El cambio de Google sobre las cookies: ¿Qué significa para los anunciantes?

Descripción del Episodio

En este episodio de PPC Town Hall, la discusión se centró en la reciente decisión de Google de no eliminar las cookies de terceros en Google Chrome, a pesar de anuncios previos que sugerían lo contrario.

Ben Vigneron de Blackbird PPC discutió lo que esto significa para los anunciantes y el panorama más amplio del marketing digital.

Conclusiones del Episodio

La Decisión de Google y Sus Implicaciones:

• Google ha decidido retrasar la eliminación de las cookies de terceros en Chrome, lo cual inicialmente fue impulsado por preocupaciones de privacidad y presiones regulatorias (por ejemplo, GDPR, CCPA).
• Este retraso significa que los anunciantes continuarán utilizando cookies de terceros por un tiempo más, pero no cambia la dirección general de la industria hacia una mayor privacidad y dependencia de datos de primera parte.

Privacidad y Elección del Consumidor:

• A pesar del retraso, Chrome introducirá una pantalla de elección, similar a la de Apple, permitiendo a los usuarios optar por no ser rastreados, lo que podría llevar a una reducción significativa en los datos disponibles para los anunciantes.

Cambio hacia Datos de Primera Parte:

• Los anunciantes deben centrarse en aprovechar los datos de primera parte integrándolos de nuevo en las plataformas publicitarias (por ejemplo, Google Offline Conversion Tracking).
• El seguimiento basado en UTM sigue siendo relevante y debe utilizarse para medir el rendimiento en diferentes plataformas.

Técnicas Avanzadas de Medición:

• Modelado de Mezcla de Medios (MMM): Un método poderoso que correlaciona el gasto histórico en canales con datos de backend (por ejemplo, ventas o suscripciones) para determinar el verdadero impacto de varias iniciativas de marketing.
• Pruebas GeoLift: Útiles para aislar el impacto de campañas específicas en ciertas áreas geográficas comparándolas con grupos de control.
• Ambas técnicas ayudan a abordar las limitaciones de las cookies de terceros y proporcionan una visión más holística del rendimiento del marketing.

Herramientas de Análisis:

• Google Analytics (GA) sigue siendo útil pero tiene limitaciones, especialmente con canales que no generan sesiones en el sitio web (por ejemplo, formularios de clientes potenciales de LinkedIn, vistas de YouTube).
• MMM puede llenar los vacíos dejados por el análisis tradicional al proporcionar una imagen más amplia del rendimiento del canal.

Futuro del Marketing Digital:

• A medida que la industria avanza hacia prácticas más centradas en la privacidad, los anunciantes deben adaptarse volviéndose más técnicos, particularmente en la ciencia de datos y la integración de datos de primera parte.
• Herramientas como R, Python y bibliotecas de código abierto (por ejemplo, Robin de Meta, Meridian de Google) pueden ayudar a los especialistas en marketing a implementar técnicas avanzadas de medición sin necesidad de ser científicos de datos.

Supervivencia en la Era de la IA:

• Con el auge de la IA Generativa (GenAI), los especialistas en marketing digital deben centrarse en aprovechar estas herramientas para aumentar sus habilidades en lugar de reemplazarlas.
• Aprender a integrar y usar estas herramientas de manera efectiva será clave para mantenerse relevante en la industria.

Transcripción del Episodio

Frederick Vallaeys: Hola y bienvenidos a otro episodio de PPC Town Hall. Mi nombre es Fred Vallaeys. Soy su anfitrión. También soy el CEO y cofundador de , un software de gestión de PPC. Hoy tenemos un episodio que es muy relevante dado algunas de las noticias recientes de Google. Bienvenidos Google Chrome se suponía que iba a eliminar las cookies de terceros, y siguieron posponiéndolo año tras año.

Y finalmente, anunciaron que ya no eliminarán las cookies de terceros. Así que la muerte de la cookie de terceros está exagerada. Pero, ¿qué significa realmente eso para los anunciantes? ¿Los consumidores seguirán permitiendo las cookies de terceros? ¿O es hora de que encontremos nuevas formas de hacer publicidad? Medición y todas las cosas en las que solemos pensar mucho en PPC y marketing digital.

Así que para hablar de eso y mucho más, tenemos a un experto muy analítico. Su nombre es Ben Vigneron. Trabaja para Blackbird PPC en San Francisco, y vamos a profundizar en cookies, modelos de mezcla de medios y muchas otras analíticas para el marketing digital. Así que comencemos con este episodio de PPC Town Hall.

Muy bien, Ben, bienvenido al programa. Es genial tenerte aquí.

Ben Vigneron: Gracias por invitarme. Es un placer.

Frederick Vallaeys: Muy bien. Entonces Vigneron, ¿de dónde es ese nombre?

Ben Vigneron: Bueno, de Francia significa vinicultor. Así que realmente no podría ser más francés. Y sí, he estado trabajando en los EE. UU. durante unos 12 años.

Antes de eso, estaba en París, ya sabes, en la industria tecnológica durante años. Y actualmente con Blackbird PPC, haciendo mucha medición para nuestros clientes. Y, ya sabes, obviamente todos han estado un poco desafiados por, ya sabes, todo el ir y venir sobre, ya sabes, la duplicación de claves de terceros.

Así que, de eso vamos a hablar hoy.

Frederick Vallaeys: Sí. Así que obviamente hay muchas cosas que escribes en Search Engine Land. Así que si la gente quiere leer un poco más sobre los temas que discutimos, ese es un gran lugar para comenzar. También has hablado en SMX Advanced recientemente. Esa sesión está disponible de forma gratuita.

