Conozca las conversiones mejoradas y las ofertas basadas en el valor

Estas técnicas son apasionantes, ya que Google ha publicado datos que demuestran que es posible un aumento porcentual de dos dígitos en el valor de la conversión. Los resultados dependen claramente de disponer de los mejores datos, las mejores capacidades de modelización y la mejor estrategia de activación, que es donde los equipos de Media.Monks desempeñan un papel esencial.

¿A quién va dirigido? A todo el mundo

¿Te dedicas al marketing digital como "persona de análisis"? ¿Principalmente centrado en los datos? ¿Técnico? Conocerá las conversiones mejoradas (EC) y las pujas basadas en el valor (VBB), pero más allá del etiquetado, ¿sabe lo que ocurre en los sistemas de medios y para qué sirven realmente?

¿O es usted un vendedor "no técnico"? Tu talento para la configuración y gestión de campañas no se solapa con el etiquetado. De nuevo, estás en EC y VBB, pero ¿de dónde vienen los datos? ¿Por qué es tan difícil hacerlo bien? ¿Qué pasa con las etiquetas?

Independientemente de la función específica que desempeñemos, todos debemos comprender las soluciones lo mejor posible. Tenemos que saber qué ocurre "al otro lado" para poder ofrecer las mejores soluciones a los clientes y a los usuarios. Aquí tienes la primicia que necesitas. Esto es relevante para las personas del lado de Search Ads/Display & Video/Campaign Manager, así como para las del lado de Google Analytics/Google Tag Manager. Esta es una oportunidad para compartir conocimientos... LFG.

Prepara la escena.

La atrofia de las cookies es un secreto mal guardado. La tecnología de los navegadores sigue erosionando el uso de cookies. Las cookies de terceros serán obsoletas en Chrome en 2024, que tiene una cuota de mercado dominante que es significativa para los vendedores. Sin embargo, eso no significa que estemos en terreno seguro en lo que respecta a las cookies de origen; basta con comprobar los detalles en Cookie Status para ver la realidad.

A medida que disminuye el volumen de datos con una calidad de señal suficiente, podemos seguir utilizando técnicas de modelado para mitigar las lagunas de datos, pero no es una solución sólida por sí sola. Seguimos haciendo todo lo necesario para mantener el volumen de datos, al tiempo que evolucionamos nuestras tácticas para mejorar la eficacia.

Aquí es donde la CE se convierte en una entrada del libro de jugadas para maximizar las conversiones observables, mientras que la VBB impulsa una mayor eficiencia al permitir la optimización del valor en lugar del volumen.

Maximizar los datos observables.

Si tenemos menos datos, debemos tener mejor calidad de datos. Con esto nos referimos a datos limpios y claros en los que podamos ver claramente las conversiones y los canales. Esto significa que los datos siguen teniendo utilidad aunque no estén completos. Donde podamos tener agujeros debido a la tecnología del navegador y la pérdida de cookies, por ejemplo, todavía podemos utilizar datos de primera parte para obtener una mejor precisión de las conversiones. Las conversiones mejoradas nos ayudan a ver más datos de conversión, pero de forma segura para la privacidad.

Para qué sirve.

Básicamente, en la página de conversión/venta/agradecimiento, se disparará una etiqueta, digamos una etiqueta floodlight para simplificar. La dirección de correo electrónico del usuario se convierte en hash (codificada mediante el algoritmo SHA-256 ) y se añade a los datos de la etiqueta que se envían a Google. Este valor hash se utiliza después para cotejar el usuario con los datos de Google y recuperar las conversiones que faltan en su conjunto de datos.

Puede utilizar una serie de valores además de la dirección de correo electrónico o en lugar de ella. Normalmente, la dirección de correo electrónico está bien. Está cifrada, por lo que ningún tercero (ni siquiera Google) ve los datos y se eliminan después de su uso. Google ha publicado información detallada sobre cómo se utilizan los datos, y es una lectura esencial para sus equipos.

Utiliza las mejores prácticas de etiquetado.

Lo ideal sería exponer la información de identificación personal (PII) previamente codificada en la variable dataLayer, que Google Tag Manager (GTM) puede recoger fácilmente y añadir al reflector.

Puede raspar el Modelo de objetos del documento (DOM) para extraer los datos, pero no es una solución sólida a largo plazo. Puede utilizar Google Tag en lugar de GTM si no dispone de un sistema de gestión de etiquetas. Para las conversiones fuera de línea (clientes potenciales), también puede cargar los datos de conversión a través de una API.

La colaboración es clave.

Los equipos técnicos, de medios de datos y jurídicos deben colaborar estrechamente para aplicar correctamente y luego validar los cambios en los volúmenes de datos.

Esto no es asesoramiento jurídico, por lo que es necesario que su equipo legal se comprometa desde el principio. Aconseje a sus equipos que se aseguren de que el uso de la CE está cubierto en su política de privacidad y de cookies y que el consentimiento está plenamente informado con una opción clara de exclusión.

Asegúrese de conocer la ruta de la página de conversión y de que la variable PII está disponible. El raspado del DOM puede estar bien para una prueba de concepto, pero no confíe en él como solución permanente.

