{"id":9608,"date":"2021-01-05T08:27:15","date_gmt":"2021-01-05T07:27:15","guid":{"rendered":"https:\/\/www.makingscience.com\/blog\/que-es-custom-bidding\/"},"modified":"2021-01-05T08:27:15","modified_gmt":"2021-01-05T07:27:15","slug":"que-es-custom-bidding","status":"publish","type":"post","link":"https:\/\/www.makingscience.com\/es\/blog\/que-es-custom-bidding\/","title":{"rendered":"\u00bfQu\u00e9 es Custom Bidding?"},"content":{"rendered":"
\u00bfQu\u00e9 es Custom Bidding?<\/div>\n
Cada d\u00eda surgen nuevas funcionalidades que nos permiten automatizar procesos, ahorrar tiempo y mejorar la calidad de informaci\u00f3n a trav\u00e9s del machine learning. Custom Bidding es una mezcla de estas caracter\u00edsticas, ya que a diferencia de las pujas standard o autom\u00e1ticas, con Custom Bidding podemos personalizar el algoritmo en base a objetivos reales de negocio.<\/strong> Mediante un script creado en DV360, dotaremos de m\u00e1s conocimientos al algoritmo para aplicar el machine learning de forma \u00f3ptima y \u00fanica para cada cliente y campa\u00f1a.<\/span>   <\/p>\n

\u00bfQu\u00e9 es Custom Bidding y qu\u00e9 aporta a nuestras campa\u00f1as?<\/strong><\/h2>\n

Custom Bidding es capaz de combinar nuestros insights de negocio con el algoritmo de Google. Esta uni\u00f3n entre nuestro conocimiento de la campa\u00f1a y objetivos de la misma, sumado al machine learning de Google, nos permitir\u00e1 alinear nuestros goals con los objetivos de negocio del anunciante.<\/span>   <\/p>\n

\u00bfC\u00f3mo funciona?<\/strong><\/h2>\n

Muy sencillo, lo primero que debemos hacer es formularnos dos preguntas:<\/span> <\/p>\n

    \n
  • \u00bfCu\u00e1l es nuestro objetivo? <\/strong>Si nuestro objetivo es un CPM standard no es necesario CB. Por el contrario, si queremos optimizar hacia otros goals y KPIs podemos plantearnos CB como soluci\u00f3n,<\/li>\n
  • \u00bfQueremos manejar la campa\u00f1a manualmente? <\/strong>En caso de que nuestra prioridad no sea configurar manualmente las pujas y prefiramos que el algoritmo de Google maximice la eficacia de nuestras campa\u00f1as recomendamos aplicar CB.<\/li>\n<\/ul>\n

    En segundo lugar identificamos las se\u00f1ales, debemos fijar nuestros objetivos (KPIs), qu\u00e9 estamos midiendo y c\u00f3mo vamos a optimizar en base a ello.\u00a0<\/span> Esto nos lleva al paso tres, el dise\u00f1o del script, para desarrollarlo no es necesario ser un experto en c\u00f3digo, en el help center podemos encontrar informaci\u00f3n y ejemplos pr\u00e1cticos al respecto. Estos son los 3 modelos agregados principales, cada uno de ellos es aplicable a los diferentes casos de uso que comentaremos m\u00e1s abajo:<\/span> <\/p>\n

      \n
    • Sum-aggregate:<\/strong> En todos los casos, suma todas las ponderaciones.<\/span><\/li>\n
    • Max_Aggregate:<\/strong> En todos los casos, solamente tiene en cuenta la ponderaci\u00f3n m\u00e1xima.<\/span><\/li>\n
    • First_match_aggregate:<\/strong> Todas las conversiones, busca la primera interacci\u00f3n que se produce dentro de la secuencia del script.<\/span><\/li>\n<\/ul>\n

      Una vez creado el script en DV360, y asignado como algoritmo de puja a nuestra insertion order de test (sustituyendo las opciones no personalizadas que ofrece la plataforma), el algoritmo optimizar\u00e1 en base a las reglas establecidas en nuestro script.<\/span> Si ya hemos completado los anteriores pasos, es hora de seleccionar nuestro script como algoritmo de puja dentro de nuestra insertion order y comenzar a comprobar resultados entre laInsertion Order de test y la nueva Insertion Order con el algoritmo personalizado.<\/span>   <\/p>\n

      Casos de uso\u00a0<\/strong><\/h2>\n

      Para ayudarnos a entender mejor cada posible escenario tenemos 6 casos de uso definidos previamente:<\/span> <\/p>\n

