resultado es la continua y molesta pregunta: “¿Está funcionando mi estrategia de afiliados o estoy pagando de más por lo que obtengo?”

¿Por qué es difícil la "atribución de afiliados"?

Los retos de los profesionales del marketing de afiliados van desde competir contra los afiliados en programas publicitarios de PPC a inquietudes sobre prácticas inapropiadas de negocios usadas por algunos afiliados “oportunistas” que ofrecen un valor marginal y que aún reciben crédito por ventas que de cualquier manera se hubieran generado. Esto nos lleva a la pregunta central:

¿Cómo determinan los vendedores el crédito que debe recibir un afiliado?

Como quizá sepas, existen opiniones variadas acerca del crédito que los afiliados merecen por una conversión en cualquier transacción dada. Aunque hay varios factores que influyen en el desempeño de los afiliados (por ejemplo, el lugar que ocupan en el embudo de ventas, la industria/sector, el periodo de tiempo para la compra, etc.), para la mayoría de las marcas el modelo de atribución que se utiliza tendrá un impacto significativo para determinar si los afiliados están sobrevalorados o subvalorados.

Por ejemplo, en un mundo de atribución del “último clic”, los afiliados que ingresan al proceso de compra hacia el final del embudo frecuentemente lo retienen. Sin embargo, cuando las marcas comienzan a medir respecto al embudo completo e incorporan datos de impresión, muchos afiliados tienen dificultad para demostrar su valor incremental, pues el consumidor está expuesto a muchos esfuerzos de mercadotecnia mucho antes de llegar al sitio del afiliado. Por el contrario, los afiliados que actúan predominantemente al inicio o a la mitad del embudo (contenido, lealtad, etc.), son generalmente subvalorados en el modelo de “último clic”, pero pueden obtener mayor crédito si se utiliza una metodología de atribución de embudo completo basada en datos.

También debo mencionar que estas son generalizaciones que presento sólo como ejemplos y no necesariamente un juego de suma cero. Otro reto es que la atribución fraccionaria basada en datos es difícil de implementar en algunos tipos de promociones.

Un ejemplo de esto son los sitios de reembolsos, lealtad y premios que deben conocer la comisión exacta que recibirán por cada transacción para que puedan transferir los descuentos a los miembros. Dada la complejidad de modelos de atribución más sofisticados, estos datos no se encuentran fácilmente disponibles.

Finalmente, hay varios retos organizacionales que limitan el uso de la atribución basada en datos entre los profesionales de marketing de afiliados. Algunos expertos de la industria han indicado que muchos editores, casi el 70-80%, retiran el código de rastreo de impresión de los URL de los afiliados. Otro reto de medición que observamos con frecuencia es en las marcas que controlan a los afiliados a nivel de canales, lo cual ocasiona poca categorización en sub-canales en los que existen oportunidades significativas de optimización.

Atribución de afiliados y la mina de oro del desempeño de marketing

Sin duda parte de nuestro trabajo en Adometry es ayudar a los clientes a solucionar estos problemas (y algunos otros) para garantizar que estén midiendo de forma precisa las contribuciones de los afiliados y puedan tomar medidas adecuadas con base en los resultados completos de atribución. Algunas ventajas clave del uso de la atribución basada en datos para medir las ventas de los afiliados son:

  • La habilidad de crear un marco unificado para comparar el desempeño (clics e impresiones) en el que los afiliados compitan equitativamente por presupuestos;
  • Una visión más amplia de los anunciantes o publishers que realmente están generando nuevos clientes netos al especificar quiénes forman parte integral de la trayectoria de puntos múltiples y quiénes son prescindibles;
  • El conocimiento necesario para implementar una taxonomía de categorías de anunciantes que permita un mejor entendimiento tanto del desempeño de los diferentes tipos de publishers en cada etapa del embudo, como de las áreas donde se puede mejorar la eficiencia;
  • Información sobre el valor incremental real que están ofreciendo los anunciantes y las tasas de comisión ofertadas que reflejan este valor real;
  • Un mejor entendimiento de la función del afiliado en el proceso completo, brindando más información a los vendedores sobre el uso de tácticas complementarias para maximizar las contribuciones de los afiliados en conjunto con otros canales;
  • La habilidad de utilizar datos de desempeño reales para contrarrestar los mitos y frustraciones con los afiliados (saturación de cookies, robo de conversiones, etc.).

