Mètriques d’UX que
Moltes organitzacions disposen de panells plens de xifres sobre visites, clics, conversions, temps…
Una campanya pot acabar amb moltes conversions, un ROAS positiu, un cost per adquisició aparentment eficient i unes dades d'interacció que conviden a l'optimisme. Sobre el paper, tot sembla funcionar. L'informe mostra creixement, els gràfics pugen i la inversió sembla justificada. Tanmateix, hi ha una pregunta incòmoda que cada vegada és més difícil d'evitar: quant d'aquest resultat ha estat realment creat per la campanya?
En màrqueting digital ens hem acostumat a mesurar gairebé tot. Sabem quantes persones han vist un anunci, quantes hi han fet clic, quantes han arribat a una pàgina, quantes han afegit un producte a la cistella i quantes han comprat. Però mesurar moltes coses no sempre significa entendre millor l'impacte real. De vegades, una campanya no genera demanda nova, sinó que simplement apareix en el camí d'usuaris que ja estaven predisposats a comprar.
Aquí comença el problema. Si una marca atribueix a una campanya vendes que s'haurien produït igualment, pot acabar prenent decisions equivocades: augmentar el pressupost on no hi ha creixement real, reduir la inversió en canals que sí que construeixen demanda o celebrar resultats que només reflecteixen una captura eficient d'intenció prèvia. El que sembla rendiment pot ser, en realitat, un miratge ben presentat en un dashboard.
Per això, la conversa sobre mesurament està canviant. Ja no n'hi ha prou de preguntar quantes vendes s'han atribuït a una campanya. La pregunta rellevant és una altra: la campanya ha generat vendes addicionals o simplement ha capturat una demanda que ja existia? Aquesta diferència és la base de la incrementalitat i marca el pas d'un màrqueting que reclama resultats a un màrqueting que intenta demostrar un impacte real.
Què és la incrementalitat i per què importa
La incrementalitat mesura l'impacte addicional que una campanya genera respecte del que hauria passat si aquella campanya no s'hagués activat. Dit de manera senzilla, no es tracta només de saber quantes vendes s'han produït durant una acció de màrqueting, sinó d'identificar quantes d'aquestes vendes existeixen gràcies a aquesta acció.
Aquesta distinció és important perquè en màrqueting no tot resultat visible és necessàriament un resultat creat. Una marca pot llançar una campanya, veure un augment de vendes i concloure ràpidament que la campanya ha funcionat. Però aquest increment pot estar influït per molts altres factors: clients fidels que ja havien de comprar, una promoció activa en el mateix període, un augment de la demanda estacional, la notorietat acumulada de la marca o fins i tot l'efecte d'altres canals que no apareixen en l'informe principal.
Pensem, per exemple, en una botiga en línia que llança una campanya de remarketing adreçada a persones que ja havien visitat un producte diverses vegades. Si moltes acaben comprant, el dashboard pot atribuir aquestes conversions a la campanya. Però potser una part important d'aquests usuaris ja tenia una intenció de compra alta abans de veure l'anunci. En aquest cas, la campanya pot haver ajudat, recordat o accelerat la decisió, però no necessàriament ha creat tot el valor que se li atribueix.
El mateix passa en períodes d'alta demanda, com ara rebaixes, Black Friday o Nadal. Una campanya pot mostrar resultats molt bons perquè coincideix amb un moment en què els consumidors ja estan més predisposats a comprar. Si no es compara aquest rendiment amb el que hauria passat sense la campanya, és fàcil confondre un context favorable amb impacte incremental.
Per això, la idea clau és senzilla però exigent: no tot allò atribuït és incremental. L'atribució ens pot dir quin anunci, canal o plataforma apareix associat a una conversió. La incrementalitat intenta respondre a una pregunta més profunda: quina part d'aquest resultat no s'hauria produït sense la campanya. I aquesta diferència canvia completament la manera d'avaluar el rendiment, defensar la inversió i prendre decisions de creixement.
El miratge de les mètriques tradicionals
Durant anys, moltes decisions de màrqueting digital s'han basat en mètriques que semblen oferir una lectura clara del rendiment: ROAS, CPA, CTR, conversions atribuïdes, impressions, clics, engagement o vendes totals durant el període de campanya. Són dades útils, fàcils de comparar i molt presents en qualsevol informe. El problema apareix quan s'interpreten com una prova definitiva de valor.
