Wonga + Forecasting

Wonga es una compañía que basaba su actividad en la concesión de micropréstamos a particulares para afrontar gastos no esperados.

La principal diferencia con respecto a un banco tradicional era su mayor flexibilidad a la hora de conceder un préstamo (y la menor exigencia).

El reto que nos plantearon, fue el de medir el impacto que dicha campaña había tenido sobre el tráfico a su sitio o dicho de otro modo, lo efectiva que fue la campaña tanto en el periodo de campaña como posteriormente.

Creación de modelo predictivo

Determinación del impacto de acciones offline

Detección de periodos con menos impacto

Objetivos

  • Identificar el impacto de las campañas de televisión en el tráfico online
  • Valorar la retención que generaban las campañas de televisión

El reto

El principal reto del proyecto radicó en la necesidad de medir el impacto de una acción puramente offline (la campaña de televisión) en el tráfico que llegaba al sitio.

La dificultad, como es evidente, está en hecho de medir o asignar el aumento de tráfico a una serie de anuncios que impactan a los usuarios en la televisión y que, a partir de las mismas, llegan al sitio. 

Dado que no existe forma de trazar los usuarios que visualizan la campaña y -a partir de la misma- llegan al sitio, ¿cómo podemos estimar el % de incremento que se debe realmente a la campaña? Y también, cuando esta finaliza, que % del tráfico que llega es atribuible a la campaña (capacidad de retención de la misma).

La solución

El enfoque que aplicamos a este proyecto, fue el de desarrollar nosotros mismos el método para determinar el impacto de la campaña offline en el tráfico online.

Para ello, nos basamos en las sesiones recogidas en su Analytics 360 y desarrollamos un script en R. Este script, mediante los datos históricos del cliente, realizaba un cálculo estimado del tráfico para un periodo seleccionado.

A partir de este cálculo, con los datos ya de tráfico real hicimos una comparación de resultados usando la parrilla de anuncios y fechas en las que se emitieron los anuncios. La diferencia entre ambos datos era lo atribuible a la campaña de televisión.

Una vez finalizada la campaña en televisión aplicamos el mismo procedimiento para detectar la retención de campaña. 

 

¿Quieres saber más?

Descarga este caso de estudio completo al detalle
PRO

Forecasting

Predicciones y procesamiento de datos
para mejorar el impacto.