Próximamente, Facebook va a modificar sus sistemas de optimización e implementar cambios en su estructura. Tanto anunciantes como agencias, se enfrentan a una novedad a la hora de montar campañas publicitarias en Facebook.
En un futuro muy próximo, los anunciantes sólo podrán manipular sus presupuestos a nivel de campaña pero no en los niveles inferiores de adsets. Será Facebook, quien obligatoriamente, distribuya vuestro propio presupuesto entre adsets con el objetivo de potenciar aquellos que presenten mejores conversiones en función de sus propias métricas.
Algunos clientes más estrictos con el dominio del presupuesto, ya empiezan a plantear opciones complejas de controlar el presupuesto y mantener las cuentas, haciendo una reestructuración total de sus campañas: creando multitud de campañas con un único adset de forma manual para que, según estos últimos cambios, signa controlando la inversión por Adset a su antojo.
Sin embargo, desde Tidart desaconsejamos esta práctica debido a la complejidad de la gestión de la cuenta. Especialmente, no debe hacerse en ningún caso, si no se dispone de la tecnología adecuada para hacer un reparto óptimo de presupuesto de forma automatizada.
Para adaptarnos a estos cambios, desde Tidart hemos desarrollado una solución llamada Predictive Budget Allocation. Esta tecnología nos permite hacer una distribución óptima de los presupuestos, tanto si te adaptas a estos cambios de Facebook, como si decides optar por montar una campaña por adset, para distribuir esos presupuestos de forma precisa y óptima para cada audiencia.
Para ello, utilizamos todos los datos recogidos y almacenados por cientos de clientes y campañas gestionados en la agencia, junto a diversos estudios de eficiencia, y metodología científica propia para distribuir y optimizar los presupuestos de forma efectiva y proactiva.
Análisis de situación.
Hace algo más de 1 año, Facebook lanzó este sistema de optimización de presupuestos por Adset, que próximamente pasará a ser obligatorio.
Desde Tidart, llevamos ya más de 3 años desarrollando algoritmos aplicados a los presupuestos y su distribución, que a la postre Facebook quiere implementar de forma nativa y obligada.
Ahora que la distribución pasará a ser obligatoria para todos los anunciantes, los hemos adaptado, para poder seguir aportando valor a los anunciantes, ayudándoles a hacer la mejor distribución de los presupuestos, esta vez, entre campañas.
De esta manera, contamos con un sistema propio capaz de reaccionar rápidamente a cualquier cambio de rendimiento en las campañas publicitarias.
El uso de algoritmos de distribución de presupuesto por adset se convierte así, en una de las bases de nuestra tecnología, que hemos evolucionado hasta permitirnos en la actualidad distribuir el presupuesto a nivel de campaña.
Conseguir datos más precisos, lo antes posible.
Además de adaptarnos a las nuevas características, esta nueva actualización trae consigo una mejora de la reactividad y medición de las conversiones, principalmente de aquellas conversiones cuya ventana de conversión se extiende más de 24 horas.
Gracias al uso previo de modelos de aprendizaje automático para construir sistemas basados en datos, teníamos la seguridad de que el comportamiento de las conversiones tardías podría ser predecible y, por lo tanto, modelado.
A continuación, te contamos cómo funciona paso a paso:
1.- Creación de una Nueva Base de Datos
Si queremos que nuestro modelo reconozca el comportamiento del creciente número de conversiones, necesitamos rastrear la misma métrica a lo largo de los días para observar su variación.
Para abordar este problema lo que hicimos fue analizar diariamente la misma métrica (ya sean ViewContent, Carts, Purchase, etc). De tal forma que, al cabo de unos días, podríamos predecir y reproducir este comportamiento en el futuro.
En nuestra base de datos almacenamos diariamente data cualitativo y cuantitativo, rastreando diariamente hasta 30 observaciones. Por ejemplo: el día 1 de agosto obtuvimos con un cliente específico 7 conversiones. Al día siguiente, el 2 de agosto, observamos que ese número para el mismo día 1 había aumentado hasta 10.
¿Por qué sucede eso? La razón principal se debe al modelo en el que la mayoría de plataformas de compra de tráfico, asigna las conversiones, es decir, por el día en el que se generó el clic o gasto de la campaña, y no así, en el día que se generó la propia conversión, más típico de herramientas de medición como Google Analytics.
A este concepto, se le llama ventana de conversión, que es precisamente eso, el tiempo que pasa desde que se genera el clic hasta el evento de conversión.
2.- Modelo de ajustes de la ventana de conversión: Filling Model.
A través del análisis de los datos podemos modelar cuál sería el comportamiento normal de las métricas a lo largo de los días, y así poder predecir el valor final utilizando sólo datos de los primeros días.
Siempre que usemos el modelo correcto, podemos predecir el resultado de la métrica mediante el uso del comportamiento de los primeros 3-4 días con unos altos niveles de significancia estadística.
Eso significa que con tan solo 3 días de tráfico, somos capaces de obtener predicciones muy precisas, que nos permitan reaccionar ante un cambio de rendimiento, manteniendo al mismo tiempo un CPA en el que podemos confiar.
3.- Modelo de distribución de presupuestos: Campaign Cascading.
Un segundo modelo es necesario para hacer una correcta distribución de los presupuestos.
Este modelo tiene como objetivo, predecir el número de conversiones en función del presupuesto asignado, y hacer la mejor distribución posible de todas las opciones.
El entrenamiento y ejecución de este modelo tiene como objetivo lograr el CPA o ROAS global más eficiente posible.
En un momento dado, puede suponer un gran problema la falta de coincidencias entre las campañas cuando tratamos conversiones, asignación de presupuestos, etc.
Es en este momento cuando nuestro sistema separa las campañas en función de si podría asignarse un CPA ó ROAS fiable en el nivel de compra, después, en el nivel de agregar al carrito, y así sucesivamente con el resto de niveles previos.
La combinación exitosa de estos 3 pasos nos ha permitido ya, implementar estos algoritmos de forma satisfactoria en todos los clientes que han decidido migrar a la distribución de presupuestos por campañas, que será obligatoria próximamente.