¿Cómo demuestras a un cliente que su dinero en medios está funcionando? Deja de abrir con capturas del ROAS. Las pruebas en las que hoy confían los clientes tienen tres partes: un modelo que muestra lo que cada canal ha aportado por encima de la base, un experimento que lo confirma y evidencias que explican por qué se han movido las cifras. Los modelos de marketing mix han vuelto porque cubren bien la primera parte.
La última prueba llega desde el Golfo. Campaign Middle East informó de que la agencia de performance TRKKN utilizó Meridian, el modelo de marketing mix de código abierto de Google, para analizar tres años de datos de la cadena de belleza Faces. En 11 canales, el modelo proyectó un aumento incremental de los ingresos del 8,5 % y una mejora del ROI de 10,8 puntos porcentuales, simplemente redistribuyendo el presupuesto existente.
¿Por qué han vuelto los modelos de marketing mix?
Porque las alternativas dejaron de convencer a nadie. Los dashboards de las plataformas reportan las conversiones que creen haber causado, así que la plataforma que vende los medios es también la que los mide. La atribución al último clic da el mérito al punto de contacto que llegó el último, lo que favorece la búsqueda y el retargeting y deja sin recursos la actividad que generó la demanda en primer lugar.
El MMM sigue otro camino. Analiza la inversión y las ventas a lo largo del tiempo, en todos los canales, incluidos los offline, y estima lo que aportó cada uno por encima de la base. No necesita seguir a usuarios individuales. Y con opciones de código abierto como Meridian, la barrera ya no es una licencia cara, sino la ingeniería de datos y la experiencia.
Harry Lonergan, director de marketing digital de Faces, declaró a Campaign Middle East: «Meridian nos ha ayudado a ir más allá de lo que vemos en el rendimiento al último clic». Es la frase que a la mayoría de los clientes les gustaría poder decir.
¿Qué demostró realmente el caso de Faces y TRKKN?
Merece la pena leer el detalle, porque sirve también de plantilla. TRKKN se encargó de la ingeniería de datos, la construcción del modelo y su despliegue dentro del entorno de Google Cloud que Faces ya tenía. El modelo abarcó los datos de marketing online y offline y de ingresos en Arabia Saudí de 2023 a 2025.
Tres resultados fueron clave. Primero, mostró qué canales generaban ingresos incrementales e identificó el 19 % de los ingresos como impulsado por campañas. Segundo, estimó la curva de respuesta y de saturación de cada canal, mostrando en qué punto la inversión adicional daría rendimientos decrecientes. Tercero, modelizó escenarios de presupuesto, que es de donde sale la cifra del 8,5 %. Performance Max resultó ser el canal más fuerte del análisis.
Fíjate en lo que la agencia no pidió: más dinero. La recomendación fue mover el dinero que ya había. Y el marco es continuo, porque reevalúa el ROI a medida que llegan datos nuevos, en lugar de ser un informe puntual. Como dijo Vimal Badiani, director general de TRKKN: «Se trata de dar a los profesionales del marketing las pruebas y la confianza para tomar mejores decisiones».
¿Qué pruebas necesitan los clientes para creerse el ROI de medios?
Ningún método basta por sí solo. Cada capa responde a una pregunta distinta y tiene una debilidad diferente.
| Capa de evidencia | Pregunta que responde | Método habitual | Debilidad |
|---|---|---|---|
| ROAS reportado por la plataforma | ¿Qué eficiencia tuvo este canal, según su propia medición? | Informes del gestor de anuncios | Es juez y parte; ignora la incrementalidad |
| Modelos de marketing mix | ¿Qué aportó cada canal por encima de la base? | Modelo estadístico de inversión y ventas a lo largo de varios años | Explica el qué, no el porqué; necesita datos coherentes |
| Tests de incrementalidad | ¿Causó este canal el aumento? | Tests geográficos con grupo de control, estudios de conversion lift | Lentos; normalmente, un canal cada vez |
| Curvas de saturación | ¿Dónde deja de compensar la inversión adicional? | Resultado del MMM | Solo son tan buenas como el modelo que las sustenta |
| Evidencias de audiencia y competencia | ¿Por qué cambiaron los resultados? | Social listening, análisis de anuncios de la competencia | Anecdóticas salvo que se vinculen a datos reales |
La mayoría de las agencias presenta la primera fila y cruza los dedos. Las que conservan los presupuestos presentan las cinco.
