POPJAM Logo
Volver al blog

Prueba de incremento geográfico para analistas de marketing: guía metodológica

Aprende a implementar eficazmente una prueba de incremento geográfico para medir el impacto real en los KPI de marketing y obtener resultados precisos sin configuraciones complejas.

Doruk Gezici
Doruk Gezici
22 min de lectura
Prueba de incremento geográfico para analistas de marketing: guía metodológica

Una prueba de incremento geográfico es un experimento de incrementalidad por mercados que asigna un tratamiento publicitario a determinadas zonas, reserva otras como control y mide la diferencia causal en un KPI de negocio entre ambos grupos. Úsala cuando no dispongas de señales fiables por usuario, cuando tus campañas se ejecuten simultáneamente en varios canales o cuando necesites una estimación causal vinculada directamente a ingresos o conversiones, en lugar de una cifra de atribución modelada. La metodología GeoLift del conjunto de herramientas de código abierto de Meta combina métodos de control sintético con una calculadora de potencia integrada para hacer accesible este diseño experimental sin un doctorado en econometría.

Puntos clave

Una prueba de incremento geográfico solo produce una estimación causal creíble cuando el análisis de potencia, la selección de mercados, la validación del control sintético y la calidad de los datos están resueltos antes de lanzar la campaña.

Punto Detalles
Haz primero el análisis de potencia Usa la calculadora de potencia de GeoLift para ajustar el MDE, el número de mercados y la duración antes de comprometerte con un diseño.
Usa DMA en las pruebas de Estados Unidos Las DMA equilibran granularidad y estabilidad y son la unidad geográfica recomendada para la mayoría de los experimentos geográficos estadounidenses.
Valida el control sintético Comprueba el desequilibrio L2, realiza pruebas placebo temporales y comprueba los donantes excluyéndolos uno a uno antes del lanzamiento.
Convierte el incremento en iROAS Divide los ingresos incrementales entre el gasto incremental de los mercados tratados para ofrecer a las partes interesadas una métrica con la que decidir.
Valida la creatividad antes de la prueba Reducir previamente la varianza de las creatividades mejora el MDE efectivo sin añadir mercados ni días.

Índice

¿Qué es una prueba de incremento geográfico y cuándo conviene usarla?

Los ensayos controlados aleatorizados, o RCT, son la referencia para la inferencia causal, pero requieren aleatorización por usuario, cada vez menos práctica en un entorno sin cookies y centrado en la privacidad. Una prueba de incremento geográfico es la alternativa cuasiexperimental preferida cuando no es posible aleatorizar por usuario.

El mecanismo básico es sencillo. Divides las zonas en grupos de tratamiento y de control, ejecutas la campaña en los mercados tratados y construyes un contrafactual sintético para estimar qué habría ocurrido en ellos sin la campaña. La diferencia entre el KPI observado y el contrafactual es tu incremento.

Ventajas:

  • Recoge efectos entre canales porque el KPI se mide por mercado, no por plataforma publicitaria
  • Funciona sin cookies ni identificadores de usuario
  • Produce una estimación causal vinculada a una métrica real de negocio, como ingresos o pedidos
  • Es aplicable a cualquier combinación de canales, incluidos televisión, publicidad exterior y redes sociales de pago a la vez

Inconvenientes:

  • Los efectos que traspasan fronteras geográficas pueden contaminar los mercados de control si son físicamente adyacentes a los tratados
  • Requiere suficientes zonas para construir un control sintético estable, lo que puede limitar a las marcas pequeñas
  • Produce más ruido que los RCT por usuario porque la agregación por mercado introduce más varianza
  • Exige más trabajo operativo que los estudios de incremento propios de las plataformas

La principal diferencia estadística frente a un enfoque simple de diferencias en diferencias, o DiD, está en la construcción del contrafactual. DiD supone tendencias paralelas entre tratamiento y control. Los métodos de control sintético, SCM, que utiliza GeoLift, construyen una combinación ponderada de mercados donantes que reproduce lo mejor posible la tendencia del mercado tratado antes del tratamiento. Ese control sintético ponderado es un contrafactual más creíble cuando no se pueden asumir tendencias paralelas.

¿Cómo estructurar una prueba de incremento geográfico de principio a fin?

Todo experimento geográfico creíble tiene tres fases: preparación previa, periodo de prueba activa y análisis posterior. Cada fase comienza con una acción imprescindible.

