El paid media se pilota por tramos marginales, no por ROAS medio.
Estado de la evidencia
Qué se ha reproducido y qué no demuestra.
La fixture y la ejecución Python verifican la curva de respuesta saturante, el rendimiento marginal robusto y las restricciones del asignador didáctico que utiliza el ejemplo de tramos. No verifican ni incrementalidad, ni ROAS, ni la eficacia de un inventario de medios real.
- Especificación técnica del asignador presupuestario, especificación en francés (se abre en una pestaña nueva)
v1, 31 de agosto de 2026 · CC BY 4.0 · especificación en francés · Documento de método redactado por marketing-mix.net. Las cifras son ilustrativas: no son mediciones de mercado.
Qué hay que distinguir
Tres condiciones antes de cualquier cálculo.
Incremento antes que atribución
Las plataformas describen las conversiones asociadas a sus interacciones. El presupuesto necesita las ventas que no se habrían producido. Las pruebas de pausa, los experimentos geográficos y la calibración MMM acercan las métricas operativas a ese estimando.
Curva y dominio
Un rendimiento medio con 200 k€ no predice el rendimiento de los 50 k€ siguientes. Estimar la pendiente local, publicar el soporte observado y penalizar la extrapolación. Un tramo no probado puede financiarse como aprendizaje, pero no presentarse como un rendimiento seguro.
Papeles y sinergias
Crear demanda y captarla no se sustituyen mecánicamente. Documentar las interacciones, los desfases y los umbrales de presencia. Un recorte en un canal de cobertura puede debilitar un canal de búsqueda varias semanas después.
Método
Asignar el paid media por contribución marginal
- 01Normalizar la economía
Convertir los efectos en contribución neta de margen, descuentos, devoluciones y costes variables; elegir un horizonte común y separar los efectos inmediatos, diferidos y de marca.
- 02Estimar las curvas
Combinar históricos, experimentos y priors comparables; calcular el rendimiento marginal por tramo y su intervalo; señalar la colinealidad, la saturación y el dominio de extrapolación.
- 03Formalizar las restricciones
Definir mínimos de presencia, máximos de capacidad, compromisos, cobertura, diversificación y presupuesto de aprendizaje; medir el coste de oportunidad de cada restricción.
- 04Reasignar por etapas
Ordenar los tramos por rendimiento conservador, financiar hasta el umbral y reservar después una parte al aprendizaje; recalcular tras cada ventana compatible con el desfase del efecto.
El mapa de los tramos marginales de paid media
Los canales se descomponen en tramos financiables, cada uno con su margen de contribución, su nivel de confianza y su papel.
Reasignar 150 k€ crea 72 k€ de margen de contribución sin aumentar el presupuesto
Búsqueda, social, vídeo y CRM reciben 500 k€, 300 k€, 400 k€ y 100 k€. Los próximos tramos de 50 k€ tienen márgenes de contribución incrementales centrales de 22 k€, 15 k€, 31 k€ y 34 k€, con cotas conservadoras de 12 k€, 4 k€, 18 k€ y 25 k€.
Tres tramos de social y búsqueda tienen rendimientos conservadores de 0,08, 0,24 y 0,26. Los tramos CRM, vídeo y un segundo tramo CRM valen 0,50, 0,36 y 0,32. Reasignar 150 k€ eleva el margen de contribución conservador de 29 k€ a 59 k€, es decir, +30 k€. En el escenario central, la ganancia alcanza 72 k€. El mínimo de vídeo de 350 k€ protege la cobertura.
El plan financia primero CRM y después vídeo, reduce social y un tramo de búsqueda, y conserva 40 k€ para probar una nueva audiencia. El ROAS medio no se ha utilizado para fijar las prioridades.
Condiciones de aceptación
Lo que debe cumplirse para actuar.
- 01
Todos los canales se comparan sobre un margen de contribución incremental común.
- 02
Cada tramo indica su pendiente, su intervalo y su dominio observado.
- 03
Las sinergias y los umbrales de presencia se tratan como restricciones explícitas.
- 04
Una parte del presupuesto financia el aprendizaje cuando la incertidumbre tiene valor.
Límites
Lo que este análisis no demuestra.
- Las curvas históricas pueden cambiar con la creatividad, la segmentación y la competencia.
- Los efectos diferidos vuelven inestables las reasignaciones demasiado frecuentes.
- La granularidad por canal oculta a veces fuertes diferencias entre audiencias y creatividades.
Referencias
Trabajos citados.
- Danaher, P. J. & van Heerde, H. J. (2018), « Delusion in Attribution », Journal of Marketing Research.
- Kohavi, R., Tang, D. & Xu, Y. (2020), Trustworthy Online Controlled Experiments.
- Naik, P. A. & Raman, K. (2003), « Understanding the Impact of Synergy in Multimedia Communications », Journal of Marketing Research.