.jpg)
Strix es una empresa tecnológica de seguridad y rastreo con operaciones en Argentina, Chile y Uruguay. Su propuesta abarca la protección vehicular, las alarmas para el hogar, la seguridad personal y la gestión de flotas corporativas, todo centralizado en una app móvil.
Con un 93% de efectividad en recuperos vehiculares, compite en un segmento en el que la urgencia del producto determina la velocidad de decisión del consumidor.
El contexto
Cuando comenzamos a trabajar con Strix, su operación de paid media tenía un problema de velocidad que el equipo ya había asimilado como parte del costo de operar a escala: los reportes semanales consumían entre uno y dos días de trabajo, los análisis de rendimiento de creativos tomaban dos horas cada uno, y las auditorías de cuenta requerían seis horas para completarse. El tiempo disponible para tomar decisiones de negocio era el que quedaba tras consolidar la data.
Además, el cuadro se complejizaba porque Strix opera en múltiples mercados con distintas fuentes de datos: plataformas de medios, herramientas de rastreo, datos comerciales. Cada ciclo de reporting empezaba por determinar dónde se encontraba la información antes de poder interpretarla.
El desafío
- ¿Cómo liberar capacidad analítica para que el equipo pueda operar en problemas de negocio en lugar de en problemas de datos?
- ¿Cómo validar si la activación de campañas de programática en DV360 generaba un impacto real en las búsquedas de Search, en un entorno donde los modelos de atribución convencionales no capturan ese tipo de relación?
El approach
La primera decisión fue redefinir qué tareas debían desaparecer del flujo humano y cuáles debían mejorarse. Incorporamos una capa agéntica conectada a las plataformas de media, GA4, Search Console y la fuente comercial, respetando la lógica de negocio del cliente. Centraliza y estructura los datos y produce un primer nivel de interpretación.
Pero la operación agéntica no reemplazó el criterio humano en las decisiones que importaban.
El caso de programática ilustra bien esto. Activamos campañas DV360 (DKS-Awareness y DKS-Consideración) el 17 de mayo y corrimos un análisis comparativo de 17 días PRE vs. 17 días POST. El modelo de atribución de GA4 mostraba una asistencia cruzada DV360→Search inferior al 2% en rutas multicanal, lo que, por sí solo, sugeriría que la programática no impactaba en Search.
Sin embargo, el análisis agéntico, cruzando datos de Search Console, GA4 y los términos de búsqueda, indicó otra cosa: impresiones -13% con clics +63% (CTR 1.87%→3.51%). Antes de atribuirlo al priming, descartamos el mix de keywords, la dinámica de subasta, la estacionalidad y los eventos. Con esas alternativas controladas, el priming resultó ser la explicación más consistente.
La hipótesis de priming —usuarios expuestos a programática que luego hacen clic en Search con mayor intención— tenía sustento en los datos, aunque el modelo de atribución no la capturara directamente. El CPA de la campaña Search Genérica mejoró un 28.6% en el período POST.
Esa lectura no habría ocurrido en el ciclo operativo anterior. El volumen de cruces necesarios para llegar a esa conclusión, con datos de cuatro fuentes distintas, habría requerido varios días de trabajo analítico dedicado.
Los resultados
Con el sistema de centralización, los datos comenzaron a llegar a manos del equipo con estructura y una fase inicial de interpretación.
- Lo que antes requería 120 minutos de análisis diarios/semanales se redujo a 30 minutos.
- Los reportes semanales pasaron de 180 minutos a 30 minutos.
- El análisis de creativos bajó de 120 a 15 minutos. La auditoría de cuentas, que consumía 360 minutos, se redujo a 60 minutos.
- En el período POST-activación de DV360, los clics en búsquedas totales crecieron un 63% y el CTR pasó de 1.87% a 3.51% (+88%).
- El CPA de la campaña Search Genérica mejoró un 28.6%, pasando de 10,456 ARS a 7,469 ARS por conversión.
- Las sesiones generadas por DV360 registraron una tasa de interacción del 99.4%, señal de que el tráfico incremental era de calidad real.
-
En términos operativos, el tiempo total ahorrado por tarea se ubicó en 78.4%, con 63.42 horas/mes recuperadas para el equipo. Con esa capacidad recuperada del 78% del tiempo, el equipo rediseñó la estrategia, lo que se tradujo en un +63% de clics y un -28% de CPA. El tiempo ahorrado pasó de input a outcome.
Eficiencia operativa por proceso
.png)
La lectura de negocio
El hallazgo de priming en este caso —CTR de Search casi duplicado con las mismas impresiones, CPA genérico mejorado 28.6%— no estaba disponible en ningún dashboard. Emergió al cruzar cuatro fuentes de datos en un análisis que, en el modelo operativo anterior, no habría ocurrido dentro del ciclo de reporte. Ese es el patrón de fondo: liberar capacidad analítica para detectar relaciones que el modelo de atribución convencional no capta.
En el caso de Strix es necesario tener en cuenta la estructura de decisión del consumidor. La seguridad vehicular es una categoría de urgencia: quien busca 'GPS para autos' después de ver un aviso de Strix tiene una ventana de intención breve y una alta predisposición a hacer clic. Eso explica la magnitud del efecto.
En categorías con ciclos de decisión más largos —productos de ticket alto, servicios B2B, categorías de comparación extendida— el mismo mecanismo puede manifestarse a una velocidad distinta y de manera distinta. La hipótesis de priming sigue siendo válida; el timing de medición y las métricas de control deben ajustarse al ritmo de decisión del segmento.
Lo que quedó después de este caso es una metodología de lectura cruzada aplicable a cualquier activación de medios en la que la atribución directa no alcanza para ver el impacto real.
.png)