En el sitio web de SMX, pondremos un enlace en las notas del programa a eso, pero cubriremos algunos de esos temas, pero vamos a entrar directamente en ello, ¿verdad? Como dijimos, la noticia más reciente de Google es que la cookie de terceros no será eliminada. Así que habla un poco sobre eso. ¿Qué significa?

Y, ¿realmente significa que deberíamos seguir confiando en las cookies de terceros?

Ben Vigneron: Sí, esa es una buena pregunta. Entonces, quiero decir, en primer lugar, rara vez vemos a Google cambiar de dirección de esa manera. Han lanzado características controvertidas en el pasado y se han mantenido firmes. Como, ya sabes, campañas mejoradas.

Y, ya sabes, el tipo de coincidencia exacta ya no siendo exacto, los términos de búsqueda ya no están disponibles en el conjunto de informes. Así que han empujado características a los usuarios finales y se han mantenido firmes antes, y rara vez los vemos, ya sabes, cambiar de rumbo. Y así es interesante ver, creo que realmente, ya sabes, deberíamos estar pensando en, ya sabes, anunciantes, agencias, y obviamente usuarios finales, cuando pensamos en el impacto potencial, diría que, en resumen, todavía vamos a estar usando cookies de terceros por un poco más de tiempo.

Parece que hubo cierta resistencia, no de Google en sí, sino de otros comités antimonopolio. Pensando que, ya sabes, ganarían una ventaja sobre el resto de la industria al eliminar el soporte para cookies de terceros antes que otros. ¿Verdad? Así que es interesante cómo está funcionando todo esto.

Como centrarse en la privacidad de los datos ahora está dando una ventaja sobre la competencia. Y estamos viendo eso con la publicidad de Apple en Safari. Su navegador, ¿verdad? Siendo, ya sabes, enfocado en la privacidad de los datos, ¿verdad? Y eso es algo que a la gente le importa en estos días, como duck duck go lanzó un navegador que puedes, ya sabes, descargar y usar y, ya sabes, sin seguimiento, sin cookies.

Es, ya sabes, por defecto niega cualquier permiso. Así que me parece que la dirección general que está tomando la industria no ha cambiado con esta decisión. Sin embargo, a corto plazo, las cosas se están desacelerando.

Google está, ya sabes, pisando el freno y diciendo, está bien, vamos a darle, ya sabes, unos meses, tal vez un par de años antes de que vayamos, ya sabes, a toda velocidad sin más cookies de terceros. Sin embargo, definitivamente están listos. Técnicamente, ya sabes, GA4 es todo sobre eso. Y luego.

Ya sabes, quieren estar a la vanguardia. Quieren liderar la industria. Quieren estar por delante de GDPR y CCPA. Y ahora mismo estamos viendo que, está bien, la industria no está del todo lista. Los comités antimonopolio están diciendo, hmm, podría, ya sabes, darte una ventaja que ya tienes, como una ventaja extra.

Así que vamos a esperar y ver. No creo que vaya a haber ningún inconveniente para, ya sabes, los usuarios finales realmente. Así que creo que tenían más que perder empujando esto, así que simplemente están dándole algo de tiempo.

Frederick Vallaeys: Sí. Muchas cosas muy interesantes en eso para desentrañar. Así que obviamente todo esto deriva del impulso de GDPR y CCPA.

En cuanto a dar a los usuarios opciones de privacidad. Y así, una de estas, la cosa fundamental aquí es la elección, ¿verdad? No se trata de decir que no se puede desplegar tecnología de cookies de terceros. Se trata de dar a los usuarios la opción de si eso les funciona o no. Así que creo que una de las grandes cosas que no debemos perder de vista es que mientras Google ha dicho, bueno, técnicamente no vamos a cambiar cómo funciona el navegador Chrome, vamos a introducir una pantalla de elección, que mucho como vemos en los dispositivos Apple hoy en día, que cada vez que instalas una aplicación, el usuario recibe una cosa que dice, oye, ¿te gustaría permitir el seguimiento en todas las aplicaciones?

Y el número que escuché es que alrededor del 70 por ciento de los usuarios rechazan ese seguimiento entre aplicaciones, ¿verdad? Así que pierdes muchos datos. Y lo que es interesante aquí es que Chrome va a tener una advertencia similar. Probablemente vamos a perder los datos de las cookies de terceros, aunque las cookies de terceros técnicamente seguirán existiendo.

Entonces, ¿qué hacemos con eso?

Ben Vigneron: Entonces, quiero decir, deberíamos estar preparados. Así que hemos visto eso suceder con, ya sabes, Apple iOS permitiendo. Los usuarios optan por no usar cookies y así, o los anunciantes, lo que sucedió es que perdieron el seguimiento de conversiones de los usuarios de iOS en su mayoría, tal vez, ya sabes, el 70 por ciento optó por no participar, aproximadamente dependiendo de la industria, pero la gran mayoría.

Así que necesitas encontrar otras formas de medir el rendimiento, ya sea en línea o fuera de línea, pero necesitas encontrar alguna manera de evaluar la eficiencia de tu programa. Así que hay un par de alternativas y creo que, ya sabes, hay nuevas tecnologías por ahí que se centran en eso, pero en resumen.

Sin cookies de terceros, necesitas usar tus datos de primera parte. Y eso realmente significa que necesitas primero canalizar tus datos de primera parte de nuevo a la plataforma publicitaria. Así que estamos hablando de Google Offline Conversion Tracking. El nombre ha cambiado. No recuerdo exactamente, pero esencialmente pasar tus datos de backend a las plataformas publicitarias.