Un ROAS positiu pot indicar que una campanya ha generat ingressos superiors a la inversió, però no demostra necessàriament que aquests ingressos siguin nous. Un CPA baix pot semblar eficient, però potser s'ha aconseguit impactant usuaris que ja eren a punt de comprar. Un CTR elevat pot mostrar que el missatge ha despertat interès, però no sempre significa que aquest interès es tradueixi en creixement real. Fins i tot un augment de vendes durant una campanya pot tenir més relació amb l'estacionalitat, la promoció o la demanda existent que amb la mateixa acció publicitària.
Això no significa que aquestes mètriques no serveixin. Al contrari, continuen sent necessàries per gestionar campanyes, detectar problemes, comparar creativitats, optimitzar pressupostos i entendre comportaments dins de cada canal. Ajuden a respondre preguntes operatives importants: quin anunci aconsegueix més clics, quina audiència converteix millor, quin format té un cost més baix o quina plataforma està generant més activitat.
Però quan la conversa passa del rendiment operatiu a l'impacte de negoci, aquestes mètriques necessiten context. Per si soles no responen a la pregunta més estratègica: què hauria passat si no haguéssim invertit? Sense aquesta comparació, el màrqueting corre el risc de confondre activitat amb eficàcia, eficiència aparent amb creixement real i atribució amb causalitat.
El miratge sorgeix precisament aquí: en dashboards que mostren resultats positius, però no expliquen si aquests resultats són conseqüència directa de la inversió o si la campanya simplement ha estat present en un recorregut que ja havia d'acabar en compra. Per això, el mesurament modern no es pot limitar a acumular indicadors. Ha de combinar mètriques de plataforma amb models, experiments i preguntes més exigents sobre l'impacte real de cada decisió.
Atribuir no és demostrar impacte
Un dels grans reptes del mesurament actual és diferenciar entre assignar mèrit i demostrar impacte. L'atribució intenta repartir el mèrit d'una conversió entre canals, campanyes o punts de contacte. Pot indicar quin anunci ha rebut l'últim clic, quina plataforma ha participat en el recorregut o quina combinació d'impactes apareix abans d'una compra. És una eina útil per ordenar la informació, però no sempre permet saber si la campanya va ser la causa real del resultat.
La incrementalitat, en canvi, parteix d'una pregunta diferent. No es conforma a saber quin canal va ser present abans de la conversió, sinó que intenta mesurar què hauria passat si aquell canal no hagués intervingut. En altres paraules, busca aproximar-se a la causalitat. Vol identificar si la campanya va generar un efecte addicional o si simplement es va endur el mèrit d'una venda que probablement s'hauria produït igualment.
Aquesta diferència és especialment important en entorns en què les plataformes publicitàries tenen una visió parcial del recorregut de l'usuari i, alhora, incentius per demostrar que la seva inversió funciona. Una plataforma pot atribuir vendes a una campanya perquè detecta que un usuari exposat ha acabat comprant. Però aquesta lectura no prova, per si sola, que l'exposició hagi creat la venda. Potser l'usuari ja coneixia la marca, havia comparat preus, esperava una promoció o tenia una intenció de compra molt alta abans de rebre l'impacte publicitari.
Per això, una conversió atribuïda no s'ha d'interpretar automàticament com una conversió incremental. L'atribució observa el camí que ha seguit una conversió; la incrementalitat pregunta si aquella conversió hauria existit sense la campanya. Aquesta distinció canvia la manera d'analitzar el rendiment, perquè desplaça la conversa des de «quin canal apareix en l'informe» cap a «quina inversió ha generat un canvi real en el comportament del mercat».
Quan les marques no fan aquesta separació, poden acabar sobrevalorant canals que capturen demanda ja existent i infravalorant accions que construeixen demanda a mitjà termini. També poden optimitzar les seves campanyes cap als usuaris més fàcils de convertir, encara que aquests usuaris no representin creixement real. En aquest escenari, el màrqueting sembla més eficient, però pot estar reduint la seva capacitat de generar valor nou.
Mesurar l'impacte exigeix, per tant, anar més enllà de la lògica de repartiment de mèrit. L'atribució ajuda a entendre recorreguts; la incrementalitat ajuda a qüestionar quant valor addicional s'ha creat. Totes dues perspectives poden conviure, però no s'haurien de confondre. Perquè una campanya pot estar molt ben atribuïda i, tot i així, aportar menys creixement del que sembla.