Diagrama del proceso de prueba de incremento geográfico en tres fases

Preparación previa

Obtén al menos entre 10 y 12 semanas de datos diarios del KPI por zona antes de seleccionar mercados. Comprueba si faltan días, si hay picos atípicos por promociones o acontecimientos externos y si hubo cambios de negocio, como aperturas de tiendas o ampliaciones de distribución, que romperían la comparabilidad del periodo previo. Normaliza el KPI por población o impresiones si los mercados difieren mucho en tamaño. Documenta todas las restricciones: mercados que no puedes usar por motivos operativos, promociones previstas durante la prueba y cambios de canal ya programados.

Periodo de prueba

Fija la asignación del tratamiento antes de activar la campaña y déjala por escrito. No cambies niveles de gasto, creatividad o segmentación durante la prueba salvo que tengas un protocolo previo para gestionarlo. Supervisa el KPI diario de mercados tratados y de control para detectar pronto fallos de seguimiento o contaminación. Revisarlo cada dos o tres días basta para la mayoría de las pruebas; merece la pena hacerlo a diario si tu KPI es volátil.

Análisis posterior

Deja pasar un periodo de espera tras finalizar la campaña antes de extraer las cifras definitivas. Las conversiones tardías, especialmente en ciclos de compra largos, harán que subestimes el incremento si cortas el análisis demasiado pronto. Ejecuta la inferencia SCM, calcula el efecto medio del tratamiento y convierte el incremento porcentual en ingresos incrementales e iROAS antes de presentar los resultados. Documenta toda la trazabilidad, incluidas las anomalías surgidas durante la prueba, para que pueda replicarse o cuestionarse.

¿Cómo realizar un análisis de potencia para una prueba de incremento geográfico?

La regla más importante es realizar el análisis de potencia antes de comprometerte con un diseño. Omitirlo es la causa más habitual de resultados no concluyentes en pruebas geográficas: la prueba nunca se dimensionó para detectar el incremento que realmente ocurrió. La calculadora de potencia de GeoLift ofrece tres modos para planificar a la vez los mercados, la duración y la inversión necesaria.

Para analizar la potencia, reúne estos datos:

  1. Referencia histórica del KPI por zona, idealmente entre 10 y 12 semanas de datos diarios
  2. Varianza del periodo previo entre los mercados candidatos
  3. Efecto mínimo detectable, MDE, expresado como un incremento porcentual comercialmente relevante
  4. Nivel de confianza y potencia estadística deseados, normalmente un 90% de confianza y un 80% de potencia como mínimos iniciales
  5. Número de zonas candidatas disponibles para tratamiento y control
  6. Duración de la prueba en días, limitada por tu calendario de campaña
  7. iROAS o coste por conversión incremental supuesto para convertir la potencia estadística en una estimación de gasto

Así interactúan conceptualmente el MDE, el número de zonas y la duración. Aumentar el número de mercados tratados reduce la varianza de la estimación del efecto, lo que baja el MDE para una duración fija. Ampliar la duración aporta al modelo más señal del periodo previo para ajustar el control sintético, lo que también mejora la precisión. Elevar el umbral del MDE, aceptando que solo te interesan efectos mayores, permite pruebas más cortas con menos mercados. El tutorial de GeoLift lo demuestra con datos simulados de 40 ciudades estadounidenses y muestra cómo cambia la potencia al ajustar cada parámetro.

Consejo práctico: Cuando el presupuesto limite el número de mercados tratados, prioriza la duración frente a la cantidad de mercados. Un periodo previo más largo aporta más señal para ajustar el control sintético, lo que compensa parcialmente disponer de menos mercados donantes. Lo contrario no ocurre: añadir mercados sin suficientes datos previos produce un control sintético inestable.

¿Cómo seleccionar y validar las zonas de tratamiento y control?

Prioriza mercados históricamente estables, parecidos entre sí en el KPI y sus principales factores determinantes, y suficientemente grandes para producir una señal fiable. La inestabilidad de un mercado donante, por ejemplo un pico promocional puntual o un cambio de distribución, corrompe el control sintético.

Criterios de emparejamiento que debes evaluar:

  • Nivel y tendencia de referencia del KPI durante el periodo previo
  • Correspondencia estacional, especialmente si tu categoría tiene una estacionalidad regional fuerte
  • Similitud demográfica y de distribución de canales cuando haya datos disponibles
  • Ausencia de cambios operativos previstos durante la prueba

Las áreas de mercado designadas, DMA, son la unidad geográfica recomendada para la mayoría de las pruebas en Estados Unidos. Equilibran granularidad y estabilidad y encajan con la forma en que la mayoría de las plataformas informa de la entrega por zona.

Pruebas de validación antes del lanzamiento:

Comprueba el ajuste del control sintético con las métricas de desequilibrio L2 y desequilibrio L2 escalado. Una puntuación baja de desequilibrio L2 escalado indica que el control sintético sigue de cerca al mercado tratado en el periodo previo. Realiza pruebas placebo aplicando el mismo modelo a una ventana previa sin tratamiento y comprueba que el incremento estimado sea cercano a cero. Si dispones de ellos, haz pruebas retrospectivas con periodos de campañas anteriores.

