Marketing, incertidumbre y modelos de atribución

En marketing los modelos de atribución son la base de la planificación, predicción y optimización de los diferentes canales de interacción con el cliente

Los modelos de atribución, o el peso que cada acción de marketing o comercial ha tenido sobre la generación real de demanda es quizás uno de los temas que más me apasionan del marketing.

Des de una perspectiva puramente matemática, la atribución es un problema complejo porque:

• Intervienen muchas variables

• Estas variables no son independientes, es decir, influyen unas en otras y hasta se retroalimentan o inhiben

• Los targets son personas y como tales nos enfrentamos a comportamientos no siempre racionales

• Los conocimientos básicos en estadística, al generalizarlos, suelen llevarnos a cometer errores de análisis e interpretación de los datos

Y hoy en día, en el que a los canales tradicionales añadimos la analítica web, el problema se vuelve algo más complejo. Disponemos de gran cantidad de información o métricas sobre el tráfico en la red, las conversiones, su origen, el % de rebote… Y de este modo, el número de variables y su interacción aumentan.

Leyendo el obligado artículo “Multi-Channel Attribution Modeling: The Good, Bad and Ugly” de Avinash Kaushik, gurú del marketing digital, rápidamente nos damos cuenta de la importancia de los análisis multicanal y de la forma de abordarlos a través del análisis de métricas puntualmente proporcionadas por herramientas tipo analytics.

¿Pero que pasa con el resto de canales? ¿Podemos afirmar que en una conversión a través de nuestra página no ha habido ninguna influencia de nuestro equipo comercial o del departamento de telemarketing o del envío de un catálogo?

El ajuste de las métricas mediante la determinación de influencias cruzadas con acciones no digitales aporta una información valiosísima para planificar, ajustar y optimizar nuestras acciones de marketing.

Por otro lado, todos estos análisis llevan asociada “incertidumbre”, y al igual que con las encuestas electorales, siempre me ha sorprendido que los resultados no vayan acompañados de un índice de significancia o de su correspondiente margen de error.

En definitiva, los modelos de atribución deberían convertirse en rigurosos modelos de análisis multivariantes (heurísticos, algorítmicos o mixtos) incluyendo la incertidumbre asociada para poder actuar en cada momento de la forma más efectiva.

Y esto es lo que de alguna manera aborda el marketing mix modeling (MMM), en el que en futuros posts iremos profundizando.

Plan de marketing y ventas basado en riesgo

Si hay un departamento en las empresas que trabaje con incertidumbre es precisamente el de marketing y ventas (o ambos en caso de estar diferenciados).

Otra cosa es que el concepto de riesgo, entendido des de su acepción clásica de ocurrencia de hechos no deseados, no haya tenido suficiente peso como para que en estos departamentos se considerara la disciplina de su gestión como una herramienta más de trabajo.

No obstante, llegados al punto en el que se redefine el concepto de riesgo para darle un sentido más amplio y ganar en consecuencia utilidad en su uso, los departamentos de marketing y ventas tendrán a su disposición una potente herramienta de trabajo si consideran la gestión del riesgo como parte integrante de sus procesos.

Me explico. La definición de riesgo que hace la UNE-ISO-31000 es “efecto de la incertidumbre sobre la consecución de los objetivos”. Así, dado que cualquier proceso de componente predictivo estará sujeto a incertidumbre por no poder tener nunca un conocimiento perfecto del futuro, la gestión del riesgo será tanto más útil cuanto más pueda afectar la incertidumbre a los objetivos.

En un post anterior, Riesgo, objetivos y la ISO 31000 en los presupuestos anuales de las empresas, me refería a cómo se vienen elaborando los presupuestos en las empresas des de el punto de vista de la perspectiva de ventas. En éste, intentaré explicar como veo su relación con el marketing y como la gestión del riesgo puede ser una poderosa herramienta de trabajo en este sentido.

Considerando la misión y visión de la empresa, y una vez analizados los contextos internos y externos, (lo que tradicionalmente se define como análisis de la situación y diagnóstico), se concretan los resultados en una DAFO y se define un planteamiento estratégico del marketing general de la empresa.

