Pero hay algo de lo que nadie quiere hablar: esa cifra solo es válida en la medida en que lo sea la referencia con la que se compara.
¿Qué es una referencia?
- Una referencia es lo que habría pasado sin la campaña. No lo que pasó antes. No la cifra del año pasado. No la media.
- Es la hipótesis contraria. El escenario en el que el anuncio nunca se publicó, pero todo lo demás se mantuvo igual.
- Esa distinción es más importante de lo que la mayoría de la gente cree.
Por qué es la primera cifra que cuestionará el departamento financiero
Cuando el equipo de una marca entra en una reunión trimestral de resultados y dice «hemos multiplicado por cinco el ROAS», la primera pregunta de cualquier persona con formación financiera es: ¿en comparación con qué?
Si la referencia es errónea, el aumento es erróneo. Y si el aumento es erróneo, todo el caso de negocio se derrumba.
Así es como suele salir mal
- Comparación antes/después. Se compara el periodo de la campaña con el periodo anterior. Pero la estacionalidad, las promociones, los cambios en la distribución, las variaciones de precios... cualquiera de estos factores puede influir en las ventas de forma independiente. La comparación antes/después no aísla la campaña. Aísla el calendario.
- Comparación interanual. Mejor, pero sigue habiendo ruido. ¿Era el panorama competitivo el mismo? ¿Estaba el producto en el mismo número de tiendas? ¿Hubo algún cambio de precio? La comparación interanual te da una referencia, no una base de referencia.
- El promedio de la categoría como indicador. A veces es útil para contextualizar, pero la categoría también incluye la actividad de tus competidores. Si toda la categoría creció un 8 % y tú creciste un 10 %, esa diferencia del 2 % podría ser significativa... o podría ser ruido.
Ninguno de estos es una línea de base. Son puntos de referencia. Los puntos de referencia te indican cómo te has desempeñado en relación con algo. Las líneas de base te indican qué ha cambiado realmente tu campaña. La pieza que falta: la previsión de la demanda.
La forma más rigurosa de definir una línea de base es predecir cuáles habrían sido las ventas sin la campaña, y luego comparar los resultados reales con esa predicción.
Aquí es donde entran en juego los modelos de previsión de la demanda.
Una previsión de la demanda toma datos históricos de ventas y tiene en cuenta todos los factores que impulsan el volumen independientemente de los medios: curvas de estacionalidad, calendarios promocionales, elasticidad de precios, cambios en la distribución, patrones climáticos, efectos de las fiestas, incluso el comportamiento por días de la semana a nivel de tienda. El modelo aprende cómo es lo «normal» para un producto determinado en una tienda determinada en una semana determinada, con todas esas variables incorporadas.
El resultado es una curva de ventas esperadas. No una línea plana. No un simple promedio. Una predicción dinámica que evoluciona con el negocio, tal y como este evoluciona realmente.
Cuando se ejecuta una campaña, se comparan las ventas reales con la previsión. La diferencia —lo real menos lo esperado— es el aumento. Y como la previsión ya ha tenido en cuenta la estacionalidad, las promociones y la distribución, esa diferencia se acerca mucho más al verdadero efecto incremental de los medios.
Esto es fundamentalmente diferente a elegir un periodo de comparación y esperar que nada más haya cambiado. La previsión modela los cambios. No los ignora.
Por qué esto es importante específicamente para los Retail Media
Los Retail Media se basan en los datos de transacciones. Esa es su ventaja. Pero los datos de transacciones por sí solos no te proporcionan una referencia: te dan datos reales. Necesitas un modelo que convierta los datos históricos reales en expectativas de futuro.
Los minoristas y las plataformas que invierten en la previsión de la demanda como parte de su conjunto de herramientas de medición descubren algo poderoso: una referencia que es defendible, repetible y que no depende de encontrar un periodo de comparación «limpio», porque en el comercio minorista no existe tal cosa como un periodo limpio. Siempre hay algo en oferta. Siempre ha cambiado algo.
Un buen modelo de demanda se encarga de eso. Dice: «Teniendo en cuenta todo lo que sabemos sobre este producto, estas tiendas, esta época del año, este precio y este plan promocional, esto es lo que esperábamos vender». La función de la campaña es superar esa expectativa.
