Definición:
El análisis predictivo, también denominado «analítica predictiva», es un conjunto de métodos de análisis de datos que utilizan datos históricos para predecir resultados futuros. En el marketing móvil, responde a la pregunta: ¿qué va a pasar a continuación? Los equipos de adquisición de usuarios (UA) utilizan el análisis predictivo para estimar métricas como el LTV, el ROAS y los ingresos de las campañas antes de que esos resultados se hayan materializado por completo, lo que les permite tomar decisiones presupuestarias más rápidas y con mayor seguridad.
¿Qué es el análisis predictivo?
El análisis predictivo utiliza patrones en los datos históricos para generar estimaciones prospectivas. Si conoces el rendimiento de una campaña o un canal durante los últimos siete días, o en cohortes anteriores, puedes elaborar una proyección razonable de hacia dónde se dirige.
En el marketing móvil, esa visión de futuro es fundamental. Los equipos de adquisición de usuarios no siempre pueden esperar 90 días para saber si una campaña es rentable. Las decisiones sobre ampliar, recortar o reasignar el presupuesto deben tomarse antes. El análisis predictivo ofrece a los equipos una señal temprana sobre la calidad de la campaña y el valor para el usuario, de modo que esas decisiones se basen en datos y no en conjeturas.
Cuantos más datos históricos tengas, más precisas serán esas predicciones. Los modelos de aprendizaje automático mejoran a medida que procesan más datos, lo que significa que el análisis predictivo se vuelve más fiable a medida que tu conjunto de datos crece con el tiempo.
¿Cuál es el objetivo del análisis predictivo?
Pensemos en el flujo de trabajo diario de un responsable de UA. Este gestiona campañas en múltiples redes publicitarias y realiza un seguimiento de métricas como el ROI, el ROAS, el LTV y los ingresos por publicidad in-app (IAA) y por compras in-app (IAP). Algunas campañas están dando buenos resultados; otras, no. El objetivo es maximizar el rendimiento y minimizar el gasto innecesario, pero evaluar el rendimiento de las campañas lleva tiempo.
El análisis predictivo acorta ese ciclo. En lugar de esperar a que se acumulen todos los datos, se utilizan patrones históricos para proyectar hacia dónde se dirige cada campaña. Esto significa que:
- Reasignar el presupuesto a las campañas con mejores resultados en una fase más temprana
- Dejar de invertir en campañas que probablemente no generen beneficios
- Establecer pujas más precisas basadas en el valor previsto del usuario, en lugar de en métricas aproximadas iniciales
- Planificar con mayor antelación y con mayor confianza respecto a los resultados en materia de ingresos
El resultado es un uso más eficiente del presupuesto publicitario en todos los ámbitos.
¿Cómo funciona el análisis predictivo?
El análisis predictivo consiste en identificar patrones en los datos históricos y aplicarlos a los datos actuales para generar una previsión. A continuación se ofrece una explicación simplificada:
- Recopilar datos históricos. El modelo aprende a partir de los resultados de campañas anteriores, el comportamiento de los usuarios, las cifras de ingresos y las tasas de retención.
- Identifica patrones. Los algoritmos de aprendizaje automático detectan relaciones entre las señales iniciales y los resultados a largo plazo. Por ejemplo, los usuarios que realizan una acción concreta dentro de la aplicación durante los tres primeros días pueden generar sistemáticamente más ingresos a lo largo de 90 días.
- Generar predicciones. El modelo aplica esos patrones a los nuevos datos, generando una estimación prospectiva, como el LTV previsto a 90 días para una cohorte actual.
- Perfeccionar con el tiempo. A medida que se dispone de los resultados reales, estos se comparan con las predicciones. Este ciclo de retroalimentación mejora la precisión de forma continua.
El aprendizaje automático es lo que permite que esto sea escalable. Gestionar grandes volúmenes de datos e identificar patrones complejos en numerosas variables no es factible de forma manual. Las herramientas de aprendizaje automático lo hacen de forma automática y mejoran cuanto más datos tienen para trabajar.
Análisis predictivo en el marketing móvil
El análisis predictivo puede aplicarse a varias métricas clave en un flujo de trabajo de marketing móvil:
Predicción del LTV
Un equipo de UA está llevando a cabo campañas en varias redes. En lugar de esperar 90 días para comparar el LTV por canal, un modelo predictivo genera una estimación preliminar basada en los primeros siete días de comportamiento de los usuarios. De este modo, se identifican pronto los canales de mayor valor y se reasigna el presupuesto en consecuencia.