Restricciones operativas que debes identificar pronto: la contaminación geográfica es el mayor riesgo cuando las DMA tratadas y de control comparten mercado publicitario o presencia comercial física. También importa el tamaño mínimo de las zonas. Los mercados muy pequeños producen series ruidosas de KPI difíciles de ajustar con un control sintético.

¿Cómo construyen el contrafactual los métodos de control sintético?

Los SCM construyen una combinación ponderada de mercados donantes no tratados que reproduce lo mejor posible la tendencia previa del mercado tratado. Ese control sintético ponderado sirve de contrafactual: cómo habría evolucionado el KPI del mercado tratado sin la campaña. La estimación del incremento es la diferencia entre el KPI observado después del tratamiento y el contrafactual sintético.

GeoLift combina dos variantes para mejorar la fiabilidad. Los métodos de control sintético aumentado, ASCM, añaden una corrección de sesgo que reduce el error de un emparejamiento previo imperfecto, habitual cuando ningún mercado donante ni ninguna combinación reproduce exactamente al tratado. El control sintético generalizado, GSC, amplía el marco a modelos de panel con efectos fijos interactivos y aporta una base teórica más sólida para la inferencia causal cuando los efectos del tratamiento son heterogéneos entre mercados. El artículo de Cambridge Core sobre GSC ofrece la base académica de este enfoque. Combinar ASCM y GSC, como documenta el repositorio de GeoLift en GitHub, reduce el sesgo por emparejamiento imperfecto y permite una inferencia robusta con muestras pequeñas.

Comprobaciones de robustez que todo profesional debería hacer:

  • Placebo temporal: aplicar el modelo a una ventana previa sin tratamiento y verificar que el efecto estimado esté cerca de cero
  • Exclusión de donantes uno a uno: retirar cada mercado donante por separado y confirmar la estabilidad del contrafactual
  • Diagnósticos de desequilibrio L2: una puntuación alta señala un mal ajuste previo y un contrafactual poco fiable
  • Sensibilidad a la composición del conjunto de donantes: añadir o retirar mercados y comprobar si cambia de forma relevante la estimación del incremento

Para la inferencia, la literatura sobre métodos económicos recomienda bootstrap paramétrico y enfoques de aumento para obtener intervalos de confianza válidos en experimentos geográficos de muestra pequeña, donde la inferencia asintótica tradicional puede ser poco fiable. El documento de trabajo de Berkeley sobre diagnósticos SCM presenta el conjunto completo de pruebas de falsación recomendadas.

¿Qué datos e instrumentación requiere una prueba de incremento geográfico?

La base imprescindible son datos diarios por zona, limpios y completos. Los días ausentes, las definiciones geográficas incoherentes o las series de KPI que mezclan métodos de medición romperán el ajuste del control sintético.

Datos imprescindibles:

  • KPI diario por zona: pedidos, ingresos, instalaciones de aplicaciones o la métrica de negocio que estés midiendo
  • Series de denominadores por zona, como usuarios, sesiones o impresiones, para normalizar
  • Gasto diario por canal y zona durante el periodo de tratamiento
  • Datos de exposición por canal si realizas una prueba multicanal

Orientaciones sobre agregación y periodo previo:

  • Es preferible una frecuencia diaria a una semanal para la serie del KPI; la agregación semanal pierde la señal de varianza que necesita la calculadora de potencia
  • El periodo previo debe durar al menos el doble de la prueba prevista e, idealmente, el triple para KPI volátiles
  • Marca expresamente los días ausentes en lugar de interpolarlos; la interpolación puede ocultar lagunas reales de datos

Reglas de limpieza de datos:

Excluye del periodo previo los eventos promocionales que no se espere repetir durante la prueba. Alinea los tiempos de los eventos entre mercados: una oferta nacional que llegue en días distintos a los mercados tratados y de control creará una divergencia artificial. Normaliza las aperturas de tiendas, ampliaciones de distribución o cualquier cambio de negocio que afecte a un mercado y no a los demás. Documenta cada decisión de normalización en un registro de cambios.

Nota sobre instrumentación: registra la asignación del tratamiento en un documento con versiones antes de lanzar la campaña. Anota con marcas de tiempo los cambios durante la prueba, incluidos cambios de creatividad, movimientos de presupuesto o ajustes de segmentación. Esa trazabilidad permite defender los resultados ante una parte interesada escéptica o replicar el diseño en otro experimento.

¿Cómo calcular el incremento y traducirlo en impacto para el negocio?

