Un nuevo enfoque en marketing data-driven implementa modelaje de media mix y desbloquea crecimiento exponencial en Meta. Conoce el caso de éxito.

Contexto: un banco más simple, más cercano y 100% digital

Galicia es uno de los principales bancos del sistema financiero argentino y una de las entidades bancarias más prestigiosas de Argentina. Con un enfoque centrado en el usuario, ofrece procesos simples, confiables y pensados para la vida cotidiana de sus clientes.

En el competitivo mundo de las finanzas, toda inversión publicitaria cuenta. Por ello, Galicia se asoció con Meta y Bunker DB para optimizar su inversión en marketing y potenciar el rendimiento de sus campañas. Su objetivo principal era incrementar la captación de nuevos clientes a través de un enfoque basado en datos.

Desafíos: medir mejor para invertir mejor

Galicia buscaba tener un enfoque holístico y preciso sobre cómo interactuaban sus diferentes canales de marketing e identificar el impacto incremental de cada uno de ellos. De este modo, podrían escalar campañas de manera eficiente e incrementar significativamente la adquisición de nuevos clientes.

Sin embargo, el equipo de marketing de Galicia enfrentaba varios desafíos:

Datos dispersos

Su información estaba fragmentada entre medios online, offline y CRM, con distintos formatos y tipos de granularidad.

Métricas complejas

El sector financiero va más allá de clics o conversiones. Se alimenta de modelos que capturan el valor del ciclo de vida del cliente, la tasa de conversión de leads a clientes y el valor promedio de cada cliente.

Factores externos

Las decisiones financieras de los consumidores argentinos pueden verse influenciadas por factores macroeconómicos, volatilidad cambiaria y tasas de interés cambiantes, lo que añade complejidad a cualquier análisis y optimización.

Soluciones: hacia un análisis holístico mejor atribuido

Galicia recurrió a Meta y a su partner de medición Bunker DB con el objetivo de reducir sesgos, mejorar sus sistemas de atribución y descubrir la contribución real de cada canal. Tras identificar los múltiples desafíos, se trabajó en lo siguiente:

Normalización y unificación de datos

Para unificar todas las distintas métricas, se implementó un proceso de ETL (Extracción, Transformación y Carga) que consolidó y estandarizó los datos de fuentes online, offline y CRM. Además, se aplicaron técnicas avanzadas de interpolación y agregación para armonizar distintas granularidades y garantizar la coherencia de la información.

Análisis del Share of Voice

Se construyó una variable para evaluar la presencia de la marca en relación con la competencia en medios digitales y tradicionales, utilizando escucha social para analizar la percepción de la marca y las conversaciones online.

Marketing Mix Modeling (MMM)

Se implementó Robyn, la solución open-source de Meta, para cuantificar la relación entre la inversión en marketing y la captación de clientes. El modelo incorporó variables exógenas como tasas de interés, indicadores económicos y factores estacionales para mejorar la precisión de las predicciones.

Resultados: una lectura más realista del impacto de cada canal

Los resultados obtenidos con Robyn fueron contundentes. Durante Q1 se logró aumentar 50% la apertura de cuentas causadas por Meta reduciendo un 10% el CPA promedio, evidenciando el impacto de las mejoras implementadas en el mix de medios a corto plazo.

Y lo más importante: una lectura más realista del impacto de cada canal, especialmente los digitales, que demostraron tener un efecto mayor al estimado inicialmente.

Próximos pasos: una nueva mentalidad para el marketing bancario

La implementación del modelo cambió la forma en que Galicia toma decisiones publicitarias. Hoy el marketing se gestiona con foco en impacto real y con una mirada holística que involucre a todo el negocio.

Tras el modelo, los próximos pasos de Galicia serán realizar estudios de incrementalidad como Conversion Lift que contribuyan a medir la incrementalidad de cada canal y campaña, calibrar el modelo y buscar nuevas hipótesis de eficiencia.