En el artículo anterior hablamos del adstock: la idea de que el efecto de la publicidad no se agota en el momento del impacto, sino que perdura en el tiempo. Esa era la dimensión temporal de la respuesta publicitaria. Ahora toca la otra cara de la moneda: la dimensión de intensidad. No cuánto dura el efecto, sino cuánto rinde cada euro que invertimos.
Y aquí aparece una escena que cualquiera que gestione campañas ha vivido: tienes una campaña que funciona bien, decides subirle el presupuesto para escalar los resultados y el retorno no acompaña. Las conversiones suben, sí, pero no en la misma proporción que la inversión. Has puesto el doble de dinero y has obtenido bastante menos del doble de resultados. Esto se relaciona con el concepto de rendimientos decrecientes: muchas veces se cree que, si invirtiendo 3.000 € obtienes 300 conversiones, invirtiendo 6.000 € obtendrás 600. Y no es así.
Eso no es un fallo de la campaña ni un error de medición. Es un fenómeno perfectamente conocido y estudiado: la saturación publicitaria. Comprender la saturación es fundamental para tomar decisiones óptimas sobre la asignación del presupuesto.
En este artículo explicamos qué es la saturación, por qué se produce, especialmente en publicidad programática, cómo se modela dentro del Marketing Mix Modeling y qué implicaciones prácticas tiene para la gestión de tus campañas.
Qué es la saturación publicitaria
La relación entre inversión publicitaria y resultados no es lineal. Los primeros euros que inviertes en un canal suelen rendir mucho, sin embargo, a medida que aumentas la inversión, cada euro adicional aporta un poco menos que el anterior. Es la ley de los rendimientos decrecientes aplicada a la publicidad.
La intuición lineal nos empuja a pensar en proporciones fijas: si con una inversión X obtengo un resultado Y, con 2X obtendré 2Y. Pero la publicidad no funciona así. La curva que relaciona inversión y resultados empieza siendo empinada, cada euro rinde mucho, y se va aplanando progresivamente, hasta llegar a un punto en el que invertir más apenas mueve la aguja. No porque la campaña haya dejado de funcionar, sino porque el canal se está acercando a su límite natural de respuesta.
Un ejemplo aplicado a la publicidad programática sería una campaña de retargeting que lleva meses impactando a una audiencia reducida: la fatiga publicitaria se acumula y el rendimiento de la inversión se resiente.
Conviene entender que la saturación no es un defecto que haya que corregir o una variable que haya que optimizar, sino una propiedad de cualquier canal publicitario. Todos se saturan; lo que cambia de uno a otro es a qué velocidad lo hacen y en qué nivel de inversión. Un canal con una audiencia pequeña y muy definida se saturará rápido; uno con una audiencia amplia y diversa aguantará mucha más inversión antes de aplanarse.
Qué son las curvas de saturación
Si la saturación es el fenómeno, la curva de saturación es su representación gráfica: la herramienta que nos permite verlo y, sobre todo, medirlo. Una curva de saturación muestra cómo cambia el impacto marginal de un canal, el rendimiento que aporta cada euro adicional, a medida que aumentamos la inversión en él. Dicho de otro modo: cuánto resultado extra obtenemos por cada euro extra que metemos.
Su forma refleja exactamente lo que describíamos antes. Al principio la curva sube con fuerza: estamos en la zona donde cada euro invertido rinde al máximo. Después empieza a doblarse y a aplanarse: seguimos ganando resultados, pero cada vez menos por cada euro añadido. Y al final tiende a una meseta, el punto en el que invertir más apenas aporta respuesta adicional. Esa transición de la pendiente pronunciada a la meseta es, visualmente, la saturación del canal.
¿Por qué son tan importantes estas curvas? Porque son las que convierten un concepto abstracto en decisiones concretas:
- Identifican el punto óptimo de inversión de cada canal: hasta dónde conviene invertir antes de que el rendimiento se desplome.
- Evitan seguir invirtiendo donde ya no rinde, señalando los canales que ya han entrado en su zona plana y en los que cada euro adicional rinde poco.
- Son la base para calcular el rendimiento marginal y, a partir de ahí, hacer recomendaciones de reparto de presupuesto entre canales.
Por qué se satura un canal en programática
¿Qué hace que un canal programático empiece a rendir menos a medida que le inyectamos más presupuesto? Hay dos mecanismos principales, y conviene conocerlos porque cada uno se combate de forma distinta.
Frecuencia excesiva sobre la misma audiencia. Las primeras veces que un usuario ve un anuncio son las que más efecto tienen: captan su atención, construyen recuerdo, generan consideración. Pero a partir de cierta frecuencia, cada nueva impresión sobre esa misma persona aporta cada vez menos, y llega un momento en que solo genera fatiga, o incluso rechazo hacia la marca. Cuando subes el presupuesto sin ampliar la audiencia, lo que aumentas es la frecuencia, y con ella la saturación.
