Medir el retorno del gasto publicitario, también conocido como ROAS *, es la luz del norte que guía las decisiones de marketing. Eso es obvio para la mayoría de los marketers (o al menos debería serlo).
Lo que es menos obvio es que el camino para medir con precisión el ROAS de tu aplicación móvil es resbaladizo y está lleno de baches, o peor aún, con un precipicio al final.
Por lo tanto, se debe hacer una distinción importante entre ROI y ROI real. Aunque los dos términos no son los mismos (mira más abajo), para los fines de esta guía, supongamos que ROI = ROAS.
¿Qué separa a los dos? En una palabra: precisión. Si bien trabajar con datos precisos de ROI es el santo grial para los marketers de rendimiento, trabajar a partir de datos de ROI inexactos puede descarrilar por completo tus esfuerzos de marketing e incluso arriesgar la estabilidad financiera de tu aplicación.
Claramente, el verdadero ROI es el resultado de ingresos y costos exactos. Pero es vital recordar que estos datos dependen, ante todo, de la base del marketing basado en datos: datos de atribución precisos.
En esta guía, analizaremos por qué y cómo se logra cada componente del verdadero ROI, destacaremos los errores comunes y descubriremos cómo superar los desafíos en el camino hacia la búsqueda del verdadero norte.
* Una empresa puede medir los retornos de varias maneras, a menudo en función de las funciones dentro de una empresa:
El CEO analiza el ROI (retorno de la inversión), que incluye todo, los ingresos totales o, mejor aún, las ganancias frente a los costos totales.
El CMO se centra en el ROMI (retorno de la inversión en marketing), que tiene en cuenta una visión más amplia más allá del marketing de resultados: tiene en cuenta el OOH, la impresión, las promociones, etc.
El Director de UA / Performance está impulsado por el ROAS (retorno de la inversión publicitaria).
Capítulo 1
La base: Qué permite obtener datos de atribución precisos
Se puede lograr un verdadero ROI con costos e ingresos precisos. Pero la única forma de garantizar que sea así es con datos de atribución precisos. La capacidad de cumplir con este estándar no es nada trivial. Vamos a desglosarlo:
1– Exactitud de los datos
Si entra basura, sale basura. Independientemente de la complejidad de tu BI de marketing y de tus equipos, si sus parámetros para la toma de decisiones son incorrectos, los resultados de las decisiones también serán incorrectos.
En el marketing moderno, los datos de atribución son la fuente de las decisiones de marketing más importantes. Como resultado, los marketers frecuentemente toman malas decisiones sin saberlo.
Hay tres razones principales:
Acceso limitado a los datos a nivel de usuario posteriores a los cambios de privacidad de iOS 14
Fraude
Atribución incorrecta
En ambos casos, la medición parece correcta, lo que demuestra que ha tomado las decisiones correctas que han llevado a la rentabilidad. Lo que realmente no sabes es que probablemente estés comprando tus usuarios orgánicos y tráfico fraudulento.
Tomar esa decisión equivocada una y otra vez a una escala creciente llevará a un ciclo de caja sangrante.
En este ciclo, los números fuertes llevan a los marketers a pedir más presupuesto a su CEO, y el CEO lo aprueba porque las cifras se ven muy bien. Sin embargo, las cifras están equivocadas y la empresa termina invirtiendo más dinero en las fuentes equivocadas, agotando los presupuestos de marketing y poniendo en riesgo la estabilidad financiera de la empresa.
¿Cómo se puede prevenir el fraude y la mala atribución? Principalmente con algoritmos de aprendizaje automático que se entrenan a escala para hacer que los datos de atribución sean más precisos y estén libres de fraude. El aprendizaje automático es inútil sin un flujo continuo de datos a escala para seguir capacitándose.
Echemos un vistazo a Google Search. La tecnología de indexación ha estado disponible para que las empresas (y teóricamente cualquier persona) la puedan utilizar. Entonces, ¿por qué Google no ha sido desafiado en este frente por más de 15 años? La respuesta es sencilla: ¡Los datos! Los datos recopilados por el motor de búsqueda cada día es el combustible que alimenta su algoritmo de búsqueda.
