Título: Marketing Mix Modeling: especificar la decisión antes de estimar el modelo.
Título:
Marketing Mix Modeling: especificar la decisión antes de estimar el modelo.
Descripción:
Especificar un MMM por decisión, estimando, granularidad, horizonte, datos, restricciones, validación, calibración y reglas de presupuesto.
Respuesta:
Un MMM útil no empieza por una tabla de gasto ni por un algoritmo. Empieza por una decisión: qué presupuesto, palancas, rango, horizonte y restricciones hay que iluminar. Esta especificación determina variable económica, granularidad, transformaciones, confusores, experimentos de calibración, validación e incertidumbre admisible. Sin contrato de uso, un modelo puede predecir bien el histórico y ser peligroso para asignar presupuesto.
Método y decisión:
Definir presupuesto, canales, unidades, períodos, escenarios, restricciones, frecuencia y usos prohibidos, como extrapolar fuera de soporte. Auditar variación, correlaciones, rupturas, faltantes, precio, promoción, distribución, estacionalidad y eventos; construir matriz de identificabilidad antes de estimar. Comparar especificaciones, priors y ventanas; examinar residuos, contribución, adstock, saturación y parámetros, rechazando compensaciones económicamente imposibles. Calibrar con experimentos compatibles y publicar intervalos, dominio, versiones y brechas de evidencia. Autorizar MMM solo si especificación, identificabilidad, validación decisional e incertidumbre cumplen el contrato.
Ejemplo calculado:
Un MMM de 156 semanas predice ventas con MAPE 7% y recomienda mover 400 mil € de vídeo a búsqueda. Vídeo y búsqueda de marca correlacionan 0,82; vídeo nunca bajó de 250 mil € trimestrales. Especificación A: ROAS vídeo 0,9 y búsqueda 3,4. Con prior de adstock más largo y calibración geográfica: vídeo 1,8 ± 0,7 y búsqueda 1,9 ± 0,5. −400 mil € deja vídeo en 120 mil €, fuera de soporte. Un escenario limitado a −120 mil € produce ganancia esperada 96 mil €, intervalo −18 a +205 mil €, y arrepentimiento máximo 130 mil €. MAPE no valida la asignación inicial: el contrato lo convierte en piloto de 120 mil € con guardarraíl, no optimización automática.
Límites:
Datos agregados separan mal actividades sincronizadas. Los priors estabilizan sin crear información nueva. El cambio estructural reduce el transporte de curvas históricas.