Actualmente las audiencias están fragmentadas y cada vez es más difícil impactarlas, primero debido a la diversificación de audiencias y segundo por el consumo diverso de los contenidos en cada situación y dispositivo. Entonces la pregunta es ¿cómo medir la eficacia de nuestras campañas cuando su impacto está tan hiper segmentado?

La variedad de dispositivos, sesiones, canales y un largo etcétera hacen que las tradicionales coberturas, del 95% de nuestro target, que se conseguían en TV, ya sean prácticamente imposible alcanzarlas a través de un solo medio. En sectores como el gran consumo, perder un 1% de cobertura de nuestro target en campañas de TV puede suponer pérdidas millonarias en ventas. De ahí la necesidad de usar medios audiovisuales alternativos como el vídeo online, podcast o radio online, para que ese público que ve POCO la TV pueda ser alcanzado por otra vía. Para los anunciantes, medios y agencias es muy difícil conseguir una visión unificada sobre el alcance, el impacto y el efecto de las campañas de publicidad y de los contenidos cross media y cross - device

Con el incremento de peso de los nuevos canales digitales, se vuelve esencial obtener una única visión de la audiencia, unificada para hacer descubrimientos, tomar decisiones y optimizar presupuestos.

A este hecho hay que añadirle un elemento adicional, y es que en etapas de crisis (sea por el Covid o por lo que sea), es el momento en que deberíamos estar invirtiendo en comunicación (pues aumenta la rivalidad, hay mucha más oferta para una menor demanda), por tanto, si reducimos nuestra inversión en marketing estamos reduciendo nuestra presencia y permitiendo que la competencia nos quite negocio. Así pues, en un escenario de presupuestos finitos (o incluso más finito en contextos de incerteza), tenemos que ser eficientes en la inversión realizada, y validar que nuestra publicidad realmente funciona.

Pero… ¿qué métricas utilizamos para medir si funciona la publicidad? ¿Qué metodología aplicamos, teniendo en cuenta que hoy día activamos la comunicación en varios canales por la fragmentación de la audiencia (como comentábamos antes) ¿Tenemos que trabajar con distintas herramientas de medición porque hay distintos canales de comunicación? ¿Cómo podemos saber si realmente la comunicación on y off son incrementales?

Desde Elogia hemos desarrollado una metodología que nos ayuda a medir la eficacia publicitaria multicanal a través del Ad effectiveness track, y os lo explicamos a través de un caso concreto que hemos trabajado recientemente con una conocida marca.

Situación de partida.

En el contexto en el que estamos, lo que nos pide la Dirección de Marketing es validar si la publicidad que va a hacer la marca es realmente eficiente, pero la primera pregunta que nos hacemos es: ¿qué significa que funcione la publicidad? ¿Qué métricas podemos utilizar para medir si funciona o no?

Existen muchos criterios que definen eficacia publicitaria, pero para nosotros, que en este caso no podemos medirlo en ventas directas -pues el fabricante no comercializa directamente a través de un ecommerce propio-, medimos eficacia en términos de notoriedad de marca, imagen de marca o asociación del anuncio a nuestra marca, para saber si construimos a favor de nuestra marca (o a favor del líder). En este estudio no buscamos saber la mejor planificación de medios, sino el resultado que nos da en términos de salud de marca.

¿Cuántos canales debemos usar para llegar a nuestro target?

Una vez tenemos claro cómo medimos si la publicidad ayuda nuestra marca (tenemos claras las métricas), la siguiente preocupación que nos plantea el equipo de marketing es, para hacer dicha publicidad y llegar a nuestra audiencia, ¿lo podemos hacer con hoy en dia con un único canal/medio?

Ya hemos comentado que la audiencia está muy fragmentada y para llegar a ella, tenemos que utilizar varios canales, la duda entonces es ¿si combinamos distintos canales, cómo podemos saber cómo contribuye cada canal?

Es decir: si hacemos una campaña que combina TV tradicional o radio tradicional, con TV on demand, Youtube, o incluso display o Spotify, ¿qué sucede? ¿Impactamos a más gente o a los mismos usuarios más veces? Y dicho esto, el hecho de impactar a un usuario por varios canales, puede ser bueno lo estamos saturando?

Adicionalmente, si esto lo vinculamos con lo que comentábamos antes, ¿podemos saber qué canal está construyendo cada métrica? Es decir, es Youtube, display o es la TV tradicional la que construye mayor notoriedad, o mayor vinculación a la marca?

Estas son varias de las preguntas que nos hizo el cliente, y necesitábamos una metodología que diera respuesta a todo esto y definimos una metodología que permitía:

• Entender la cobertura que nos daba cada canal (incluso cada soporte), y cuál era la cobertura incremental, es decir, una vez tenemos una base de impactados, el hecho de activar otro canal u otro soporte, ¿cómo incrementa esta cobertura?

