Transformar las operaciones de medios de pago de Mercado Libre: una historia de éxito de MarTech

Introducción

Mutt Data se asoció con Mercado Libre, el ecosistema de comercio electrónico más grande de América Latina, para abordar uno de sus mayores desafíos de marketing: optimizar millones de dólares en inversiones publicitarias mensuales en diversos canales. Nuestra colaboración dio lugar a un optimizador multimedia revolucionario que ha permitido ahorrar tiempo, aumentar los ingresos y establecer nuevos estándares de rendimiento.

Acerca de la empresa

Mercado Libre es el ecosistema de comercio y pagos en línea más grande de América Latina. A través de un conjunto de soluciones tecnológicas que incluyen Mercado Pago, Anuncios de Mercado, Mercado Envíos, y Mercat Credit, permiten a los clientes de 18 países llevar a cabo su comercio ofreciendo soluciones en toda la cadena de valor.

El desafío

A lo largo de nuestros años de colaboración, Mutt Data ha creado múltiples soluciones para Mercado Libre con la intención de mejorar el rendimiento de los presupuestos de los anuncios en línea. También hemos trabajado juntos para aprovechar los datos para mejorar su modelo de atribución y aumentar su base de clientes. En este caso concreto, Mercado Libre solicitó la ayuda de Mutt Data para optimizar el rendimiento de los anuncios en línea y cumplir con los objetivos de ingresos y ROAS específicos de las campañas de medios de pago en línea, al tiempo que maximizaba el volumen. Para ello, buscaban soluciones que les ayudaran a pronosticar con precisión el rendimiento marginal de marketing en cientos de campañas y a optimizar la inversión en diferentes escenarios. Como el minorista de comercio electrónico más grande de Latinoamérica, Mercado Libre invierte más de 1.200 millones de dólares anualmente en marketing a través de varios canales. Para mejorar la eficiencia de una parte de su presupuesto de medios online, necesitaban una solución para supervisar y pronosticar de cerca el rendimiento de las campañas y ajustar esos presupuestos de forma rápida y eficaz. Con la amplia experiencia de Mutt en soluciones de MarTech y una trayectoria comprobada en la optimización de las asignaciones presupuestarias en determinados canales de marketing, éramos una elección natural. Aprovechando nuestro trabajo previo sobre desafíos similares, desarrollamos rápidamente un sistema personalizado para Mercado Libre, garantizando que fuera escalable y adaptable a sus necesidades cambiantes.

¿Qué es lo que hace?

El Optimizador de medios en línea de pago es una herramienta moderna que determina automáticamente la asignación óptima de gastos para las campañas de medios de pago y la mejor manera de configurar su presupuesto y ofertas para lograrlo. La combinación de campañas puede pertenecer a una única plataforma publicitaria o a varios canales. El Optimizador de medios en línea de pago se centra al 100% en la optimización del rendimiento del marketing. Junto con las campañas publicitarias seleccionadas, toma como insumos un plan de gastos y las expectativas de eficiencia. En el caso de un plan de gastos global semanal o mensual, el gasto se puede distribuir de forma óptima en cada canal en línea a través de un planificador. The Planner utiliza la previsión de ingresos para cumplir con las expectativas de ROI en cada canal. Además, para distribuir los gastos a lo largo de cada día, cuenta con diferentes estrategias de ritmo que tienen en cuenta los objetivos diarios y semanales. El Pacer puede priorizar el gasto de todo el presupuesto planificado o mantener los niveles de eficiencia todos los días.

Entonces, ¿cómo funciona realmente el optimizador de medios online de pago? Vamos a sumergirnos.

Cómo funciona

La solución

1. Planifica los gastos diarios
2. Captura datos y aprovecha el rendimiento histórico
3. Analiza las necesidades empresariales: Utiliza métricas de rendimiento para establecer límites durante la optimización (por ejemplo, establecer un ROAS mínimo para garantizar la rentabilidad).
4. Optimiza el uso de curvas de saturación: Basado en el rendimiento anterior.
5. Considera el ritmo de los gastos: Para aumentar o disminuir el gasto diario.

