El Scoring de usuarios, para optimizar nuestra inversión y nuestra conversión

December 5, 2017

El scoring de usuarios es de aquellos conceptos que suele ser llamado de distintas maneras: probability scoring, lookalike modelling, algorithmic attribution, etc... pero en el fondo persigue un propósito muy claro: Identificar a través de datos a los usuarios, con más propensión a responder a un mensaje, o acciones concretas dentro de nuestro sitio/app. Dicho de otra manera, es encontrar a las audiencias que probablemente nos comprarán, nos generarán un lead, etc.

 

Básicamente, nos encontramos actualmente en un ecosistema digital altamente competitivo y nuestras estrategias de adquisición de nuevos clientes están con la presión continua de no solo lograr encontrar usuarios de alta calidad, sino además al precio más bajo posible. Sin embargo, muchos de nuestros esfuerzos terminan llegando a audiencias muy generales con segmentaciones igual de amplias (geográficas, etáreas, demográficas, etc.) que hacen complejo lograr mejorar la eficiencia de nuestra inversión.

 

El desafío entonces lo podemos definir formalmente como "identificar aquellos usuarios más valiosos para comunicarnos con ellos de una forma eficiente y dirigida, mejorando el rendimiento de las campañas de remarketing y la conversión del sitio." Justamente esto es lo que nos permite el scoring de usuarios.

 

¿Cómo se crea un scoring de usuarios o audiencias?, pues fundamentalmente en base a cuatro pasos, en el que para este ejemplo utilizaremos Google Analytics (aunque también es válido para otras herramientas como Adobe Analytics)

 

 

 

 

 

1. Captura de datos que representativos del comportamiento de nuestros usuarios en nuestros sitios o apps móviles: Esto significa que no basta con capturar visitas, páginas vistas o tiempo en el sitio, sino que resulta importante poder capturar todo tipo de interacción que influye de alguna manera en la conversión en nuestro sitio, como por ejemplo: clics en botones de avance, reproducciones de video de un producto, suscripciones a un newsletter, número de búsquedas internas; pero también considerando una captura de datos que involucre atributos de nuestros usuarios o clientes que podamos integrar con otras de nuestras bases de datos (CRM, Email Mktg, Ecommerce) para lograr entender aspectos como: tipo de cliente, lifetime value, páginas vistas en otros sitios, etc.

 

Acá claramente se hace fundamental que nuestro sitio o aplicación móvil cuente con una medición óptima, completa e idealmente que contemple datos de otras fuentes.

 

2. Modelamiento y procesamiento de datos: Ya tenemos datos de calidad (y repito: representativos del comportamiento de nuestros usuarios) y ahora nos toca jugar al científico de datos. Mediante modelamiento matemático, tomamos toda esta data y la procesamos en búsqueda de un modelo que pueda predecir el comportamiento de un usuario en relación a una conversión.

 

Pues acá las herramientas y metodologías a utilizar, dependerá del negocio y de la estrategia de datos que se utilice. En Metriplica nosotros integramos Google Analytics (idealmente su versión Google Analytics 360), con Google Big Query (definámosla rápidamente como el Data Warehouse de Google en la nube), que tomará la data, y nos permitirá cruzarla con la fuente de datos complementaria que tengamos a mano. A partir del cruce de datos en Big Query, nuevamente la exportamos a alguna herramienta de modelado matemático. En nuestro caso ejemplificamos con "R". Y es en este lugar donde se manifiesta y desarrolla el modelo de scoring.

 

El resultado es una tabla de datos que además de incluir las sesiones de nuestros usuarios, incorpora una calificación o scoring que representa esa propensión a convertir.

 

3. Scoring o calificación de usuarios: Pues con el modelo anterior hemos sido capaces de crear un modelo predictivo y obtener una manera de calificar a los usuarios en base a su propensión a convertir. Ahora tomamos esa calificación y la hacemos parte de nuestra medición común y corriente.

 

El trabajo que realizamos en Google Big Query y R ahora lo devolvemos a Google Analytics para que este "scoring" se convierta en un atributo o dimensión más de la sesión de nuestros usuarios.

 

4. Finalmente y por supuesto dentro de lo más importante, utilizaremos esta dimensión y scoring, para crear "Audiencias" en Google Analytics que podremos exportar a Google AdWords o Double Click (solo con la versión premium y Google Analytics 360) con la finalidad de poder targetear nuestras campañas de manera mucho más enfocada en aquellos con alta propensión a convertir.

 

Y si la pregunta es: Esto funciona? Pues la respuesta categórica es Sí, y muchísimo.

 

No es difícil encontrar ejemplos y casos de éxito relativos al uso de la data para la optimización de campañas, pero en nuestro caso tenemos la dicha de contar con clientes satisfechos cuyos resultados hablan por sí solos.

 

En Metriplica hemos creado un servicio de scoring al que le hemos llamado simplemente "Audience Score" y uno de los que ha sacado importantes beneficios de este ha sido la cadena de hoteles Melià.

 

Con Melià iniciamos un proyecto de implementación del Audience Score siguiendo a modo general, los cuatro puntos antes descritos. De la misma manera, integramos su medición digital con atributos complementarios de los usuarios de manera de poder crear un perfil y modelo lo más completo posible.

 

Los resultados han sido impresionantes:

 

 

 

 

1. Mejoramos en un 625% la conversión en campañas de remarketing

 

2. Disminuimos en casi un 70% el costo de adquisición por cliente

 

3. Y aumentamos en un 350% el ROAS (Retorno sobre gasto publicitario) en campañas de remarketing.

 

Sin duda que este Audience Score, o cualquier otro modelo de predicción y scoring nos permitirán hacer más eficientes y efectivas nuestras campañas y con resultados que harán de nuestra inversión una mucho más inteligente.

 

 

 

 

 

Acerca de Metriplica:

 

En Metriplica (www.metriplica.com) nos dedicamos a asesorarte en medición online para que extraigas lo máximo de tus canales digitales. Hoy en Latinoamerica contamos con oficinas en Santiago, Ciudad de México, Medellín, Bogotá y Lima, las que junto con nuestras oficinas en Barcelona, Madrid y Valencia en España, nos permiten contar con experiencia en una amplia variedad de proyectos de analítica digital.

 

Please reload

Our Recent Posts

¿Cómo migrar mi canal de venta de Facebook a un marketplace?

November 20, 2019

AMVO Recap del 11 al 15 de noviembre

November 16, 2019

¿Cómo usar Pinterest en Navidad para atraer tráfico y clientes?

November 14, 2019

1/1
Please reload

Tags

Please reload

AMVO ©2017

Dirección Comercial: WeWork Cervantes, piso 10, Blvd. Miguel de Cervantes Saavedra 169, Granada, CP 11520, CDMX.

Dirección Fiscal: Avenida Horacio 340 - PH, Col. Chapultepec Morales, Del. Miguel Hidalgo, CP 11570, CDMX.

Tel. (55) 85 26 22 13 Horas de atención: 09:00 - 18:00 de lunes a Viernes

Para medios, favor de mandar un email a medios@amvo.org.mx