Tomadas por separado, cada una de estas ventajas representa una oportunidad significativa para identificar y utilizar de manera más efectiva la atribución de afiliados para generar nuevas oportunidades. Juntas, representan una mejoría fundamental en la manera de controlar tus gastos totales de marketing, planeación estratégica y los esfuerzos de optimización.

Los afiliados con un mejor desempeño, en particular aquellos en la parte superior y media del embudo, también se benefician con un sistema más transparente, preciso y justo en las conversiones de crédito. De hecho, varios afiliados de gran escala y de visión innovadora ya están invirtiendo en una atribución basada en datos para allegarse de información necesaria que les permita competir eficientemente y así ganar negocios en un mercado en el que las marcas son cada vez más sofisticadas y sensatas acerca de sus presupuestos para afiliados.

Es un gran momento para el marketing orientado a resultados. El cambio siempre es difícil, pero en este caso es definitivamente un cambio para mejorar. Y francamente, ya es el momento. ¿Cuáles son tus ideas y experiencias respecto a la medición del desempeño de los afiliados y la atribución?

Publicado por Casey Carey, equipo de Google Analytics

Posted:
Domino’s es uno de los principales proveedores de pizza en el mundo, en 2014, entregó 76 millones de pizzas tan sólo en el Reino Unido e Irlanda. Esas son muchas pizzas. En estos mercados, las ventas en línea aumentaron un 30% en comparación con el año anterior y hoy en día representan casi el 70% de todas las ventas; en 2014, el 44% de esas ventas en línea se realizó a través de dispositivos móviles (en comparación con sólo el 31% en 2013).

Con una presencia en línea tan significativa, Domino’s está siempre a la vanguardia de la tecnología, permitiendo a sus clientes ordenar pizzas prácticamente desde cualquier plataforma y dispositivo. Para impulsar el éxito, el equipo sabía que tenía que deshacerse de los silos de información, relacionar los conjuntos de datos y obtener reportes eficientes para obtener una visión más holística y productiva del comportamiento de sus clientes.

Domino’s se asoció con DBi, un distribuidor autorizado de Google Analytics Premium, con el fin de sacar el máximo provecho de sus datos en línea. Trabajaron juntos para crear una plataforma unificada de medición de marketing a través de Google Analytics Premium, Google Tag Manager y Google BigQuery, para integrar fuentes de datos digitales y datos del sistema de CRM de una manera eficiente y escalable.


Domino’s implementó Google Tag Manager en sus aplicaciones y sitios web, y definió etiquetas personalizadas para cubrir todas las necesidades de seguimiento de comercio electrónico y de generación de reportes de la compañía. A pesar de que existe un gran número de contenedores exclusivos, la consistencia en la capa de datos facilitó la duplicación de etiquetas y reglas, lo que representó para Domino’s un ahorro significativo de tiempo y una mejora considerable en la prevención de errores.

Domino’s utilizó la función BigQuery Export en Google Analytics Premium para exportar diariamente y de manera automática los datos sin procesar a un proyecto de Big Query. También cargaron diariamente datos del CRM en BigQuery a través de una ubicación de Protocolo de transferencia de archivos (FTP) segura y de la API de BigQuery. A través del proceso descrito arriba, los datos del CRM se fusionaron fácilmente con los datos de comportamiento de Google Analytics a través de los identificadores de transacción.
"Google Analytics Premium, combinado con Google Tag Manager y BigQuery, se ha convertido en una solución integral que nos ofrece la agilidad técnica y el poder de análisis que necesitamos para avanzar en nuestras estrategias de marketing. DBi ha sido fundamental en el desarrollo de nuestra estrategia digital con Google Analytics Premium.” —Nick Dutch, Líder de Tecnología Digital de Domino’s
A continuación se muestran los resultados principales de las implementaciones y los análisis previamente discutidos.
  • Incremento inmediato del 6% en los ingresos mensuales
  • Ahorro del 80% en costos de operación y servicios de publicación de anuncios, en comparación con el año anterior
  • Mayor agilidad por medio de una gestión simplificada de etiquetas
  • Fácil acceso a un potente y configurable panel de control de informes

Puedes leer el estudio de caso completo para saber más acerca de cómo DBi y Domino’s trabajaron juntos para crear una plataforma unificada de generación de reportes y análisis de datos.

