Grupos holdout: la prueba de incrementalidad más clara de Retail Media

Grupos de control: la prueba de incrementalidad más precisa de Retail Media Cada informe de campaña te dice lo que pasó. Las ventas subieron. El ROAS fue de 4 veces. Se entregaron las impresiones. Los gráficos se ven en verde.

Pero la pregunta que importa no es qué pasó. Es qué habría pasado sin ti.

Esa es la pregunta que responde un grupo de control. Y es la vía más clara hacia la prueba causal que tiene el Retail Media.

La versión más sencilla de la pregunta más difícil

La incrementalidad es la pregunta más difícil en publicidad. ¿La campaña generó las ventas, o esas ventas se habrían producido de todos modos?

La mayoría de los canales de medios no pueden responder esto. Pueden correlacionar la exposición con los resultados. Pueden modelar la atribución. Pueden realizar estudios econométricos meses después de los hechos. Pero no pueden aislar la causalidad en tiempo real.

Retail Media sí puede. Porque los datos residen dentro de un ecosistema cerrado, el Retailer, donde se controla quién ve la campaña y se puede observar lo que compra cada persona.

Una prueba con grupo de control es la aplicación más sencilla de esa ventaja.

Cómo funciona

Toma una población de Shoppers que sean elegibles para la campaña: cumplen con los criterios de segmentación, compran en las tiendas adecuadas y son activos en las categorías correctas.

Divídelos en dos grupos:

• Grupo expuesto. Ven la campaña. Pantallas, anuncios digitales, productos patrocinados, lo que sea que incluya el plan de medios.
• Grupo de control. Coinciden con el grupo expuesto en todos los aspectos relevantes, frecuencia de compra, tamaño de la canasta, comportamiento por categoría, combinación de tiendas, , pero no ven la campaña. Ejecuta la campaña. Espera a que termine el período de medición. Compara los resultados.

La diferencia en el comportamiento de compra entre los dos grupos es tu efecto incremental. El comportamiento del grupo de control es tu línea de base: lo que habría pasado sin la campaña.

Eso es todo. Sin modelos complejos. Sin suposiciones sobre cómo es lo «normal». Sin períodos de comparación seleccionados a dedo. Solo dos grupos, un estímulo y un resultado medido.

Por qué es el estándar de oro

Las pruebas con grupo de control son lo más parecido a un ensayo controlado aleatorio que la publicidad puede lograr a gran escala. Es la misma lógica que impulsa los ensayos clínicos de medicamentos: administrarle el tratamiento a un grupo, darle un placebo a otro grupo y comparar los resultados.

La razón por la que es tan eficaz es que controla todo lo que no se puede ver. La estacionalidad, la actividad de la competencia, los cambios de precios, los cambios en la distribución, el clima, las condiciones macroeconómicas: todos estos factores afectan a ambos grupos por igual. Así que, cuando ves una diferencia en el comportamiento de compra, puedes estar seguro de que fue la campaña la que la provocó.

Ningún otro método de medición te brinda esa certeza. Ni el análisis previo y posterior. Ni la comparación interanual. Ni el modelado del mix de marketing. Ni la atribución multitoque. Todos esos métodos requieren suposiciones. Los grupos de control solo requieren una: que los dos grupos fueran equivalentes al inicio.

Las decisiones de diseño que importan

Una prueba con grupo de control suena sencilla. La ejecución tiene sus matices.

• Tamaño de los grupos. Los grupos deben ser lo suficientemente grandes como para detectar una diferencia significativa. Si el aumento esperado es pequeño, digamos, del 3 al 5 %, , se necesitan decenas de miles de Shoppers en cada grupo para alcanzar significación estadística. Las pruebas con poder estadístico insuficiente producen resultados ruidosos en los que no se puede confiar.
• Calidad de la correspondencia. El grupo de control debe ser similar al grupo expuesto antes de que comience la campaña. Eso significa que deben coincidir en frecuencia de compra, gasto por categoría, distribución de tiendas, composición de la canasta de compras y recencia. Si los grupos no están equilibrados, la comparación se ve contaminada. Incluso un pequeño sesgo, como que el grupo expuesto tenga un gasto de referencia ligeramente mayor, puede inflar el resultado.
• Control de la contaminación. Los medios in-store crean un riesgo de contaminación. Si el grupo de control compra en una tienda donde las pantallas están transmitiendo la campaña, es posible que la vean de todos modos. Los diseños reales de grupos de control toman esto en cuenta, ya sea mediante campañas exclusivamente digitales en las que la exposición se puede controlar con precisión, o mediante divisiones geográficas en las que se excluyen tiendas o regiones enteras.
• Período de medición. ¿Durante cuánto tiempo se mide después de la exposición? Si es demasiado corto, se pierden las compras diferidas. Si es demasiado largo, se introducen otros factores. El período adecuado depende del ciclo de compra de la categoría. Para un artículo de supermercado semanal, por lo general bastan de dos a cuatro semanas. Para una compra trimestral, como el detergente para ropa, tal vez se necesiten de seis a ocho semanas.
• Lo que se mide. La métrica obvia es el aumento en las ventas: ¿el grupo expuesto compró más? Pero una buena prueba va más allá:

Penetración. ¿Compraron el producto más personas, o simplemente los compradores existentes compraron más?