¿Por qué los presupuestos de medios acaban en los sitios equivocados?
Los economistas tienen un nombre para esto: fallo de mercado. Los mercados asignan bien los recursos cuando compradores y vendedores disponen de buena información. Cuando falta información, o la tiene solo una de las partes, el dinero fluye hacia los sitios equivocados y se queda allí.
La compra de medios es un caso de manual. El cliente no puede ver lo que ven las plataformas. La agencia ve más que el cliente, pero a menudo cobra, al menos en parte, en función de lo que invierte. Las plataformas informan sobre su propio rendimiento. Todos actúan racionalmente con información parcial, y el resultado es un presupuesto amontonado en canales que lucen bien con el último clic mientras los canales que construyen demanda pasan hambre. Un aumento proyectado del 8,5 % con solo mover un presupuesto que Faces ya estaba invirtiendo es, en la práctica, una medida de esa mala asignación.
La solución no es tener más datos. Es una claridad compartida. En el terreno del comercio, la claridad genera conexión: cuando cliente y agencia miran las mismas pruebas y las leen igual, la conversación pasa de defender la inversión a decidir adónde va a continuación.
¿Cómo construyes un relato sobre el ROI de medios del que se fíen los clientes?
- Acuerda el resultado de negocio y la línea base. Ingresos, nuevos clientes o margen, y una visión honesta de lo que habría pasado sin marketing.
- Reúne un histórico de datos coherente. Inversión y resultados por canal, online y offline, además de precios, promociones y estacionalidad. Faces usó tres años en 11 canales.
- Ejecuta el modelo. Usa un MMM de código abierto como Meridian o un partner especializado. Pide la contribución por canal y las curvas de saturación, no una única cifra de ROI.
- Valida un hallazgo con un experimento. Un test geográfico con grupo de control en el canal que el modelo considera sobrefinanciado es la prueba más persuasiva que puedes hacer.
- Explica el porqué. Acompaña cada conclusión por canal de lo que realmente se dijo y se vio: la creatividad que se emitió, lo que lanzó la competencia y cómo cambió la conversación de la audiencia.
- Presenta una redistribución, no una petición. Muestra el escenario que mueve el presupuesto existente y el resultado que proyecta.
- Mantén vivo el modelo. Vuelve a ejecutarlo a medida que lleguen datos nuevos, para que el ROI se convierta en una conversación permanente y no en una discusión anual.
¿Qué papel tienen la creatividad y el contexto local en el ROI de medios?
El MMM te dice qué canal funcionó. Dice poco sobre lo que hizo el mensaje, y esa laguna importa. Campaign se hizo eco de una nueva investigación de Publicis London, System1 y Effie que comparaba campañas globales con trabajos para mercados locales y concluía que las campañas globales generan menos resultados comerciales. Si el encaje entre un mensaje y su mercado afecta tanto a los resultados, una explicación basada solo en canales es media respuesta.
Esta es la mitad que falta en la mayoría de las presentaciones de ROI. Cuando un modelo dice que las redes sociales de pago rindieron por encima de lo previsto en el tercer trimestre, la siguiente pregunta del cliente es por qué. ¿Fue la creatividad? ¿Un competidor que se quedó en silencio? ¿Un cambio en aquello de lo que hablaba la audiencia? Defy Monitor lo responde vinculando cada conclusión de la IA con las publicaciones reales que la sustentan, con una estrategia obtenida por ingeniería inversa a partir de lo que audiencias y competidores publican realmente, y no de encuestas. Funciona junto a tu medición, no en su lugar, como parte de la plataforma Defy.