1. Traduce los datos optimizados en la asignación de gastos
2. Automatiza las actualizaciones de la campaña: Las campañas se actualizan automáticamente en las plataformas publicitarias para seguir las decisiones del optimizador.
3. Participa en un ciclo de retroalimentación: Vuelve al paso 1 para una optimización continua.

Algunos de los beneficios de los optimizadores de medios en línea de pago:

• Ingresos maximizados: Aprovecha el aprendizaje automático para generar optimizaciones con aplicaciones de un solo clic, lo que aumenta el ROAS de Mercado Libre y aumenta sus resultados.
• Perspectivas multicanal avanzadas: Acceda a las curvas de respuesta de los anuncios de cada campaña para comprender la saturación y la eficacia marginal e identificar las oportunidades multicanal.
• Flujo de trabajo optimizado: La automatización reduce el tiempo de gestión de las campañas, lo que permite al equipo centrarse en las iniciativas estratégicas.
• Planificación, previsión y ritmo: Modela varios escenarios para determinar la asignación presupuestaria ideal para alcanzar las metas diarias, semanales y mensuales con un rendimiento óptimo.
• Recomendaciones diarias: Optimiza las campañas y maximiza los resultados generales con una automatización inteligente que monitorea las campañas a lo largo del día, alertando o pausando automáticamente debido a las desviaciones del rendimiento.

El Optimizador de medios en línea de pago ofrece recomendaciones diarias para optimizar las campañas y maximizar los resultados generales. También permite configurar una automatización inteligente que monitorea las campañas a lo largo del día y puede alertar o pausar automáticamente en caso de desviaciones del rendimiento deseado.

La implementación

El Optimizador es una plataforma que apoya las operaciones de POM del equipo de marketing. Por lo tanto, necesitábamos entender en profundidad cómo funcionan y adaptar la plataforma en consecuencia.

La optimización diaria y la aplicación de las ofertas y los presupuestos de las nuevas campañas en función del rendimiento anterior son fundamentales para maximizar los beneficios de marketing de MeLi. Por eso, implementamos varias reglas empresariales como alternativa, diseñadas conjuntamente con analistas de marketing, en caso de que fuera imposible una optimización completa basada en el aprendizaje automático. El proyecto incluyó las mejores prácticas de ingeniería de software y operaciones de aprendizaje automático. Como aplicación que gestiona millones de dólares, cuenta con pruebas exhaustivas, supervisión de modelos y ejecuciones, gestión de la programación y de la infraestructura, e informes exhaustivos sobre cada paso de la optimización.

La colaboración continua con el equipo de ingeniería de datos de marketing fue esencial para el éxito del proyecto. El optimizador de medios en línea de pago se integró con el lago de datos de Mercado Libre y todos los datos de salida se almacenaron directamente en él para agilizar el acceso y el análisis.

Resultados

• Aumento del 9,6% en el ROAS de Mercado Libre
• Disminución del 55% en tiempo dedicado a la gestión de campañas
  
  

Por qué a Mercado Libre le encanta trabajar con nosotros

A lo largo de nuestra historia, Mutt Data ha llevado a cabo varios proyectos para mejorar las capacidades de datos de MercadoLibre, con un enfoque especial en los casos de uso de MarTech y AdTech. MercadoLibre también ha elegido a Mutt una y otra vez para llevar a cabo proyectos relacionados con la IA generativa, el aprendizaje automático y los conjuntos de datos. Mercado Libre y Mutt Data disfrutan trabajando juntos debido a la experiencia y el profesionalismo de sus equipos. Por lo tanto, el optimizador multimedia en línea de pago para MercadoLibre no es nuestra única oportunidad con este equipo. Otros proyectos conjuntos incluyen:

