Caso de referencia

Reasignar 1,2 M€ sin aumentar el presupuesto

Pregunta de decisión¿Cómo reasignar 1,2 M€ entre canales bajo incertidumbre?

Tres años de datos, cinco canales y una pregunta accionable: ¿adónde llevar el próximo euro para aumentar la contribución sin ocultar la incertidumbre?

156 semanasDigital + televisiónFranciaPresupuesto constante

Decisión adoptada

Acometer la reasignación en dos fases.

Reducir primero la concentración en paid search y paid social. Reforzar progresivamente el vídeo, la televisión y el retail media. El paso al objetivo sigue condicionado a seis semanas de validación.

+121.400 €contribución esperada / trimestre
+6,2 %escenario central
0 €presupuesto adicional
88 %ganancia positiva en la simulación
01

El problema

El presupuesto es estable. Su productividad marginal no lo es.

Noroa destina el 65 % de su presupuesto a paid search y paid social. Estos canales siguen produciendo, pero su próxima unidad presupuestaria rinde menos que la colocada en canales infrainvertidos.

Decisión¿Reasignar o mantener?

Comparar una asignación histórica con un escenario robusto bajo restricciones operativas.

ObjetivoContribución después de medios

Optimizar la contribución incremental, no los ingresos atribuidos ni el ROAS de plataforma.

Restricción1,2 M€ por trimestre

Sin presupuesto adicional. Un mínimo y un máximo explícitos para cada canal.

HorizonteUn trimestre, luego revisión

Una fase piloto de seis semanas, dos semanas de espera y la decisión en la semana nueve.

02

Los datos

Quince variables ligadas a una decisión precisa.

El archivo semanal reúne resultado económico, inversiones en medios, precio, promociones, disponibilidad, cobertura comercial, estacionalidad y eventos de calibración.

ResultadoIngresos y contribución después de medios
MediosBúsqueda, social, vídeo, TV, retail media
ControlesPrecio, promoción, disponibilidad, tiendas, temporada
Validación12 semanas reservadas + 2 eventos calibrados
03

El modelo de decisión

Comparar los rendimientos marginales, no las medias históricas.

Cada canal recibe una curva de saturación y un nivel de confianza. La asignación avanza en pasos de 10.000 € dentro de los límites operativos publicados.

Modelo de decisiónRi(s) = Ai × sαi ÷ (Hiαi + sαi)

A representa el potencial, H la semisaturación y α la forma de la curva. El rango observado y la incertidumbre se conservan en el archivo del modelo.

144 + 12semanas

144 semanas de estimación y 12 semanas reservadas para la validación temporal.

6,8 %error de validación

Error absoluto medio sobre los ingresos de las semanas no utilizadas para estimar el modelo.

91,7 %cobertura

Once observaciones de doce se sitúan dentro del intervalo predictivo anunciado al 80 %.

PRUEBA GEO DE VÍDEOLift simulado 5,6 % · modelo 5,1 %
PRUEBA GEO DE RETAIL MEDIALift simulado 8,4 % · modelo 7,9 %

Estos eventos ilustran la calibración; no son rendimiento observado de mercado.

04

El resultado

270.000 € desplazados hacia tres canales infrainvertidos.

El escenario objetivo no corta ningún canal. Reduce el gasto ya próximo a su saturación y refuerza las zonas donde el rendimiento marginal sigue siendo superior.

CanalActualObjetivo condicionalVariaciónRendimiento marginal
Paid searchConfianza 88 %
440.000 €
290.000 €
-150.000 €0,7 € / €
Paid socialConfianza 62 %
340.000 €
220.000 €
-120.000 €0,8 € / €
Vídeo en líneaConfianza 70 %
140.000 €
230.000 €
+90.000 €1,5 € / €
TelevisiónConfianza 66 %
200.000 €
270.000 €
+70.000 €1,3 € / €
Retail mediaConfianza 80 %
80.000 €
190.000 €
+110.000 €2 € / €
Total1.200.000 €1.200.000 €0 €1,2 M€
Prudente+42.000 €

Respuesta más débil del vídeo y la televisión, costes de exposición más altos.

Central+121.400 €

Parámetros centrales, restricciones respetadas y presupuesto estrictamente constante.

Favorable+187.000 €

Calibración confirmada y disponibilidad comercial estable durante todo el periodo.

05

La implementación

Una recomendación solo se convierte en decisión con una regla de parada.

El objetivo es un escenario condicional, no una orden automática. Debe sobrevivir a un piloto comparado, a la reconciliación de los datos y a unos guardarraíles económicos.

01Semana 0Fijar el protocolo

Definir regiones comparables, exclusiones, contribución después de medios y reglas de parada antes de mover presupuesto.

02Semanas 1–6Aplicar la fase piloto

Usar participaciones intermedias en regiones tratadas sin cambiar el presupuesto total ni las reglas promocionales.

03Semanas 7–8Esperar y conciliar

Dejar que se materialicen efectos diferidos y controlar disponibilidad, precio, promociones y uniones de datos.

04Semana 9Decidir

Pasar al objetivo, mantener el piloto o revertir según los umbrales publicados.

Pasar al objetivo+30.000 €

Y disponibilidad superior al 95 %, precio y promociones comparables, sin deterioro crítico del margen.

Mantener el pilotoEl intervalo incluye cero

Mantener el piloto si la pérdida prudente sigue por debajo de 20.000 € y la calidad de medición puede mejorarse.

Revertir−40.000 €

O disponibilidad inferior al 95 %, ruptura de la comparabilidad o incumplimiento de una restricción de difusión.

06

Lectura responsable

Este caso demuestra un método. No demuestra un mercado.

Los resultados son coherentes con los datos y parámetros publicados. Nunca deben trasplantarse a una empresa real sin reestimación.

  • Datos simulados

    Ninguna ganancia presentada aquí se ha observado en un anunciante real.

  • Interacciones limitadas

    Las curvas no estiman las sinergias creativas o secuenciales entre los canales.

  • Costes simplificados

    Los costes de agencia, producción y transformación no se desglosan.

  • Decisión local

    Los mínimos, máximos y niveles de confianza son propios del caso Noroa.

Su turno

Ponga la lógica a prueba con sus propias restricciones.

Utilice el laboratorio de asignación para comparar sus propios canales y retome después el protocolo del caso para convertir el escenario en una decisión medible.

Formalizar las reglas →Abrir la herramienta de asignación ↗Descargar la nota ↓

Estado de la evidencia

Qué se ha reproducido y qué no demuestra.

El modelo público y la ejecución Python verifican los totales de presupuesto, límites objetivo, ganancia y tasas redondeadas del caso ficticio Noroa. No verifican ni un MMM ni rendimiento de mercado.