Autor
El Puente - Café Data
Emmanuel Malherbe, Director de Research Center en Artefact, se reunió recientemente con Sid Mohan, Director Data Science & Global Lead for Causal AI Research & Marketing Mix Modelling en Artefact, para hablar sobre la medición del marketing.
Hay muchos elementos en movimiento en el campo de la medición del marketing. ¿Podría destacar qué innovaciones impulsarán la medición del marketing en el futuro?
En nuestro marco de medición contamos con tres metodologías: atribución, pruebas incrementales y MMM. Sin embargo, estos métodos se enfrentan actualmente a limitaciones que impiden una colaboración sin fisuras.
El modelo de atribución, por ejemplo, debe incluir la incorporación de limitaciones relacionadas con la línea de base, un factor crítico para comprender el impacto global de las actividades de marketing.
Al mismo tiempo, las pruebas incrementales suelen estar muy controladas por las grandes plataformas tecnológicas. Suelen requerir un importante gasto en medios para su ejecución y a menudo se limitan únicamente a los medios digitales de pago. Esto requiere técnicas avanzadas como la inferencia causal bayesiana y el marco de resultados potenciales; metodologías en las que han sido pioneras y de código abierto entidades como Amazon Science y Microsoft Research.
Y en el ámbito de los MMM, existen sólidas oportunidades para aprovechar los últimos avances en modelos causales, de nuevo gracias a la labor pionera de Amazon Science, cuya revolucionaria innovación es, de hecho, de código abierto y está disponible para que la comunidad científica data se base en ella.
Entonces, ¿cómo abordan estas metodologías avanzadas los retos a los que se enfrentan los modelos tradicionales?
Las metodologías actuales ofrecen una comprensión más matizada de las actividades de marketing dentro del marco MMM. Sin embargo, se resisten a entrar en la granularidad necesaria para que los profesionales del marketing puedan emprender acciones rápidas y específicas en consonancia con las necesidades empresariales concretas. Para solucionarlo, hay un auge en el desarrollo de modelos jerárquicos bayesianos y, lo que es más importante, de modelos causales estructurados, que permiten una perspectiva más granular y una ejecución más frecuente de los MMM.
Pasando al tema de la causalidad, parece que hay un cambio hacia la comprensión del “por qué” detrás del data. ¿Puede decirnos algo más al respecto?
Desde 2021, se ha producido una revolución de la IA causal. Las empresas, lideradas por Microsoft Research y Amazon Science, hacen ahora hincapié en la comprensión del “por qué” detrás de data, trascendiendo el enfoque tradicional en el “qué”. Las soluciones de código abierto en modelos causales estructurados permiten a las empresas estimar el impacto de un único acontecimiento en el contexto más amplio de acontecimientos concurrentes y confusos.
Fomentar una cultura de innovación dentro de una empresa es crucial. ¿Cómo aconseja a las empresas que creen e inspiren la experimentación y la innovación?
La sinergia entre los equipos de marketing y data es crucial. Puede explicarnos con más detalle cómo pueden colaborar eficazmente estos equipos para impulsar la innovación?
Los equipos de marketing y data forman un binomio ideal, ya que los profesionales del marketing impulsados por el deseo de superar los límites creativos encuentran una pareja en los equipos data que prosperan resolviendo retos. Romper con los enfoques institucionalizados es crucial para fomentar una cultura innovadora. Animar a los científicos del data a resolver los problemas que surgen al traspasar los límites creativos garantiza que la empresa siga siendo ágil y relevante.
¿Puede compartir un ejemplo en el que una empresa haya adoptado con éxito esta cultura de la innovación?
En los Países Bajos, estamos trabajando con una empresa de comercio electrónico en línea que lleva a cabo cientos, si no miles, de experimentos al año, lo que supone un gran cambio, ya que hace sólo dos años no tenían prácticas de medición. Esta sólida cultura de innovación y experimentación les ha distinguido, mejorando la eficacia del marketing y el rendimiento de la inversión en un impresionante 20%.
En resumen, la sinergia entre las prácticas de medición avanzadas, un enfoque en la causalidad y una cultura de innovación y experimentación está remodelando el panorama de los análisis de marketing y garantizando que las empresas sigan siendo ágiles y relevantes en un panorama empresarial en constante evolución.