Publicado por Daniel Waisberg, Promotor de Analytics

Posted:
Una versión de esta publicación apareció originalmente en el sitio de InfoTrust, socio certificado de Google Analytics.

Una de nuestras especialidades en InfoTrust es ayudar a las empresas de comercio electrónico a aprovechar su analítica web para tomar mejores decisiones de marketing basada en datos. Por lo general, esto inicia con la instalación de Universal Analytics de Google y usando toda la funcionalidad que ofrecen las capacidades de seguimiento del comercio electrónico mejorado.

La función de comercio electrónico mejorado te ofrece un panorama completo de lo que ven tus clientes, con qué interactúan y qué compran en tu sitio.

Una de las formas de dar seguimiento a lo que ven tus clientes es por medio de las impresiones de los productos (cuando un usuario ve una imagen o la descripción de un producto en tu sitio web).

Comúnmente, la manera de darle seguimiento a los productos que ven tus usuarios o a las impresiones simplemente consiste en añadir un conjunto de objetos de productos a DataLayer. Éstos representan los productos vistos en la página; es decir, cuando una página se carga con imágenes/descripciones de los productos, los datos se envían a Google Analytics informando que el usuario vio esos productos en específico. Esto funciona bien.

Sin embargo, este método presenta un problema importante. En ocasiones se envían impresiones de productos que el usuario nunca vio en realidad. Esto sucede cuando tu página tiene desplazamiento vertical y algunos productos se encuentran fuera del área visible de la página.

Por ejemplo, veamos una página en Etsy.com:

Página muestra en Etsy.com (haz clic para verla en tamaño completo)

Estos son los resultados para el término de búsqueda “blancos” (ropa de cama). Puedes ver dieciséis productos en los resultados de la búsqueda. Sin embargo, en el método normal de envío de impresiones de productos, se enviaría una impresión de un producto por cada producto en la página.

Así que en realidad le estamos diciendo a Google Analytics que esto es lo que está viendo el usuario (todos los productos de la página):

Página muestra en Etsy.com (haz clic para verla en tamaño completo)

Evidentemente, ninguna pantalla se ve así, pero al enviar todos los productos como una impresión, el mensaje es que nuestro cliente vio los 63 productos. ¿Qué sucede si el usuario nunca se desplaza más allá de los 16 productos que se muestran en la primera pantalla?

Estamos sesgando en gran medida las impresiones de los productos al final de la página, pues por lo general los usuarios no recorren toda la página (y por lo tanto no ven los productos adicionales).

Esto podría ocasionar que hagas conclusiones incorrectas sobre qué tan bien se está vendiendo un producto con base en su posición.

La solución: Dar seguimiento a las impresiones con base en el desplazamiento de pantalla

A continuación veamos cómo funciona a un nivel más alto:
  1. En lugar de agregar todas las impresiones de los productos automáticamente al DataLayer, las agregamos a otra variable sólo para almacenarlas temporalmente. Esto significa que no enviamos todos los productos que se hayan cargado en la página directamente a Google Analytics, sino que sólo identificamos aquellos productos que se cargaron en la página.
  2. Cuando se carga la página, en realidad vemos los productos que están cargados en esta página (los que el usuario en realidad puede ver) y únicamente agregamos esos productos al DataLayer como impresiones de productos. Por lo tanto no enviamos las impresiones de otros productos a menos que sean realmente visibles para el usuario.
  3. Una vez que el usuario se empieza a desplazar, empezamos a capturar todos los productos que no se habían visto antes. Continuamos capturando estos productos hasta que el usuario deja de desplazarse durante cierto periodo de tiempo.
  4. Luego hacemos un lote de esos productos y los enviamos al DataLayer como impresiones de productos. 
  5. Si el usuario vuelve a desplazarse, volvemos a revisar. Sin embargo, nunca enviamos dos veces el mismo producto de la misma página. Si se desplazan hasta abajo y después hasta arriba, no enviamos dos veces los primeros productos.