Técnicamente, somos nosotros, los usuarios, los que seguimos alimentando a Google con datos todo el día, todos los días. Es debido a este flujo interminable de datos que Google es capaz de ofrecer grandes resultados de búsqueda. En teoría, si todos dejáramos de usar Google Search y nos mudáramos a otro proveedor, digamos Bing, no pasaría mucho tiempo antes de que tuvieras mejores resultados de búsqueda, mientras que los resultados de Google con el tiempo se volverían irrelevantes.
En el marketing móvil, tu capacidad para evitar el fraude y la atribución errónea y disponer de datos de atribución precisos depende en gran medida de la escala de tu proveedor de atribución.
La precisión también es una cuestión de confianza. En esencia, la confianza se centra en la noción de evitar cualquier conflicto de intereses. Todo se reduce a dos reglas simples:
Los proveedores de atribución solo deben vender a los anunciantes y representar sus intereses en el ecosistema. Jugar en ambos lados simplemente no es una opción.
Los datos de los anunciantes nunca deben monetizarse ni utilizarse para crear perfiles/personas.
2 – Privacidad y seguridad
La confianza también consiste en saber que tus datos están seguros. Uno de los principales problemas es que las empresas invierten en sus propios sistemas pero no prestan el mismo nivel de atención a sus proveedores externos, que tienen acceso a la misma información confidencial. Así se crean puertas de acceso traseras sin saberlo.
Las medidas de seguridad y privacidad que tomes internamente deben reflejarse en las demandas de tus proveedores externos, y la seguridad y la privacidad deben ser idénticas tanto para los first-party como para los third-party. Esta es la única manera de asegurarse de que la puerta de acceso trasera sea tan segura como la puerta delantera.
Dado que un proveedor de atribución es esencialmente una plataforma SaaS similar a CRM con acceso a tu activo más importante (tus datos de first-party), debe cumplir con los mismos estándares que si se tratara de tu propia herramienta en lugar de un proveedor de terceros.
Por ejemplo, tomemos el proceso conocido como extracción de datos, que ocurre cuando un cliente conjunto de dos proveedores comparte las credenciales del dashboard con el otro proveedor.
Está claro que es propenso a errores y supone un grave riesgo de seguridad, por lo que se recomienda encarecidamente denegar a un proveedor este tipo de acceso a tus datos de origen, incluso si provienen de uno de confianza.
3 – El trabajo pesado de la tecnología
Crear una plataforma de atribución móvil sólida es una tarea importante. Se necesitan años y años de experiencia, y simplemente no hay atajos.
El desarrollo de una plataforma de atribución que pueda cumplir su misión se centra en:
Integraciones: Conectarse técnicamente con miles de socios (desde empresas de medios, plataformas de análisis, herramientas de fraude, nubes de marketing, etc.) y garantizar que la transferencia de datos sea rápida, eficiente, precisa y completa (que cubra el mayor número posible de parámetros).
Infraestructura: Cuando se escala, se da cuenta rápidamente de que, más allá de una cierta cantidad de máquinas, tráfico y volumen, la base de datos simplemente se rompe, lo que puede provocar una serie de efectos empresariales miserables.
Por ejemplo, un retraso en la atribución, que provoca un retraso en los postbacks, que a su vez provoca un retraso en la optimización de la campaña desde el lado de la red publicitaria.
Otro ejemplo podrían ser los reintentos de extracción de datos redundantes, que se producen cuando una base de datos proporciona métricas de éxito o fracaso incorrectas, lo que lleva a resultados inexactos
4 – Palabra clave / ID de sitio / granularidad a nivel creativo
Los datos de atribución que no sean lo suficientemente granulares, a nivel de red o incluso de campaña, se traducirán en una optimización inferior a la media. Solo con datos de atribución granulares a nivel geográfico, palabra clave, ID lateral y conjunto de anuncios / creatividad puedes optimizar completamente tus campañas.
Por ejemplo, si tu campaña utiliza entre 5 y 6 variaciones creativas diferentes, pero solo una o dos tienen un rendimiento real, no podrás optimizar completamente tu campaña.
