El video de Sponsored Brands ayuda a aumentar las ventas y las tasas de clics

Por: Zee Shah, directora sénior de Medios y Estadísticas, German Schnaidt, científico de datos, y Ashton Brown, redactor técnico

En este estudio de doble método, descubrimos que tanto las ventas como las tasas de clics aumentaron al combinar el video de Sponsored Brands con las campañas que ya se beneficiaban de la suma de Sponsored Products y Sponsored Brands.

Aspectos destacados de la historia:

En los últimos años, investigamos la efectividad de los diferentes productos publicitarios. Comenzamos probando la efectividad individual de Sponsored Products y Sponsored Brands. Luego, probamos la efectividad combinada de Sponsored Brands con Sponsored Products. Nuestro análisis reveló que estos dos programas funcionan mejor juntos. En este análisis, avanzamos en la investigación al probar si las ventas (interanuales) y las tasas de clics aumentan, disminuyen o permanecen iguales al combinar estos dos programas y agregar un tercer programa, el video de Sponsored Brands.

Para probar el impacto causal de agregar videos a las dos campañas iniciales, controlamos otros atributos de la campaña (por ejemplo, total de ventas, unidades vendidas, precio de venta promedio y total de inversión publicitaria), es decir, creamos dos categorías de anunciantes: los que usaron la combinación original y los que agregaron videos. Después, utilizamos esos pares para estimar el impacto causal de adoptar videos.

Para realizar nuestro análisis, seleccionamos marcas dentro de Estados Unidos y Europa (Alemania, España, Francia, Italia y Reino Unido) que usaban Sponsored Products y Sponsored Brands, pero que aún no habían adoptado el video Sponsored Brands. Una vez que identificamos las marcas, utilizamos el aprendizaje automático y el modelado para realizar dos pruebas de análisis causal:

  • Corto plazo (entre diciembre de 2019 y noviembre de 2020): Se examinó el impacto causal de agregar el video de Sponsored Brands a las campañas publicitarias. Este análisis a corto plazo examinó el impacto intermensual de las marcas que combinaron el video de Sponsored Brands con Sponsored Products y las campañas de Sponsored Brands.
  • A largo plazo (entre enero de 2019 y diciembre de 2020): Se examinó el impacto de las ventas interanuales de las marcas que usaron el video de Sponsored Brands, Sponsored Products y Sponsored Brands en comparación con las marcas que solo usaron Sponsored Products y Sponsored Brands (mientras que se controlaban otras variables como el precio de venta, el total de inversión publicitaria, etc.).

Para más información sobre cómo realizamos este estudio, consulta la sección Metodología al final de este artículo.

A corto plazo, las marcas que adoptaron el video de Sponsored Brands por primera vez experimentaron un aumento del 21% en las ventas al mes siguiente, en comparación con las que no lo hicieron

Al examinar una relación causal, es importante establecer si se obtienen resultados y cuándo esto sucede. Para probar si se obtuvieron o cuándo se obtuvieron los resultados de agregar videos por primera vez, realizamos un estudio a corto plazo que analizó el impacto al mes siguiente de agregar el video de Sponsored Brands. Descubrimos que hubo un aumento de ventas del 21% al mes siguiente para las marcas que adoptaron y combinaron el video de Sponsored Brands con las campañas existentes de Sponsored Brands y Sponsored Products.

Al mes siguiente, el porcentaje ventas aumenta al combinar el video de Sponsored Brands con Sponsored Brands y las campañas de Sponsored Products

21%

A largo plazo, las marcas que agregaron el video de Sponsored Brands a Sponsored Products y campañas de Sponsored Brands aumentaron las ventas en un 10% y el CTR en un 25%

Para determinar el impacto que el video de Sponsored Brands tiene en las campañas, buscamos y comparamos marcas que usaron los tres productos durante 12 meses con marcas que solo usaron Sponsored Products y Sponsored Brands. Descubrimos que las marcas que incluían el video de Sponsored Brands en su combinación tenían un 10% más de ventas interanuales y una tasa de clics interanual un 25% más alta.