Utilizando el ejemplo de los resultados de búsqueda de “Ropa de cama”, inmediatamente enviaríamos impresiones de los primeros 16 productos. Después, digamos que el usuario se movió hasta la mitad de la pantalla y se detuvo. Enviaríamos las impresiones de los productos del 18 al 40. Posteriormente, el usuario se desplaza al final de la página y entonces enviaríamos las impresiones de productos del 41 al 63. Finalmente el usuario regresa al principio de la página antes de hacer clic en el primer producto. No se enviarían más impresiones pues ya se enviaron las de todos los productos.

El resultado: Las impresiones de los productos únicamente se envían con base en cómo los usuarios realmente navegan por las páginas y ven los productos. Esta es una forma más exacta de dar seguimiento a las impresiones de los productos porque refleja la navegación real del usuario.

Siguientes pasos: para consultar las instrucciones detalladas de cómo hacer esto, además de algunos códigos ejemplo, por favor visita esta publicación en el sitio de InfoTrust.

Por Nate Denlinger, Desarrollador Web en GACP InfoTrust, LLC

Posted:
Hoy nos complace anunciar que ya puedes utilizar audiencias (anteriormente conocidas como listas de remarketing) creadas en Google Analytics para llegar a tus clientes a través de las Búsquedas de Google, sin necesidad de cambiar etiquetas. 

Las listas de remarketing para Search Ads (RLSA, por sus siglas en inglés), te permiten adaptar tus anuncios de búsqueda con base en la última actividad de los visitantes a tu sitio web. Ahora ya puedes aprovechar más de 200 dimensiones y métricas de Google Analytics para crear y activar tus audiencias para remarketing, y después utilizarlas para llegar y reconectar a tus clientes a través de un mensaje consistente tanto en las Búsquedas de Google como en Display.

TransUnion recortó su CPA con RLSA

Para obtener más clientes y al mismo tiempo reducir los gastos en las campañas de búsqueda, TransUnion, proveedor líder de servicios financieros, utilizó las capacidades de creación de audiencias en Google Analytics para hacer una inversión más eficiente en Búsqueda.

Para empezar TransUnion creó dos audiencias. La primera con nuevos clientes, aquellos que habían visitado el sitio e iniciado una solicitud de crédito pero no la completaron. La segunda incluía a clientes ya constituidos. Dividir la audiencia entre clientes nuevos y existentes le permitió a TransUnion hacer una mayor inversión en anuncios de búsqueda de Google para clientes nuevos, en lugar de concentrarse en los clientes actuales.

Las nuevas funciones de RLSA de Google Analytics generaron impresionantes tasas de conversión y rentabilidad en las campañas de búsqueda de TransUnion. Los visitantes de RLSA tuvieron un índice de rebote menor y vieron el doble de páginas por sesión en comparación con los visitantes continuos.

Al utilizar texto más personalizado en sus listas de remarketing, TransUnion aumentó su índice de conversión en un 65% y el valor promedio por transacción en un 58%. Mientras tanto, los CPC de los clientes existentes disminuyeron un 50%, lo que significa una reducción aproximada del 50% en el costo por transacción. Lee el estudio de caso completo aquí.

¿Cómo empezar?

Empezar a utilizar RLSA ahora es mucho más fácil que nunca gracias a la Activación Instantánea. En la pestaña de Admin, solo haz clic en Propiedad, después Información de rastreo y finalmente Recolección de datos. Asegúrate de que la opción de Remarketing esté ‘ACTIVADA’.


Una vez activada, todas tus audiencias potenciales comenzarán a alimentar las RLSA.

Creación de audiencias

Si deseas crear nuevas audiencias, hay tres formas para comenzar.

