La multinacional AB Inbev en México se propuso como meta recolectar más de 5 millones de Device ID’s y datos asociados provenientes de los dispositivos móviles de consumidores reales para enriquecer su Consumer Data Platform – CDP como parte integral de su estrategia general de data.

Según cuenta Jesús Benitez, VP of Expansion de Adsmovil, fue la primera vez que Ab Inbev decidió realizar una campaña para invertir en data con foco en que se cumplan los estándares de la privacidad de datos de los usuarios.

Para ello, complementa: “Creamos una estrategia que combinaba Geo Audiencias personalizadas, Data Collection y Foot Traffic Attribution para que la marca alcanzara los objetivos planteados haciendo uso de su plataforma de audiencias Adsmovil Personas, la cual tiene la capacidad de crear segmentos basados en la ubicación de las personas”.

La implementación

Para la ejecución de la campaña se utilizó la plataforma de Adsmovil Personas lo que permitió  identificar los Advertising IDs de las audiencias de consumidores del producto, marcando las personas que habían visitado alguno de los 13 mil puntos de venta entre tiendas de la marca y tiendas de conveniencia como restaurantes, licoreras y bares en México durante los últimos 90 días, generando así un segmento de consumidores de más de 1 millón 600 mil personas.

Una vez creada está audiencia, a través del modelo de geoaudiencias, se activó la campaña de display para impactar a dicho segmento, la cual incluía un estudio de atribución a punto de venta físico para saber cuáles de estas personas expuestas a la publicidad visitaron alguno de los 13 mil puntos marcados durante la campaña.

En cuanto al valor agregado que brindó Adsmovil, Benitez plantea: “Logramos impactar esas geo audiencias personalizadas consiguiendo una tasa de clics alta para poder hacer el Data Collection sin dejar a un lado la eficiencia de los costos. Para esto, se utilizó un BID Model predictivo y un modelo predictivo de Maching Learning creado exclusivamente para la campaña que permitía optimizar la campaña basado en más de 30 atributos del bid stream y predecir la probabilidad de que una puja se convirtiera en un clic y, de esta forma, modificar en tiempo real el valor por la puja”.

Mientras, sigue, “en tiempo real se enviaban al CDP de AB InBev todos los data points de los ‘clics’ para el enriquecimiento de sus audiencias con el fin de hacerles luego retargeting”.

Desde Adsmovil, su responsable comenta que el desafío de la campaña era lograr la integración de las plataformas para que AB InBev pudiera seguir recolectando data que les permita la implementación de campañas digitales con una mayor precisión y costos más efectivos.

Los resultados

La campaña alcanzó y superó por mucho los objetivos planteados y las expectativas del cliente, ya que en tan solo 2 semanas:

●            El equipo de data de AB InBev pudo incorporar a su CDP más de 200 mil registros nuevos.

●            La campaña tuvo un alcance de más de 2 millones de personas entre clientes actuales y potenciales.

●            Se registraron más de 70 mil visitas a las tiendas atribuidas a las campañas, es decir más del 2% de las personas expuestas a la publicidad fueron vistas después en alguno de los puntos de venta.

●            La marca tuvo un lift de ventas del 5% por encima del objetivo planteado.

●            Se logró reducir el eCPC (CPC efectivo) en un 55% gracias al modelo de optimización de Machine Learning aplicado en la campaña.

“Con esta campaña Ab InBev incursionó en el marketing predictivo y de audiencias geo-referenciandas tanto a nivel B2C (Grupo Modelo-consumidores) como en el B2B (Grupo Modelo-Modeloramas)”, asegura Jesús Benitez. “A través del análisis de la data generada, se identificó en tiempo real la respuesta a las promociones, obteniendo información sobre las preferencias de cada producto según el perfil demográfico y la ubicación geográfica, facilitando hacer ajustes a los contenidos de la campaña y a los mensajes”.

“Por primera vez se creó una sinergia B2B2C al conectar los Modeloramas a los consumidores y se logró que las bases de datos se hablaran entre sí cruzando la información de la demanda de producto generada por las promociones con la producida por su aplicación para agilizar el envío de inventario al punto de venta”. Y concluye: “Se analizaron las preferencias de los consumidores de cada establecimiento, para impactarlos así en base a las ubicaciones de los Modeloramas con el uso de Adsmovil Personas”.