Investigadores de Northwestern University y Facebook publicaron en marzo una nueva investigación en la revista INFORMS ciencia de marketing que arroja luz sobre si los enfoques comunes para la medición de la publicidad en línea son tan confiables y precisos como el "estándar de oro" de los experimentos aleatorios a gran escala.
El estudio se publicará en la edición de marzo de la revista INFORMS ciencia de marketing se titula "Una comparación de enfoques para la medición de publicidad: evidencia de grandes experimentos de campo en Facebook", y es escrito por Brett Gordon de la Universidad Northwestern; Florian Zettelmeyer de la Universidad Northwestern y la Oficina Nacional de Investigación Económica; y Neha Bhargava y DanChapsky de Facebook.
"Nuestros hallazgos sugieren que los enfoques de observación de uso común que se basan en datos que generalmente están disponibles para los anunciantes a menudo no logran medir con precisión el verdadero efecto de la publicidad", dijo Brett Gordon.
Los enfoques observacionales son aquellos que abarcan una amplia clase de modelos estadísticos que se basan en los datos "tal como son", generados sin manipulación explícita mediante un experimento aleatorio.
"Encontramos una diferencia significativa en la efectividad de la publicidad obtenida a partir de ensayos de control aleatorios y los métodos de observación que los anunciantes utilizan con frecuencia para evaluar sus campañas", agregó Zettelmeyer. "En general, los métodos actuales y más comunes sobreestiman la efectividad de la publicidad en relación conlo que encontramos en nuestras pruebas aleatorias. Aunque en algunos casos, subestiman significativamente la efectividad ".
Medir la efectividad de la publicidad sigue siendo un problema importante para muchas empresas. Una pregunta clave es si una campaña publicitaria produjo resultados incrementales: ¿compraron más consumidores porque vieron un anuncio, o muchos de esos consumidores habrían comprado incluso en ausencia deel anuncio? Obtener una medida precisa de los resultados incrementales "conversiones" ayuda al anunciante a calcular el retorno de la inversión ROI de la campaña.
"Las plataformas digitales que llevan publicidad, como Facebook, han creado medios integrales para evaluar la efectividad de los anuncios, utilizando datos granulares que vinculan la exposición de los anuncios, los clics, las visitas a la página, las compras en línea e incluso las compras fuera de línea", dijo Gordon.con estos datos, medir el efecto causal de la publicidad requiere una plataforma de experimentación adecuada ".
Los autores del estudio utilizaron datos de 15 experimentos publicitarios estadounidenses en Facebook que comprenden 500 millones de observaciones de experimentos de usuarios y 1.600 millones de impresiones de anuncios.
La plataforma de experimentación de "aumento de conversión" de Facebook brinda a los anunciantes la capacidad de ejecutar experimentos controlados aleatorios para medir el efecto causal de una campaña publicitaria en los resultados del consumidor.
Estos experimentos asignan aleatoriamente a los usuarios a un grupo de control, que nunca están expuestos al anuncio, y a un grupo de prueba, que es elegible para ver el anuncio. La comparación de los resultados entre los grupos proporciona el efecto causal del anuncio porque la aleatorización garantiza lados grupos son, en promedio, equivalentes a excepción de las exposiciones publicitarias en el grupo de prueba. Los resultados experimentales de cada campaña publicitaria sirvieron como base para evaluar métodos de observación comunes.
Los métodos de observación comparan los resultados entre los usuarios que estuvieron expuestos al anuncio y los que no lo estuvieron. Estos dos grupos de usuarios tienden a diferir sistemáticamente de muchas maneras, como la edad y el sexo. Estas diferencias en las características pueden observarse porque el anunciante o su plataforma publicitaria a menudo tiene datos de acceso sobre estas características y otras, por ejemplo, además de conocer el sexo y la edad de un usuario en línea, es posible observar el tipo de dispositivo que se está utilizando, la ubicación del usuario, cuánto tiempoha sido desde la última vez que el usuario lo visitó, etc. Sin embargo, la parte complicada es que los grupos expuestos y no expuestos también pueden diferir en formas que son muy difíciles de medir, como la afinidad subyacente de los usuarios por la marca. Decir que el anuncio "causado "un efecto requiere que la investigación sea capaz de dar cuenta de las diferencias observadas y no observadas entre los dos grupos. Los métodos de observación utilizan datos sobre las características de los usuarios que se observan en el intento to ajustar las diferencias observables y no observables.
"Nos propusimos determinar si, como se cree comúnmente, los métodos de observación actuales que utilizan datos completos a nivel individual son 'lo suficientemente buenos' para la medición de anuncios", dijo Zettelmeyer. "Lo que encontramos fue que incluso los datos bastante completos resultan inadecuados para producirestimaciones fiables de los efectos publicitarios ".
"En principio, creemos que el uso de ensayos controlados aleatorios a gran escala para evaluar la eficacia de la publicidad debería ser el método preferido por los anunciantes siempre que sea posible".
Fuente de la historia :
Materiales proporcionado por Instituto de Investigación Operativa y Ciencias de la Gestión . Nota: el contenido se puede editar por estilo y longitud.
cite esta página :