La empresa

Bark es el marketplace de servicios más grande y de más rápido crecimiento del Reino Unido, conectando a consumidores y empresas con el profesional adecuado para su proyecto en más de 1.000 categorías diferentes.

Fundada en 2015 y con sede en Londres, Bark opera globalmente en el Reino Unido, Francia, Estados Unidos, Irlanda, Canadá, Sudáfrica, Australia, Nueva Zelanda y Singapur.

Modelo de negocio

El modelo de negocio de Bark consiste en poner en contacto a particulares con profesionales de diferentes sectores, limpieza, entrenadores personales… Los clientes particulares publican un anuncio en la web de Bark, de forma gratuita, solicitando un profesional. Bark envía este anuncio a los profesionales asociados que estén en los alrededores, y estos, si les interesa, adquieren estos leads con créditos previamente comprados, obteniendo el email y teléfono del particular que ha publicado el anuncio.

Además, los profesionales pueden opcionalmente pagar un fee mensual a Bark para aparecer como Elite Pro, que son profesionales que Bark recomienda.

Objetivo

El objetivo de Bark era dirigir sus campañas de captación de profesionales hacia aquellos que consumen créditos de forma recurrente, hacia profesionales de valor.

El principal pain que tenían era que el volumen de conversiones, profesionales que hacían click en las campaña de captación en Search y acababan comprando créditos en un periodo de 7 días, era tan bajo que los algoritmos de Google no podían aprender y, por tanto, no podían optimizar a estos usuarios.

Solución

Desde Making Science, les propusimos añadir un tipo de señal adicional a las que ya tenían. Esas nuevas señales se generan en el momento en el que los usuarios/profesionales se suscriben lo que, además, garantiza que se le da prioridad al usuario nuevo, es decir, que no se ha suscrito nunca. Nuestro modelo de machine learning asigna a este usuario un valor que coincide con el revenue esperado a 90 días, en términos de consumo de créditos más contratación de fee mensual.

Activamos nuestra propuesta en campañas del mercado estadounidense y conseguimos, multiplicar por 20 el volumen de señales (nuevos profesionales con consumo potencial de créditos recurrente) y etiquetarlos según su valor. Esto permitió que las campañas de Smart Bidding de Google Search, con estrategias de puja tROAS (ROAS con valor esperado), tuvieran dato suficiente para aprender y optimizar hacia los usuarios/profesionales que Bark tenía como KPI (higher value prospects).

Resultados

La implementación de señales de clientes de alto valor en las estrategias de pujas basadas en el valor permitió a Bark:

• Aumento del 23% de los ingresos LTV a 90 días frente al multiplicador de ingresos a 7 días en comparación con el control.
• Aumento del 33% del ROAS de LTV a 90 días manteniendo los ingresos de LTV a 90 días