Previsión de ingresos
Una campaña lleva en marcha dos semanas. A partir de las tendencias iniciales de ingresos y de los datos históricos de campañas similares, un modelo predictivo calcula los ingresos totales para los próximos 30 días. El equipo utiliza esa previsión para decidir si ampliar la campaña o reasignar los recursos.
Predicción del ARPU y las compras dentro de la aplicación
En el caso de las aplicaciones con monetización híbrida, el análisis predictivo permite estimar tanto los ingresos publicitarios como los procedentes de las compras dentro de la aplicación (IAP) de una cohorte determinada, lo que ofrece a los equipos de adquisición de usuarios (UA) una visión más clara del valor combinado de los usuarios en todas las fuentes de monetización.
Herramientas de análisis predictivo
El análisis predictivo a gran escala requiere herramientas capaces de procesar grandes volúmenes de datos y presentar las predicciones en un formato útil.
Predicción integrada de MMP
Algunas plataformas MMP, entre ellas Tenjin, ofrecen funciones integradas características predictivas del LTV que generan estimaciones prospectivas a partir directamente de los datos de atribución e ingresos. Este es el punto de partida más accesible para los equipos que desean obtener información predictiva sin tener que crear una infraestructura a medida.
Almacenes de datos y herramientas de inteligencia empresarial
Los equipos con configuraciones más avanzadas pueden crear modelos predictivos en su almacén de datos utilizando herramientas como BigQuery ML, o conectar los datos a plataformas de BI que admitan la creación de modelos predictivos. Esto ofrece mayor flexibilidad, pero requiere más recursos de ingeniería.
Herramientas de ETL y de flujos de datos
La calidad de los modelos predictivos depende de la calidad de los datos con los que se alimentan. La base la constituyen unos datos limpios y conectados procedentes de toda tu pila de marketing. Tenjin colabora con Growth Fullstack, que ayuda a los desarrolladores de aplicaciones móviles a crear flujos de datos fiables que puedan servir de base para modelos de predicción del LTV, desde los más básicos hasta los más avanzados. Puedes ponerte en contacto con ellos directamente en info@growthfullstack.com.
Análisis predictivo con Tenjin
El panel de control de Tenjin incluye el «LTV total previsto a N días», que combina los ingresos previstos por mediación publicitaria (ILRD) y los ingresos por compras dentro de la aplicación (IAP) para estimar el LTV total hasta 30 días después de la instalación. Esto ofrece a tu equipo de adquisición de usuarios una visión temprana de la calidad de las campañas y los canales sin tener que esperar a que finalice el periodo de medición completo.
Para los equipos que quieran ir más allá, la colaboración de Tenjin con Growth Fullstack permite crear modelos de predicción del LTV más avanzados a partir de los datos de Tenjin. Puedes obtener más información sobre el pLTV a N días directamente en el Documentación de Tenjin.
Términos relacionados
- Valor de vida útil (VVL)
- Rentabilidad de la inversión publicitaria (ROAS)
- Ingresos medios por usuario (ARPU)
- Análisis de cohortes
- Extraer, transformar y cargar (ETL)
- Compras dentro de la aplicación (IAP)
- Red publicitaria
- Atribución de los ingresos publicitarios
- Monetización de anuncios
¿Preguntas frecuentes?
¿Qué es el análisis predictivo en el marketing móvil?
El análisis predictivo utiliza datos históricos y aprendizaje automático para pronosticar resultados futuros, como el LTV, el ROAS y los ingresos de las campañas. Ayuda a los equipos de adquisición de usuarios a tomar decisiones presupuestarias más rápidas, ya que genera estimaciones preliminares del rendimiento de las campañas antes de que se haya cerrado el periodo de datos completo.
¿Cómo funciona el análisis predictivo?
Los modelos predictivos identifican patrones en los datos históricos y los aplican a los datos actuales para generar previsiones. El aprendizaje automático se encarga del trabajo más pesado, procesando grandes volúmenes de datos y mejorando la precisión de las predicciones con el paso del tiempo, a medida que se dispone de más datos.
¿Puedo utilizar el análisis predictivo con Tenjin?
Sí. El panel de control de Tenjin incluye el «LTV total previsto a N días», que combina los ingresos previstos por mediación publicitaria y compras dentro de la aplicación (IAP) para estimar el LTV total hasta 30 días después de la instalación. Para modelos de predicción del LTV más avanzados, Tenjin colabora con Growth Fullstack. Ponte en contacto con ellos en info@growthfullstack.com para obtener más información.