Normalización
Compare formas con gasto y respuesta normalizados antes de recalibrar parámetros en las unidades económicas de la decisión.
Curvas de respuesta: una biblioteca de formas comprobables y comparables.
Pregunta de decisión¿Qué forma de curva retener y en qué rango utilizarla?
DECISIÓN RESPALDADAUtilizar una curva únicamente dentro de su rango documentado y retener la forma más simple cuya pendiente marginal permanezca estable bajo validación y sensibilidad.
Cálculo reproducible
Especificación y límites del cálculo publicado.
Este archivo verifica la aritmética local del modelo pedagógico. No convierte los supuestos declarados en evidencia de rendimiento de mercado ni de causalidad.
- Especificación técnica de la biblioteca de curvas de respuesta (se abre en una pestaña nueva)
v1, 31 de agosto de 2026 · CC BY 4.0 · Especificación propia de perfiles de respuesta normalizados, sin calibración de mercado ni rendimiento comercial observado.
Qué hay que distinguir
Tres condiciones antes de calcular.
Rango observado
Separe rangos observado, probado y extrapolado. Un buen ajuste dentro del rango no valida una recomendación fuera de él.
Pendiente e incertidumbre
La pendiente marginal en el presupuesto previsto y su incertidumbre determinan si una clasificación es bastante estable para mover gasto.
Método
Leer una curva como hipótesis de decisión
- 01Elegir restricciones de forma
Determine si el mecanismo exige monotonía, saturación, umbral o cambios locales.
- 02Ajustar unidades coherentes
Exprese gasto y respuesta en unidades realmente vinculadas y alinee el horizonte con el adstock.
- 03Validar la pendiente
Compare error fuera de muestra, estabilidad de parámetros, residuos, derivada y semisaturación en varias ventanas.
- 04Documentar el rango
Publique gasto mínimo y máximo observado, rango utilizable y regla de actualización; fuera de él se aprende, no se pronostica.
RECURSO ORIGINAL
Cuatro perfiles normalizados sobre el mismo presupuesto
Las respuestas se indexan a 100 para comparar forma, semisaturación, pendiente marginal en el presupuesto actual y comportamiento fuera del rango.
050100150200300 k€
1025456585100
83862788896
42658768692
63461778691
Soporte observado: 0–200 mil €300 mil € = extrapolación
JSONDescargar perfiles y parámetros↓EJEMPLO ILUSTRATIVO · DATOS SIMULADOS
Mismo ajuste, 50,48 k€ de divergencia fuera del soporte.
Cinco observaciones entre 0 y 200 mil € se ajustan con saturación exponencial y curva de Hill. Su error de validación difiere solo en 1,6 puntos. El presupuesto previsto es de 300 mil €, mientras que el máximo observado es de 200 mil €.
A 200 mil €, las respuestas publicadas son 108,08 y 103,22 unidades. A 300 mil €, la exponencial prevé 118,78 unidades y Hill 112,47. Con 8 mil € de contribución por unidad, la diferencia de extrapolación es (118,78 − 112,47) × 8 = 50,48 mil €. Las pendientes publicadas a 200 mil € son 0,1692 y 0,1362 unidad por mil €; su incertidumbre debe estimarse antes de cualquier clasificación.
La biblioteca clasifica 300 mil € como fuera del rango documentado. No recomienda ningún gasto por encima de 200 mil € sin una prueba: un incremento de 20 mil € puede servir para aprender la pendiente. La escasa diferencia de ajuste no justifica una extrapolación no probada.
Condiciones de aceptación
Lo que debe cumplirse para actuar.
- 01
La forma tiene mecanismo y restricciones justificados.
- 02
El gasto recomendado permanece en el rango observado o probado.
- 03
La pendiente marginal y su intervalo se publican en el presupuesto de decisión.
- 04
Una extrapolación relevante se financia como aprendizaje secuencial.
Límites
Lo que este análisis no demuestra.
- Esta biblioteca pedagógica no sustituye la calibración específica del mercado.
- Adstock, segmentación y calidad creativa pueden desplazar una curva con el tiempo.
- Las curvas de un solo canal describen mal sinergias y sustituciones.
Referencias
Trabajos citados.
- Little, J. D. C. (1979), « Aggregate Advertising Models: The State of the Art », Operations Research, 27(4), 629–667.
- Jin, Y. et al. (2017), « Bayesian Methods for Media Mix Modeling with Carryover and Shape Effects », Google Research.
- Hill, A. V. (1910), « The Possible Effects of the Aggregation of the Molecules of Haemoglobin on Its Dissociation Curves », Journal of Physiology, 40, iv–vii.