Eso se ha vuelto enorme en Facebook ofrece la misma función. LinkedIn. Está trabajando en la misma función. Todos tendrán nombres similares, pero seguramente eso es lo número uno. Yo diría que simplemente no confíes más en los datos de la plataforma publicitaria. Sé escéptico, desafía los números y usa tus propios datos e intenta canalizarlos a la plataforma publicitaria.

Para mí, eso es lo número uno. El número dos es el seguimiento basado en UTM no está muerto. ¿Verdad? Si estás rastreando parámetros, observa todas las preocupaciones de privacidad de datos, ¿verdad? Lo cual deberías, ¿verdad? Así que si todos los datos que estás pasando en tus URL y tus UTM están anonimizados o simplemente son anónimos, como estamos hablando, ya sabes, un nombre de campaña, tal vez un ID de anuncio, cosas así, no podemos decir quién es la persona.

Así que es absolutamente 100 por ciento compatible. Y esos parámetros de seguimiento es. En eso, seguirán funcionando bien, y eso te ayudará, ya sabes, a medir tu rendimiento en tu HubSpot, en tu GA, en tu Salesforce, en tu instancia de Shopify. Así que creo que para aquellos que no están usando el seguimiento basado en UTM, definitivamente es algo a considerar.

La última pieza, que es querida para mí, es, ya sabes, mediciones avanzadas. Así que, esencialmente, usar la ciencia de datos. Para realmente llegar al fondo de la verdadera influencia, la verdadera contribución o la verdadera incrementalidad de cualquier iniciativa. Así que eso significa usar métodos como o modelado de mezcla de medios, donde esencialmente estamos tratando de correlacionar todo tu gasto en todas tus iniciativas.

Contra tus números de backend de primera parte, ya sea tus oportunidades de Salesforce, tus suscripciones de Shopify, lo que sea el resultado. Esto es de lo que se trata y es extremadamente poderoso y realmente pasará por alto cualquier desafío de seguimiento basado en cookies de terceros, ¿verdad? Así que es, es súper robusto en ese sentido.

Y luego hay otros métodos donde, ya sabes, simplemente ejecutarías una prueba y verías qué sucede en tu backend todavía. Así que realmente los datos de primera parte son el futuro, si no ya el presente. Y hay formas de canalizar esos datos. Así que eso se llama markups o marketing operations. Así que vas a necesitar a alguien para.

Hacer esto y luego vas a poder tener todas esas señales muy, ya sabes, de alta calidad y confiables utilizadas para la oferta algorítmica en las plataformas de Google, Facebook, LinkedIn y luego fuera de eso, intenta dar un paso atrás y mira si tus campañas de búsqueda están haciendo algo por ti como negocio. ¿Está haciendo algo tu social media?

Puedes mirar el pago, puedes mirar el orgánico, puedes mirar el efecto de las promociones, así que de eso se trata, tratar de obtener una imagen holística de lo que está moviendo la aguja para ti. Nuevamente, no estamos usando ningún dato de cookies de terceros. Realmente solo estamos usando tus números de backend, que tratamos de correlacionar con tu gasto histórico en su mayoría.

Todas las señales también pueden ser utilizadas. Eso es básicamente todo. Y eso es realmente lo que me encanta hacer. Hago esto para, para, para mis clientes. Así que y las pruebas de GeoLift son las dos cosas que usamos mucho. Ya sea para tener una imagen holística de lo que está moviendo la aguja o para ejecutar una prueba en un silo y decir, por ejemplo, YouTube, nunca hemos, lo que escuchamos mucho es que nunca hemos visto ningún valor de YouTube.

No vemos conversiones provenientes de YouTube. Tenemos UTMs en su lugar. No vemos ningún dato categorizado como proveniente de YouTube en nuestro backend. ¿Verdad? Así que no creemos que YouTube esté haciendo algo por nosotros. Y luego, si ejecutas una prueba de GeoLift, que esencialmente. Piénsalo como si ejecutaras tus anuncios de YouTube en algunas ubicaciones, no en otras.

Y vas a mirar el delta entre tus grupos. Casi cada vez, vas a ver un aumento en esas ubicaciones donde estás ejecutando anuncios de YouTube. Siempre y cuando estés ejecutando, ya sabes, gastando suficiente dinero, como tu presupuesto de prueba debería ser lo suficientemente grande. Y siempre y cuando sepas qué método usar para medir esos datos, y luego siempre vas a ver un aumento en sesiones, nuevos usuarios, y, y potencialmente compras, suscripciones, MQLs, oportunidades, ¿verdad?

Dependiendo de la latencia. Así que hay una serie de cosas a tener en cuenta, pero. Las pruebas de GeoLift son una gran herramienta para mirar un canal individual o subcanal en un silo y medir su verdadero impacto. Se trata de obtener la imagen general.

Frederick Vallaeys: Bien. Así que sí, muchas cosas en eso, ¿verdad? Así que hablaste sobre canalizar los datos a través de OCI, configurar UTMs, y eso es lo más básico.

Y hay muchas publicaciones de blog que hemos hecho en y que has hecho donde puedes aprender más sobre eso. Así que vamos un poco más profundo. en esas dos áreas que realmente te apasionan. Así que la prueba de GeoLift y los modelos de mezcla de medios. Así que una cosa que acabas de decir fue con la prueba de GeoLift, tienes que tener suficientes datos.

Así que hablemos un poco más sobre los detalles. Como ¿Qué tan grande tiene que ser un anunciante? ¿Qué tipo de datos podrías necesitar en el backend? Y, y, y generalmente debatido. Siempre he pensado en estas pruebas divididas como si quisieras controlar tantas variables como sea posible. Así que hacer una prueba dividida entre, digamos, California y.