Com es mesura la incrementalitat a la pràctica
Mesurar la incrementalitat no significa convertir cada campanya en un projecte estadístic complex, però sí que exigeix canviar la manera de plantejar el mesurament. La pregunta ja no és només quantes conversions s'han registrat, sinó quina diferència hi ha entre un escenari amb campanya i un escenari comparable sense campanya. Aquesta comparació és la base per aproximar-se a l'impacte real.
Una de les maneres més habituals de fer-ho és treballar amb grups de test i control. El grup de test rep l'impacte publicitari i el grup de control no el rep, o el rep en condicions diferents. Si tots dos grups són comparables, la diferència de comportament entre ells pot ajudar a estimar quina part del resultat es deu realment a la campanya. No es tracta d'observar únicament qui compra, sinó de comparar quant canvia la probabilitat de compra quan hi ha exposició publicitària.
També es poden utilitzar experiments amb audiències exposades i no exposades. Per exemple, una marca pot reservar una part de la seva audiència per no impactar-la durant un període concret i comparar-ne l'evolució amb la de qui sí que ha vist la campanya. Aquest tipus de prova ajuda a detectar si la publicitat està generant una diferència significativa o si simplement arriba a persones que ja tenien intenció de comprar.
Una altra opció és el geo-testing, especialment útil quan l'empresa opera en diferents mercats, ciutats o regions. En aquest cas, la campanya s'activa en unes zones i es limita o se n'exclou en unes altres. Després es compara l'evolució dels resultats tenint en compte factors com l'històric de vendes, l'estacionalitat, la inversió prèvia o les diferències de comportament entre territoris. No és un mètode perfecte, però pot ser molt útil quan no és fàcil separar audiències a escala individual.
Els grups de reserva funcionen amb una lògica similar: es reserva una part del públic objectiu fora de la campanya per poder mesurar què passa sense exposició. Tot i que de vegades pot semblar una decisió incòmoda, perquè implica no impactar usuaris potencialment valuosos, aquest petit sacrifici pot aportar una lectura molt més clara sobre l'efecte real de la inversió.
En contextos més avançats, també es poden utilitzar models contrafactuals, que intenten estimar què hauria passat sense la campanya a partir de dades històriques, patrons de comportament i variables externes. De manera complementària, el marketing mix modeling pot ajudar a entendre l'efecte de diferents canals sobre les vendes agregades, especialment quan es calibra amb experiments reals i no s'utilitza com una caixa negra desconnectada de la pràctica.
L'important és entendre que no totes les empreses han de començar amb el mètode més sofisticat. Una organització pot fer els primers passos amb tests senzills, comparacions ben dissenyades i millors hipòtesis de partida. L'essencial és deixar de mesurar únicament allò que la plataforma atribueix i començar a plantejar preguntes més rigoroses: què volem demostrar, amb quin grup ho compararem, durant quant de temps ho mesurarem i quina decisió prendrem segons el resultat.
La incrementalitat no elimina tota la incertesa, però obliga a mesurar amb més disciplina. I aquest canvi ja representa un avenç important: passar d'acceptar els resultats tal com apareixen al dashboard a preguntar-se quina part d'aquests resultats representa creixement real.
Cap a una cultura de testing més rigorosa
Introduir la incrementalitat en màrqueting no significa que cada decisió s'hagi de convertir en un experiment complex, lent o inaccessible. La clau no és omplir l'organització de models estadístics, sinó construir una disciplina d'aprenentatge més rigorosa. És a dir, passar de mesurar campanyes només per justificar resultats a mesurar-les també per entendre què funciona, en quines condicions i per què.
El primer pas és definir hipòtesis abans d'activar una campanya. No n'hi ha prou de dir que es vol vendre més, generar més leads o millorar el ROAS. Convé concretar què s'espera que passi: captar nous clients, augmentar la freqüència de compra, recuperar usuaris inactius, impulsar una categoria concreta o millorar la conversió en un segment determinat. Com més clara sigui la hipòtesi, més fàcil serà decidir després si la campanya ha aportat valor real o només ha produït activitat mesurable.
També és important acordar des del principi què es vol demostrar. Moltes vegades, els problemes de mesurament apareixen perquè l'objectiu es redefineix un cop vistos els resultats. Si una campanya no millora les vendes, es destaquen els clics. Si no millora el ROAS, es parla de notorietat. Si no genera nous clients, s'insisteix en l'engagement. Totes aquestes mètriques poden tenir valor, però no s'haurien d'utilitzar per canviar el criteri d'èxit a posteriori. Una cultura de testing exigeix honestedat abans, durant i després de la campanya.