Y cuando el modelo está bien calibrado, los resultados resisten el escrutinio. El departamento financiero puede auditar la metodología. La marca puede ver las hipótesis. La conversación pasa de «¿te crees esta cifra?» a «¿qué ha motivado la diferencia?».
Grupos de control: la otra vía clara
La previsión de la demanda no es la única forma. El otro método fiable son los grupos de control.
Tomemos una población de compradores. Expongamos a un grupo a la campaña. Mantengamos un grupo de control que parezca estadísticamente idéntico, pero que no vea ninguna actividad de la campaña. Comparemos los resultados. La diferencia es tu aumento. El comportamiento del grupo de control es tu referencia.
En la práctica, los marcos de medición más sólidos utilizan ambos. La previsión establece la referencia esperada en toda la huella de la campaña. El grupo de control la valida experimentalmente en un subconjunto. Cuando los dos métodos coinciden, la confianza aumenta. Cuando divergen, aprendes algo sobre tu modelo, y eso también es valioso.
Qué tiene en cuenta una buena referencia
- Estacionalidad. ¿Se trata de un periodo en el que las ventas suben o bajan de forma natural?
- Actividad promocional. ¿Estaba el producto en oferta durante la campaña? ¿Estaba en oferta en el periodo de referencia?
- Cambios en la distribución. ¿El producto ganó o perdió tiendas?
- Movimientos de precios. ¿Cambió el precio de venta?
- Actividad de la competencia. ¿Algún competidor directo lanzó, retiró o promocionó un producto durante el mismo periodo?
- Factores externos. El tiempo, las vacaciones, los cambios macroeconómicos: cualquier cosa que influya en el volumen a nivel de categoría.
Un modelo de demanda absorbe estos factores como datos de entrada. Un grupo de control los neutraliza por diseño. En cualquier caso, la línea de base refleja la realidad, no una simplificación conveniente de la misma.
La realidad práctica
La mayoría de las redes de Retail Media actuales no lo hacen bien. Muchas ni siquiera lo hacen.
El informe estándar posterior a la campaña muestra impresiones, alcance y, tal vez, un gráfico de ventas. La línea de base está implícita, no se indica. El aumento se calcula en comparación con un periodo que se eligió porque hacía que el resultado pareciera bueno.
Eso no es medición. Eso es marketing.
Las redes que triunfarán a largo plazo serán aquellas que inviertan en la previsión de la demanda como infraestructura: no como un análisis puntual, sino como un modelo continuo que se aplique a todas las campañas, todas las categorías y todas las tiendas. Expondrán su metodología de referencia desde el principio, la mantendrán coherente y dejarán que la cifra sea la que sea, incluso cuando no sea halagüeña.
Porque esto es lo que ocurre cuando se establecen bien las bases de referencia: las marcas confían en los resultados. Cuando las marcas confían en los resultados, aumentan los presupuestos. Cuando aumentan los presupuestos, dejan de pedir descuentos, porque están comprando pruebas, no espacios publicitarios.
En definitiva, la línea de base no es un detalle más del informe. Es la base de todas las afirmaciones que hace el Retail Media.
Las mejores bases de referencia se construyen sobre modelos de previsión de la demanda que predicen lo que se habría vendido de todos modos, y se validan con experimentos de grupos de control que confirman la predicción. Juntas, convierten el «creemos que la campaña funcionó» en «esto es lo que cambió la campaña, y por eso estamos seguros».
Si estás creando o comprando Retail Media, la primera pregunta no es «¿cuál es el ROAS?», sino «¿cómo se definió la línea de base?».
Todo lo demás se deriva de ahí.
Lecturas relacionadas
- Medición de bucle cerrado: cómo los Retail Media demuestran el impacto en las ventas
- Grupos de control: la prueba de incrementalidad más clara de los Retail Media
- Incidencia en la cesta: seguimiento de cómo los anuncios minoristas cambian los hábitos
- ¿Cómo define la compra basada en la audiencia el futuro de los Retail Media?
- ¿Qué caracteriza a una verdadera red de Retail Media? Los cuatro pilares que toda RMN necesita
¿Listo para ver cómo funciona esto en la práctica?
Footprints AI ayuda a las marcas y a los minoristas a medir lo que realmente importa. Echa un vistazo a los casos de éxito de nuestros clientes o ponte en contacto con nosotros para hablar sobre tu estrategia de Retail Media.