Minnesota podría no ser lo mejor porque tenemos climas completamente diferentes, diferentes partes del país. Así que más a menudo escucho que es como Seattle contra Portland, ciudades en proximidad cercana, pero en gran medida las mismas demografías. Así que eso controla esas variables. Así que habla un poco más sobre esos detalles.

Si alguien quisiera hacer una prueba de geo lift.

Ben Vigneron: Sí. Buena pregunta. Así que sí, como dijiste, quieres asegurarte de que tus ubicaciones de prueba estén cuidadosamente seleccionadas. Para que sean similares a tus ubicaciones de control, ¿verdad? Quieres que tus grupos, prueba y control, sean similares estadísticamente hablando, y eso significa geográficamente también.

Y quiero decir, en muchos aspectos, cada aspecto de ello. Así que en general, si estás, si estás realizando una prueba en los EE. UU., hay 50 estados. Así que potencialmente, y la mayoría de los anunciantes, ellos aleatorizarán los grupos y elegirán 25 estados. Si haces esto, es probable que falles. Aleatorizar tus grupos podría no funcionar.

Por ejemplo, podrías tener California y Nueva York en el mismo grupo. Probablemente no quieras eso. Probablemente quieras California y Nueva York en control o al revés. Luego, si aleatorizas tus grupos, podrías muy bien tener más estados de la costa oeste, no tanto de la costa este.

Así que es complicado. También podrías usar DMAs en lugar de. Estados, aunque el estado es más común como dimensión en cualquier fuente de datos. Así que típicamente el estado es bueno por esa razón. Como GA, Shopify, Salesforce, todos tienen estado. No todos tienen nivel DMA. De lo contrario, usaría DMAs más a menudo porque es más granular, pero sí.

Así que si estamos pensando en el estado, la forma en que quieres elegir tus estados es, en primer lugar, tu grupo de prueba debe representar al menos el 20 por ciento del país en cualquier métrica que estés mirando si es, ya sabes, estamos hablando de compras, ¿verdad? Así que quieres asegurarte de que al entrar tu grupo de prueba representa aproximadamente el 20 por ciento o más entre el 20 y el 50 por ciento del país en general.

Ahora eso no es todo, ¿verdad? Ahora necesitas asegurarte de que esas ubicaciones de prueba potenciales se hayan comportado de manera similar a tus ubicaciones de control históricamente. Así que lo que quieres hacer es medir los datos existentes entre tu grupo de prueba y control antes de la intervención. Aún no hemos realizado la prueba. Solo queremos asegurarnos de que no haya diferencia entre nuestros grupos al entrar.

¿Verdad? Así que cualquier efecto que se detecte puede atribuirse efectivamente a la prueba. A nuestra intervención, ¿verdad? Así que he creado un script en R que hará eso por mí, donde esencialmente voy a aleatorizar los estados y voy a realizar una prueba estadística para minimizar la varianza entre grupos.

Y voy a seleccionar esas ubicaciones de prueba que, ya sabes, generan la menor varianza. Lo que significa que mi grupo de prueba y control, día tras día, tienden a comportarse de manera similar, históricamente. Lo que significa que en el futuro, cuando ejecute mi, mi prueba, mi intervención, sé que si veo algún tipo de delta, puedo atribuirlo a mi, mi intervención, mi, mi experimento, ¿verdad?

Así que se trata de mirar tus datos X Circle y minimizar la varianza, que es esencialmente la diferencia en el rendimiento entre grupos. Así que es un poco técnico y es súper genial. Si no lo haces, podrías ver algo. Podrías decir, está bien, estoy eligiendo ese estado. Estoy ejecutando mis anuncios de YouTube en ese estado.

Y creo que estoy viendo algo que no podrás establecer causalidad. Solo podrás, en cierto modo. informarte a ti y a tu equipo de que, sí, se ve bien, pero no podrás, con confianza, decir que esto está funcionando. Y puedo atribuir con confianza ese aumento a ese experimento. Y con el método del que estoy hablando, y por cierto, estoy usando el propio método de impacto causal de Google para esto, que fue es una biblioteca de código abierto que se creó exactamente para esto, para medir el impacto de una intervención de marketing como una serie temporal, ¿verdad? a través de dos grupos.

Así que ese es solo un caso de uso, y eso te dirá exactamente cuál es el aumento y cuán confiado puedes estar con los resultados, ¿verdad? Y así es como lo estoy usando. Antes de la intervención para asegurarme de que mis grupos sean similares al entrar. Así que eso es, eso es, eso es todo. Por eso mencioné sobre la ciencia de datos.

Es un poco avanzado y, ya sabes, una vez que tienes el script armado, ya no, puedes tener a todo el equipo. Armarlo ellos mismos sin entrar en el script, pero es, es definitivamente un poco avanzado. Me tomó un tiempo armarlo de una manera que funcione cada vez.

Pero ahora, ¿qué antecedentes tienes? ¿Eres técnico por educación o cómo aprendiste a programar? Así que no realmente. Quiero decir, estudié matemáticas, pero realmente aprendí a programar en Adobe. Así que me uní a Adobe sin ningún conocimiento de SQL o R. Y, ya sabes, los primeros dos años en Adobe, realmente me centré en eso.

Era analista de negocios en ese momento y comenzamos a trabajar en una plataforma que realmente analizaría un montón de datos y generaría un montón de presentaciones de PowerPoint para. El equipo de éxito del cliente para usar y compartir con sus clientes. Así que así es como aprendí, ya sabes, SQL y todo.

Y realmente, creo que conocí a las personas adecuadas que realmente me apasionaron. Y realmente me metí en eso. Así que comencé a leer libros sobre eso y, ya sabes, aprendiendo haciendo todavía como hasta el día de hoy, estoy aprendiendo nuevas funciones, nuevas visualizaciones casi todos los días. Y es realmente, realmente genial.