Peor aún, puede llevarte a concluir que la campaña no es rentable, cuando en realidad una simple decisión de centrarse en esas 1-2 creatividades exitosas puede marcar la diferencia y mover la aguja a tu favor.
Capítulo 2
Entrando dinero: Qué permite obtener datos de ingresos precisos
En un ecosistema impulsado por el freemium, las aplicaciones de instalación gratuita generan ingresos a través de las siguientes fuentes de ingresos:
Compras in-app Las aplicaciones ofrecen a los consumidores la posibilidad de comprar productos dentro de la aplicación, ya sean reales, como un vuelos o un par de zapatos, o virtuales, como monedas de juegos, para poder comprar un arma más potente.
Ten en cuenta que las compras diferidas, las compras pendientes o los reembolsos se producen de forma asíncrona al evento IAP en tiempo real, lo que afecta al resultado final.
Ingresos por suscripción. Una fuente de ingresos cada vez más popular en los últimos años, en la que los usuarios pagan una tarifa recurrente cada mes / año / otro por un servicio específico, como transmisión de programas de televisión o música, clases de yoga, citas, u obtener beneficios exclusivos en juegos en forma de moneda del juego, pases de batalla, actualizaciones, etc.
Las estrategias de monetización basadas en suscripciones son más predecibles, fáciles de probar y mejorar y, en última instancia, más rentables.
Como incentivo adicional, las aplicaciones de suscripción en la App Store reciben una mayor participación en los ingresos por las tasas de suscripción en comparación con las aplicaciones que no son de suscripción. Los desarrolladores de la App Store reciben el 70% de los ingresos por suscripción (comisión estándar en todas las aplicaciones), que alcanzan un máximo del 85% después de un año.
Cuando se trata de medir los ingresos de IAP (compras in-app) y de suscripción, se aplica el mismo mecanismo.
Se puede hacer configurando un evento in-app en el SDK de una app que registre el evento generador de ingresos cada vez que un usuario complete una compra in-app o una suscripción in-app. Otra opción es inyectar los datos directamente en una plataforma de BI a través de un flujo de datos de servidor a servidor.
Para un administrador de productos o monetización, simplemente saber cuántos ingresos genera una aplicación a partir de qué tipo de ofertas podrían funcionar. Dados los cambios en los datos de ingresos, los datos del día 0 podrían ser suficientes para la optimización de UA en el día, por lo que esto realmente se reduce al modelo de ingresos híbrido empleado por el propietario de la aplicación.
Pero para los marketers que necesitan medir su ROI con precisión, no lo es. Para que esto suceda, hay otra capa crucial: los datos de atribución. Específicamente, la capacidad de conectar con precisión los datos de atribución con los datos de ingresos para comprender cuánto dinero se generó como resultado de qué actividades o canales de marketing.
Cuando los datos de atribución son inexactos, se producen desajustes, lo que nos lleva de vuelta al sangriento ciclo de caja y a la importancia de tener las entradas de datos correctas (consulta la sección anterior).
Además, si los datos de atribución no son lo suficientemente granulares (por ejemplo, a nivel de red e incluso de campaña), tu capacidad de optimizar completamente los ingresos se ve considerablemente obstaculizada.
En el caso de los IAS, todos los eventos posteriores del ciclo de vida, la mayoría de los cuales generan ingresos, se producen de forma asíncrona con el uso de la aplicación y después de la compra de la suscripción inicial (IAP). Estos pueden incluir renovaciones, mejoras, descensos de categoría, abandono, etc.
ad_revenue Otro método de monetización popular para las aplicaciones, especialmente los juegos. Dado que la gran mayoría de los usuarios no completan las compras dentro de la aplicación, tener anuncios en tu aplicación puede impulsar los ingresos de este gran segmento de usuarios (mientras que no muestra anuncios a los usuarios que sí monetizan a través de las compras in-app).
Los ingresos por publicidad se reciben de las redes de monetización o mediación de anuncios a través de las APIs del servidor (o mediante un SDK de reportes en la aplicación) y, a continuación, se atribuyen a la fuente de medios que inicialmente proporcionó al usuario. Ten en cuenta que solo las mediaciones ofrecen datos de ingresos a nivel de impresión del SDK en tiempo real.
