“La IA ha permitido democratizar la adopción del Marketing Mix Modeling para muchas empresas”

La inteligencia artificial avanza cada día, para mostrarnos una nueva revolución en un campo diferente. Es el caso del Marketing Mix Modeling (MMM) y la predicción de la demanda. Una estrategia clave para cualquier empresa, a nivel de planificación y ejecución de operaciones, ya que afecta significativamente a la disponibilidad de sus productos y a su eficacia en general, teniendo un gran impacto económico.

Las metodologías de predicción se basan en análisis de series históricas de ventas, y un enfoque preciso de analítica avanzada puede afrontar con garantías esta problemática. En la actualidad, existen varios modelos estadísticos que realizan estas complejas predicciones de demanda basados en inteligencia artificial, ya que consiguen obtener buenos índices de precisión de las organizaciones.

Para hablar sobre cómo la IA está revolucionando el sector del marketing, entrevistamos a Joan Miró y Quim Coll, cofundadores de Kraz.

Lo primero de todo, ¿podríais explicarnos en qué consiste el Marketing Mix Modeling?

El Marketing Mix Modeling responde a una necesidad fundamental de cualquier CEO y CMO. Cuando estos responsables se preguntan por el retorno en ventas de las inversiones publicitarias.

Para ello, se usan una serie de herramientas estadísticas para estimar el efecto de las diferentes palancas de los medios publicitarios, así como de otros posibles factores externos, en las ventas. Con el modelo MMM se busca optimizar el gasto en cada una de estas palancas publicitarias para optimizar las ventas totales.

¿Cómo está la inteligencia artificial transformando los fundamentos de la predicción de la demanda en comparación con los métodos tradicionales basados en análisis de series históricas de ventas?

La IA está transformando MMM en dos ámbitos principales. Por un lado, la velocidad de ejecución, con algoritmos mucho más eficientes que permiten iterar mucho más rápidamente las soluciones. Y, por el otro, la exploración de múltiples combinaciones de patrones, ahondando en toda la casuística combinatoria de las infinitas posibilidades de relaciones entre variables de un modelo MMM.

¿Cómo ha mejorado la IA la precisión y la fiabilidad de los modelos de MMM y qué ventajas ofrece esto a las organizaciones?

La IA ha permitido 'democratizar' la adopción de MMM. Ha posibilitado que los modelos actuales sean mucho más eficientes, rápidos y exactos, lo que se ha traducido en una bajada muy importante en el coste de implementación y en una subida en la fiabilidad de dichos modelos.

¿Cómo se adaptan esta clase de modelos basados en IA a fluctuaciones, qué técnicas se utilizan para mantener su precisión a lo largo del tiempo?

Los modelos MMM se elaboran en un momento concreto del tiempo. A partir de allí, cualquier modelo puede ser actualizable iterando el mismo con nuevos periodos de datos añadidos.

Estos procesos de “refresh” son recurrentes y permiten que el modelo reajuste todos los parámetros (de saturación de canales, de respuesta, de interacción entre canales, etc) para dar outputs actualizados a nivel de ROAS de cada canal y generar escenarios actualizados de budget allocation (asignación de presupuesto a canales) a partir de la información más reciente disponible.

¿Cuáles son los principales obstáculos que enfrentan las empresas al adoptar estas tecnologías?

Sin duda, el know how de estas metodologías es el principal obstáculo. Una cosa es tener la herramienta al alcance de la mano, otra cosa es saberla manejar correctamente y óptimamente para obtener todo el potencial de la metodología. Contar con partners que ayuden en la implementación y curva de aprendizaje es clave para que el proceso resulte exitoso, y no se demore en el tiempo.

Los mejores proyectos MMM son aquellos en los que, aparte de una excelente implementación técnica a nivel de código, se logra la excelencia en todos los aspectos aparentemente “soft” del proyecto: alineamiento estratégico del equipo para empezar el proyecto, configuración de un equipo de trabajo sólido, identificación de todas las potenciales vías de datos disponibles, iteración de posibles modelos e identificación del mejor modelo a usar, comunicación de resultados al equipo, etc

¿Podríais compartir algún caso de éxito en la aplicación de la IA en MMM para empresas? ¿Qué pueden aprender otras empresas de estos casos?

Tenemos recientes experiencias con empresas en sectores como moda, calzado, home&deco. En todos los casos hemos detectado aquellos canales publicitarios con excelente retorno en ventas y con potencial de recibir más inversión. Al mismo tiempo hemos detectado canales publicitarios con peores resultados y que requieren un ajuste a la baja del gasto para reasignar ese presupuesto a áreas de mejor rendimiento.

Las recomendaciones de los modelos que hemos generado han conseguido optimizar la eficiencia publicitaria de nuestros clientes, consiguiendo incrementos de ventas de entre 10-20 % manteniendo el mismo gasto, gracias a una mejor mix de canales (redistribución del gasto entre canales).

La ejecución de las acciones sugeridas por el modelo se mide a posteriori para validar la mejora de resultados: MMM es un “journey”, un proceso de mejora continuo para racionalizar el gasto publicitario encontrando el reparto óptimo de inversión entre los distintos medios.

Mirando hacia el futuro, ¿qué innovaciones creeis que seguirán revolucionando el campo de la predicción de demanda y el Marketing Mix Modeling? ¿Cómo deberían prepararse las empresas para aprovechar al máximo estas tecnologías emergentes?

Las innovaciones vendrán por la parte de recolección y preparación de datos para estos modelos (procesos que simplificarán y acelerarán estos procesos previos a la modelización), y también en la parte de reporting y visualización de estos modelos (nuevas herramientas y posibilidades de explotación de datos de modelos MMM).

Las empresas deberían prepararse a partir de la colaboración con empresas especialistas en el área: MMM es un campo de conocimiento muy específico, y la manera de aterrizar sólidamente en este campo es ir de la mano con un experto que conozca ese terreno.