Y, ya sabes,

Frederick Vallaeys: ¿cómo aprendes sobre cosas nuevas?

Ben Vigneron: Así que típicamente comienza con un caso de uso. Estoy tratando de resolver un problema. Y luego voy a, ya sabes, buscarlo. Así que tengo un par de libros en casa, pero luego solo uso Google. Y luego esos sitios web que ya conozco. Así que tiendo a confiar más en esos sitios web.

Y típicamente, hay múltiples formas de resolver el mismo problema. Lo cual es realmente la belleza de ello. Porque entonces puedes envolver tu cabeza alrededor de como, ¿Por qué este método es relevante para ese caso? Y eso es lo que hago. Como, si piensas en datos de primera parte y el problema que tuve no hace mucho tiempo fue tratar de averiguar cuáles son las principales personas para nuestros clientes, ¿verdad?

Así que esencialmente, perfilando o agrupando, si quieres. Y es un problema muy complejo. Y así R y Python también, tienen muchas formas de resolver ese problema. Y lo que me dice es que un método es, es el mejor, ¿verdad? No pueden ser todos iguales. Debe haber un método que, así que ejecuto todos ellos. Y yo, así que me meto en los, ya sabes, los scripts.

Cargo mis datos, los ejecuto de diferentes maneras, y luego voy a elegir el que. Me siento más cómodo con eso en términos de los conocimientos y mi capacidad para explicar a un equipo cómo funciona todo, pero sí, es, ya sabes, R es un lenguaje de programación de código abierto. Es muy fácil encontrar una gran documentación, especialmente para los trabajadores remotos.

Es muy fácil aprender sobre ello. Y, ya sabes, puede parecer altamente técnico al principio, y lo es, pero, ya sabes, después de unas pocas horas en ello, como, ya sabes, es, es naturaleza única.

Frederick Vallaeys: ¿Qué hay del intérprete de código de GPT? ¿Lo estás usando para escribir scripts de Python?

Ben Vigneron: No lo hago. Lo he intentado y no me impresionó. Para ser honesto, como la mayoría de las veces. Así que uso esto con R principalmente y me ayudó un poco. Pero en su mayoría, simplemente no funcionaría. Así que tuve que arreglarlo, ¿verdad? Así que hace el 80 por ciento del trabajo y luego tienes que meterte en el script y arreglarlo tú mismo, lo cual sigue siendo un ahorro de tiempo, pero todavía lo usaría.

Como si estuviera buscando, si estoy seguro con mi solicitud, como sé que esto es básicamente lo que estoy buscando. Así que puedo ingresarlo en GPT y creo que debería ser útil. Pero en su mayoría, no confiaría demasiado en él. Simplemente podría ayudarme a descubrir cómo hacer que una visualización se vea mejor, puedes simplemente decir.

¿Puedes hacer que este gráfico se vea así y así y va a, va a suceder más o menos, pero sí, desde mi experiencia, realmente todavía requiere mucho aporte manual, lo cual estoy de acuerdo.

Frederick Vallaeys: Estoy de acuerdo con eso. Recientemente estaba pensando en, hablo mucho sobre los scripts de anuncios de Google y cómo GPT puede escribirlos para ti.

Y. Lo copiarás y pegarás el script en Google Ads. Volverá con errores. Le das esos errores a GPT y los arreglará. Y después de un par de iteraciones, obtienes algo que produce resultados. Pero la cosa es que realmente tienes que verificar los resultados porque puede haber tenido errores en el camino.

Y así mi premisa es que si tienes la capacidad de hacerlo ya. GPT puede hacerte más rápido al hacerlo, y puedes tomarlo como dijiste, el último 20%, puedes hacer esas correcciones manualmente, o sabes lo que está haciendo mal, puedes decirle cuáles son los errores, y luego realmente los arreglará. También creo que si estás dispuesto a aprender R o Python o estadísticas, GPT puede ser un gran maestro.

Y puedes preguntarle, ¿cuál es el modelo correcto? ¿Por qué crees que este es el modelo correcto? ¿Dónde puedo aprender más sobre este modelo? Y creo que donde comienza a fallar es en las cosas donde tienes muy poco interés o capacidad para aprenderlo tú mismo. Si solo vas a confiar en que haga un trabajo 100% bueno, ahí es donde vas a fallar.

Ben Vigneron: Sí, aumentará tus habilidades existentes, pero todavía necesitas las habilidades para empezar, ¿verdad? Porque vas a necesitar arreglar los resultados de todos modos, ¿verdad? Así que estoy totalmente de acuerdo contigo. Y añadiría también, como, YouTube es un gran lugar para aprender cualquier cosa. Es una locura. Hay tutoriales sobre, como, cómo configurar Python en tu máquina y comenzar.

Y es increíble y es gratis. Así que eso también es un buen punto de partida. Obviamente no irá muy profundo, pero es un buen punto de partida. Y luego puedes entrar en como Coursera, LinkedIn, lo que sea, como entrar en eso, comprar algunos libros y simplemente aprender haciendo. Así que hay tanto conocimiento por ahí.

Son tiempos muy emocionantes. Si fueras a comenzar una carrera en marketing digital hoy. ¿Qué aprenderías?

Así que supongo, quiero decir, depende de lo que te guste hacer, diría, pero para mí he disfrutado volviéndome más técnico todo el tiempo. Así que definitivamente estudiaría ciencia de datos desde el principio en la escuela.