Para que esto funcione, es importante entender que los datos de monetización y atribución (excluyendo los datos a nivel de impresión y las soluciones que combinan reportes de ingresos agregados con reportes de impresiones del SDK) son fuentes de datos completamente diferentes que solo pueden conectarse de forma precisa a través de integraciones a nivel de usuario.
En el caso de los ingresos por publicidad, los datos se actualizan a tiempo por diseño. La misma impresión que se cotizó como 1 centavo ahora, y que se informó a través de un conector SDK, se cotizará como 0,99 centavos el día después, y podría cambiarse de nuevo hasta 30 días después de que tuviera lugar.
Salida de dinero: Qué permite obtener datos de costos precisos y qué no…
Tener datos de costos precisos es un juego completamente diferente. De hecho, es un desafío enorme debido a la gran variedad de datos de diferentes fuentes de costos. No hay dos fuentes que informen los datos de la misma manera, con el mismo nivel de granularidad y frecuencia.
Por ejemplo, cada red tiene diferentes tipos de métricas asociadas con el costo: Twitter tiene tweets, Facebook tiene me gusta en la página, Snapchat tiene deslizamientos hacia arriba, etc.
Además de esta complejidad, los datos de la campaña de SKAN generaron otra capa de fragmentación, lo que hizo que la consolidación fuera mucho más difícil. Por ejemplo, Snap informa el costo a nivel de campaña y país para las campañas de SKAN, pero informa de campañas, conjuntos de anuncios y anuncios para campañas que no son de SKAN.
Como resultado, los datos de costos están extremadamente fragmentados, lo que lleva a una falta de estandarización y, en última instancia, a un gran quebradero de cabeza para los responsables de marketing de aplicaciones. Sin mencionar que eso los aleja de su trabajo diario.
¿Por qué es tan difícil medir el ROAS en un mundo centrado en la privacidad?
Hacer coincidir los datos de costos y atribución siempre ha sido un gran desafío para los anunciantes, principalmente debido a la fragmentación de los datos en las redes publicitarias.
El marketer medio trabaja con varias redes publicitarias, y cada red publicitaria tiene su propio esquema de datos, reglas comerciales, modelos de negocio, frecuencia de actualización de datos, etc. La falta de estandarización ha hecho que sea difícil normalizar los datos de costos y combinarlos con la atribución.
Con el inicio del lanzamiento de Apple iOS 14.5 y el marco ATT, evolucionaron varias formas de atribución, lo que llevó a una mayor fragmentación de los datos: SKAdNetwork (SKAN), atribución centrada en la privacidad, web-to-app y otros. Las múltiples formas de atribución han dado lugar a nuevos desafíos de datos.
La importancia de la estandarización de datos
Los marketers deben hacerse responsables por los datos enviados por las redes publicitarias en links de atribución y asegurarse de que los datos estén en consonancia con sus necesidades analíticas y la granularidad deseada. No hace falta decir que esto viene con una gran sobrecarga.
Si la red reporta datos en su identificador de campaña interno mientras tú, el anunciante, utilizas tus propios ID, no podrás unirte a los datos de rendimiento, gasto y atribución.
Además, deben garantizar que las macros imputadas (marcadores de posición dinámicos del lado de la red) coincidan con los parámetros del enlace de atribución (marcadores de posición dinámicos del lado del MMP), o que el MMP pueda reconocer los datos en primer lugar.
Sin una coherencia y una estructura de datos bien definida en las convenciones de nomenclatura y las coincidencias de macroparámetros, solo puede haber «entra basura, sale basura».
La realidad para estos especialistas en marketing es dolorosa, con el tedioso trabajo de generar manualmente reportes de gastos semanales para docenas de canales, consolidar hojas de cálculo interminables, combinar datos de diferentes fuentes, llenar los vacíos faltantes y corregir datos incorrectos.
Esto no solo es completamente ineficiente, sino que también es extremadamente propenso a errores.
Los errores pueden llevar a los marketers a tomar decisiones de optimización equivocadas al asignar más presupuesto a un canal que solo tiene un rendimiento inferior al óptimo o que realmente pierde dinero.
