Facebooktwitterlinkedin

En anteriores posts hemos explicado qué es un modelo Marketing Mix Modeling (MMM), y qué ventajas respecto otras metodologías de evaluación publicitaria ofrece esta metodología. En este post cubriremos 2 temas relacionados con la continuidad en el tiempo de un modelo MMM. Concretamente, hablaremos de:

  • Continuidad del modelo en el tiempo.
  • Experimentos de calibración.

Continuidad del modelo en el tiempo

Como explicamos en un post anterior, el modelo MMM se construye a partir del entrenamiento del modelo con un training set (datos específicamente destinados a entrenar el modelo), y se valida con un test set (datos que no han sido incluidos en el set de entrenamiento, sino que se han separado para aplicar el modelo entrenado a este nuevo set de datos, analizando el grado de capacidad predictiva del modelo con un set de datos nuevo).

Pues bien, este mismo proceso se puede ir repitiendo a medida que tenemos nuevos periodos de datos recolectados. A medida que pasa el tiempo, tenemos más datos con los que reentrenar el modelo y afinar el modelo construido. El modelo se optimiza a lo largo del tiempo, según Robyn.

modelo MMM

Experimentos de calibración

Es más que recomendable que, una vez construido el modelo MMM, se calibre en base a CLEs (Conversion Lift Experiments). Estos experimentos permitirán mejorar el ajuste del modelo a la realidad, a partir del ajuste parcial de determinadas variables cuyo impacto ha podido ser medido a partir de un experimento real.

La calibración mediante experimentos consiste en la ejecución de tests A/B para obtener un grupo de impacto y un grupo de control, para que consecuentemente podamos detectar el uplift de impactados versus no impactados, es decir, contrastar los resultados en el modelo y en la realidad.

Hay algunos canales más susceptibles que otros para la realización de estos tests. En general, aquellos canales que ofrezcan un alto grado de control sobre los usuarios impactados son susceptibles de ser los instrumentos elegidos para la realización del test. Por ejemplo, canales como Facebook, SMS, o email marketing ofrecen estas posibilidades de ejecución.

En la mayoría de casos, la ejecución de estos tests implica la colaboración cliente-consultora de Data Science, ya que se necesita un control estricto por parte de la consultora sobre los impactos que forman parte del experimento (impactos a menudo ejecutados internamente por el cliente -o a través de su agencia de marketing  digital).

 

Mantente informado de las noticias más relevantes en nuestro canal de Telegram

Escribir comentario

¡Mantente al día!