El documento presenta un caso sobre el uso de publicidad en Facebook Ads. Se describe una campaña donde una empresa reemplazó los anuncios en diarios por avisos en Facebook Ads durante 2 semanas, lo que resultó en un incremento de ventas del 16% en Canadá y el doble de inversión en Facebook. El documento también cubre objetivos, segmentación, tipos de anuncios, métricas y el caso de Netflix sobre el uso de big data.

1. Profesor:
Federico Tozzi
Marketing Digital
Licenciatura en Marketing
JTP:
Walter Coco
Clase 06

2. o Publicidad en Facebook:
o Caso Face ADS
o Objetivos
o Segmentación
o Conjunto de Anuncios
o Tipo de Anuncios
o Recomendaciones
o Métricas
o Big Data.
o Caso de Big Data :House of Cards
Agenda
Clase 06

3. Caso- Facebook Ads

4. Caso- Facebook Ads
Vídeo: https://goo.gl/H9ETda
Situación
• Reemplazan anuncios en diarios por
avisos en Facebook Ads.
• Realizan una prueba por 2 semanas.
• Sólo el 17% leía y veía sus anuncios
en diarios.

5. Caso- Facebook Ads
Campaña

6. Caso- Facebook Ads
+16%
Incremento de ventas
(Canadá)
2x
Duplican inversión en
Facebook
+12%
Incremento de ventas
en tiendas
+23%
Incremento de
productos en
Facebook
Cuestión de tiempo
Migran toda su inversión de pauta a medios
digitales.
Resultados

7. Facebook Ads

8. Martin Biegun - Co-creador de WoowUp
Facebook Ads

9. Publicidad en Facebook
Tipo de
anuncios
Conjunto de
anuncios
/Segmentación
Objetivos

10. ¿Hacia dónde vamos?
¿Cómo queremos llegar?
¿Qué resultados esperamos?
EDGE RANK
• Algoritmo de FB que determina qué actualizaciones se
muestran (15% aprox. del total de Fans).
• Se mide en función a la afinidad/calidad que los usuario
tienen con nuestras publicaciones. (Likes, comments, shares).
OBJETIVOS

11. Objetivos

12. CONJUNTO DE
ANUNCIOS
Presupuesto Segmentación Duración
Idioma Ubicación Tipo de oferta
CP_?

13. Conj. de anuncios

14. Conj. de anuncios

15. Conj. de anuncios

16. Conj. de anuncios

17. Conj. de anuncios
SEGMENTACIÒN

18. TIPOS DE
ANUNCIOS

19. Tipos de anuncios
LIMITA REACH !!!

20. Tipos de anuncios

21. Tipos de anuncios

22. Tipos de anuncios

23. MÉTRICAS

24. MÉTRICAS
A Nivel Conjunto de Anuncios

25. MÉTRICAS
A Nivel Conjunto de Anuncios

26. MÉTRICAS
A Nivel Página

27. MÉTRICAS
A Nivel Página

28. Nos vemos en
15´
Fechas importantes:
08/05: Parcial 01
19/06: Parcial 02
26/06: Recuperatorio
Material de clase:
https://www.linkedin.com/groups/1
2027819

29. Cuenta FB Ads
Campaña
Campaña
Conj. de Anuncios
Conj. de Anuncios
Conj. de Anuncios
Conj. de Anuncios
Anuncio
Anuncio
Anuncio
Anuncio
Anuncio
Anuncio
Anuncio
Anuncio
Anuncio
Anuncio
• Usuario
• Accesos
• Datos de
Facturación
• Método de
pago • Presupuesto
• Segmentación
• Duración
• Idioma
• Ubicación
• Oferta de
CPC/CPI/CPM/CPA
• Imagen
• Texto
• Pág. de destino/
Post/Aplicación/Etc.
Estructura de anuncios

30. RECOMENDACIONES

31. • Tener anuncios muy visuales y rotarlos .
•Segmentar el publico y los intereses acordes al target.
• Utilizar call to action
•Medir y analizar continuamente los datos de las campañas.
•Generar sentimiento positivo (interactuar con el usuario)
Recomendaciones

32. Big Data

33. Big Data
“…gestión y análisis de enormes volúmenes de datos que
no pueden ser tratados de manera convencional, ya que
superan los límites y capacidades de las herramientas de
software habitualmente utilizadas para la captura, gestión y
procesamiento de datos”
El objetivo de Big Data es agregar valor para una
mejor toma de decisiones.

34. En 2012 Target le envió a una
adolescente de 15 años cupones para
pañales y cunas.
Su padre arremetió contra el
supermercado argumentando que
estaban incitando a que la menor se
embarace.
El padre no sabía que su hija ya lo
estaba, pero Target sí!
Big Data

36. Caso de Big Data :House of Cards
Fue en el año 2009 cuando esta compañía tomó una decisión que le
permitió dar un paso adelante en el mercado, al comenzar a usar
un algoritmo para predecir los gustos de sus suscriptores.

37. Caso de Big Data :House of Cards
Usando estos datos, los desarrolladores de Netflix construyen modelos que
ayudan a predecir la “situación perfecta” en la que los usuarios reciben
aquellos programas que disfrutan continuamente. Otro método de analítica
de datos es el etiquetado de las películas..
Los datos que recoge Netflix sobre los
hábitos de los usuarios no sólo le ha
servido para personalizar las
recomendaciones, sino también como
base de modelos predictivos para una de
sus jugadas más importantes:
la generación de contenido. Es así como
la producción estrella de la
compañía, House of Cards, no es
producto del azar o de buenas intenciones

38. MBA
Universidad Torcuato Di Tella
Marketing - Administración
Universidad CAECE
GRACIAS
Profesor:
Federico Tozzi
/fedetozzi
JTP:
Walter Coco
Lic. en Comercialización
UCASAL
/waltercoco