Caso de éxito: Badi

Leer más

Sobre Badi

Badi, con sede en Barcelona, lanzó una plataforma de doble vertiente que conecta personas que buscan compañeros de piso en función de su edad, sus gustos y sus intereses.

La plataforma de alquiler de habitaciones atiende a ambas partes de la ecuación: personas con una habitación en alquiler y personas que quieren mudarse a un nuevo piso compartido. La startup ha logrado una presencia muy importante en España y funciona en grandes capitales como París, Londres y Roma. La marca ya ha llegado a los 12 millones de solicitudes de alquiler desde su inicio y busca convertirse en el mayor y más innovador agente inmobiliario del mundo, para lo que ha comenzado 2019 con la Serie B.

El reto

Encontrar una solución de atribución móvil que analize y mejore el recorrido del usuario

Badi surgió de una necesidad concreta. Buscar el lugar adecuado para vivir puede ser uno de los procesos más estresantes de la vida de una persona. Carlos Pierre comprobó que existía una enorme necesidad de conectar compañeros de piso y apartamentos de forma simultánea, por lo que creó una aplicación para satisfacer esta demanda.

Poco después de su lanzamiento en 2015, Badi experimentó un rápido crecimiento, lo que le llevó a crear una infraestructura para la gestión de datos de mayor tamaño y sofisticación de la mano de su socio de atribución. Recibir datos crudos de buena calidad y en tiempo real era crucial, ya que Badi optimizaba su estrategia publicitaria basándose en eventos dentro de la aplicación y no en las descargas.

Analizamos las campañas de marketing por anuncios, no en términos de adquisición de usuarios, sino en función de su recorrido dentro de la app. No nos basta con adquirir usuarios, que estos utilicen la aplicación brevemente y la abandonen. Hay una serie de pasos para que consideremos que ese usuario ha realizado una conversión y, sin información sobre lo que pasa con cada uno de esos usuarios, trabajaríamos a ciegas.

Guillem Pons

Chief Data Officer de Badi,

Badi

La solución

Migración a Adjust

En aquel momento, Badi utilizaba una solución que no ofrecía datos a nivel de usuario, lo que les impedía analizar el comportamiento del usuario y mejorar su experiencia dentro de la app. «La razón principal por la que elegimos Adjust fue porque nos proporcionaban datos a nivel de usuario», afirma Guillem Pons, Chief Data Officer de Badi. «Sin este nivel de detalle, no podíamos combinar los datos del usuario con el resto de información de que disponíamos».

Con Adjust, Badi logró cumplir sus principales objetivos:

  • Libertad para recibir datos en su propio backend, sin limitaciones ni respecto al tiempo de almacenamiento ni tampoco en cuanto a granularidad.
  • Datos a nivel de usuario
  • El recorrido del usuario al completo, uniendo los datos de actividad en desktop y móvil
  • Cumplimiento de la privacidad

Al principio, integrar Adjust a tan gran escala supuso un cambio significativo en la forma en que el equipo de datos de Badi trabajaba, pero la migración demostró valer verdaderamente la pena. «Los datos que Adjust es capaz de ofrecer fueron la primera razón por la que decidimos cambiar nuestra infraestructura por un sistema de big data. Ahora obtenemos y gestionamos muchísimos puntos de datos». Actualmente, Badi utiliza plenamente los datos a nivel de usuario de Adjust, de modo que procesa 4.000 puntos de datos por segundo.

El proceso de migración a Adjust está cuidadosamente organizado en cinco pasos. Si quieres saber más sobre nuestro método, haz clic aquí.

Cuando nos dimos cuenta de que podíamos trackearlo todo sin límites y tener todos los datos que necesitáramos, decidimos que Adjust era exactamente la solución que estábamos buscando.

Guillem Pons

Chief Data Officer de Badi,

Badi

Los datos a nivel de usuario permitieron a Badi alinear marketing y producto para lograr el máximo crecimiento

Badi realiza la mayor parte de la gestión de datos con su propia plataforma BI, pero utilizando para ello los Datos crudos en tiempo real enviados por Adjust. Gracias a su infraestructura interna, Badi puede ir más allá del simple análisis de una campaña de marketing o un canal de adquisición. También pueden trackear todos y cada uno de los eventos dentro de la aplicación a nivel usuario. De este modo, Badi recibe información detallada, como IDs de inicio de sesión de los usuarios, tipo de búsquedas que realizan y anuncios con los que interactúan.

Para medir el éxito de sus campañas publicitarias, Badi dejó de centrarse en trackear eventos para fijarse más en el comportamiento de los usuarios. De este modo, la empresa puede alinear mejor sus estrategias de marketing y de producto.

Badi analiza el comportamiento de sus usuarios desde el momento en que instalan la aplicación. Teniendo esto en cuenta, pueden probar todas las funcionalidades y lanzar campañas publicitarias en función de los resultados obtenidos. El ROI puede entonces definirse a través de eventos específicos. Para analizar el comportamiento del usuario, Badi usa la metodología de la agrupación: evalúan el comportamiento del usuario en la app junto con los datos de adquisición y agrupan la actividad del usuario por frecuencia y similitud con el comportamiento esperado. A partir de ahí, se puede definir el ROI conductual, mostrando tendencias como el comportamiento más frecuente. Esta metodología también muestra la relación de las campañas publicitarias con las acciones específicas de los usuarios, así como si esas campañas alcanzan a los usuarios adecuados. Por ejemplo, para entender la retención, Badi rastrea listas republicadas a nivel de usuario y de lista, de manera que puedan saber cuándo vuelven los usuarios (que se habían ido) para completar la lista.

Para nosotros, es muy importante contar con datos crudos limpios, flexibles y bien integrados dado que fusionamos los datos de Adjust con los nuestros propios para trackear la actividad de los usuarios a lo largo del tiempo. Gracias a ello, podemos definir perfiles de usuarios e influir en el desarrollo de nuestro propio producto.

Guillem Pons

Chief Data Officer de Badi,

Badi

El resultado

Disminución del coste por adquisición y mejora del tasa de conversión

Disponer de estos datos ha contribuido a resolver varios problemas. Por ejemplo, Badi ha conseguido tener una idea mucho más precisa de su funnel, mejorando las conversiones y trackeando múltiples dispositivos.

Las marcas líderes confían en Adjust