Primero, puedes crear una audiencia nueva utilizando el constructor de Audiencias en la sección de remarketing de la pestaña de Admin. Asegúrate de elegir la cuenta adecuada de AdWords con la que quieras compartir tu audiencia para remarketing.


Si tienes un segmento que deseas convertir en una audiencia, haz clic en las opciones del segmento y elige “Desarrollar una audiencia” (Build Audience) dentro de los informes. Esta opción te llevará directamente al desarrollador de audiencias como se menciona anteriormente. 


Por último, puedes iniciar de manera rápida y sencilla importando audiencias de la Galería de Soluciones de Google Analytics.

Activación de audiencias en AdWords

Una vez que hayas compartido una audiencia con AdWords, aparecerá inmediatamente en la Biblioteca compartida de AdWords y mostrará los usuarios disponibles en la columna Tamaño de la lista (Búsqueda de Google). Ten en cuenta que una audiencia debe acumular al menos 1,000 usuarios antes de que puedas utilizarla para remarketing en Google Search. Para iniciar, sigue las instrucciones en el Centro de Ayuda de AdWords


El soporte para RLSA en Google Analytics es parte de un esfuerzo continuo para ofrecer formas poderosas para impulsar un mayor conocimiento de tus clientes en Google Analytics, junto con otras funciones recientes como el Análisis de grupoAnálisis del valor del ciclo de vida del cliente y los Informes de los usuarios activos. Mantente atento para conocer nuestros próximos anuncios.

¡Que tengas un análisis exitoso!

Lan Huang, Gerente técnico de Google Analytics y Xiaorui Gan, Gerente técnico de Google Search Ads

Posted:
Estamos muy contentos en anunciar que ya están abiertas las inscripciones para el próximo curso de Analytics Academy, Fundamentos de Google Tag Manager. Si eres mercadólogo, analista o desarrollador, este curso te enseñará cómo Google Tag Manager puede simplificar la implementación de etiquetas y el proceso de administración.

De la mano de nuestra instructora Krista Seiden podrás explorar todos los temas bajo la perspectiva de un caso ficticio de un minorista en línea, The Great Outdoors y su sitio web Travel Adventures. Con ejemplos prácticos te mostrará cómo utilizar herramientas como las etiquetas de Google Analytics y Google AdWords para mejorar tu proceso de recopilación de datos y tus estrategias de publicidad.


Al participar en el curso puedes explorar:
  • los conceptos y principios básicos de la administración de etiquetas a través de Google Tag Manager
  • cómo crear etiquetas en los sitios web y administrar eventos detonantes
  • cómo mejorar tu implementación de Google Analytics
  • la importancia de utilizar el Data Layer para obtener datos importantes para su análisis
  • cómo configurar otras etiquetas de marketing, como el Seguimiento de Conversiones y el Remarketing Dinámico de AdWords
Esperamos contar con tu participación en este curso.

Inscríbete al Curso Básico de Google Tag Manager y comienza a aprender desde hoy.

¡Que te diviertas!

Por Lizzie Pace y el equipo de Google Analytics Education

Posted:
Publicado simultáneamente en el DoubleClick Advertiser Blog

Los especialistas en marketing modernos viven en un mundo dominado por los datos. Los avances en compras programáticas les permiten aprovechar los datos y la analítica para conectarse de manera precisa en tiempo real. Los anunciantes que son buenos para organizar, segmentar y actuar a partir de estos datos se están dando cuenta de los beneficios de tener un marketing más personalizado. BT, una empresa líder en telecomunicaciones en el Reino Unido, hizo precisamente esto y obtuvo resultados fantásticos. 

BT deseaba aumentar la relevancia de sus campañas de remarketing creando listas de audiencia más acertadas. Con la ayuda de Maxus, su agencia de medios, BT descubrió que usar Google Analytics Premium con DoubleClick Bid Manager ofrecía la solución ideal.

Google Analytics Premium le brindó a BT la posibilidad de generar segmentos de audiencia granulares basados en mediciones de comportamiento en el sitio, tales como usuarios recientes, frecuencia, fuente de referencia y la etapa de abandono del carrito de compras. Una vez que se crearon estas listas de audiencia, la integración nativa entre Google Analytics Premium y DoubleClick Bid Manager significó que podían compartirlas con la plataforma para hacer compras más precisas de medios realizando unos cuantos clics.