Impacto a largo plazo de agregar el video de Sponsored Brands a las campañas

10%

Agregar el video de Sponsored Brands a campañas que ya utilizaban Sponsored Products y Sponsored Brands genera un aumento en el porcentaje de ventas a largo plazo

25%

Agregar el video de Sponsored Brands a campañas que ya utilizaban Sponsored Products y Sponsored Brands genera un aumento en el porcentaje de la tasa de clics a largo plazo

Conclusión

Mediante un enfoque de doble método, probamos si los resultados (con respecto a las ventas y las tasas de clics) de la combinación de Sponsored Products y Sponsored Brands aumentarían, disminuirían o permanecerían iguales si se combinaban con el video de Sponsored Brands. Nuestro análisis reveló que las marcas que adoptaron el video de Sponsored Brands experimentaron un impacto positivo y causal, tanto a corto como a largo plazo.

Metodología

Para realizar este estudio, se utilizó un enfoque de doble método que consiste en un análisis casual a corto plazo enfocado en determinar si las marcas que combinaron el video de Sponsored Brands con Sponsored Products y Sponsored Brands aumentarían las ventas o CTR (al mes siguiente), y un análisis causal más a largo plazo enfocado en el CTR y el crecimiento interanual de ventas.

Ambos métodos se detallan a continuación.

Metodología causal a corto plazo

Para medir el impacto causal de los anunciantes que adoptaron el video de Sponsored Brands por primera vez, empleamos una metodología de inferencia causal de aprendizaje automático inspirada en técnicas [1], [2], [3] para determinar el efecto de tomar medidas sobre el desempeño del anunciante en el corto plazo de un mes. Nuestra metodología actual sigue un método llamado GP de 2 etapas (proceso gaussiano de 2 etapas) que muestra un mejor desempeño en diversas estadísticas de desempeño causal en comparación con metodologías existentes, como Double Machine Learning [1] y Causal Forests [2], cuando se aplica dentro del contexto de la publicidad.

Para este estudio, seleccionamos a más de 78.000 anunciantes en Estados Unidos, y con esta metodología encontramos coincidencias con 25.000 anunciantes. Había 78.000 anunciantes en el conjunto de datos de entrada para la evaluación, y se utilizaron 25.000 muestras (tratadas y no tratadas) para el índice de tendencia.

Metodología causal a largo plazo

Para medir las ventas y el impacto de la tasa de clics (CTR) a largo plazo, empleamos técnicas de análisis causal para determinar el impacto de tomar medidas sobre el desempeño del anunciante en el largo plazo de 12 meses. Primero, creamos dos categorías. En la primera, incluimos a todos los anunciantes que utilizaron Sponsored Products y Sponsored Brands. En la segunda, a los anunciantes que combinaron el video de Sponsored Brands con Sponsored Products y Sponsored Brands. Para controlar otros atributos de la campaña, nos aseguramos de que las marcas tuvieran atributos de campaña similares como los siguientes: total de ventas, unidades vendidas, precio de venta promedio y total de inversión publicitaria.

Esto nos permitió comparar conjuntos de categorías con probabilidades similares para adoptar el video de Sponsored Brands. Para ello, utilizamos el aprendizaje automático para medir el índice de tendencia de cada marca en función de su inversión publicitaria, total de ventas, total de unidades vendidas, total de impresiones, total de clics y precio de venta promedio.

Atributos utilizados en el cálculo del índice de tendencia: El logaritmo natural de ventas totales en 2020, total de unidades vendidas en 2019, precio de venta promedio en 2020, total de impresiones en 2019, total de clics en 2019, total de inversión publicitaria en 2019, total de inversión publicitaria en 2020 y total de ventas en 2020.

Variable de respuesta: Logaritmo natural de CTR, logaritmo natural de la tasa de crecimiento del total de ventas en 2020.

Fuentes

  • Alaa, A. M. y van der Schaar, M. “Bayesian nonparametric causal inference: Information rates and learning algorithms.” IEEE Journal of Selected Topics in Signal Processing, 12(5):1031–1046, 2018.
  • Hill, J.L. “Bayesian nonparametric modeling for causal inference.” Journal of Computational and Graphical Statistics, 20(1):217–240, 2011.
  • Pauwels, K., M. Caddeo y G. Schnaidt. 2022. Impacto causal de los anuncios de display digitales en el desempeño del anunciante. En: Procedimientos de la Academia Europea de Marketing (EMAC), 51.a Conferencia Anual (108183): EMAC. http://proceedings.emac-online.org/pdfs/A2022-108183.pdf
  • Van der Schaar, M. y Alaa, A. “Bayesian inference of individualized treatment effects using multi-task gaussian processes.” NIPS, 2017.