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 línea de base es lo que habría pasado sin la campaña. No lo que pasó antes. No las cifras del año pasado. No el promedio.
- Es el escenario contrafactual. La situación en la que el anuncio nunca se hubiera publicado, pero todo lo demás se hubiera mantenido 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 de finanzas
Cuando el equipo de una marca llega a una reunión de revisión trimestral (QBR) y dice «logramos un ROAS cinco veces mayor», la primera pregunta de cualquier persona con experiencia en finanzas es: ¿en comparación con qué?
Si la línea de base es incorrecta, el aumento también lo es. Y si el aumento es incorrecto, todo el caso de negocio se derrumba.
Así es como suele salir mal
- Comparación antes y después. Se compara el período de la campaña con el período 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 manera independiente. La comparación antes y después no aísla a la campaña. Aísla el calendario.
- Comparación interanual. Es mejor, pero sigue teniendo ruido. ¿El panorama competitivo era el mismo? ¿El producto estaba disponible en el mismo número de tiendas? ¿Hubo algún cambio de precio? La comparación interanual te da una referencia, no una línea de base.
- 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 desempeñaste en relación con algo. Las líneas de base te indican qué cambió realmente tu campaña. La pieza que falta: el pronóstico 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 pronóstico de demanda.
Un pronóstico de demanda toma datos históricos de ventas y considera 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, e incluso el comportamiento según el día 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 promedio simplista. Una predicción dinámica que evoluciona con el negocio, tal como este evoluciona en realidad.
Cuando se ejecuta una campaña, comparas las ventas reales con el pronóstico. La diferencia, lo real menos lo esperado, es tu aumento. Y como el pronóstico ya incorporó 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 período de comparación y esperar que nada más haya cambiado. La previsión modela los cambios. No los ignora.
Por qué esto es importante específicamente para Retail Media
Retail Media se basa en datos de transacciones. Esa es su ventaja. Pero los datos de transacciones por sí solos no te brindan una línea de base; te brindan cifras reales. Necesitas un modelo que convierta los datos históricos reales en expectativas prospectivas.
Los retailers y las plataformas que invierten en la previsión de la demanda como parte de su conjunto de herramientas de medición obtienen algo muy poderoso: una línea de base que es defendible, repetible y que no depende de encontrar un período de comparación «limpio», porque en el comercio Retailer no existe tal cosa como un período limpio. Siempre hay algo en oferta. Siempre hay algo que ha cambiado.
Un buen modelo de demanda maneja eso. Dice: «Dado 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 tarea de la campaña es superar esa expectativa.
Y cuando el modelo está bien calibrado, los resultados resisten un análisis minucioso. El departamento de finanzas puede auditar la metodología. La marca puede ver los supuestos. La conversación pasa de «¿crees en este número?» a «¿qué provocó la diferencia?».
Grupos de control: la otra vía confiable
La previsión de la demanda no es la única forma. El otro método confiable son los grupos de control.
Toma una población de Shoppers. Expone a un grupo a la campaña. Mantén un grupo de control que parezca estadísticamente idéntico, pero que no vea ninguna actividad de la campaña. Compara los resultados. La diferencia es tu aumento. El comportamiento del grupo de control es tu línea de base.
En la práctica, los marcos de medición más sólidos utilizan ambos. El pronóstico establece la línea de base esperada para todo el alcance 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.
Lo que debe tomar en cuenta una buena línea de base
- Estacionalidad. ¿Es este un período en el que las ventas aumentan o disminuyen de manera natural?
- Actividad promocional. ¿El producto estuvo en oferta durante la campaña? ¿Estuvo en oferta en el período de referencia?
- Cambios en la distribución. ¿El producto ganó o perdió tiendas?
- Movimientos de precios. ¿Cambió el precio de venta al público?
- Actividad de la competencia. ¿Algún competidor directo lanzó un producto, lo retiró de la venta o lo promocionó durante el mismo período?
- Factores externos. El clima, los días festivos, los cambios macroeconómicos: cualquier cosa que influya en el volumen a nivel de categoría.
Un modelo de demanda incorpora estos factores como datos de entrada. Un grupo de control los neutraliza por diseño. De cualquier manera, la línea de base refleja la realidad, no una simplificación conveniente de la misma.
La realidad práctica
La mayoría de las Retail Media Networks de hoy en día no hacen esto 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 período que se eligió porque hacía que el resultado se viera bien.
Eso no es medición. Eso es mercadotecnia.
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 cada campaña, cada categoría y cada tienda. Expondrán su metodología de referencia desde el principio, la mantendrán consistente y dejarán que las cifras sean las que sean, incluso cuando no sean halagadoras.
Porque esto es lo que pasa cuando se establecen correctamente 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 resumen, la línea de base no es un detalle más del informe. Es el fundamento de cada afirmación que hace Retail Media.
Las mejores líneas de base se construyen sobre modelos de pronóstico de demanda que predicen lo que se habría vendido de todos modos, y se validan con experimentos del grupo de control que confirman la predicción. Juntos, transforman 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.
¿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. Echa un vistazo a las historias de éxito de nuestros clientes o contáctanos para hablar sobre tu estrategia de Retail Media.