Al utilizar Google Analytics Premium con DoubleClick Bid Manager, Maxus y BT tomaron el control de sus campañas en medios. No sólo obtuvieron una transparencia completa con una vista de cliente único y evitaron la duplicación de métricas entre los canales, también obtuvieron una mejor medición a través de reportes unificados y la posibilidad de optimizar con base en los resultados.


“Nuestra meta era generar ‘mejores prácticas’ de las técnicas de remarketing programatico en display enfocadas a impulsar ventas post-clic”, afirma Alison Thorburn, Director de Medios DR Digitales de BT. "La suite de productos de DoubleClick nos permitió hacer esto rápida y eficientemente pues los datos de la audiencia se pueden organizar y utilizar fácilmente”.

El nuevo enfoque basado en la analítica produjo un aumento del 69% en las ventas post-clic y una reducción del 87% en el costo por adquisición post-clic, comparado con la actividad de remarketing del año anterior. También brindó una comparación muy favorable para las actividades de remarketing que se ejecutaban simultáneamente de manera independiente a DoubleClick Bid Manager, donde las ventas post-clic se elevaron 30%, y el costo por adquisición post-clic fue 42% menor. BT ha consolidado su remarketing en display mediante DoubleClick BidManager.

Lee todo el estudio de caso aquí.

Por Kelley Sternhagen, Marketing de Productos, Google Analytics y Kelly Cox, Marketing de productos, DoubleClick

Posted:
La empresa American Precious Metals Exchange (APMEX) es el proveedor líder de metales preciosos, con millones de clientes en todo el mundo. La empresa se asoció con E-Nor, un distribuidor autorizado de Google Analytics Premium, para entender mejor el proceso de decisión de compra de sus clientes y obtener ideas para mejorar sus iniciativas de marketing.


El primer reto que abordaron fue integrar diversas recursos de datos mediante la exportación de datos de Google Analytics Premium a Google BigQuery. Esto se logró utilizando tanto las funciones de BigQuery Export, como las de ID del usuario para conectar los datos de comportamiento del sitio web a los perfiles internos de los clientes de la compañía. Esto permitió a APMEX utilizar los datos de manera más eficaz para interactuar con diferentes tipos de clientes.

Además, al integrar los datos de Google Analytics al CRM de la empresa, fortalecieron a sus equipos internos para tomar decisiones basadas en datos diariamente. Por ejemplo, cuando llama un cliente, la información acerca de cómo usa el sitio está ahora disponible para el representante que toma la llamada.

“Nos dimos cuenta de que los datos de BigQuery se pueden procesar de inmediato. Nos ayuda a enfocar nuestros esfuerzos de marketing, personaliza nuestras experiencias y mejora la eficacia de nuestro departamento de ventas. Cuando estos datos se utilizan en conjunto con nuestros sistemas actuales, estamos preparados para responder a cualquier pregunta de nuestros clientes. Así de poderoso es.”– Andrew Duffle, Director de Planeación y Análisis Financiero, Análisis y Optimización, APMEX, Inc.

Como resultado del trabajo que mencionamos anteriormente, APMEX ha disminuido el costo promedio por adquisición (CPA) en más de un 20%, manteniendo el mismo nivel de nuevos pedidos de los clientes.

También han utilizado datos de Google Analytics Premium para construir un modelo estadístico enfocado en clientes valiosos en las primeras etapas de su ciclo de vida. Para los clientes identificados en el modelo, la empresa ha aumentado las tasas de correos electrónicos que son abiertos en un 58%, las tasas de conversión de correo electrónico en un 62% y los ingresos por correo electrónico en un 163% en comparación con el negocio en general.

Para leer más acerca de cómo APMEX y E-Nor utilizan Google Analytics Premium junto con BigQuery para tomar decisiones más informadas, descarga el caso de estudio completo.

Publicado por Daniel Waisberg, Promotor de Analytics