Este plan de marketing global deberá concretarse y ejecutarse en base a los objetivos que en materia comercial se hayan planteado. Evidentemente, no todas las empresas siguen este circuito de la misma forma, pero al final todas tienen lo mismo: objetivos y plan de acción para conseguirlos.

El problema radica en que los objetivos no dejan de ser puras predicciones y que las acciones de marketing llevan asociada incertidumbre en tanto que no se conoce el efecto concreto que tendrán sobre la consecución de los objetivos.

A mi entender, no haber considerado el análisis de riesgo como herramienta, o la gestión de riesgos como disciplina, ha hecho perder eficacia a los departamentos de marketing y ventas. Pero la ISO 31000 nos brinda la oportunidad de remediarlo.

Desarrollemos un poco esta afirmación.

Los objetivos no son más que expectativas, y las expectativas están sujetas a incertidumbre y error. Me explico. Las expectativas las generamos integrando toda la información disponible, ya sea física ya sea intangible derivada de las experiencias personales. Como dicha integración nunca nos puede dar una imagen fiel y certera de los resultados futuros, la incertidumbre entra en juego. Por otro lado, al integrar los datos y experiencia que tenemos cometemos errores y sesgos.

Los sesgos quedan perfectamente definidos y explicados en la teoría de las perspectivas de Daniel Kahneman.

Este psicólogo, premio novel de economía, desarrolló su teoría a partir de los resultados experimentales encontrados, que contradecían la tradicional Teoría de la Utilidad de Bernoulli.

Básicamente, lo que encontró Kahneman es que la teoría de la utilidad no se evidenciaba experimentalmente porqué no consideraba los sesgos derivados de la complejidad y diversidad del comportamiento humano.

Lo que la teoría clásica dice es que razonablemente se debería esperar que un individuo prefiriera dos veces más, (o asignaría el doble de valor para ser más exactos) un juego en el que las posibilidades de ganar fueran de un 20% que uno en el que las posibilidades de ganar fueran del 10%. Pero los resultados experimentales de Kahneman no lo reflejaban así.

El valor que se otorga a la magnitud de las pérdidas y de las ganancias es diferente según sea el caso. Es decir, los humanos somos más propensos a actuar para evitar pérdidas que para obtener ganancias, o sea, atribuimos más valor absoluto a un 10% de pérdidas que a un 10% de ganancias.

Por otro lado, también los cambios en las probabilidades son diferentes. Damos más valor a un aumento de un 5% cuando las posibilidades iniciales son bajas que cuando son altas. Es decir, damos más valor a una probabilidad que aumenta del 5% al 10% que una que aumenta del 90% al 95%.

En su libro, “Pensar rápido, pensar despacio”, Kahneman hace una brillantísima descripción y desarrollo de los sesgos a los que estamos sujetos cuando hacemos predicciones y en consecuencia decidimos cómo actuar.

Así, anclaje, disponibilidad, sustitución, optimismo, efecto marco o aversión a las pérdidas son ejemplos de sesgo bien documentadas.

Considerar que la información que obtenemos de nuestros vendedores y clientes está sujeta a estas fuentes de sesgo y entender que su análisis disminuirá el error en nuestras predicciones ya es un muy buen punto de partida.

Por otro lado, hay que considerar también un factor que por experiencia tiene un peso importante en la fijación de objetivos por parte del equipo comercial. Lo que se espera de cada uno y lo que representa alcanzar o no los objetivos en términos económicos, es también una gran fuente de error que se introduce en las predicciones al hacer los presupuestos.

Por todos es sabido que a nivel comercial no se suele fijar un nivel de objetivos muy alto aunque se crea posible, no vaya a ser que para el siguiente ejercicio se parta de lo alcanzado en el anterior. Igualmente, también es sabido que la mayoría de direcciones, conscientes de la prudencia de sus equipos, fijan finalmente objetivos muy altos aunque sepan que son inalcanzables.

De esta manera, aunque sí que trabajamos en un ambiente que parece maximizar las ventas, también perdemos una información que para el desarrollo del negocio considero de altísimo valor añadido: la precisión en la predicciones.

