Cómo la industria Travel puede beneficiarse de Robyn

Contexto

En los últimos años se han producido una serie de cambios en el entorno de la industria del marketing digital enfocados a garantizar el más estricto control de la privacidad de los usuarios. Desde el lanzamiento de la nueva ley de protección de datos “GDPR” en 2018, hasta la reciente confirmación por parte de Google de la prohibición de uso de cookies de tercera parte en “Chrome” a partir de 2023, la posibilidad de acceder a datos de identificación personal para la medición y optimización del impacto de las campañas de publicidad digital está cada vez más limitada.

En este contexto, la compañía “Meta”, propietaria de alguna de las aplicaciones más usadas en el mundo como “Facebook” o “Instagram”, desarrolló “Robyn”.

“Robyn” es una solución de código transparente y abierto (open-source) para el desarrollo de modelos de “Marketing Mix” (MMM), que está disponible para científicos de datos, analistas o modelizadores de cualquier empresa, institución u organismo. Sin duda, un paso importante en la democratización del acceso a MMM, una herramienta de medición del ROI de la actividad de marketing que consiste en el uso de modelos estadísticos avanzados para la modelización de series temporales (semanales, diarias, etc.) para obtener las variables más influyentes en la evolución de dichas series. Estos modelos se realizan sobre los Key Performance Indicators (KPIs) o “indicadores claves de desempeño” que se refieren a todas las variables identificadas como necesarias para evaluar la efectividad de una estrategia de marketing (ventas, visitas web, etc.), y no utilizan ningún dato de dato de identificación personal para el análisis.
El principal objetivo de MMM es poder explicar la variación temporal de dichos KPIs en función de los distintos drivers que afectan al negocio.

Independientemente del modelo elegido, el resultado que se obtiene será una ecuación capaz de estimar el comportamiento de la variable analizada. Cuanto más parecida sea esta estimación a la realidad, más robusto será el modelo y mejores decisiones se podrán tomar a partir de los resultados.

A comienzos de 2022, “Meta” encarga a Deloitte la realización de un estudio con el fin de medir el impacto de la publicidad en las reservas directas en la página web de cuatro cadenas hoteleras españolas que han tenido distintas estrategias en medios, empleando para ello “Robyn”. Con el proyecto se persiguen dos objetivos concretos: (1) realizar un diagnóstico del potencial de Robyn en base a un caso real de análisis y (2) obtener el ROI de la inversión publicitaria por hotel y medio, identificando oportunidades de optimización. Cabe destacar que, para llevar a cabo el análisis, se emplearon datos semanales desde octubre 2018 a septiembre 2021, incorporando múltiples variables al análisis.

A continuación, las principales fuentes de datos utilizadas:

• SimilarWeb y SemRush: información sobre tráfico web y reservas web de las cuatro cadenas hoteleras bajo estudio, así como la inversión en Paid Search estimada.
• Meta: métricas de inversión e impresiones de la publicidad realizada en Facebook e Instagram.
• Google: indicador de movilidad que sirve para explicar el confinamiento y desescalada en España (Google Mobility) e información de búsquedas procedente (Google Trends).
• Kantar e Infoadex: información sobre GRPs en TV e inversiones estimadas por medios.
  • Eurostat e INE: variables macroeconómicas (paro, situación económica, viajeros, etc.)

Metodología y diagnóstico de Robyn

Iniciamos el estudio con un análisis exploratorio de toda la información disponible que nos sirve para comprender los datos recopilados y conocer la situación en el sector hotelero en España durante los tres años de histórico disponibles en términos de reservas web e inversiones publicitarias.

Una vez entendida la relación entre los distintos indicadores bajo análisis, podemos empezar con el desarrollo de la modelización. Como se ha mencionado previamente, utilizamos Robyn, una solución Open – Source para desarrollar MMM. En concreto, Robyn es un conjunto de códigos en R que se basa regresiones Ridge de series temporales y que permite la selección automática de hiperparámetros y la calibración de resultados a través de otras mediciones, como por ejemplo los experimentos. A través del ejercicio real realizado en el sector hotelero, disponemos de un diagnóstico sobre las principales ventajas que presenta Robyn frente otros enfoques de modelización más tradicionales:

Reduce el sesgo humano:

1. Automatiza el proceso de extracción de la estacionalidad a través del algoritmo "Prophet", aumentando la interpretabilidad y precisión del modelo.
2. Utiliza Regresión Ridge para resolver la multicolinealidad.
3. Homogeniza la forma de medir la eficacia del marketing, permitiendo que el analista siga un proceso de modelización estandarizado para evaluar cada variable de la forma adecuada.