• Por otro lado, queríamos entender el solapamiento de los distintos canales, queríamos ver si a una muestra de individuos la impactábamos solo con un canal o si lo impactábamos con varios canales

• Queríamos saber si el hecho de estar impactado muchas veces con uno o varios canales, nos ayudaba a mejorar las métricas.

Metodología aplicada

La metodología que desde Elogia hemos visto más apropiada para responder todas estas preguntas (y alguna más), es coger dos muestras comparables, una impactada y otra no impactada y sobre ambas, miramos las mismas métricas de salud de marca, es decir, queremos saber si los impactados recuerdan más la marca que los no impactados, o en cambio, si no existe diferencia en los atributos asociados a la marca, entre impactados vs no impactados.

E incluso vamos un paso más allá, a los impactados, queríamos ver diferencias entre los impactados vía Youtube, vs los impactados por Spotify o incluso impactados por la TV tradicional. Otro ejercicio que hicimos es ver diferencias entre altamente impactados vs no muy impactados.

☝ Está claro que estas dos muestras tiene que ser comprables, por tanto buscamos muestras que por sociodemográficos fueran comparables por tramos de edad, por sexo, por zona geográfica, e incluso por ser consumidor/no consumidor de la marca.

Hasta aquí, no hemos explicado nada nuevo, la parte nueva recae en ¿cómo podemos encontrar estas muestras de impactados/no impactados? Sin querer entrar en aspectos técnicos, la forma de trabajar es la siguiente:

• Al lanzar una campaña, todas las creatividades las marcamos con un pixel, a continuación activamos la campaña. El siguiente paso es, a través de paneles de internautas miramos cuántos de estos individuos han sido impactados por la campaña, e incluso por cada creatividad.
• Esta metodología nos funciona para display, pero no con otras campañas: por ejemplo, con las campañas de Youtube. Nos encontrábamos en la situación de que podíamos monitorizar bien los impactados de ordenador (desktop), pero no los usuarios de Youtube en móvil. Al cuantificar el consumo de Youtube que se realizaba a través de un dispositivo u otro, nos quedó claro que no podíamos dejar fuera una parte relevante del universo impactado ¿Cómo lo resolvimos? Yendo un paso más allá y utilizando una metodología que nos permite saber si un individuo ha sido impactando, y lo hacíamos escuchando los estímulos a los que este usuario había sido expuesto. Es decir el móvil nos escucha y chequea lo que ha oído con una base de datos, si en esta base de datos tenemos la pieza creativa, es que el usuario ha sido impactado. Funciona igual que Sahzam con la música, la mecánica es muy parecida, a través del audiomatching del móvil, podemos saber si un usuario ha sido expuesto a la pieza creativa.

• Perfecto, ya sabemos que el usuario ha sido expuesto, pero ¿cómo sabemos donde realmente se emitía esta pieza? Está claro que si se emitía en TV o radio convencional, con el plan de medios, podemos saber cuándo se ha emitido el anuncio. Por otro lado, podemos saberlo porque podemos ver su navegación y por tanto podemos saber los contenidos en Youtube o similares. Pero si el impacto se genera a través de Spotify o en TV on demand, eso puede ser a través de otros dispositivos, entonces, ¿cómo lo recogemos? Pues tenemos un mecanismo que nos permite, antes de emitir las piezas, ajustar el tono o la velocidad de emisión de la pieza creativa, unos mini ajustes que para el oído humano son casi imperceptibles, pero al subirlos a la base de datos con esos microajustes, la herramienta ya identifica diferencias y nos permite capturar el dato de si el estímulo se origina en TV on demand o en otro canal.

A partir de aquí, con esta metodología, fuimos capaces de dar respuesta, para nuestro cliente:

• ¿Cuánta gente fue impactada por la campaña (a través de los múltiples dispositivos), y todo con solo una herramienta.
• Saber si existe solapamiento entre canales/soportes
• Identificamos qué canales funcionaban mejor para nuestra eficacia publicitaria, los de alto reach (aunque fuera a baja frecuencia) o necesitábamos un mínimo de frecuencia?
• Por último, podíamos saber si los individuos impactados, luego visitaban la página web del cliente o no, de forma que pudimos crear una nueva métrica: CPMi -> coste por mil impresiones REALMENTE IMPACTADOS (e influenciados), porque declara mayor recuerdo, un mayor interés en el producto, una mayor intencionalidad de compra, o incluso han visitado la página web.

Et voilá esta es "la magia" que hemos aplicado a la monitorización de cobertura de medios hoy en día, lo que hace que nuestras optimizaciones de campaña, e futuras inversiones de la marca en medios, sean una apuesta de recursos totalmente enfocada a el retorno para la marca.

¿Os animáis a ser el siguiente en tener toda esta información para estar seguro de dónde estamos invirtiendo y qué es más recomendable? Pues solamente tenéis que contactarnos en el formulario que tenéis aquí al lado 😉