Sin embargo, desde Tidart desaconsejamos esta pr\u00e1ctica debido a la complejidad de la gesti\u00f3n de la cuenta. Especialmente, no debe hacerse en ning\u00fan caso, si no se dispone de la tecnolog\u00eda adecuada para hacer un reparto \u00f3ptimo de presupuesto de forma automatizada.<\/span><\/p>\n Para adaptarnos a estos cambios, desde Tidart hemos desarrollado una soluci\u00f3n llamada <\/span>Predictive Budget Allocation<\/b>. Esta tecnolog\u00eda nos permite hacer una distribuci\u00f3n \u00f3ptima de los presupuestos, tanto si te adaptas a estos cambios de Facebook, como si decides optar por montar una campa\u00f1a por adset, para distribuir esos presupuestos de forma precisa y \u00f3ptima para cada audiencia.<\/span><\/p>\n Para ello, utilizamos todos los datos recogidos y almacenados por cientos de clientes y campa\u00f1as gestionados en la agencia, junto a diversos estudios de eficiencia, y metodolog\u00eda cient\u00edfica propia para distribuir y optimizar los presupuestos de forma efectiva y proactiva.<\/span><\/p>\n <\/p>\n An\u00e1lisis de situaci\u00f3n.<\/b><\/p>\n Hace algo m\u00e1s de 1 a\u00f1o, Facebook lanz\u00f3 este sistema de optimizaci\u00f3n de presupuestos por Adset, que pr\u00f3ximamente pasar\u00e1 a ser obligatorio.<\/span><\/p>\n Desde Tidart, llevamos ya m\u00e1s de 3 a\u00f1os desarrollando algoritmos aplicados a los presupuestos y su distribuci\u00f3n, que a la postre Facebook quiere implementar de forma nativa y obligada.<\/span><\/p>\n Ahora que la distribuci\u00f3n pasar\u00e1 a ser obligatoria para todos los anunciantes, los hemos adaptado, para poder seguir aportando valor a los anunciantes, ayud\u00e1ndoles a hacer la mejor distribuci\u00f3n de los presupuestos, esta vez, entre campa\u00f1as.<\/span><\/p>\n De esta manera, contamos con un sistema propio capaz de reaccionar r\u00e1pidamente a cualquier cambio de rendimiento en las campa\u00f1as publicitarias.<\/span><\/p>\n El uso de algoritmos de distribuci\u00f3n de presupuesto por adset se convierte as\u00ed, en una de las bases de nuestra tecnolog\u00eda, que hemos evolucionado hasta permitirnos en la actualidad distribuir el presupuesto a nivel de campa\u00f1a.<\/span><\/p>\n <\/p>\n Conseguir datos m\u00e1s precisos, lo antes posible.<\/b><\/p>\n Adem\u00e1s de adaptarnos a las nuevas caracter\u00edsticas, esta nueva actualizaci\u00f3n trae consigo una mejora de la reactividad y medici\u00f3n de las conversiones, principalmente de aquellas conversiones cuya ventana de conversi\u00f3n se extiende m\u00e1s de 24 horas.<\/span><\/p>\n Gracias al uso\u00a0 previo de modelos de aprendizaje autom\u00e1tico para construir sistemas basados \u200b\u200ben datos, ten\u00edamos la seguridad de que el comportamiento de las conversiones tard\u00edas podr\u00eda ser predecible y, por lo tanto, modelado.<\/span><\/p>\n A continuaci\u00f3n, te contamos c\u00f3mo funciona paso a paso:<\/span><\/p>\n 1.- Creaci\u00f3n de una Nueva Base de Datos<\/b><\/p>\n Si queremos que nuestro modelo reconozca el comportamiento del creciente n\u00famero de conversiones, necesitamos rastrear la misma m\u00e9trica a lo largo de los d\u00edas para observar su variaci\u00f3n.\u00a0<\/span><\/p>\n Para abordar este problema lo que hicimos fue analizar diariamente la misma m\u00e9trica (ya sean ViewContent, Carts, Purchase, etc). De tal forma que, al cabo de unos d\u00edas, podr\u00edamos predecir y reproducir este comportamiento en el futuro.<\/span><\/p>\n En nuestra base de datos almacenamos diariamente data cualitativo y cuantitativo, rastreando diariamente hasta 30 observaciones. Por ejemplo: el d\u00eda 1 de agosto obtuvimos con un cliente espec\u00edfico 7 conversiones. Al d\u00eda siguiente, el 2 de agosto, observamos que ese n\u00famero para el mismo d\u00eda 1 hab\u00eda aumentado hasta 10.