Y así estadísticas. O Python, no lo haría, una educación más formal en torno a eso, creo que es realmente poderosa. SQL también, aunque SQL es bastante fácil, pero si quieres alcanzar un nivel más avanzado, podrías necesitar algo de capacitación. Así que esas son las cosas que, ya sabes, he aprendido.

Principalmente en Adobe, y fue genial, creo, porque, ya sabes, teníamos, como, casos de negocio para resolver. No estaba solo, tenía un equipo con el que trabajar, así que fue genial, pero creo que si estás interesado en el marketing y todavía estás en la escuela, ve tan técnico como puedas. Esas habilidades técnicas darán sus frutos con el tiempo porque la mayoría de los especialistas en marketing no saben tanto sobre, ya sabes, cómo funciona el seguimiento, cómo mirar los datos, cómo ejecutar una prueba.

Y esas son las áreas donde realmente puedes hacer una diferencia. Y nuevamente, construir confianza en torno a tus resultados y no solo decir, oh, mi CPA ha bajado en Google Ads, sino también considerar como retornos marginales, rendimientos decrecientes, que es un concepto que no hemos tocado todavía, pero es, es muy importante. Luego el concepto de incrementalidad.

¿Son todas esas conversiones reales? ¿Ocurrirían de todos modos? Esas son las cosas que realmente importan al final del día para el CMO. Sí,

Frederick Vallaeys: y todas estas cosas dependen de tener los datos correctos, los datos de primera parte correctos, que has mencionado varias veces. También mencionaste que hay un equipo de operaciones de datos.

Así que habla un poco sobre cómo debería verse eso si alguien no está pensando mucho en los datos de primera parte. ¿Cómo los traes? ¿Cómo los comienzas? ¿Hay una herramienta donde los recolectas? ¿Cómo los canalizas de nuevo a Google Ads? ¿Qué haces?

Ben Vigneron: Sí. Sí, absolutamente. Así que a lo largo de los años he visto muchos cambios allí con, por ejemplo, nuestros clientes usando como Zapier para Zapier es una herramienta increíble para conectar diferentes fuentes de datos juntas.

Y esencialmente eso es, ya sabes, por ejemplo, para los anunciantes B2B LinkedIn es una plataforma poderosa y, ya sabes, la gente como que envió su correo electrónico. Tal vez su título de trabajo, tal vez algo más. Y luego los datos típicamente se perderían en el abismo. Se quedarían en LinkedIn y no necesariamente se compartirían con los datos de backend, ¿verdad?

Así que eso es definitivamente algo que es desafiante porque en ese caso, tus mejores datos no están en tu propio backend. Tus mejores datos son propiedad de LinkedIn. ¿Verdad? Así que eso es algo que definitivamente quieres abordar y quieres asegurarte de que estás capturando todos esos datos. Y eso es algo que una herramienta como Zapier, no trabajo con Zapier.

Puede haber otras herramientas por ahí que hagan exactamente lo mismo, pero sé que Zapier es bastante fácil de usar y funciona. Es bastante robusto desde lo que entiendo. Y puedes simplemente capturar todos los detalles de tu cliente potencial de LinkedIn a tu backend. Y luego puedes usar esos datos internamente para cualquier propósito, ¿verdad?

Así que este es un rol que realmente no existía cuando comencé, ya sabes, tendríamos gerentes de campaña gestionando campañas en Google y Facebook y LinkedIn, tal vez, ya sabes, todos ellos, pero realmente confiarían en los datos de la plataforma y ni siquiera tendrían acceso al backend. Y ahora tenemos equipos que realmente cierran la brecha entre, ya sabes, datos de backend de primera parte y plataformas publicitarias.

Boletines, cualquier cosa, ¿verdad? Y así este es un rol que se ha vuelto más prevalente porque necesitas cerrar esa brecha en ambos sentidos. Necesitas capturar todos los datos de la plataforma publicitaria a tu backend. Y también necesitas canalizar tus datos de backend, tal vez enriquecidos, ¿verdad? Puedes calificar tu cliente potencial. Puedes hacer todo tipo de cosas de nuevo a las plataformas publicitarias para que la plataforma publicitaria pueda, ya sabes, ingerir las señales y encontrar usuarios para ti de una manera significativa.

Así que esto es definitivamente algo que he visto suceder en los últimos años. Las operaciones de marketing son definitivamente. Algo que es bastante nuevo. Y es, ya sabes, creo que es genial tener personas que te ayuden a cerrar esa brecha. Ahora, diría desde mi punto de vista lo que estamos haciendo aquí es que todos los datos que estamos pasando son principalmente basados en clics.

Y eso no resuelve el problema subyacente de la incrementalidad. ¿Cuál es la verdadera influencia de cualquier iniciativa? Y ahí es donde las pruebas de GeoLith son relevantes porque resuelven eso. Así que hablemos más

Frederick Vallaeys: sobre eso, ¿verdad? Así que ahora tienes todos estos datos geniales que pones en los lugares correctos y hemos perdido.

datos de cookies, por lo que no podemos necesariamente saber en una base individual qué clic llevó a qué resultado. Y ahí es donde entra en juego. Te da la imagen más grande. Entonces, ¿cómo se ve realmente eso? ¿Cómo funciona?

Ben Vigneron: Así que típicamente vas a querer tener dos años de datos y por datos, me refiero a gasto histórico en canales.

