Las campañas de publicidad digitales pueden volverse muy complejas. Una campaña relativamente sencilla puede multiplicarse rápidamente en una gran cantidad de combinaciones de anuncios. Un anunciante puede ejecutar una campaña con tres formatos de anuncios (foto, vídeo corto, vídeo largo) en cuatro plataformas diferentes (Facebook, YouTube, Twitter y TikTok). En cada plataforma, la campaña puede dirigirse a 5 tipos de públicos (usuarios/no usuarios de la marca, audiencia por segmentación demográfica, basada en intereses o usuarios cercanos a la categoría). En cuanto a los anuncios, una campaña puede tener al menos seis piezas creativas diferentes (visuales o temáticas/mensajes).
En total, con 3 formatos de anuncios, 4 plataformas, 5 públicos y 6 piezas creativas, la campaña supone 360 celdas. ¡Y aquí comienza el reto de la optimización! Y esto es solo una simplificación de la realidad que no tiene en cuenta los dispositivos, la ubicación en la página y los tamaños. O las posibilidades infinitas que ofrecen las creatividades personalizadas o dinámicas (por ejemplo, generadas en base a geolocalización o al tiempo). Cuanto más compleja es una estrategia de campaña, más difícil es lograr optimizarla a escala.
Dos maneras de medir las campañas digitales
Desde los inicios de internet, el método más común para medir la eficacia de una campaña ha sido medir el 'Brand lift' de toda la campaña y luego analizar por segmentos tanto como sea posible. Este método probado y comprobado (usado más de 20.000 veces por Kantar) revela si una plataforma tiene más impacto que otra. O si una idea creativa funciona mejor. Pero no permite entender la interacción de los dos efectos, y la optimización a mitad de campaña es limitada (por ejemplo, 4 semanas para una campaña de 8 semanas).
Recientemente, hemos visto a muchos especialistas en marketing medir si los anuncios principales de una campaña funcionan bien en sus principales contextos; por ejemplo, evaluando el brand lift para tres anuncios de Facebook y tres anuncios de YouTube. Los tests de anuncios rápidos y automatizados permiten evaluar rápidamente si una campaña está funcionando según lo previsto y, por supuesto, corregirla. Es un método rentable que suele aplicarse para 4 a 10 celdas en una campaña, llegando a veces hasta 40 o 50 celdas.
Sin embargo, incluso con estos avances, los anunciantes o sus agencias no pueden justificar recopilar métricas de impacto basadas en encuestas para cada combinación de formato/entorno/audiencia/creatividad en una campaña digital compuesta de 360 celdas.
¿Pueden las máquinas encargarse de todo el trabajo?
Las optimizaciones automáticas de las plataformas son eficaces para algunas cosas, como maximizar el reach u optimizar los clics. Pero el resultado se basa en el hecho de que la plataforma supone que los anunciantes siempre quieren los medios más baratos, independientemente del objetivo final. Partiendo de esta premisa, los algoritmos identifican y sirven anuncios a personas que cumplen con el mínimo común denominador. Optimizar el reach significa que tus anuncios se dirigen a las personas que pasan más tiempo en Facebook; maximizar los clics dirigirse de manera más efectiva a las personas que hacen clic en muchos anuncios, y quizás haya hecho clic, independientemente de que la pieza creativa haya sido impactante o no.
Si quieres tener un impacto real en tu audiencia y tus objetivos de negocio estos algoritmos de optimización automatizados no son suficientes. Con la complejidad actual, el anunciante necesita sacar partido de los datos de comportamiento disponibles de manera independiente, para poder controlar y asegurarse que sus medios trabajan más de lo normal para marcar la diferencia.
Demandas de campañas complejas
El mejor método para una optimización integral basada en datos consiste en superponer un análisis estructurado y una revisión de las métricas de comportamiento, sobre sistemas automatizados. Probar muchas versiones creativas es una buena idea. Tener una variedad de piezas creativas, contenidos, call to action (‘llamada a la acción’) a través de audiencias y plataformas específicas te permite probar muchas combinaciones diferentes en el concurrido mercado publicitario. Elaborar estrategias y hacer el seguimiento de todas las combinaciones de creatividades/mensajes es un gran comienzo, pero luego debes actuar rápidamente en función de los comentarios de los consumidores.
Nuestra experiencia demuestra que es más importante sacrificar las combinaciones más débiles que redoblar el esfuerzo en las más potentes. Suena similar, pero no es lo mismo. Si elegimos limitarnos a unos pocos anuncios de entre los mejores, corremos el riesgo de encontrarnos con el mismo problema de pasar por alto los matices del contexto publicitario específico o acelerar la fatiga publicitaria. Más bien, animamos a mantener la variedad y actuar rápidamente cuando algo no funciona. El bajo rendimiento no mejora con el tiempo. Es un desperdicio de impresiones valiosas y de dinero invertido en medios. Como dice la máxima, "la locura es hacer lo mismo una y otra vez esperando obtener resultados diferentes".
Por supuesto, un sistema de optimización es tan bueno como las métricas con las que se optimiza. Las métricas de comportamiento como los "me gusta", los comentarios, el número de veces compartido y el visionado de video completo son métricas increíblemente útiles porque están amplia y rápidamente disponibles. Pero lo que vale para uno no vale para todos, y es importante elegir cuidadosamente las métricas que mejor reflejan los objetivos de la campaña. Las marcas más sabias se embarcan en ejercicios de validación y calibración más amplios para vincular estas métricas con sus objetivos finales de construcción de marca y ventas, o con las predicciones del éxito de los anuncios basadas en la inteligencia artificial (IA).
Además, la manera de analizar las métricas es realmente importante. Las tasas de interacción pueden variar notablemente según la “celda”, por lo que es fundamental clasificar los anuncios en grupos similares, por formato y contexto. Sin Smart analytics, las optimizaciones manuales demasiado simples pueden hacer más daño que beneficio.
Optimizar con confianza
La solución de optimización de contenido digital de Kantar se basa en métodos de análisis sofisticados y una rutina de supervisión sencilla para mejorar las optimizaciones básicas de las agencias de medios. Su evaluación del rendimiento del contenido respaldada por analytics permite a las agencias actuar rápidamente con una evaluación independiente y objetiva.
Un caso de estudio real: una importante empresa de Estados Unidos aplicó la optimización de contenido digital a su campaña publicitaria de construcción de marca, ejecutando 320 anuncios durante 8 semanas. Trabajamos con el equipo corporativo para desarrollar una métrica de engagement personalizada para la optimización. Durante las 8 semanas, nuestro modelo se ejecutó cada semana y la agencia de medios implementó los recortes al mismo ritmo. Al final de la campaña, el rendimiento del indicador principal (KPI) había mejorado cada semana, logrando un incremento global del 263%.
Incluso las campañas digitales más sencillas se vuelven cada vez más complejas con la aparición de nuevas plataformas online, capacidades de segmentación (targeting) más avanzadas y cada vez más versiones de creatividades. Las soluciones actuales para gestionar la optimización creativa a escala solo responden parcialmente a las necesidades de los anunciantes. Combinar los métodos de Smart Analytics con cierto grado de intervención humana significa que, ahora, los anunciantes y las agencias de medios pueden tomar decisiones rápidas y en tiempo real en cuanto a la ubicación de los contenidos para alcanzar sus objetivos comerciales. Permite a las marcas asumir más riesgos y realizar más pruebas con confianza.
Contacta con nosotros para descubrir cómo optimizar tus campañas digitales gracias a nuestras soluciones 'Smart analytics'.