\u00a0<\/span><\/p>\n <\/p>\n <\/p>\n \u00bfPor qu\u00e9 sucede eso? La raz\u00f3n principal se debe al modelo en el que la mayor\u00eda de plataformas de compra de tr\u00e1fico, asigna las conversiones, es decir, por el d\u00eda en el que se gener\u00f3 el clic o gasto de la campa\u00f1a, y no as\u00ed, en el d\u00eda que se gener\u00f3 la propia conversi\u00f3n, m\u00e1s t\u00edpico de herramientas de medici\u00f3n como Google Analytics.<\/span><\/p>\n A este concepto, se le llama ventana de conversi\u00f3n, que es precisamente eso, el tiempo que pasa desde que se genera el clic hasta el evento de conversi\u00f3n.<\/span><\/p>\n 2.- Modelo de ajustes de la ventana de conversi\u00f3n: Filling Model.<\/b><\/p>\n A trav\u00e9s del an\u00e1lisis de los datos podemos modelar cu\u00e1l ser\u00eda el comportamiento normal de las m\u00e9tricas a lo largo de los d\u00edas, y as\u00ed poder predecir el valor final utilizando s\u00f3lo datos de los primeros d\u00edas.<\/span><\/p>\n Siempre que usemos el modelo correcto, podemos predecir el resultado de la m\u00e9trica mediante el uso del comportamiento de los primeros 3-4 d\u00edas con unos altos niveles de significancia estad\u00edstica.<\/span><\/p>\n Eso significa que con tan solo 3 d\u00edas de tr\u00e1fico, somos capaces de obtener predicciones muy precisas, que nos permitan reaccionar ante un cambio de rendimiento, manteniendo al mismo tiempo un CPA en el que podemos confiar.<\/span><\/p>\n 3.- Modelo de distribuci\u00f3n de presupuestos: Campaign Cascading.<\/b><\/p>\n Un segundo modelo es necesario para hacer una correcta distribuci\u00f3n de los presupuestos.\u00a0<\/span><\/p>\n Este modelo tiene como objetivo, predecir el n\u00famero de conversiones en funci\u00f3n del presupuesto asignado, y hacer la mejor distribuci\u00f3n posible de todas las opciones.<\/span><\/p>\n El entrenamiento y ejecuci\u00f3n de este modelo tiene como objetivo lograr el CPA o ROAS global m\u00e1s eficiente posible.<\/span><\/p>\n En un momento dado, puede suponer un gran problema la falta de coincidencias entre las campa\u00f1as cuando tratamos conversiones, asignaci\u00f3n de presupuestos, etc.<\/span><\/p>\n Es en este momento cuando nuestro sistema separa las campa\u00f1as en funci\u00f3n de si podr\u00eda asignarse un CPA \u00f3\u00a0 ROAS fiable en el nivel de compra, despu\u00e9s, en el nivel de agregar al carrito, y as\u00ed sucesivamente con el resto de niveles previos.<\/span><\/p>\n La combinaci\u00f3n exitosa de estos 3 pasos nos ha permitido ya, implementar estos algoritmos de forma satisfactoria en todos los clientes que han decidido migrar a la distribuci\u00f3n de presupuestos por campa\u00f1as, que ser\u00e1 obligatoria pr\u00f3ximamente.<\/span><\/p>\n <\/p>\n \u00a0<\/span><\/p>\n <\/p>\n","protected":false},"excerpt":{"rendered":" Pr\u00f3ximamente, Facebook va a modificar sus sistemas de optimizaci\u00f3n e implementar cambios en su estructura. Tanto anunciantes como agencias, se enfrentan a una novedad a la hora de montar campa\u00f1as […]<\/p>\n","protected":false},"author":10,"featured_media":1502,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"inline_featured_image":false,"_genesis_hide_title":false,"_genesis_hide_breadcrumbs":false,"_genesis_hide_singular_image":false,"_genesis_hide_footer_widgets":false,"_genesis_custom_body_class":"","_genesis_custom_post_class":"","_genesis_layout":"","footnotes":"","_wp_rev_ctl_limit":""},"categories":[1],"tags":[],"class_list":{"0":"post-978","1":"post","2":"type-post","3":"status-publish","4":"format-standard","5":"has-post-thumbnail","7":"category-sin-categorizar","8":"entry"},"yoast_head":"\n![\"\"](\"https:\/\/s3.eu-west-1.amazonaws.com\/media.tidart.com\/blog\/wp-content\/uploads\/20201103170755\/asignacion-presupuestos-1-1024x608.png\")
<\/p>\n![\"\"](\"https:\/\/s3.eu-west-1.amazonaws.com\/media.tidart.com\/blog\/wp-content\/uploads\/20201103170759\/asignacion-presupuestos-3-1024x585.png\")
<\/p>\n