En muchos casos, la elaboración de presupuestos es un juego de trampas al solitario. Así, por ejemplo, si en lugar del enfoque tradicional, enfocáramos los incentivos por consecución de objetivos no solo en función del resultado final sino también en base a lo preciso que fueron las predicciones, a medio plazo la empresa ganaría enormemente. ¿Por qué?, porque vendedores y responsables de marketing y ventas, harían un verdadero ejercicio de análisis de la incertidumbre para conseguir no solo cantidad, si no, precisión. De este modo, al reducir la incertidumbre, las acciones a emprender para conseguir los objetivos serían necesariamente más acertadas.

El sistema utilizado para elaborar presupuestos en la mayoría de las empresas no tiene en cuenta este factor, y de este modo, se ignora el efecto de la incertidumbre asociada.

Como hemos visto, modelar la incertidumbre ya no es un tema de seguridad, es un tema de generación y retención de valor que cobrará una especial importancia en departamentos de marketing y ventas en los próximos años.

Strip sobre riesgo e incertidumbre (1)

Incertidumbre by Sergio7173

Riesgo e incertidumbre en la UNE-ISO 31000

Como ya hemos mencionado en repetidas ocasiones (y las que quedan), la UNE-ISO-31000, define riesgo como el efecto de la incertidumbre sobre la consecución de los objetivos. Varias notas aclaran en la propia norma esta definición, centrándonos en esta entrada en la que hace referencia a la incertidumbre.

La NOTA 5, indica textualmente: “La incertidumbre es el estado, incluso parcial, de deficiencia en la información relativa a la comprensión o al conocimiento de un suceso, de sus consecuencias o de su probabilidad”.

Pues bien, tocará preguntarse entonces: ¿A qué puede deberse la deficiencia en la información relativa a la comprensión o al conocimiento de un suceso, de sus consecuencias o de su probabilidad?

Y la respuesta es que básicamente se debe a dos cuestiones:

• A lo que conocemos sobre el comportamiento del sistema en que se dará el suceso. Es decir, si sabemos que es determinista o indeterminista, y

• Al papel que el azar juega en el tipo de comportamiento ya conocido del sistema

Pero expliquemos esto un poquito para no perder el hilo al introducir nuevos conceptos.

Se dice que un sistema es determinístico cuando su comportamiento puede ser completamente determinado conociendo sus condiciones iniciales. Es decir, cada estado del sistema está determinado por el estado anterior y el conocimiento exacto de cómo las variables del entorno harán que pasemos del estado anterior al actual o futuro.

Los sistemas deterministas por antonomasia son los definidos por la mecánica clásica. Así, el conocimiento del comportamiento de estos sistemas nos permiten responder a cuestiones del tipo:

Si dejamos caer un objeto des de lo alto de un edifico, y éste llega al suelo a los 3 segundos de haberlo dejado caer, ¿Qué altura tiene el edificio?¿A qué velocidad llegará el objeto al suelo?

Pero que un sistema sea determinista no hace que tengamos certeza sobre lo que va a pasar a menos que conozcamos las reglas de ese comportamiento. Así, podríamos decir que “un sistema determinista aporta certeza en la medida que conocemos su fórmula”.

De este modo, conociendo las fórmulas, el problema del edificio, tendrá un coste de solución no superior al que tardamos en resolver las operaciones matemáticas: 9,81*3 y (9,81*(3)2):2, de forma que obtengamos que la velocidad a la que llega al suelo es de 29,43 m/s y la altura del edificio es de 44,15 metros. 

Pero cuidado, este coste de resolución será siempre y cuando conozcamos las leyes de la mecánica clásica que rigen este tipo de sistemas. De este modo, sino “sabemos las fórmulas”, deberemos añadir al coste de realizar las operaciones anteriores, el coste de conocer las fórmulas y la forma de resolverlas, que en este caso sería :

En los sistemas determistas en los que no interviene el azar se asume la certeza en la medida que se considera que las variaciones que se pudieran dar no serian perceptibles o relevantes para la información que requerimos sobre el estado futuro de un sistema. Vamos, que dejamos al margen la teoría de la relatividad y la imprecisión milimétrica a nivel de observaciones.