Por ejemplo, imagina que has agregado parcialmente el gasto de una campaña determinada debido a la incapacidad de hacer coincidir los datos del campo o macro de ID de campaña (4.000 dólares en lugar de 6.000 dólares). Si los ingresos de la campaña son de 5000 dólares, entonces puedes pensar que tu campaña es rentable cuando en realidad no lo es.
El tiempo y la falta de actualización de los datos también son un factor importante en este caso. Si los marketers no tienen los datos que necesitan cuando los necesitan, puede impedirlos de tomar decisiones a tiempo.
Además, los datos de costos a menudo no están en el nivel de granularidad necesario para permitir que los equipos de marketing actúen con rapidez en sus objetivos de gasto o que optimicen con precisión el presupuesto de su campaña de alguna manera.
Por último, pero no menos importante, las conciliaciones de las facturas mensuales con las redes son una fuente importante de frustración para los marketers de aplicaciones por las siguientes razones:
Hasta un 25% de la actividad fraudulenta no se puede bloquear en tiempo real, sino que se detecta después de la atribución. En tal caso, los postbacks ya se envían a las redes y se cobra a los anunciantes por las instalaciones fraudulentas.
Presupuesto de UA y remarketing gastado fuera de los parámetros de campaña definidos (geo-bleed, dispositivos incorrectos, etc.).
Las redes calculan mal las facturas, lo que provoca idas y venidas innecesarias con los anunciantes.
Acuerdos financieros complejos con la red. Por ejemplo, ofrecer reembolsos por tráfico de baja calidad, que no cumplen con los KPIs del anunciante.
Incorporación de comisiones al trabajar con agencias u otras herramientas de análisis de terceros.
¿Cómo puede cambiar esta realidad?
La solución es doble y requiere:
Una plataforma de atribución que puede recopilar, organizar y estandarizar todos los reportes de costos utilizando diferentes métodos de recopilación.
Todo lo anterior bajo un mismo techo con un solo proveedor.
Vamos a explorar esto en detalle.
Capítulo 4
Aclarando los datos
A pesar de los desafíos descritos anteriormente, ¡no te desesperes! Hay maneras de superar estos obstáculos:
Estandarización de datos
El primer paso es definir el llamado «estándar». Decidir qué campos de datos son comunes y proporcionar una buena solución para cada caso de uso posible de una manera que sea lo suficientemente simple como para ser consumida y entendida. A continuación, todo debe estar alineado con el nuevo estándar, y esto requiere un gran esfuerzo.
El mejor remedio para aliviar el problema de la falta de estandarización se encuentra dentro de una plataforma de atribución sólida que pueda gestionar esto como parte de sus integraciones de red, eliminando así una fricción significativa para el anunciante.
Esto incluye:
Trabajar con cada red publicitaria para garantizar que envía toda la jerarquía de la campaña en función del «estándar» definido.
Configurar monitores de datos para garantizar que los datos de atribución entrantes contengan toda la información necesaria para unificarlos con los datos de costos.
Soluciona cualquier problema de integridad de datos para garantizar que los datos sean precisos.
Recopilación de datos
Existen varios métodos para extraer estos datos, y todos deben ser compatibles: API, carga de archivos y clics.
La API reina en el mundo
El mejor método para recibir datos de costos es a través de una API con la red: los datos son precisos, se actualizan constantemente, mientras que cualquier cambio puede reflejarse retroactivamente en un proceso conocido como «backfill».
Esto es importante porque sabemos que si hay algo que es constante en el costo, es que cambia constantemente. Una API también admite todos los modelos de negocio (CPI/CPM/CPA) y es casi en tiempo real.
Dicho esto, un desafío de las API que debes tener en cuenta es el hecho de que al establecer una relación con varias redes publicitarias, las conexiones pueden fallar por varias razones. Puede deberse a que una de las APIs del socio no responde o a un problema con los datos del enlace de atribución.
En esos casos, necesitas un mecanismo de monitoreo que te permita identificar y resolver problemas en tiempo real, para garantizar que trabaja con los datos de ROI más precisos.
