En los últimos años, la creación de grandes conjuntos de datos de una sola fuente ha supuesto un gran impulso para el sector de la investigación publicitaria. En Nielsen Catalina Solutions, combinamos los datos de ventas en tienda de millones de hogares con información sobre si esos hogares están expuestos o no a una campaña publicitaria determinada. Al examinar el diferencial de ventas entre los hogares expuestos y los no expuestos, podemos calcular con gran precisión el aumento de ventas generado por miles de campañas*.
El modelo ANCOVA (análisis de covarianza) que constituye la base de esta metodología de prueba y control ha sido probado a fondo, y proporciona respuestas rápidas y fiables a los responsables de marca interesados en medir la eficacia de una campaña en su conjunto. Pero hay ocasiones en las que no se ajusta del todo a la realidad. Consideremos, por ejemplo, el caso de una campaña que llegó a un público tan amplio que es casi imposible encontrar hogares que no estuvieran expuestos a ella (véase la Fig. 1). ¿Dónde encontraríamos al grupo de control?
Para afrontar este reto, hemos desarrollado una nueva metodología denominada "Cognitive Advantics" (CA). En lugar de examinar el aumento de las ventas de forma agregada a lo largo de toda la campaña publicitaria, analiza los datos de ventas de los hogares a nivel de cada ocasión de compra y tiene en cuenta el momento de exposición a los anuncios en cada paso del proceso, una visión mucho más granular de los datos. Al fin y al cabo, un hogar puede ver un anuncio, realizar una compra, volver a ver un anuncio de la misma marca y sería difícil afirmar que el segundo anuncio influyó en esa compra en concreto. Por el contrario, un hogar puede ver un anuncio, hacer una compra dos meses después y, con tanto tiempo entre medias, sería difícil concluir que la exposición al anuncio fue el factor determinante de esa compra.
Al analizar los datos por ocasión de compra, podemos tener en cuenta la "frecuencia" de la exposición: cuanto más reciente es el anuncio, mayor es el impacto. Aunque el intervalo de tiempo efectivo puede variar de un estudio a otro, por lo general nos remontamos a 28 días desde el momento de la compra para encontrar una o más exposiciones a las que pueda atribuirse la ocasión de compra (véase la Fig. 2). También podemos resolver el problema del grupo de control porque, aunque puede que no haya muchos hogares que no hayan estado expuestos a la campaña en un momento u otro, suele haber suficientes ocasiones de compra en las que no influyó un anuncio justo antes de la compra, incluso entre los hogares expuestos.
Para realizar el análisis, la metodología CA toma todas las variables relevantes (historial de compras, consumo de medios, datos demográficos, ubicación, categorías de compra, etc.), las introduce en una colección de algoritmos de modelado de datos y permite que los datos elijan y combinen los modelos de modo que los resultados tengan la mejor validación cruzada (es decir, la más sólida desde el punto de vista estadístico). Esta es la parte "cognitiva" del nombre CA. El resultado final es una herramienta muy potente que depende muy poco de la intervención humana y puede desplegarse a gran escala.
A medida que el mercado avanza hacia soluciones en tiempo real y con sólo pulsar un botón, ésta es la próxima evolución en la medición de la eficacia publicitaria. Los primeros resultados son muy prometedores, y estamos deseando compartir detalles, ejemplos y referencias de rendimiento en un próximo número de la revista.
![](https://www.nielsen.com/wp-content/uploads/sites/2/2019/04/snapshot120-20fig1.png)
![](https://www.nielsen.com/wp-content/uploads/sites/2/2019/04/snapshot120-20fig2.png)
*Ver detalles sobre este método en: Using single-source data to measure advertising effectiveness en VOL 1, ISSUE 2 del Nielsen Journal of Measurement.