Pasemos ahora a los sistemas indetermistas o probabilísticos. En este caso, hablamos de sistemas en los que no podemos saber de antemano, cual será el siguiente estado de un sistema. Lo único que podemos hacer con estos sistemas es asiganr probabilidades a cada uno de los posibles estados futuros que pudiera tener un sistema. Este tipo de sistemas o procesos en los que interviene el azar de forma intrínseca son los estudiados por ejemplo en mecánica cuántica.

En este caso, no solo debemos conocer las fórmulas, sino que además la certeza sobre el estado futuro siempre estará “dividida” entre diferentes opciones.

Los juegos de azar, son otro tipo de procesos indetermimnistas. Al lanzar una moneda podemos determinar que la probabilidad de que salga cara o cruz, gracias a las leyes de la probabilidad clásica, es del 50%, pero nunca podríamos afirmar, por ejemplo, que en una tirada concreta con certeza saldrá cara.

Explicada la diferencia entre sistemas deterministas y probabilísticos (también llamados estocásticos) veamos el papel que el azar puede jugar en cada uno de ellos.

A efectos de sistemas indeterministas, está claro, no hay forma de saber con certeza lo que va a pasar, precisamente por el componente azaroso que rige el sistema.

Y a efectos de sistemas deterministas también se habla de azar en un caso de sistemas muy concreto. Nos referimos a los sistemas caóticos o complejos. En estos sistemas, más que estar regidos por el azar en los mismos términos que los anteriores, lo que sucede es que, son tan extraordinariamente sensibles a cambios en las variables que los componen, que no hay forma de calcular con precisión lo que sucederá en cada instante, independientemente de que matemáticamente si pudiera abordarse ya que unas entradas concretas siempre darán las mismas salidasd concretas.

En los sistemas probabilísticos, unas entradas concretas pueden dar diferentes salidas con probabilidades distintas. La meteorología podría ser un ejemplo de sistema que se aborda des de una perspectiva probabilística siendo intrinsecamente determinista, debido a la enorme cantidad de variables que intervienen y a lo extraordinariamente sensible que es el sistema ante cambios prácticamente imperceptibles de cada una de estas variables.

Pues bien, cuando ya conocemos la naturaleza de la incertidumbre asociada a un sistema, podemos hablar de cómo diseñar un modelo predictivo que nos ayude a tomar decisiones informadas.

Llegados a este punto cabe matizar algo de suma importancia por lo poco que se entiende cuando hablamos de modelos predictivos: “NO!!!, no podemos predecir lo impredecible”. Es decir, un modelo predictivo no nos dice lo que con toda seguridad pasará en cada instante del futuro. Un modelo predictivo debe ayudarnos en la toma de decisiones informadas.

Dicho esto, cuando afrontamos la redacción de unos presupuestos anuales, la elaboración de un plan de negocio, de un plan de marketing, o la gestión de un proyecto o de un equipo de ventas, nos enfrentamos a sistemas en los que hay incertidumbre.

Y gestionar esta incertidumbre en tanto que pueda tener efectos sobre los objetivos, es lo que la consideración de riesgos de la ISO31000 contempla.

De esta forma podemos concretar que gestionar los riesgos implica necesariamente maximizar la función:

siendo,

Ahora, el problema se reduce a cómo se miden ambos términos de la ecuación, y eso ya es parte de la gestión del riesgo, influyendo inevitablemente la respuesta a esta pregunta en la propia función.

Así, a mi entender, la gestión del riesgo como herramienta que genera y retiene valor, requiere de “un primer acto de fe” en tanto que, al igual que sucede con la gestión de la marca, la reputación o la formación, no siempre podemos de entrada cuantificar la relación coste/beneficio. (Ver en este blog “lo intangible del riesgo y el riesgo de lo intangible”).

Asesorarse por expertos para conocer y definir la naturaleza del sistema que deseamos tratar y la forma en la que abordar su análisis y valoración es sin duda el primer paso para una gestión de riesgos basada en maximizar la función referenciada anteriormente.