Seleccionar página

Sharing is caring!

Vamos a ver un sistema que nos puede servir de complemento a otros modelos de atribución y que nos ayudarán en esa difícil tarea de comprender cómo interactúan los distintos canales de adquisición en una conversión.

Si no estás familiarizado con los modelos de atribución te recomiendo leer el post introductorio antes de continuar.

Comentábamos en ese post que los modelos de atribución multicanal habituales están centrados en el canal de adquisición y la posición que ocupa el contacto en la cadena de interacciones durante el proceso de compra, sin embargo no tenían en cuenta en absoluto que pasa en cada visita.

¿Cómo reparten el crédito los modelos de atribución multicanal? Ejemplo práctico

Pongamos que usamos un modelo de atribución basado en posición, que otorga un 40% del crédito a la primera visita, un 40% a la última y reparte el 20% restante entre las otras visitas de forma equitativa, y supongamos que tenemos la siguiente secuencia de acciones.

Imaginemos que tenemos un usuario que quiere comprar un reloj inteligente y empieza a valorar la compra:

1- Navega buscando diferentes opciones

El usuario llega mediante un anuncio de búsqueda, sobre un término genérico, hace clic en nuestro anuncio y en otros tres, la pestaña se ha abierto brevemente pero no llega mirarla se centra en otras dos de las búsquedas y sigue navegando.  No ha prestado atención en absoluto a nuestra web, ni producto.

2- Visualiza nuestra marca a través del remarketing

Tres semanas después, borrado de su mente que en algún momento visitó nuestro sitio web, ve un anuncio de remarketing sobre un modelo que le llama la atención, y pulsa sobre el mismo. 

En esta ocasión se fija en los detalles del producto, y ve un par de productos relacionados, también observa que hay ofertas interesantes, parece que un modelo le convence bastante. Se queda con el nombre de la empresa y el modelo y procede a buscar el modelo en otras webs.

3- Llega a nuestra web de forma orgánica y añade el producto al carrito

Unas horas más tarde tras haberse informado de forma detallada, vuelve a nuestra web buscando el nombre mediante un enlace orgánico.

Ve que el precio es competitivo, se lee las opiniones sobre la empresa, la política de devolución, y busca ofertas y códigos de descuento. Además, compara ese modelo con otro parecido pero con una correa distinta y decide que esta segunda opción es mejor alternativa por estar en oferta. Después se registra como nuevo usuario, añade el producto al carrito y se envía por correo el enlace de la cesta.

4- Compra a través del enlace del correo

Dos días después decide que es el momento oportuno de realizar la compra, utilizando el enlace de correo llega a nuestra web, directamente al carrito y procede al pago.

¿Cómo ha repartido Google el crédito?

En el modelo por defecto, último clic indirecto, todo el crédito va a parar a la última interacción, el mail.

En el modelo que habíamos decidido utilizar, basado en posición, otorga un crédito del 40% a la primera visita, la de búsqueda de pago, un 40% a la última, el mail, y un 10% a las visitas intermedias, display y búsqueda orgánica.

¿Esta forma de asignar el crédito es justa?  Por lo detallado no lo es en absoluto, se otorga la mayor parte del crédito a dos visitas que realmente no han aportado casi nada y se da un valor residual a las dos visitas que realmente han sido claves en la toma de decisión.

Esta situación y otras similares pueden suceder con relativa frecuencia y si queremos saber el valor que nos otorga cada canal deberíamos tenerlo en cuenta.

Por ese motivo  en Estrategas Web y MakingSEM solemos recomendar a nuestros clientes definir un modelo de atribución basado en comportamiento, que resulte complementario a los modelos estándar y nos ayude a tener una visión más precisa de lo que aporta cada canal y su rentabilidad. Para de esta forma decidir cómo invertir de la forma más eficaz en los distintos medios publicitarios.

¿Cómo configurar un modelo de atribución basado en comportamiento?

Como sabemos Google nos permite definir modelos personalizados y en ellos podemos incluir información básica sobre la actividad del usuario durante la sesión como el número de páginas o el tiempo de sesión

Tan solo tendremos que acceder al área de administración, y en la columna vista, dentro de Herramientas y Elementos personales, ir a modelos de atribución,  para indicar si queremos distribuir el crédito proporcionalmente según el tiempo en el sitio web o el número de páginas por sesión.

Esto se puede combinar con cualquier modelo base, y con más reglas para asignar el crédito personalizado.

Dentro de las reglas de crédito personalizado encontramos alguna otra opción que también tiene relación con la interacción del usuario durante la sesión como “visita de rebote” dónde podemos indicar que las visitas de rebote tengan un 10% del crédito respecto al de una sesión sin rebote.

Esto lo conseguiremos indicando Incluir visita de rebote igual a Sí y en conceder crédito un multiplicador del  0.1 

En esta sección encontramos otras dimensiones interesantes que nos pueden ayudara a ajustar mejor el modelo de atribución como puedan ser:

  • Buscador
  • Tipo de consulta
  • Lugar de emplazamiento
  • Tipo de interacción
  • Palabra clave
  • Social
  • Visita pagada
  • Tipo de orientación
  • URL de destino
  • Campañas, etc..

Y una que será la base para nuestros modelos basados en comportamiento, que es seleccionar una de las agrupación de canales personalizados.

Aquí te recomiendo que pruebes tú mismo con los distintas opciones que nos da analytics para personalizar los modelos de atribución. Al ser sistemas retroactivos no tendremos que esperar un tiempo para poder comparar con otros modelos.