New-to-brand tasa. ¿Cuántos shoppers del grupo expuesto compraron la marca por primera vez?

Impacto en la canasta de compras. ¿La campaña afectó a categorías adyacentes o a la canasta de compras en general?

Tasa de repetición. ¿La campaña generó una prueba única o un cambio de comportamiento duradero?

Cada uno de estos indicadores cuenta una historia diferente sobre lo que la campaña logró realmente, y cada uno es importante para distintos grupos de interés.

Grupos de control y pronóstico de demanda: juntos son más eficaces

Los grupos de control te brindan evidencia experimental. La previsión de la demanda te brinda evidencia basada en modelos. Los mejores marcos de medición utilizan ambos.

He aquí el motivo.

Un grupo de control te dice qué pasó en la prueba, pero solo en la prueba. Es preciso para la campaña, las audiencias y el período de tiempo específicos. Pero no se puede generalizar fácilmente. Realizar una prueba completa con grupo de control para cada campaña es costoso en términos de costo de oportunidad: deliberadamente no estás mostrando anuncios a Shoppers que podrían haber convertido.

Un modelo de pronóstico de demanda te indica lo que debería haber pasado con base en patrones históricos: estacionalidad, promociones, distribución, precios y efectos del día de la semana. Abarca todo el alcance de la campaña, no solo un subconjunto de prueba. Pero es un modelo, no un experimento. Implica suposiciones.

Cuando realizas ambas cosas:

• El grupo de control valida el modelo. Si el pronóstico de demanda predice un aumento del 5 % y el grupo de control mide un 4,8 %, sabes que tu modelo está calibrado.
• El modelo amplía el experimento. Una vez validada, la previsión de demanda puede estimar la incrementalidad para campañas en las que no es práctico contar con un grupo de control completo: campañas más pequeñas, programas permanentes, activaciones in-store donde no es factible excluir zonas geográficas.
• La confianza se multiplica. Las marcas confían más en las cifras cuando dos métodos independientes coinciden. Y cuando confían en las cifras, invierten más.

Así es como madura la medición en Retail Media. Se empieza con grupos de control para establecer la verdad. Se construyen modelos de pronóstico para ampliar esa verdad. Y se siguen ejecutando grupos de control periódicamente para mantener la precisión de los modelos.

Lo que sale mal

Los errores más comunes en las pruebas con grupos de control:

• Demasiado pequeños. Pruebas con poder estadístico insuficiente que no pueden detectar efectos reales. La campaña podría haber funcionado, pero la prueba no puede demostrarlo. Esto destruye la confianza y desperdicia la oportunidad.
• Mal emparejados. Grupos de control formados por conveniencia en lugar de por emparejamiento estadístico. El resultado parece bueno porque los grupos eran diferentes desde el principio, no porque la campaña haya funcionado.
• Contaminación. Campañas in-store donde el grupo de control estuvo expuesto de todos modos. Si no puedes controlar quién ve el anuncio, la prueba no mide lo que crees que mide.
• Métrica incorrecta. Medir solo las ventas totales cuando la verdadera pregunta se refiere a los nuevos compradores. O medir solo la referencia promocionada cuando el valor real está en los efectos de halo en toda la cartera.
• Una vez y listo. Realizar una sola prueba y tratar el resultado como una verdad permanente. Los mercados cambian, las audiencias se transforman, y lo que funcionó en el primer trimestre podría no funcionar en el tercer trimestre. Las pruebas con grupo de control deben ser una práctica continua, no una validación puntual.

El caso comercial

Los grupos de control no son solo un ejercicio de medición. Son una estrategia comercial.

Cuando una marca ve una cifra de aumento creíble y validada experimentalmente, la conversación cambia. Ya no se trata de «¿funcionó la campaña?», sino de «¿cómo ampliamos esto?».

Ese cambio es importante para las renovaciones. Es importante para las conversaciones sobre el presupuesto. Es importante para que Retail Media pasé de ser un presupuesto de prueba a una partida permanente.

Los RMN que invierten en la metodología de grupos de control, diseñada adecuadamente, ejecutada de manera consistente y reportada de forma transparente, generan confianza más rápido que aquellos que se basan en informes de correlación. Y la confianza es lo que convierte las pruebas en compromisos de varios años.

Conclusión

Una prueba con grupo de control es la forma más sencilla y creíble de responder a la pregunta más difícil de la publicidad: ¿esta campaña generó ventas incrementales?

Exponer a un grupo. Mantener al otro al margen. Comparar los resultados. La diferencia es tu respuesta.

No es el único método de medición que necesita el Retail Media. Pero es el que sirve de base para todo lo demás. Sin él, todas las demás métricas, ROAS, aumento de ventas, new-to-brand, se basan en suposiciones en lugar de en evidencia.

¿Listo para ver cómo funciona esto en la práctica?

Footprints AI ayuda a las marcas y a los Retailers a medir lo que realmente importa. Consulta las historias de éxito de nuestros clientes o contáctanos para hablar sobre tu estrategia de Retail Media.