Así que digamos que has estado ejecutando Google, Facebook y LinkedIn, ¿verdad? Así que tienes tres puntos de datos, tu gasto histórico para Google, Facebook y LinkedIn, y luego tienes tu backend, ya sabes, volumen de suscripción, ¿verdad? Así que todo esto por semana. Así que tienes tres entradas, tu gasto para a través de tres canales y tienes una salida, tus.

números, por ejemplo, en general, ¿verdad? No atribuido a un solo canal. No lo sabemos todavía. Eso es lo que queremos averiguar. Y así lo que vamos a hacer es lo que se llama una descomposición de respuesta donde vamos a. Esencialmente correlacionar tu volumen de suscripción semanal contra tu gasto histórico en esos tres canales, ¿verdad?

Y así, hay dos formas que están accesibles al público actualmente que son bibliotecas de código abierto. Está el metas. robin. Biblioteca disponible en R y Python, y tienes el Meridian de Google. Así que es gracioso ver que los editores están dando acceso a esos recursos increíbles y hay una tonelada de documentación.

Así que he estado usando Robin durante mucho tiempo, que he personalizado a lo largo de los años. Así que, ya sabes, las curvas de respuesta se ven de cierta manera que sé, o, ya sabes, así que superviso el modelo, si quieres, pero esencialmente es bastante simple. No necesitas ejecutar una prueba para ejecutar todo lo que necesitas hacer es extraer tus números de gasto de los últimos dos años a través de todos los canales significativos que has ejecutado.

Podría ir más allá de Google Facebook, LinkedIn, tal vez el correo electrónico fue una prioridad principal el año pasado. Deberías incluir eso. Y luego tus números de backend, que deberías tener, ¿verdad? Así que, típicamente, es realmente una cuestión de simplemente juntar todo. Y luego puedes ejecutar tu análisis y vas a poder decir, cuando obtengo una suscripción más difícil, realmente 10 vienen de Google, 20 vienen de Facebook, 5 vienen de LinkedIn, 20 vienen de tendencias estacionales, y algunos no están atribuidos, no lo sabemos.

Obviamente quieres abordar ese cubo no atribuido tanto como sea posible, pero eso es lo que hay en ello. Y es, es, es genial porque. Nuevamente, el gasto siempre está ahí. Eso no es debatible. Sabes cuánto has gastado, ¿verdad? No es como el seguimiento. Y tus números de backend, también deberían estar ahí y disponibles para que los uses.

A continuación, lo que quieres hacer es comparar lo que encontraste a través de contra tu informe tradicional. Está bien, en los últimos meses, pensamos, ya sabes, que nuestro ROI de Google era X, pero realmente nos está diciendo que es Y. ¿Es más alto? ¿Es más bajo? Eso es algo que quieres investigar y tal vez algunos tal vez ejecutar una prueba de geolist lift si quieres establecer causalidad.

Esos son dos métodos que realmente funcionan bien juntos. Lo que diría es que la atribución es un juego de suma cero y usar datos de cookies de terceros para medir el rendimiento es mayormente incorrecto. Algunos canales serán sobrevalorados, algunos canales serán infravalorados. Así que el nombre del juego es identificar qué canales están siendo infravalorados o sobrevalorados.

Y de eso se trata. Y yo aconsejaría a cualquiera. En el mundo del marketing que se adentre en esto. Porque es realmente lo que importa al final del día.

Frederick Vallaeys: Y un gran consejo. Creo que mucha gente no usa modelos de mezcla de medios todavía, y parece que en realidad no es tan difícil de implementar usando los sistemas de código abierto como Robin, y si tienes los datos, pero ya deberías simplemente poner eso.

Así que. Dicho esto, la mayoría de las personas, la mayoría de los anunciantes tienen configurado Google Analytics que se está moviendo mucho más hacia una vista modelada de lo que está sucediendo en el mundo. Y una cosa que es agradable es que en muchos casos, en realidad, deduplica, ¿verdad? Porque realmente mira a través de canales. No es como Facebook y Google y Microsoft tomarán crédito por esa misma conversión y la contarán tres veces en ese caso.

Pero ¿cuál es tu opinión? ¿Dónde encaja todavía la analítica dado que realmente ha cambiado de lo que solía ser? ¿Sigue siendo útil? ¿Cómo lo usas?

Ben Vigneron: Es útil. Creo que es útil para cualquier iniciativa que sea, que generará una sesión en tu sitio web, ¿verdad? Lo cual no siempre es el caso, ¿verdad? Así que si piensas en esos formularios de clientes potenciales de LinkedIn, los usuarios nunca van a tu sitio web, así que eso no aparecerá en GA.

Si piensas en las vistas de videos de YouTube, esas no aparecerán en GA. Podrías, si hacen clic, lo harás, pero en su mayoría no hacen clic, ¿verdad? Tus anuncios de TV. Tus anuncios de radio, anuncios de radio, fuera de casa, todos los medios tradicionales, ninguno de ellos aparecerá en tu GA. Así que dependiendo de cómo se vea tu mezcla, GA podría ser una gran herramienta o no tan gran herramienta.

Desde mi experiencia, como los anunciantes B2B que usan muchos formularios de clientes potenciales de LinkedIn, no eligen GA tanto. No confían en GA tanto. Usarán GA para sus campañas de Google, tal vez sus campañas de Facebook si ejecutan alguna, pero. Sí, no funcionan demasiado bien juntos LinkedIn y GM

Frederick Vallaeys: y así para depositar eso realmente brevemente.

Así que tu punto es que en Porque tienes los datos de costo de LinkedIn asociados con esos en los formularios de LinkedIn y tienes tus datos de backend sobre cuántos nuevos clientes obtuviste. El puede realmente atribuir eso de una manera que GA podría nunca

Ben Vigneron: Sí, exactamente. Porque tu entrada es solo el gasto, ¿verdad?

