Da mídia paga ao modelo de Coatribuição

O problema da mídia paga

O cenário detalhado neste case aconteceu em uma Fintech onde existia uma visão de first click e last click que dependia de um grande investimento em mídia paga e na compra de audiências. Não existia uma visão completa da jornada de compras, nas palavras do próprio cliente: “Os testes de campanhas são feitos um pouco às cegas…”
Quando contrataram a Math, a expectativa do cliente era ter um modelo que trouxesse transparência, bem como a mensuração dos resultados reais de investimento e de insights de quais seriam os caminhos possíveis para melhorar o resultado.

O modelo de Coatribuição de diferentes tipos de mídia

O objetivo do modelo é ter uma visão real de toda a jornada do cliente ativado, considerando as mídia pagas (extremamente diversificadas como Google Adwords, Facebook Ads e Jornal Nacional), tráfego orgânico (alavancado por uma consolidada estratégia de marketing de conteúdo) e tráfego direto com os pesos definidos nos principais caminhos de sucesso. Além de uma visão da conversão por audiência para justificar, otimizar, reduzir ou mudar o rumo dos investimentos das mesas de performance.


Solução para unificar a Jornada do Cliente

Em primeiro lugar, mergulhamos em todos os dados disponíveis para entender a estrutura e a forma do que estava sendo armazenado. Identificamos todos os gaps de captura de dados da jornada, criando um modelo ideal para ser usado pelas áreas de mídia, publicidade e performance com critérios de tagueamento e parametrização.
Após centralização dos dados em um ponto único, neste caso um Data Lake, correlacionamos os dados e avaliamos quais eram os mais relevantes para construção de um modelo de atribuição de múltiplos impactos.
Construímos o modelo de Machine Learning, revelando a relevância de cada uma das mídias (mesmo as que não geraram cliques), o custo de aquisição da jornada completa executada pelos clientes e o eventual efeito da realocação dos investimentos de uma mídia ou até mesmo a remoção de algum dos canais.


Quer saber os resultados?

Quer saber como fazemos?

Metodologia para modelo de Coatribuição

Entendimento dos processos, plataformas e acessos necessários , tais como:
• Validação do tagueamento;
• Solução de problemas encontrados;
• Sugestão de melhorias futuras;
• Reconhecimento dos processos e das bases de dados que impactarão o projeto;
• Consolidação das diferentes bases de dados em um ambiente;
• Relacionamento das diferentes bases em busca de um denominador comum.
img-objectives-cases
Para os relacionamentos não viáveis de forma direta (por exemplo com user id) foi criado um modelo de propensão que relaciona eles por inferência, garantindo o uso do maior volume de dados relevantes possível. Com isso, é possível o acompanhamento dos seguintes indicadores:

• Removal Effect;
• CAC - Custo de Aquisição de clientes
• Time Decay de cada impacto e médio por canal
• Dinâmica das Jornadas

quer alavancar seu negócio?

mande uma mensagem que entraremos em contato com você o mais breve possível!

Autorizo o uso dos meus dados para contato.