Atribución multitáctil

MercadoLibre necesitaba mejorar su sistema de atribución en línea para medir el aumento gradual de cada punto de contacto publicitario en los viajes de conversión, superando las limitaciones de los modelos tradicionales de atribución multitáctil (MTA). Mutt Data colaboró con MercadoLibre para diseñar e implementar una nueva plataforma de MTA utilizando modelos avanzados de aprendizaje profundo. Esta plataforma tuvo en cuenta las interacciones entre los canales, las dependencias temporales, las características de los usuarios y otras variables empresariales, lo que permitió medir con mayor precisión el verdadero impacto de cada punto de contacto publicitario. El nuevo modelo de atribución permitía realizar mediciones en tiempo real a nivel de campaña más cercanas a las estimaciones de éxito reales. Esto mejoró la precisión de la optimización de los gastos de marketing, mejoró el rendimiento de las campañas y sirvió de base para la toma de decisiones al proporcionar información sobre la eficacia de las diversas estrategias de marketing en los recorridos de los clientes.

Impulsar la base de clientes de Mercado Pago

MercadoPago tenía como objetivo aumentar su volumen total de pagos (TPV) ampliando la gama de productos utilizados por los vendedores e introduciendo nuevos servicios. El desafío consistía tanto en identificar recomendaciones eficaces como en implementarlas a través de los mejores canales. Mutt Data desarrolló un marco de recomendaciones integral utilizando modelos de aprendizaje automático para predecir la propensión de los vendedores a utilizar servicios específicos. Este sistema adaptó las recomendaciones en función del tiempo de entrega, la interacción con el canal, la relevancia del servicio y el contenido de los mensajes. Aceleramos considerablemente el proceso de implementación del modelo de aprendizaje automático. El proyecto se tradujo en un aumento nominal del 4% en el número de vendedores que seleccionaron MercadoPago como su plataforma principal, pasando del 6% al 10%. Además, la implementación de las mejores prácticas de monitoreo permitió el seguimiento de las métricas en tiempo real a través de paneles fáciles de usar, lo que optimizó aún más el rendimiento y la toma de decisiones de la plataforma.

Sistema de pujas de Mercado Libre

El equipo de anuncios de productos de Mercado Libre necesitaba mejorar su sistema interno de pujas para los artículos promocionados. El proceso por lotes existente no era óptimo, lo que generaba una facturación ineficiente y una pérdida de ingresos, especialmente para los postores más bajos. Mutt Data desarrolló un sistema de pujas en tiempo real que optimizó las estimaciones de la tasa de clics (CTR) y la tasa de conversión (CVR) de cada artículo durante las búsquedas. El sistema equilibró el impacto en el volumen bruto de mercancías (GMV) y, al mismo tiempo, maximizó la eficiencia de la colocación de anuncios. El resultado fue un aumento de más del 25% en los clics publicitarios sin afectar significativamente al GMV orgánico, lo que demuestra la eficacia del sistema de pujas en tiempo real.

La decisión de Mercado Libre de trabajar con nosotros en varios proyectos es un testimonio de la confianza que hemos creado, gracias a nuestra capacidad de ofrecer mejoras medibles y basadas en datos en complejos entornos tecnológicos y de marketing.

Referencias

Una inmersión más profunda: Para obtener una vista técnica más detallada de nuestro optimizador, vea esto conversación donde dos expertos discuten cómo funciona.

Finalizando

Ante el desafío de optimizar un presupuesto publicitario enorme y complejo en múltiples plataformas, Mercado Libre se asoció con Mutt Data para aprovechar las técnicas avanzadas de aprendizaje automático a fin de mejorar la eficiencia de la inversión publicitaria. Mediante el desarrollo del optimizador de medios en línea de pago, Mutt Data permitió a Mercado Libre gestionar y optimizar cientos de campañas publicitarias en múltiples plataformas sin problemas.

¿Estás listo para aprovechar todo el potencial de tu inversión publicitaria con precisión basada en datos? Contactar con Mutt Data para descubrir cómo nuestra experiencia puede mejorar sus capacidades de MarTech.