        \n
      • Weighted Conversions:<\/b> Todos los goals contribuyen a la consecuci\u00f3n del objetivo final. Podemos dar pesos por cada paso del funnel de conversi\u00f3n, priorizando aquellas acciones que m\u00e1s valor tengan para el anunciante.<\/span><\/li>\n
      • Activity Value:<\/b> A diferencia de ponderar \u00fanicamente en base a eventos concretos como floodlights, este modelo nos permite optimizar en base a custom u-variables. Es decir, podemos dar diferentes pesos a nuestras variables personalizadas recogidas en Campaign manager para aumentar el beneficio.<\/span><\/li>\n
      • Transaction ROAS: <\/b>Podemos utilizar el valor de cada producto o servicio para ajustar el valor de las ventas. La ventaja est\u00e1 en diferenciar los valores de venta por producto, no todas las ventas valen lo mismo.<\/span><\/li>\n
      • Google Analytics: <\/b>con GA360 podemos ponderar en base a diferentes eventos dentro de nuestro site, siempre que tengamos una cuenta premium y tengamos configurados todos esos goals. Por ejemplo, los usuarios que han hecho un pedido son m\u00e1s valorados, o aquellos que han gastado m\u00e1s tiempo navegando en nuestra web.<\/span><\/li>\n
      • Brand Signals:<\/b> Utilizamos se\u00f1ales de branding tales como viewability, video completo, etc. para aprovechar estos conocimientos al m\u00e1ximo en nuestras campa\u00f1as.\u00a0<\/span><\/li>\n
      • Unified Conversions:<\/b> Con la ayuda de Campaign Manager y Google Analytics somos capaces de recoger toda esa informaci\u00f3n que no podemos medir \u00fanicamente con floodlights. Ejemplo: en un caso de weighted conversions, con la conversi\u00f3n offline damos m\u00e1s ponderaci\u00f3n al que m\u00e1s valor tiene. En este caso podemos unificar las conversiones online y offline bajo el mismo algoritmo, pudiendo darles el mismo valor.<\/span><\/li>\n<\/ul>\n

        Cada uno de ellos es singular y variar\u00e1 dependiendo de la ponderaci\u00f3n que demos a cada paso, acci\u00f3n o valores de venta.<\/span>   <\/p>\n

        Caso de \u00e9xito<\/strong><\/h2>\n

        Actualmente, tenemos activos varios casos de anunciantes con Custom Bidding, por lo que ya tenemos una base con la que avanzar hacia nuevos proyectos. El ejemplo m\u00e1s reciente es un cliente de banca en el que tenemos implementado el caso de \u201cweighted conversions\u201d, donde ponderamos los pasos anteriores a la conversi\u00f3n. Podemos asegurar que se cumplen las premisas anteriores, bas\u00e1ndonos en los resultados obtenidos hasta la fecha.<\/span> Datos reales:<\/strong> <\/p>\n

          \n
        • Con una inversi\u00f3n menor y la mitad de impresiones emitidas, el test de Custom Bidding est\u00e1 teniendo overall CTRs 0,10 puntos porcentuales superiores.<\/span><\/li>\n
        • El dato m\u00e1s importante es que el CPA de Custom Bidding es un 30% inferior al CPA de la campa\u00f1a standard.<\/span><\/li>\n
        • El n\u00famero de conversiones en CB es un 39% superior al de la insertion order standard.<\/span><\/li>\n<\/ul>\n<\/div>\n","protected":false},"excerpt":{"rendered":"

          \u00bfQu\u00e9 es Custom Bidding? Cada d\u00eda surgen nuevas funcionalidades que nos permiten automatizar procesos, ahorrar tiempo y mejorar la calidad de informaci\u00f3n a trav\u00e9s del machine learning. Custom Bidding es una mezcla de estas caracter\u00edsticas, ya que a diferencia de las pujas standard o autom\u00e1ticas, con Custom Bidding podemos personalizar el algoritmo en base a […]<\/p>\n","protected":false},"author":21,"featured_media":9609,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[33],"tags":[57,58,61],"class_list":["post-9608","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-martech-adtech","tag-data-analytics","tag-google-marketing-platform","tag-programmatic"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/posts\/9608","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/users\/21"}],"replies":[{"embeddable":true,"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/comments?post=9608"}],"version-history":[{"count":0,"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/posts\/9608\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/media\/9609"}],"wp:attachment":[{"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/media?parent=9608"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/categories?post=9608"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/tags?post=9608"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}