Así que cuánto gastaste en LinkedIn y tu salida es solo los KPI generales o suscripciones, compras, lo que sea. No está atribuido todavía. ¿Verdad? Así que si LinkedIn jugó un papel, vas a ver un aumento durante esas semanas cuando gastaste más en LinkedIn típicamente. ¿Verdad? Así que sí, simplemente estás omitiendo todo el desafío al simplemente mirar directamente el gasto y los números de backend.

Pero sí, creo que GA sigue siendo genial, sin embargo, por muchas razones, pero sí, especialmente, ya sabes, la integración con Google Ads, obviamente. Es nativa. Eso es bastante genial. Pero de lo contrario, ya sabes, si estás ejecutando muchas iniciativas que no generan sesiones en tu sitio web, entonces GA es simplemente irrelevante.

Así que eso es, sí.

Frederick Vallaeys: Genial. Bueno, cosas increíbles. Gracias por mostrarnos un poco sobre y las pruebas de GeoLift y cómo se pueden aplicar. También algunas palabras esperanzadoras de que no tienes que ser un científico de datos, pero hay muchos materiales geniales en YouTube y Udemy y otros lugares para realmente aprender a usar R.

Personalmente, soy un gran fan del intérprete de código de GPT, y ciertamente he hecho algún análisis estadístico que habría estado más allá de mis capacidades. Así que dicho todo eso, Sam Altman dijo que el 95% de los especialistas en marketing digital perderán sus trabajos debido a la IA generativa. La idea central aquí es cómo somos el 5%, no el 95%.

¿Cómo mantenemos nuestros trabajos? ¿Algún consejo para seguir siendo relevante?

Ben Vigneron: Soy bastante optimista, para ser honesto. Creo que la IA generativa se trata realmente de llenar los vacíos y no necesariamente de hacer el trabajo que hacen los humanos. Quieres saber cómo usar esas herramientas. Si eres el que usa la herramienta, no vas a perder tu trabajo.

Alguien tiene que usar la herramienta. Y luego se trata de integraciones porque típicamente, ya sabes, estás trabajando en como RStudio tienes ChatGPT al lado. Pero, ¿cómo integras ambos? ¿Verdad? Así que si te centras en usar todas las herramientas que están disponibles y son relevantes para ti y aprendes las habilidades para integrar esas herramientas en tu flujo de trabajo diario, definitivamente vas a mantener tu trabajo.

No estoy preocupado por eso en absoluto. Sí, creo que va a ser una transición más lenta de lo que algunos pensarían. Ya sabes, no teníamos Excel y lo hicimos, no perdimos nuestros trabajos. Ya sabes, ¿ves lo que estoy diciendo? Como SQL no estaba por ahí. Todavía podíamos descubrir algunas cosas ahora. Quiero decir, no estoy muy preocupado por eso y va a ser una transición más lenta.

Sin embargo, centrarse en habilidades técnicas, creo que es definitivamente. Relevancia usando esas herramientas, aprendiendo cómo funcionan bajo el capó es genial saber. Y luego, nuevamente, integraciones.

Frederick Vallaeys: Sí. No estás compitiendo contra una herramienta, estás compitiendo contra otras personas que saben cómo usar esas herramientas.

Ben Vigneron: Exactamente. Eso es lo que estoy tratando de decir. Exactamente. Sí. Estoy de acuerdo.

Frederick Vallaeys: Muy bien. Esto ha sido increíble, Ben. Si la gente quiere conectarse contigo LinkedIn, ¿algún otro lugar?

Ben Vigneron: Así que puedes enviarme un correo electrónico a ben@blackbirdppc o, ya sabes, encontrarnos en línea blackbirdppc.com. Pero sí, mi LinkedIn está bien. Así que Ben Vigneron y sí, estaré feliz de conectarme, seguro.

Frederick Vallaeys: Sí, especialmente si a la gente le encantan las ideas de y tal vez no quieren hacerlo ellos mismos y necesitan algo de experiencia. ¿En qué se enfoca Blackbird PPC?

Ben Vigneron: Así que históricamente hacemos marketing de respuesta directa. Así que muy enfocado en el ROI para B2B y B2C, hemos estado sobre indexados hacia B2B en los últimos años, pero también podemos hacer B2C.

Diría que hacemos algo de gestión de campañas. Pero también obviamente a través de mí y mi equipo, ya sabes, análisis avanzados y mediciones. Así que hemos hablado sobre las pruebas de GeoLift, pero hay una serie de otros análisis que realizamos para nuestros clientes. Así que definir personas que impulsan un alto valor de por vida, cosas de esa naturaleza, descubrir cuáles son.

Los atributos creativos que impulsan un CTR por encima del promedio o tasas de conversión. Esas son cosas que podemos ejecutar internamente. Así que diría que, ya sabes, gestión de campañas más análisis avanzados, cómo aplicar la ciencia de datos al marketing realmente. Y eso es lo que hacemos, estamos en San Francisco, el equipo es genial.

Frederick Vallaeys: Genial. Así que sí. Y nuevamente, si quieres ver más de lo que Ben ha estado trabajando, revisa sus publicaciones en Search Engine Land, ve y revisa su sesión de SMX Advanced que está disponible de forma gratuita, solo un simple registro para obtener acceso a eso. Si has disfrutado de este episodio de PPC Town Hall y quieres ver más de ellos, por favor usa el botón de suscripción en la parte inferior y te notificaremos cuando salga el próximo, también puedes ir a ppctownhall.

com y registrarte para nuestro boletín, y Y luego si quieres ser más eficiente como gerente de PPC, tenemos muchas automatizaciones geniales y tenemos integraciones de datos de primera parte y también. Tenemos una prueba gratuita. Así que échale un vistazo. Gracias por ver Ben. Gracias por estar aquí y nos vemos en el próximo episodio.