Medición de marketing: construir una prueba proporcionada a la decisión.
Estado de la evidencia
Qué se ha reproducido y qué no demuestra.
El CSV y Python verifican el valor neto de información de las cinco decisiones ilustrativas. No prueban ni una probabilidad real de fracaso, ni ROAS, ni causalidad de campaña.
- Especificación técnica de la arquitectura de prueba, 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.
Instrumentar no es identificar
Eventos, píxeles y cotejos hacen observables los comportamientos. No crean el grupo contrafactual. Un dato de usuario muy detallado puede por tanto ser menos causal que un experimento agregado correctamente concebido.
Localidad de la prueba
Un efecto se define para una población, un tratamiento, una intensidad y un periodo. Transportarlo exige mecanismos comparables o un modelo; toda extrapolación debe distinguirse del resultado identificado.
Valor de la información
El dispositivo se elige según su probabilidad de cambiar la decisión, el valor del error evitado, su coste y su plazo. La medición perfecta después de la decisión vale menos que una prueba imperfecta pero accionable antes del compromiso.
Método
Dimensionar la prueba antes de medir
- 01Clasificar la decisión
Estimar importe expuesto, reversibilidad, velocidad, asimetría de las pérdidas y coste de esperar; una optimización de puja diaria no tiene el mismo contrato que un reposicionamiento anual.
- 02Escribir el resultado y el contrafactual
Definir métrica económica, unidad, población, ventana y escenario sin acción; cartografiar los sesgos susceptibles de apartar la observación del contrafactual.
- 03Elegir el nivel
Asociar instrumentación, análisis descriptivo, cuasiexperimento, experimento o modelo calibrado; calcular potencia, incertidumbre esperada, coste y dominio de transporte.
- 04Publicar la decisión
Separar hecho observado, estimación causal, extrapolación e hipótesis; vincular el intervalo a una regla — lanzar, detener, pilotar, recoger o mantener.
La escala de prueba por exposición
Cinco decisiones se posicionan según exposición, reversibilidad y nivel de prueba mínimo, con el coste del dispositivo y la pérdida evitada.
Eventos fiables
30 k€Tendencia y segmentos
100 k€Contrafactual creíble
600 k€Población e intensidad
1,2 M€Curvas y restricciones
2,2 M€Escenario ilustrativo: gastar 45 k€ de medición para evitar 315 k€ de pérdida esperada
Escenario ilustrativo: una campaña nacional de 1,2 M€ debe renovarse. La atribución sugiere un ROAS de 2,8, pero un análisis de zonas comparables indica un efecto entre 0,6 y 1,9. Sin nueva prueba, la probabilidad de financiar una campaña no rentable se sitúa en el 35 %, con una pérdida de 900 k€.
Pérdida esperada sin prueba: 35 % × 900 k€ = 315 k€. Un geoexperimento cuesta 45 k€, reduce al 8 % la probabilidad de una mala decisión y deja una pérdida residual de 72 k€. Valor bruto de la información: 315 − 72 = 243 k€. Valor neto: 243 − 45 = 198 k€.
La medición está económicamente justificada aunque no garantice una respuesta perfecta. La prueba debe realizarse antes de la renovación; la decisión de campaña depende de la cota baja de contribución, no del ROAS atribuido.
Condiciones de aceptación
Lo que debe cumplirse para actuar.
- 01
El nivel de prueba aumenta con la exposición y la irreversibilidad.
- 02
Observación, causalidad y extrapolación se etiquetan por separado.
- 03
El valor neto de la información es positivo antes de lanzar un estudio.
- 04
El intervalo de incertidumbre desencadena una regla de decisión definida.
Límites
Lo que este análisis no demuestra.
- El valor de la información depende de hipótesis sobre pérdidas y probabilidades.
- Un experimento local puede ser difícil de transportar a escala nacional.
- Las interacciones y las fugas reducen la calidad del contrafactual.
Referencias
Trabajos citados.
- Hubbard, D. W. (2014), How to Measure Anything, 3.ª ed.
- Howard, R. A. (1966), « Information Value Theory », IEEE Transactions on Systems Science and Cybernetics, 2(1), 22–26.
- Kohavi, R., Tang, D. & Xu, Y. (2020), Trustworthy Online Controlled Experiments.