No se identifica a todos los Shoppers. La penetración del programa de fidelidad podría ser del 60 %, del 70 % o, tal vez, del 80 % en el mejor de los casos. El resto son anónimos: realizaron una compra, pero no se les puede vincular con la exposición a una campaña.
Entonces, ¿qué haces con esa brecha? Si la ignoras, subestimas el impacto de la campaña.
Si la extrapolas, corres el riesgo de exagerarlo. De cualquier manera, la cifra es incorrecta; la pregunta es en qué sentido prefieres equivocarte y qué tan transparente eres respecto a esa decisión.
Qué significa la extrapolación
La extrapolación toma el comportamiento observado en la población emparejada (identificada) y lo proyecta sobre la población no emparejada (anónima).
Si los shoppers identificados expuestos a la campaña mostraron un aumento del 6 %, la extrapolación supone que los shoppers anónimos también mostraron un aumento de aproximadamente el 6 %. El impacto total estimado se convierte en el resultado de la muestra, escalado a toda la audiencia.
La suposición: los compradores emparejados y los no emparejados se comportan de manera similar. Esta suposición suele ser errónea. Los miembros del programa de fidelidad tienden a ser compradores más activos, más comprometidos y más receptivos a las promociones. Proyectar su comportamiento en compradores anónimos menos activos y menos comprometidos probablemente exagere el efecto.
Las reglas de una extrapolación honesta
Si extrapolas, debes indicar las reglas. En Footprints AI, la metodología es transparente:
1. Presenta los resultados de los Shoppers identificados como primarios. «Entre los Shoppers identificados, la campaña generó un aumento incremental del 6,2 % y un iROAS 4,8 veces mayor».
2. Presenta las estimaciones extrapoladas por separado. «Al extrapolar a toda la audiencia estimada, el impacto incremental total se estima en X euros. Esto supone tasas de respuesta similares entre los Shoppers no identificados».
3. Indica la tasa de coincidencia. «El 68 % de los Shoppers expuestos estimados fueron identificados a través de datos de fidelidad».
4. Indicar la suposición. «La extrapolación supone una respuesta equivalente en la población no coincidente. Si los Shoppers no coincidentes responden menos (como suele ser habitual), el impacto total real se encuentra entre el resultado coincidente y la estimación extrapolada».
5. Nunca presentes cifras extrapoladas como si fueran cifras medidas. La distinción debe quedar clara en el informe, en el tablero y en cualquier conversación sobre los resultados.
Cuándo es apropiada la extrapolación
La extrapolación tiene sentido cuando: - La tasa de coincidencia es razonablemente alta (>60 %), por lo que la muestra coincidente es representativa - El factor de extrapolación es moderado (1,3-1,5 veces, no 3 veces) -
La metodología está documentada y es consistente en todas las campañas - Las marcas comprenden y aceptan la suposición
No tiene sentido cuando: - La tasa de coincidencia es baja (<40 %) y el multiplicador de extrapolación es elevado - Se sabe que la población coincidente es sistemáticamente diferente de la no coincidente - El resultado se presenta sin el contexto metodológico
En resumen
Si extrapolas, debes indicar las reglas. De lo contrario, la prueba se derrumba ante un análisis minucioso.
Presenta primero los resultados emparejados. Extrapola con una metodología documentada. Sé transparente sobre la tasa de coincidencia y los supuestos. Nunca presentes estimaciones como mediciones.
Una extrapolación honesta con una metodología clara genera más confianza que cifras infladas sin contexto. Y la confianza es la moneda que permite que se renueven las campañas.
¿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.
