Responsabilidad de marketing

La atribución multitoque (MTA) distribuye el crédito por una conversión a través de los múltiples puntos de contacto de marketing que un consumidor encuentra antes de realizar una acción deseada, a diferencia de los modelos de un solo toque como la atribución de último clic. ^{[ 7 ]} La MTA depende del seguimiento de usuarios individuales en sitios y dispositivos a través de cookies de terceros o identificadores móviles. El Reglamento General de Protección de Datos (2018), la Ley de Privacidad del Consumidor de California (2020) y el marco de Transparencia de Seguimiento de Aplicaciones de Apple (2021) han restringido este seguimiento. La consiguiente pérdida de datos del recorrido del usuario ha impulsado a la industria hacia métodos agregados y experimentales. ^{[ 8 ] [ 9 ]} Debido a que la MTA es observacional, mide la correlación en lugar de la causalidad ; la investigación ha demostrado que los métodos de atribución observacional a menudo divergen de la verdad fundamental experimental. ^{[ 10 ]}

Las pruebas de incrementalidad miden el impacto causal de una acción de marketing comparando los resultados en un grupo de tratamiento con los resultados en un grupo de control equivalente que no está expuesto. ^{[ 11 ]} El enfoque es análogo a los ensayos controlados aleatorios : la asignación aleatoria aísla el efecto del marketing de la demanda orgánica. Las implementaciones incluyen experimentos de validación a nivel de usuario y experimentos geográficos (geo). Los experimentos geográficos se han vuelto comunes en la publicidad digital porque funcionan sin seguimiento a nivel de usuario y no se ven afectados por las regulaciones de privacidad. ^{[ 6 ]}

Una métrica derivada común es el retorno incremental sobre la inversión publicitaria (iROAS), definido como los ingresos incrementales divididos por el costo de la campaña. A diferencia del ROAS reportado por la plataforma, el iROAS excluye las conversiones que se habrían producido orgánicamente y suele ser mucho menor que las cifras reportadas por la plataforma. ^{[ 11 ]}

El modelado de la mezcla de marketing (MMM) realiza una regresión de las ventas agregadas o las conversiones sobre el gasto en medios, los precios, la estacionalidad y las variables macroeconómicas para estimar la contribución de cada canal a los resultados comerciales. El MMM observacional captura la correlación en lugar de la causalidad . En una serie de experimentos de campo a gran escala en Facebook (ahora Meta ), primero 15 y luego 663, los métodos observacionales frecuentemente no lograron reproducir el impulso causal establecido por los experimentos aleatorios, incluso después de condicionar en covariables extensas, y sobreestimaron sistemáticamente los efectos. ^{[ 10 ] [ 12 ]} Varios enfoques híbridos intentan corregir esto. La incrementalidad predictiva por experimentación (PIE) entrena un modelo predictivo en los resultados de experimentos aleatorios para generalizar el impulso causal a campañas no probadas, ^{[ 13 ]} mientras que el MMM calibrado por experimentos ("causal") restringe los parámetros del modelo utilizando los resultados de la incrementalidad como priors bayesianos .