Ingestión para obtener una imagen completa de los costos
Este método permite a los anunciantes subir datos de inversión publicitaria de cualquier fuente, incluso de aquellos que no tienen una integración de API existente (incluyendo los medios propios y ganados, personas influyentes, medios out-of-home y otros medios tradicionales como la radio).
El proveedor de atribución lo estandariza y lo incorpora automáticamente para permitir un cálculo del ROI verdadero y completo.
Haz clic, pero solo si no hay otra forma
A veces, una API no está disponible, por lo que el costo debe transferirse al enlace de atribución a través de los datos de clics. Este método también debe ser compatible a pesar de sus defectos (es decir, los datos de costos no se pueden cambiar una vez registrados, a pesar de que es una métrica muy dinámica y falta de soporte más allá del CPI).
Ser propietario del flujo de administración de datos
Los anunciantes deben tener un control total de todos sus datos de costos, independientemente de la fuente o el método de extracción. Confiar en otras redes, socios o canales para transmitir estos datos de forma regular, rápida y segura para que los anunciantes tomen decisiones críticas es casi imposible hoy en día.
Por lo tanto, tener la capacidad de administrar fácilmente los permisos de acceso de socios y agencias permite a los equipos colaborar en la identificación de brechas, retrasos e inconsistencias. Cuando se implementa una configuración de este tipo, los datos se pueden corregir fácilmente sobre la marcha.
Tomemos, por ejemplo, el siguiente escenario: una red emite un descuento, que el anunciante naturalmente quiere que se refleje en el costo real en sus reportes y en el cálculo del ROI durante un período de tiempo determinado.
Ahora, imagina cuánto tiempo se pierde cuando tienes que comunicar la brecha y luego procesar la corrección de datos. Cuando el anunciante controla completamente el flujo de administración de datos, las cifras exactas se pueden actualizar al instante y se reflejan en la interfaz de usuario.
Consumo de datos
Las soluciones de costos deben hacer que los datos sean accesibles de la manera más eficiente:
1. Si tienes un sistema de BI interno, es muy importante que hagas coincidir los datos de costos con los datos de atribución en el momento adecuado. Piensa en ello como una API para gobernarlos a todos.
2. Si estás usando el dashboard de tu MMP, ya estás listo. Simplemente utiliza los datos coincidentes para analizar tu ROI.
[Robusto] Atribución y costo: mejor juntos
Los marketers que trabajan con diferentes proveedores de atribución y costos corren un alto riesgo de perder tiempo y dinero debido a datos de atribución inexactos o incompletos.
Hay varias razones principales por las que esto ocurre:
1 – Solución de atribución por debajo de la media
No hay atajos para el trabajo pesado necesario para crear una plataforma de atribución sólida. Cualquier cosa por debajo de eso significa que no se puede confiar plenamente en los datos de atribución.
2 – Discrepancias de datos
Cuando el proveedor de costos no es el propietario de los datos de atribución, su capacidad para conectar estos datos con sus propios datos de costos es un desafío importante.
Una integración adecuada de atribución-costo debe crearse de forma única por la red publicitaria, no mediante la creación de una integración de costos genérica.
Veamos el siguiente escenario: una integración creada con la API de la red A incluye el campo X que el anunciante utiliza para las creatividades, pero la red que trabaja con el proveedor de atribución pasa la creatividad al campo Y. En ese caso, la plataforma de Excel o BI verá dos filas distintas:
Fuente de medios, creatividad X, costo = 750 (datos del proveedor de costos)
Fuente de medios, creatividad Y, instalaciones = 1000, ingresos = 1500 (datos del proveedor de atribución)
En general, un gran número de pares de puntos de datos de costo / atribución que deberían haber coincidido no lo hacen, dejando fuera muchas líneas vacías. El resultado final: la toma de decisiones se basa en datos inexactos.
Por otro lado, cuando el proveedor de atribución tiene datos de costos holísticos, puede agregar, normalizar y estandarizar fácilmente ambos conjuntos de datos en un conjunto de datos «coherente».
3 – Riesgos de privacidad y seguridad
Como se mencionó anteriormente, algunos especialistas en marketing proporcionan las credenciales del dashboard de su plataforma de atribución a su proveedor de costos, que luego ejecuta un proceso conocido como raspado de datos para obtener los datos de atribución.