Agotamiento de la audiencia disponible. Todo segmento tiene un tamaño finito. Cuando ya has alcanzado a la mayor parte de tu audiencia objetivo, el presupuesto adicional no encuentra usuarios nuevos a los que llegar, por lo que se dedica a re-impactar a los que ya conocían la marca. Este es el mecanismo dominante en campañas muy segmentadas, como una campaña de programática dirigida a una whitelist de nicho, donde la audiencia es pequeña por definición y se agota rápido. Lo mismo ocurre en una campaña de búsqueda que no puede capturar más tráfico porque, sencillamente, no existe más demanda que capturar.
Estos dos factores rara vez actúan por separado: lo habitual es que se combinen y se refuercen entre sí. Una campaña que escala presupuesto sobre una audiencia reducida sufre las dos cosas a la vez, más frecuencia y audiencia agotada, y por eso su curva de saturación se dobla antes de lo que cabría esperar.
Cómo se modela: la función de saturación
Hasta aquí hemos descrito la curva de saturación de forma intuitiva: sube rápido, se dobla y se aplana. Para poder usarla en la práctica dentro de un Marketing Mix Modeling, hay que traducir esa forma en algo medible: una manera de saber, para cada canal, cuánta respuesta obtenemos según el nivel de inversión.
Existen distintas fórmulas matemáticas para representar esta curva. Una de las más utilizadas en MMM es la función de Hill, pero lo relevante no es la fórmula en sí, sino los dos elementos que busca capturar:
- El punto de media saturación (ec). Es el nivel de inversión en el que el canal alcanza el 50 % de su respuesta máxima; una buena referencia de dónde empieza a doblarse la curva. Algunos canales aguantan mucha inversión antes de llegar ahí, sin embargo, otros lo alcanzan enseguida.
- La pendiente (slope). Controla la forma de la curva: con valores bajos describe una caída suave y progresiva (curva cóncava). Con valores altos, se representa mediante una curva en forma de S, con una zona inicial de aceleración antes de doblarse. Lo más habitual es ver la primera opción.
La idea importante es que cada canal tiene su propia curva. Ajustándola con los datos históricos de cada medio, obtenemos una representación a medida de cómo responde ese canal concreto a la inversión. Existen otras funciones para representar la saturación de un canal, como la función de saturación logística, pero no es el objetivo del post abordarlas todas.
Adstock y saturación: dos transformaciones que trabajan juntas
Llegados a este punto, merece la pena conectar los dos conceptos que hemos tratado en estos artículos, porque en un modelo de Marketing Mix no se aplican por separado: trabajan en conjunto, y hasta el orden en que se aplican importa.
Recordemos lo que representa cada uno:
- El adstock captura la dimensión temporal: el efecto de la publicidad no se agota en el momento del impacto, sino que se arrastra en el tiempo y decae de forma progresiva.
- La saturación captura la dimensión de intensidad: la respuesta no crece de forma lineal con la inversión, sino que se dobla y se aplana a medida que aumenta la presión.
En un MMM, la inversión de cada canal se transforma aplicando primero el adstock y después la saturación. El orden tiene su lógica: primero repartimos el efecto de la inversión en el tiempo (adstock), reconstruyendo la presión publicitaria real que había activa en cada momento; y sobre ese valor ya ajustado aplicamos la curva de saturación, que traduce esa presión en respuesta con sus rendimientos decrecientes. Aplicarlas al revés daría un resultado distinto y menos fiel a cómo funciona realmente la publicidad.
Conclusiones
La saturación es una de esas ideas que, una vez entendidas, cambian la forma de mirar un plan de medios. Nos recuerda que ningún canal rinde igual en todos los niveles de inversión: lo que hoy es tu campaña más rentable puede dejar de serlo simplemente porque le inyectes más presupuesto del que su audiencia puede absorber.
Un canal lejos de su punto de saturación es una oportunidad de crecimiento; un canal ya aplanado es dinero que probablemente rinda más en otro sitio. Distinguir entre ambos es lo que separa una asignación de presupuesto basada en datos de una basada en intuiciones.
En publicidad programática esta perspectiva es especialmente útil, porque la saturación llega por caminos muy concretos: el exceso de frecuencia sobre una misma audiencia y el agotamiento de segmentos reducidos.
Y lo mismo sucede al revés: la programática ayuda a diversificar la inversión de los negocios, aportando un gran alcance cuando otros canales ya están saturados.
Con este artículo cerramos las dos caras de la respuesta publicitaria que hemos venido explicando: el adstock, que describe cómo el efecto de la publicidad perdura en el tiempo, y la saturación, que describe cómo ese efecto se satura a medida que crece la inversión. Son los dos pilares sobre los que se construye el Marketing Mix Modeling.