Los equipos de medios deben realizar cambios de configuración sencillos y luego informar con precisión sobre los cambios en el volumen de conversiones. Recurra a sus equipos de ciencia de datos para establecer la causalidad y validar que la EC funciona. Manténgase en contacto con sus equipos de medios de comunicación con regularidad después de implantar la EC para seguir controlando los volúmenes de datos y los cambios. Sea impaciente con la acción (¡hágala!), pero paciente con los resultados: controle las expectativas en cuanto a los plazos, los cambios pueden llevar semanas.

Utilizar la optimización de ofertas basada en el valor.

A medida que avanzamos por el camino de la madurez digital, nuestras tácticas se adaptan y evolucionan. Mientras que al principio es normal y está bien optimizar por volumen de clics, el KPI de optimización cambia a medida que crece nuestro negocio. Nuestro objetivo es reducir costes, aumentar los ingresos, aumentar el retorno de la inversión y, en última instancia, optimizar para obtener beneficios a largo plazo.

Optimizar una campaña en función del volumen de clics era una táctica presupuestaria de fuerza bruta. Optimizar en función del valor (el beneficio se deriva del valor) es una asignación más precisa del presupuesto. Cómo se asigna el presupuesto es la parte inteligente.

Optimizar en función del valor.

Consideremos un sitio de comercio electrónico en el que el resultado de valor obvio es una venta. Hay otros resultados que sirven como señales para indicar que un usuario puede ser un cliente valioso: ver una página de detalles del producto, añadir a la cesta, iniciar un pago. Todas las acciones conducen a la conversión, todas ellas con distintos grados de valor. Cuando se completa cada resultado, se enciende un foco para informar a GMP de que el usuario ha realizado una "acción de alto valor" por valor de x euros. Estas acciones y valores se utilizan entonces para optimizar automáticamente la oferta para el usuario.

Antes, definir los valores asociados a una acción era cuestión de experimentación. Ahora puede utilizar una calculadora en línea para afinar estas cifras.

Este enfoque de la puja basada en el valor requiere un nivel de volumen y calidad de datos que se consigue utilizando EC con VBB, y es extremadamente potente. Tiene pocas partes móviles, pero los valores son estáticos, valores comerciales que no siempre reflejan el comportamiento probable del usuario. Para solucionar este problema, volvamos a una solución anterior para ver cómo podemos mejorar este enfoque.

Optimización de grano grueso.

Anteriormente, hemos utilizado el aprendizaje automático para construir un modelo predictivo que dará como resultado una respuesta a "¿qué probabilidad hay de que el usuario X convierta"? A escala, los datos se importan a GMP como audiencia, y los utilizamos para orientar dónde se gasta el presupuesto. Un enfoque sencillo consiste en crear un conjunto de audiencias a partir de los resultados del modelo para optimizar las pujas:

• "No hopers", con la menor propensión a la conversión: 0 euros.
• "Dead certs" con la mayor propensión a la conversión: baja o 0 euros
• "Votante flotante" con propensión media; necesita convencerse: máximo €

Esta técnica ha dado grandes resultados en el pasado. Sin embargo, tiene sus defectos. Con tres audiencias, la segmentación por propensión es bastante gruesa. A medida que aumenta el número de audiencias, hay más que calcular y más que mantener en términos de infraestructura. El usuario tiene que volver a visitar el sitio para ser "cookied" e incluido en una audiencia de remarketing.

Existe un enfoque más moderno que aborda las deficiencias de estas técnicas.

La optimización modelada de la BBV va aún más lejos.

Ahora combinaremos estas dos soluciones con la recopilación de datos del lado del servidor (sGTM). La recopilación de datos del lado del servidor tiene una serie de características clave que la hacen muy apropiada para su uso en este caso:

• En primer lugar, permite el enriquecimiento de datos en privado: podemos introducir el beneficio como valor de optimización sin exponer los datos de márgenes a terceros.
• Además, la tenencia de cookies de origen se ve reforzada por la recopilación de datos del lado del servidor. Las cookies de origen se configuran de forma que se evite la exposición de terceros: a los navegadores les gusta esto y no las ven con tan malos ojos. Esto es mejor para la calidad de sus datos de origen.
• No hay necesidad de volver a visitar el sitio para establecer la pertenencia a la audiencia; todas las cookies se realizan en la ejecución del píxel.

Así pues, ahora podemos disparar proyectores para nuestras conversiones de ventas, adjuntar datos de beneficios por elemento a nivel de servidor y optimizar las ofertas en función de la rentabilidad del usuario. Impresionante, pero ¿qué pasa con la salida del modelo predictivo?

En el punto de recogida de datos del servidor, sGTM puede integrarse con otros componentes de Google Cloud Platform (GCP). Además de extraer datos de rentabilidad, podemos interrogar a un modelo de propensión y, para cada acción de alto valor por usuario, preguntar cuál es la propensión del usuario a convertir. La puntuación predictiva se une entonces al foco para impulsar la VBB.

Esto tiene menos partes móviles que la solución anterior. Resuelve la característica de audiencia de granularidad gruesa proporcionando una puntuación por usuario a medida que se recopilan los datos. Una vez más, lo combinamos con EC para maximizar la visibilidad de las conversiones e impulsar potentes optimizaciones de marketing.

Optimice su marketing con EC y VBB.

Estas técnicas han existido de forma aislada durante algún tiempo. Con un conocimiento más amplio de los requisitos de los datos y de su activación, todos estamos en mejores condiciones de utilizar optimizaciones de marketing que tengan en cuenta la privacidad para ofrecer eficacia a los clientes y, en última instancia, una experiencia en línea mejor y más útil para los consumidores.