Es importante comprender que el método de proporcionar acceso a los datos de sus propios proveedores es a la vez propenso a errores y supone un grave riesgo de seguridad.
4 – Falta de granularidad —> optimización deficiente
En teoría, un marketer puede llenar muchas de estas líneas vacías si se conforma con el denominador común más bajo, a menudo el nivel de fuente de medios o incluso el nivel de fuente de medios y campaña, perdiendo toda granularidad significativa. Esto significa que los datos a nivel creativo del ejemplo anterior no se utilizarán para optimizar completamente la campaña.
¿Qué nivel de granularidad se necesita para empujar la aguja? Tus datos deben ir hasta el nivel de creatividad, ubicación geográfica, ID de sitio y palabra clave.
Además, es importante recalcar que cualquier cambio en los datos requiere mucho trabajo manual. E incluso si pudieras combinarlo con una lista completa, tendrías que crear integraciones constantemente por aplicación, red y proveedor de atribución, lo que simplemente no es realista.
5 – Falta de actualización de datos
Tener dos proveedores significa que los datos no se actualizan constantemente (diariamente en lugar de varias veces al día), sin tener en cuenta los datos históricos.
Más allá de los problemas específicos relacionados con los datos de atribución y costos, existen desafíos que surgen en cualquier pila tecnológica de marketing cuando se trabaja con herramientas adicionales.
Sobrecarga de herramientas y SDK: No se necesitan dos herramientas cuando se pueden hacer las dos cosas. Trabajar con dos aumenta el tamaño de la aplicación e impide que los equipos de marketing operen de manera más eficiente.
También aumenta la deuda tecnológica. Es mucho más difícil mantener dos SDK y su base de código en vez de uno. Por último, pero no menos importante, dos soluciones son más caras que una (sin mencionar que a las finanzas no les gustará que gestiones esa factura adicional).
Esfuerzo intenso de implementación y onboarding: Como todos los marketers saben, la implementación y el onboarding de un nuevo proveedor, especialmente en el campo de la analítica, es un esfuerzo importante.
Cualquier esfuerzo de este tipo requiere que aproveches los equipos de I+D y BI al implementar tales integraciones de datos y SDK en tu capa de BI. Cuanto más pesado es el vendedor, más dependiente eres como marketer de otros equipos.
Resolver problemas y corregir errores: Si hay algún tipo de error, ¿con qué equipo de soporte del proveedor debes ponerte en contacto? Incluso si pudieras aislar el problema a un solo proveedor, ambos deben comunicarse para resolverlo. Entonces, ¿cómo lo arreglas? No hace falta decir que esta es una definición de libro de texto de un escenario de pesadilla.
Para más información sobre las complejidades de medir el ROAS en un mundo centrado en la privacidad, haz clicaquí.
Hallazgos clave
Hallazgos clave
El ROI es una métrica difícil de alcanzar, ya que muchos especialistas en marketing no se dan cuenta de que sus datos de ROI son inexactos o incompletos, lo que provoca un ciclo de caja sangrante. Además de esta complejidad, la medición de SKAN agrega otra capa de fragmentación de datos, lo que convierte la consolidación y la estandarización en un desafío aún mayor.
Un ROI preciso para las aplicaciones móviles depende de unos datos de atribución precisos que garanticen la precisión tanto en los datos de ingresos como en los de costos.
Los datos de atribución precisos no son nada triviales y requieren años de trabajo pesado en tecnología para crear una plataforma que pueda gestionar la escala, integrarse con todo el ecosistema, ofrecer reportes detallados y garantizar que los datos confidenciales se mantengan con los más altos estándares de seguridad.
El verdadero ROI se puede lograr mediante una plataforma de atribución que puede recopilar, organizar y estandarizar todos los datos de costos de muchas fuentes a través de diferentes métodos de recopilación: API, cargas de archivos o mediante el enlace de atribución.
[Robusto] La atribución y el costo son mejores juntos para evitar la falta de coincidencia de datos, la optimización deficiente y los riesgos de seguridad de los datos.
![[Robusto] Atribución y costo: mejor juntos](jpg/5913_roi_guide_670x350_03-1-1.jpg)