Evaluar el comportamiento del usuario: valoración de la sesión

Dado que queremos asociar nuestro modelo de atribución al comportamiento del usuario durante la sesión de alguna manera deberemos registrar este comportamiento

Lo primero que tendremos que hacer es evaluar el comportamiento de los usuarios, ver qué acciones suelen tener influencia en la conversión final y cuáles no y agrupar las sesiones por el tipo de interacciones realizadas.  Vamos  a proponer un ejemplo simplificado de agrupación por comportamiento en la sesión:

 

1- Sesiones bajo engagement

En las cuales se produce un rebote, solo se ve un producto o en general hay poca interacción con nuestro sitio web.

 

2- Sesiones Consideración

Indican que el usuario está evaluando los productos o servicios para la compra. Pondremos aquí una sesión si se producen alguna o varias acciones del tipo usar el buscador, comparador de productos, añadir a favoritos. En general micro conversiones que acercan a la conversión final sin aportar un valor directo.

 

3- Micro conversiones

Sesiones donde se producen micro conversiones que  aportan un valor directo como pueda ser el registro del usuario,  alta en la newsletter, enviar la cesta, etc.  Que el usuario aporte un método de contacto y su permiso para comunicarnos con él aporta ese valor directo extra.

 

4- Inicio compra

Cuando se añade al carrito o se avanza durante el proceso de pago sin llegar completar la misma.

 

5- Compra

El usuario termina concretando una compra en la sesión.

Esta sencilla agrupación ya nos permite identificar las sesiones por el valor potencial, o real, que aportan.

Guardaremos el valor en una dimensión personalizada de ámbito sesión, de forma que solo guarde el valor más alto conseguido. Es decir, si tras haber mandado una lista de deseos, con su correspondiente alta, se usa el buscador guardaremos el valor 3, y no lo 2 que corresponde a la última acción.

Este tipo de agrupaciones son muy útiles por regla general para cualquier análisis en nuestro sitio, y de forma adicional nos servirá para definir estos modelos de atribución basados en comportamiento.  

Si quieres ampliar información sobre este tipo de agrupaciones te recomiendo que leas este post de Iñaki Huerta donde habla de algo similar.

 

Agrupación de canales personalizados

La dimensión personalizada anterior, que podemos llamar Valoración de sesión, será la base que usaremos para crear nuestro modelo de atribución basado en el comportamiento.

Pero como podemos comprobar, no podemos personalizar un modelo de atribución usando directamente una dimensión personalizada. ¿Cómo podemos usarlo entonces?

Utilizaremos esta dimensión de forma indirecta.

Dentro de las reglas para aplicar un crédito personalizado lo que si encontramos es la posibilidad de usar una agrupación de canales personalizada y ahí sí que contamos con la posibilidad de utilizar dimensiones personalizadas para definirlo. 

Así podemos crear subdivisiones de los canales que usemos añadiendo la información sobre la valoración de sesión. 

Tan solo tendremos que ir añadiendo la condición a los distintos canales con el valor de la dimensión que corresponda. Por ejemplo, para el tráfico directo y bajo engagement la configuración sería:

Esto hay que hacerlo para cada canal y cada valor posible de la dimensión personalizada (sí, es un auténtico rollo hacerlo, pero solo se hace una vez)

Una vez que lo tenemos definido podemos analizar su comportamiento en los informes de conversiones, por ejemplo en el de Embudos multicanal, Rutas de conversión principales.

Esto nos ayuda a entender el proceso de toma de decisión del usuario y ver si se ajusta a los ciclos teóricos de toma de decisión.

Aquí tenemos que evaluar entre otras cosas cómo afecta a las posibilidad de conversión cada categoría o valoración de sesión, las secuencias, si cuando aparece un canal concreto las posibilidades aumentan, cómo afecta el tipo de canal inicial, etc.

Con todo esto podremos definir un primer borrador con los multiplicadores que debemos configurar en el modelo de atribución.

Creando el modelo de atribución personalizado con Google Analytics

Este será el penúltimo paso. Debemos asignar un multiplicador a cada tipo de valoración.

Por ejemplo, si por nuestros análisis hemos visto que las sesiones con micro conversiones aumentan la probabilidad posterior de venta y además sabemos que nos aportan un valor directo pondremos un multiplicador positivo a las visitas de este tipo. Imaginemos que por nuestros cálculos inicialmente le queremos dar un 30% más de valor que a una visita normal.

Iremos a la sección de administrar la Columna Vista y en la sección Modelos de Atribución creamos uno nuevo, le ponemos un nombre y escogemos el modelo de atribución de base. En nuestro caso hemos decidido usar el sistema lineal. Por último en la sección “Aplicar reglas de crédito personalizado” comenzamos a poner las distintas reglas.

En nuestro ejemplo iremos señalando todos los canales de tipo micro conversiones y en el multiplicador indicaremos que será 1.3 veces más que otras interacciones en la ruta de conversión.

También podemos incluir otras condiciones, por ejemplo que si es la primera interacción le demos un 10% extra.

Tras definir todas las reglas tendremos nuestro modelo de atribución basado en comportamiento y podremos compararlo con otros.

En este ejemplo vemos cómo canales como el display tienen mucho más valor con el modelo basado en comportamiento y que otros como el de referencia bajan notablemente. 

 

Depuración y ajustes

Este es el último paso, comprobar la validez del sistema con la realidad y ver qué impacto tiene cuando tomamos decisiones en cómo repartir el presupuesto en publicidad según esta información extra. Deberemos ir ajustando los distintos multiplicadores e incluso la forma de valorar las sesiones incluyendo  nuevos grupos, o eliminándolos.

Espero que te animes a probarlo y a darle tu toque personal a este tipo de modelos de atribución. Nosotros llevamos tiempo usándolos y se están mostrando como una herramienta muy útil que permite complementar el análisis habitual en atribución y de comportamiento del usuario.

Si te ha gustado compártelo 😉

shares