Como comentábamos en artículos anteriores, las audiencias predictivas forman parte de las audiencias personalizadas de GA4, es decir, de esas audiencias que tenemos que configurar y activar de forma manual dentro de la herramienta.
Ahora bien, las audiencias predictivas merecen su propio post ya que son una de las novedades que trajo consigo Google Analytics 4 y que despertaron un gran interés en analistas y compañeros de otras áreas del marketing digital.
Pero, ¿por qué tanto revuelo con las audiencias predictivas? El interés por ellas viene derivado de que generan agrupaciones de usuarios basándose en la probabilidad de que una determinada acción suceda, aportándonos así una previsión más o menos certera de lo que podría suceder con los usuarios que nos visitan.
Realmente lo que hacen estas audiencias predictivas no es actuar como un oráculo, sino que analizan los datos ya recogidos dentro de GA4 y los modelan para obtener estas previsiones.
De ahí que los datos, una vez más, sean los protagonistas indiscutibles y la planificación del tracking teniendo en cuenta las audiencias a crear vuelva a ser imprescindible.
Audiencias predictivas sugeridas
Las audiencias predictivas que podemos configurar y activar se basan en tres métricas predictivas, las cuales son:
- Probabilidad de compra: es la probabilidad que existe de que un usuario que haya accedido a nuestra web o app en los últimos 28 días vaya a realizar una compra en los próximos 7 días
- Probabilidad de abandono: es la probabilidad de que un usuario que haya estado activo durante los últimos 7 días no vaya a estarlo durante los 7 próximos días
- Ingresos previstos: son los ingresos que se prevén obtener de todas las compras que se vayan a realizar en los próximos 28 días teniendo en cuenta a los usuarios activos durante los 28 días anteriores
Y de estas tres métricas salen las cinco audiencias predictivas disponibles dentro de GA4:
- Usuarios con probabilidades de abandono en los próximos 7 días: usuarios que no se prevé que entren en nuestra web o app en los próximos 7 días.
- Compradores con probabilidades de abandono en los próximos 7 días: muy similar a la anterior, solo que en vez de tener en cuenta a todos los usuarios que no nos van a visitar en los próximos 7 días se consideran solo los compradores.
- Posibles compradores en los próximos 7 días: usuarios que tienen altas probabilidades de realizar una compra en los próximos 7 días.
- Posibles nuevos compradores en los próximos 7 días: usuarios que se cree que van a hacer su primera compra a lo largo de los próximos 7 días.
- Usuarios que se prevé que gastarán más los próximos 28 días: usuarios que, previsiblemente, generarán más ingresos para nuestra empresa durante los próximos 28 días.
No hay más audiencias predictivas que estas, aunque se pueden aplicar ciertas modificaciones a todas ellas para incluir en la audiencia un percentil determinado de los usuarios que cumplan los requisitos de cada audiencia, combinar estas con otras segmentaciones de usuarios o incluso hacerlas en negativo, es decir, que en lugar de que agrupen los usuarios con más probabilidades de cualquiera de las acciones anteriores, se incluyan aquellos con menos probabilidades de cumplir esas condiciones.
El optar por unas audiencias predictivas u otras y la configuración posterior que se realicen van a depender, como todo, de nuestras necesidades de medición y de nuestros objetivos de negocio; así que antes de empezar a activarlas, toca una reflexión al respecto.
Requisitos de activación de las audiencias predictivas
Si queremos hacer uso de las audiencias predictivas, tenemos que cumplir tres requisitos imprescindibles.
Recogida de eventos y parámetros
En primer lugar, debemos disponer de las métricas predictivas que comentábamos antes.
Para ello tendremos que estar recogiendo los eventos de los que derivan dichas métricas, puesto que, si no los estamos recopilando, la herramienta no dispondrá de información para hacer su modelo de predicción y nosotros no tendremos la posibilidad siquiera de activar las métricas.
Número mínimo de ejemplos
Además de estar midiendo los eventos relacionados con las compras y con el engagement, debemos disponer de una cantidad suficiente de datos que le permita tener a la herramienta un mínimo de 1.000 usuarios que cumplan la condición, ya sea de compra o de engagement, y un mínimo de 1.000 usuarios que no la cumplan en los últimos 28 días.
Si tenemos un volumen bajo de tráfico, es complicado llegar a estas cifras, siendo este el principal motivo por el que no se puedan llegar a usar las audiencias predictivas.
La solución en este caso pasa por incrementar este tráfico, ya sea de forma orgánica o de pago.
Calidad del modelo
Por último, debemos mantener en el tiempo la calidad de este modelo predictivo durante un tiempo determinado. Google no específica cuánto tiempo es necesario, ni es muy específico con qué es la calidad del modelo, aunque sí da una serie de prácticas recomendadas para para maximizar las posibilidades de que en nuestra propiedad aparezcan las métricas predictivas.
Si cumplimos estos requisitos, no deberíamos tardar mucho tiempo en tener disponibles las audiencias predictivas. Pero una vez activadas, es necesario seguir alimentado al modelo, es decir, debemos asegurarnos de que seguimos cumpliendo los requisitos de activación. De lo contrario, las audiencias predictivas dejarán de estar disponibles.
Ejemplos de uso de audiencias predictivas de Google Analytics 4
Una vez tenemos nuestras audiencias predictivas activadas, es el momento de empezar a trabajar con ellas. Teniendo en cuenta que el objetivo principal de estas audiencias, según el propio Google, es «averiguar en qué usuarios debe invertir su presupuesto de marketing«, veamos varios ejemplos de usos posibles:
Aumentar la probabilidad de compra
Gracias a las audiencias Posibles compradores en los próximos 7 días y Posibles nuevos compradores en los próximos 7 días, podemos enfocar campañas y promociones en estos usuarios específicos, con ofertas exclusivas y códigos descuento, por ejemplo, maximizando así la posibilidad de compra de estos usuarios.
Reducir la tasa de abandono
Las audiencias predictivas también pueden ayudar a identificar a los usuarios que tienen una alta probabilidad de abandonar tu sitio web o aplicación. Con esta información, puedes implementar estrategias de retención específicas para mantener a estos usuarios comprometidos.
Por ejemplo, si gracias a la audiencia Usuarios con probabilidades de abandono en los próximos 7 días detectamos a usuarios que es probable que abandonen el uso de nuestra app, podemos enviar notificaciones personalizadas, ofreciendo contenido exclusivo y recomendaciones para intentar retener a una parte significativa de estos usuarios.
Optimizar las campañas de remarketing
Al saber qué usuarios tienen más probabilidades de volver a interactuar con nuestra web o app, o realizar una compra, podemos crear audiencias de remarketing más efectivas. Esto permite enfocar los esfuerzos publicitarios en aquellos usuarios que realmente tienen interés en nuestros productos y servicios, mejorando el ROI de las campañas.
Aumentar ingresos y generar fidelización
Gracias a la audiencia Usuarios que se prevé que gastarán más los próximos 28 días, podemos definir estrategias específicas para estos top spenders. Hay que tener en cuenta, además, que estos usuarios no solo son los que mayor beneficio aportan, sino que, además, pueden acabar convirtiéndose en prescriptores de la marca. Por ello, es altamente recomendable implementar acciones que promuevan su fidelización.
Estos ejemplos nos muestran cómo las audiencias predictivas de Google Analytics 4 pueden ser una herramienta poderosa para optimizar nuestras estrategias de marketing, mejorar la retención de usuarios y aumentar las ventas.
