Datos de la búsqueda pagada
El volumen de búsquedas de Google (GQV) suele ser un factor de confusión importante entre los medios y las ventas. Esto es especialmente cierto para la búsqueda pagada, ya que el volumen de búsquedas puede aumentar la cantidad de anuncios publicados cuando la campaña presenta ciertas configuraciones, por ejemplo, cuando el límite de presupuesto no lo impide. Cuando el GQV es un factor de confusión, debes controlarlo para obtener estimaciones causales imparciales de cualquier medio con el que se pueda confundir. No controlar el GQV puede provocar una sobreestimación de los efectos causales de la búsqueda pagada.
Meridian ofrece una solución que permite incluir datos del GQV como variable de control. Ten en cuenta las siguientes recomendaciones:
Es mejor aumentar la escala de los datos del GQV por población geográfica. Esto se puede hacer con el argumento
control_population_scaling_id.Las campañas de búsqueda pagada que se segmentan para búsquedas específicas de marca son muy diferentes de aquellas que se segmentan para búsquedas más genéricas relacionadas con productos. Lo mejor es incluir estas campañas como canales de medios separados en el modelo.
Las campañas de palabras clave de marca específica suelen modelarse con clics, ya que su objetivo es generar tráfico web directo. Otras campañas suelen modelarse con impresiones, dado que estas pueden ser eficaces incluso cuando no generan clics.
Siempre es mejor incluir recuentos de búsquedas que correspondan a las búsquedas para las que se segmenta cada canal de medios de búsqueda pagada incluido en el modelo. Por ejemplo, si el MMM incluye la búsqueda pagada de marca específica y la búsqueda pagada genérica como canales de medios separados, es recomendable incluir el GQV de marca específica y el GQV genérico como dos variables de control independientes.
Para obtener información más detallada, consulta Consideraciones para incluir el volumen de búsquedas como una variable de control.
Puedes obtener información sobre el GQV, la búsqueda pagada, la frecuencia y otros datos relacionados con Google sobre tu organización en la plataforma de datos de MMM de Google. Para obtener información sobre cómo acceder a estos datos, consulta Cómo usar la Plataforma de datos de MMM.
Cómo usar clics o impresiones para los anuncios de búsqueda
Cuando decidas si vas a usar clics o impresiones para los anuncios de búsqueda, ten en cuenta lo siguiente:
Decidir entre los clics y las impresiones sí tiene un efecto, pero no hay una perspectiva coherente entre los distintos socios de medición sobre cuál es la mejor entrada.
Como anunciante, considera la opción sobre la que tengas un mayor control. Dado que el modelo te indica cómo la ejecución de los medios (ya sea definida por clics o impresiones) afecta un KPI, usar una variable sobre la que tienes más control, a su vez, te brinda más control sobre el impacto en el KPI.
Es más probable que los clics se correlacionen con el KPI y que las impresiones se correlacionen con el GQV. A menudo, las campañas de palabras clave de marca específica se modelan en función de los clics porque su objetivo es generar tráfico web directo. Otras campañas suelen modelarse con impresiones, dado que estas pueden ser eficaces incluso cuando no generan clics.
Acerca del volumen de búsquedas como factor de confusión para los anuncios de búsqueda
Quizás el principal desafío de la inferencia causal aplicada al marketing es que los anunciantes suelen invertir más en marketing cuando hay una mayor demanda de su producto. Comprender si un aumento en el KPI se debe a un aumento en la inversión en marketing o en la demanda inherente es fundamental cuando se analizan los efectos causales de la inversión de marketing.
La fuerte relación entre la demanda inherente y la inversión de marketing adquiere especial relevancia en el caso de los anuncios de búsqueda. Esto se debe a que un anuncio de búsqueda solo se muestra en la página si una búsqueda coincide con ciertas palabras clave segmentadas por un conjunto de anunciantes. Cuando la demanda inherente es alta, la cantidad de búsquedas orgánicas también aumenta, y lo mismo sucede con la inversión total en anuncios de búsqueda. Por lo tanto, la cantidad de búsquedas orgánicas es un factor de confusión importante para los anuncios de búsqueda. Sin esta información, es difícil realizar inferencias correctas sobre este tipo de anuncios.
En particular, esto representa un problema para los anunciantes con presupuestos de búsqueda altos, ya que la cantidad de anuncios de búsqueda pagada tiende a seguir más de cerca la cantidad de búsquedas orgánicas. Sin embargo, esto también afecta a los anunciantes con presupuestos más bajos que aumentan sus presupuestos en los períodos de demanda alta o que solo publican campañas de Búsqueda en esos momentos.
Meridian ofrece la opción de incluir la cantidad de búsquedas orgánicas de Google (GQV) en el modelo como factor de confusión para los anuncios de la Búsqueda de Google. La cantidad de búsquedas orgánicas de motores de búsqueda que no son de Google no suele estar disponible. Si deseas modelar anuncios de búsqueda pagada que no sean de Google y la cantidad de búsquedas orgánicas del motor en cuestión no está disponible, las siguientes alternativas podrían resultarte útiles:
El sesgo se puede mitigar si la GQV es un proxy efectivo para la cantidad de búsquedas que no son de Google. Te recomendamos que evalúes esta suposición. Una manera de hacerlo es creando un gráfico, como en el siguiente ejemplo:
En el gráfico anterior, se muestra la correlación entre las impresiones de medios y la GQV de la marca en el eje Y, y la correlación entre las impresiones de medios y la cantidad de búsquedas genéricas en el eje X.
Si no quieres dar por hecho que la GQV es un proxy efectivo para la cantidad de búsquedas que no son de Google, tal vez debas omitir el motor de búsqueda ajeno a Google del modelo.
Para obtener más información sobre los desafíos del sesgo de selección debido a la segmentación de anuncios, consulta Corrección del sesgo para la búsqueda pagada en el modelado de combinación de medios.