Per fer-ho, és útil separar les mètriques de diagnòstic de les mètriques de negoci. Les primeres ajuden a entendre si la campanya s'ha executat correctament: abast, freqüència, CTR, visualitzacions, cost per clic o interacció. Les segones permeten avaluar si l'acció ha contribuït a un objectiu més rellevant: vendes incrementals, nous clients, marge, valor de vida del client, quota de mercat o creixement d'una categoria. Confondre tots dos nivells pot portar a celebrar campanyes molt actives, però poc transformadores.
Una altra pràctica essencial és documentar els aprenentatges. Un test aïllat pot aportar informació, però el seu valor real apareix quan l'organització acumula coneixement. Quines audiències van respondre millor, quins missatges van generar més impacte, quins canals van aportar creixement incremental, quines promocions van distorsionar els resultats o quins períodes no van ser adequats per comparar. Sense documentació, cada campanya comença gairebé de zero. Amb documentació, el mesurament es converteix en memòria estratègica.
Comparar resultats entre campanyes també ajuda a evitar interpretacions precipitades. Un únic experiment pot estar condicionat pel context, l'estacionalitat, la pressió promocional o el comportament de la competència. Però quan s'observen patrons al llarg del temps, les decisions comencen a basar-se en evidències més consistents. La cultura de testing no busca una veritat absoluta en cada prova, sinó una millora progressiva de la qualitat de les decisions.
Per això, l'enfocament «test and learn» és cada vegada més rellevant. No es tracta només de comprovar si una campanya ha funcionat, sinó d'aprendre quines condicions fan que funcioni millor. Aquest aprenentatge pot conviure amb models d'atribució, marketing mix modeling i incrementality testing, sempre que cada eina s'utilitzi per respondre a la pregunta adequada. L'atribució ajuda a entendre recorreguts, el MMM aporta una visió agregada de l'efecte dels canals i els experiments permeten aproximar-se millor a la causalitat.
L'objectiu final no és mesurar per mesurar, ni utilitzar els tests per confirmar decisions que ja estaven preses. Una cultura de testing rigorosa ajuda a decidir millor: on invertir, què deixar de fer, què escalar, què revisar i quins aprenentatges incorporar a la campanya següent. En aquest sentit, la incrementalitat no és només una tècnica de mesurament. És una manera d'exigir al màrqueting una relació més honesta amb els seus propis resultats.
Conclusió
La incrementalitat no elimina la incertesa del màrqueting. Cap mètode no ho fa completament. Sempre hi haurà variables externes, comportaments difícils d'aïllar, efectes de marca a llarg termini i decisions de compra que no s'expliquen únicament des d'un dashboard. Però sí que introdueix una manera més honesta de mirar els resultats: no preguntar-se només què pot reclamar una campanya, sinó què ha creat realment.
Aquest canvi és important perquè obliga a anar més enllà de l'aparença de rendiment. Una campanya pot acumular clics, conversions atribuïdes, ROAS positiu i bons gràfics sense generar necessàriament creixement nou. També pot tenir un efecte rellevant que no apareix de manera clara en una lectura immediata de plataforma. Per això, mesurar millor no consisteix només a afegir més indicadors, sinó a formular preguntes millors.
La pregunta central no és si una campanya apareix associada a una venda, sinó si aquella venda s'hauria produït sense la campanya. A partir d'aquí, el màrqueting deixa de basar-se únicament en mètriques superficials i comença a construir una relació més seriosa amb la causalitat, l'aprenentatge i la presa de decisions basada en evidència.
En aquest sentit, la incrementalitat no s'ha d'entendre com una mètrica aïllada ni com una moda metodològica. És un senyal de maduresa. Ajuda a distingir entre capturar demanda existent i generar valor addicional, entre justificar la inversió i aprendre'n, entre optimitzar campanyes i construir creixement real.
El pas següent és acceptar que cap eina de mesurament resol aquest repte per si sola. L'atribució, el marketing mix modeling i els experiments tenen fortaleses i límits. La clau és saber com combinar-los en un ecosistema imperfecte, en què mesurar bé no significa tenir una resposta única, sinó construir una visió més completa de l'impacte. Aquí comença la conversa següent: com conviure amb models diferents sense perdre de vista la pregunta essencial del negoci.
Quantes de les teves decisions d'inversió continuarien sent les mateixes si haguessis de demostrar impacte incremental?
Fonts:
Comentaris