Permite una óptima adaptación a las especificidades de cada caso:

1. Es totalmente personalizable para adaptarse a las métricas de interés de un anunciante (Notoriedad, Visitas web, Ventas, etc.).
2. Es adaptable al comportamiento de cada variable, por ejemplo, dando la posibilidad de medir un efecto de recuerdo publicitario distinto para cada medio publicitario.
3. Permite la calibración y validación mediante experimentos (test A/B)
   
   

Acelera la toma de decisiones:

1. Está estructurado en un código automatizado, lo que hace que sea significativamente más rápido de ejecutar que los modelos tradicionales.
2. Incluye un optimizador de presupuesto de marketing integrado con la posibilidad de aplicar restricciones.
3. Reduce los tiempos de modelización, permitiendo la optimización de campañas con mayor rapidez.

Resultados claves del Business Case realizado

Además de poner a prueba a Robyn, los resultados proporcionados por el estudio ofrecieron a Meta visibilidad completa sobre el impacto de las campañas publicitarias sobre sus plataformas (Facebook & Instagram) bajo el contexto real de la planificación de medios publicitarios.

Tras aplicar el código abierto de Robyn para la medición de la eficacia publicitaria, se obtuvieron los siguientes aprendizajes:

• Robyn permite desarrollar modelos robustos de MMM. El ajuste del modelo (R2) obtenido para las reservas web totales fue del 81%.
• La publicidad realizada en Meta, tanto en el formato de Vídeo como No Vídeo, tiene un peso significativo en la generación de reservas web. En 2021, el 16,8% de las reservas web fueron generadas por Meta (vídeo + sin vídeo).

• Se mide el recuerdo publicitario (ad-stock) para todos los medios publicitarios analizados. Los medios audiovisuales (Meta Video y TV) obtuvieron el mayor efecto Ad-Stock confirmando su gran poder para generar recuerdo publicitario. Por otro lado, Paid Search fue el medio con menor recuerdo publicitario.
• Al analizar los datos agregados de Meta para los 4 grupos hoteleros, se observa que aún no se ha alcanzado la saturación en la inversión realizada en Meta. La contribución a las reservas web a nivel de hotel está relacionada linealmente con el nivel de inversión real realizado.
• Paid Search representa el mayor porcentaje de contribución en reservas debido a las altas inversiones realizadas. Sin embargo, la publicidad en Meta alcanza el mayor ROI, es decir, el mayor número de reservas web por cada euro invertido. Si traducimos los resultados a coste por adquisición (CPA), Meta alcanzaría unos resultados por debajo de los 30€ por cada reserva.
• La optimización de medios sugiere aumentar la inversión en medios de publicidad de Meta, especialmente en Vídeo, para aprovechar el efecto recuerdo que genera este medio. Optimizando la estrategia de medios, el volumen de reservas web totales podría incrementarse en un 8,8%.

Como resumen, Deloitte ha podido evaluar el código abierto Robyn en un caso real del sector Turismo, concluyendo que es una opción muy útil para el para el desarrollo de MMM de una forma muy robusta y eficiente. Desarrollando modelos en base al código de Robyn seguimos obteniendo los principales resultados que históricamente ofrece la medición con MMM (incluyendo niveles de inversión óptima para todos los medios que se analicen), ganando en precisión y agilidad, permitiendo una mejor adaptación al contacto actual de publicidad digital.

Además, este proyecto ha servido para que Deloitte comience el desarrollo de Robyn AccelarAItor, una plataforma en la nube de fácil uso que simplificará aún más el proceso de ejecución y selección del mejor modelo, aprovechando todas las funcionalidades que nos brinda Robyn y permitiendo a los perfiles con menor conocimiento técnico aplicar este tipo de metodología.