Data Quality
Diana Guido
Diana Guido
Digital Analyst

How does the climate affect the consumer? Use of weather forecasts to improve online marketing campaigns

Monday July 30th, 2018

A company that sells barbecues carried out an experiment activating campaigns only in some cities when the temperature was above 24 °, and in others when it was higher than 20 ° (taking into account the seasonal average of each city).

In the context of buying a BBQ, we determined that we could “get close” to the user’s mood based on this data, impacting our digital marketing campaigns in an immediate and pertinent way.

Another very clear example is the strategy of a famous chain of pizzas at home, which links a greater number of online campaigns when it is raining or cold, and the user is more interested to stay at home.

There are many studies of neuromarketing that show the relationship between climate and purchase intention, even so, it is clear that there are products / services that are more subject to climatic influences than others.

Collecting and analyzing weather data allows us to have 3 macro categories of data available:

  • Historical data: are useful for an analysis of sales and seasonality of climate over time
  • Real-time data: are the most used to activate campaigns and personalized ads
  • Predictive data: allow us to have a short-term forecast and, therefore, plan our campaigns in the most opportune way for the user

Una empresa de barbacoas llevó a cabo un experimento activando campañas solo en algunas ciudades cuando la temperatura fuera superior a 24°, y en otras cuando fuera superior a 20° (teniendo en cuenta la media estacional de cada ciudad).

Podemos, entonces, utilizar los datos del tiempo para “acercarnos” al humor del usuario, impactándole de una manera inmediata y pertinente.

Otro ejemplo muy claro es la estrategia de una famosa cadena de pizzas a domicilio, que vincula una mayor cantidad de campañas online cuando llueve o hace frío, y el usuario está más dispuesto en quedarse en casa.

Hay muchos estudios de neuromarketing que demuestran la relación entre el clima y la intención de compra, aun así, está claro que hay productos/servicios que están más sujetos a las influencias climáticas que otros.

Recoger y analizar los datos del tiempo nos permite tener a disposición 3 macro categorías de datos:

  • Datos históricos: son útiles para un análisis de las ventas y de estacionalidad del clima a lo largo del tiempo
  • Datos en tiempo real: son aquellos más utilizados para activar campañas y anuncios personalizados
  • Datos predictivos: nos permiten tener una previsión de corto plazo y, por lo tanto, planificar nuestras campañas de la manera más oportuna para el usuario.

¿Cómo llevamos a cabo este tratamiento de datos en Making Science?

Los datos del tiempo pueden ser el trigger para: modificar las campañas de Adwords según las condiciones climáticas, hacer saltar un pop up a un usuario según su geolocalización y cuando la temperatura sea menor/mayor o igual a un determinado valor y activar acciones de email marketing ad hoc.

¿De dónde llegan esos datos? ¿Como podemos recogerlos y convertirlos en KPI’s?

La respuesta es rápida y sencilla – la implementación lo es menos: a través de Google Analytics, Google Tag Manager y… un poco de paciencia 😉

En términos generales, para llevar a cabo la implementación y rescatar los datos del tiempo necesitamos:

  • 4 tag en Google Tag Manager – 3 son de tipo Custom HTML
  • 4 variables GTM
  • 1 evento de no interacción de Google Analytics
  • 2 custom dimension – session scope- Google Analytics
  • 1 account -gratuito- a OpenWeatherMap

Por último, es fundamental saber analizar e interpretar los datos registrados, sean estos, históricos, actuales o predictivos, para afinar nuestras estrategias de marketing online impactando solo al usuario correcto en el momento adecuado.

We use cookies to improve your experience as a customer. Cookies Policy

×