Melià + Audience Score

Meliá es líder mundial en complejos hoteleros, y líder en los mercados de Sudamérica y el Caribe, actualmente, cuenta con más de 370 hoteles abiertos o en proceso de apertura en más de 41 países. 

Audience Score es una solución basada en la modelización estadística que nace para ir un paso más allá y solucionar los problemas que puede presentar la segmentación clásica y la definición manual de parámetros usando herramientas analíticas.

+ 0 %
en las conversiones de campañas con remarketing
- 0 %
del coste de adquisición
por cliente
+ 0 %
del ROAS de las campañas con remarketing

Objetivos

  • Mejorar el conocimiento de los usuarios del site.
  • Optimizar la conversión del remarketing.
  • Reducir el coste de las campañas de remarketing de melià.

El reto

El reto principal del proyecto era implementar Audience Score y ver hasta qué punto puede este modelo estadístico hace mejorar las campañas de remarketing. Si veían que el Audience Score funciona, se planteaban el uso del mismo para otros apartados como el email marketing, personalización del site, activadores, entre otros ya que se puede exportar la información del Audience Score al CRM o a cualquier herramienta que use la empresa. 

La parte delicada del proceso era adaptar la solución al negocio de Meliá ya que estos recogen mucha información en su site y se debía definir muy bien qué información era la que el modelo estadístico debía tener en cuenta y que peso tenía que tener cada elemento dentro del mismo.

La solución

Se identificaron estadísticamente y de forma automática aquellas variables relativas al comportamiento del usuario y su interacción con el sitio web que mantenían alguna relación con la acción clave de reservar

Se exportaron los datos de Google Analytics y ejecutamos el modelo estadístico en nuestro servidor. Una vez obtenida la puntuación de cada usuario, la subimos de nuevo a la herramienta de analítica web mediante una variable personalizada. 

Para la realización del test, quisimos hacerlo sobre una campaña de remarketing habitual, como las que se realizaban antes de conocer el Audience Score. 

En el test, generamos dos campañas idénticas en contenido y cada una con una audiencia distinta

  • La primera campaña sólo impactaría a usuarios con Audience Score alto. 
  • La segunda campaña, de control, impactaría a cualquier usuario indistintamente de su puntuación para simular una campaña sin este dato. 

Dado que queríamos que cada usuario fuera impactado por una única campaña, los usuarios con Audience Score altos los repartimos 50% en una campaña y 50% en la otra, siendo lo más justos y equilibrados posible con ambas campañas.

¿Quieres saber más?

Descarga este caso de estudio completo al detalle