El resultado de un modelo GeoLift es una estimación del efecto medio del tratamiento, ATE: la diferencia entre el KPI observado en los mercados tratados y el contrafactual sintético, promediada durante la prueba. Léela junto con el intervalo de confianza y el valor p antes de sacar conclusiones.

Fórmulas de cálculo:

  1. Incremento porcentual = (KPI observado en mercados tratados menos KPI contrafactual) dividido entre el KPI contrafactual, expresado en porcentaje
  2. Conversiones incrementales = incremento porcentual multiplicado por el volumen de conversiones de referencia en los mercados tratados durante la prueba
  3. Ingresos incrementales = conversiones incrementales multiplicadas por el valor medio del pedido
  4. iROAS = ingresos incrementales divididos entre el gasto incremental en los mercados tratados

Reglas de decisión para las partes interesadas:

Un resultado permite actuar cuando el intervalo de confianza excluye el cero y el valor p queda por debajo del umbral fijado de antemano, normalmente 0,10 en experimentos geográficos por sus muestras más pequeñas. Un resultado no concluyente, cuyo intervalo de confianza abarca el cero, no significa que el incremento sea cero. Significa que la prueba no tenía potencia suficiente para detectarlo con el umbral elegido. Explica esa distinción con claridad.

Si el gasto incremental en esos mercados fue de 40.000 dólares, el iROAS es 2,5. Esa cifra, no solo el incremento porcentual, es la que guía la decisión presupuestaria. Las guías prácticas recomiendan presentar el iROAS junto con el intervalo de confianza para que se entiendan tanto la magnitud como la incertidumbre de la estimación.

¿Cuáles son los errores más habituales en las pruebas de incremento geográfico?

El error grave más habitual es lanzar una prueba sin un análisis previo de potencia. Terminas con un resultado que no puedes interpretar: ¿no hubo incremento o la prueba era demasiado pequeña para detectarlo? Usa siempre primero la calculadora de potencia.

Errores habituales:

  • Pruebas con poca potencia: muy pocos mercados, una duración demasiado corta o un MDE inferior a lo que la prueba puede detectar de forma realista
  • Mala selección de donantes: incluir mercados con rupturas estructurales, anomalías promocionales o cambios operativos durante el periodo previo
  • Contaminación y efectos entre zonas: mercados tratados y de control que comparten mercado publicitario, presencia comercial o red de distribución
  • Desajuste promocional: una promoción activa en mercados tratados pero no en los de control, o viceversa, durante la prueba crea un factor de confusión imposible de separar del incremento publicitario
  • KPI mal especificados: medir conversiones informadas por la plataforma en lugar de un KPI de negocio, como pedidos o ingresos, reintroduce el sesgo de atribución

Soluciones y buenas prácticas:

  • Excluye todas las promociones de los datos previos y evita programarlas en cualquier mercado durante la prueba
  • Deja al menos entre tres y cinco días de espera tras finalizar la campaña antes de la inferencia definitiva, y más para productos con ciclos de compra largos
  • Selecciona los mercados donantes con prudencia: es mejor excluir uno dudoso que incluir uno que corrompa el control sintético
  • Contrasta el resultado geográfico con un estudio de incremento de la plataforma o un resultado MMM si dispones de ellos; la coincidencia en la dirección entre métodos aumenta la confianza

Seguimiento de alertas tempranas durante la prueba: comprueba el KPI diario de los mercados tratados y de control. Una divergencia repentina en los controles, un pico o caída sin un cambio correspondiente en el tratamiento, señala contaminación. Un fallo de seguimiento en los mercados tratados, donde el KPI caiga a cero o a un nivel inverosímil, exige una investigación inmediata antes de corromper la inferencia posterior.

Lista reutilizable y cronograma de ejemplo para tu prueba de incremento geográfico

Para un producto de compra rápida, el calendario mínimo creíble ronda las ocho semanas: entre dos y tres semanas de validación previa, entre dos y tres de prueba activa y una semana de espera y análisis. Para ciclos de compra más largos, reserva entre cuatro y seis semanas solo para la prueba activa.

Lista reutilizable:

  1. Obtén entre 10 y 12 semanas de datos diarios del KPI por zona y comprueba su coherencia
  2. Define el KPI de negocio y el método de normalización
  3. Identifica las zonas candidatas de tratamiento y control; se recomiendan DMA para pruebas estadounidenses
  4. Realiza el análisis de potencia con la calculadora de GeoLift y confirma que el MDE, el número de mercados y la duración encajan
  5. Comprueba el ajuste del control sintético: desequilibrio L2, desequilibrio L2 escalado y pruebas placebo
  6. Documenta la asignación del tratamiento y todas las restricciones operativas en un manual con versiones
  7. Excluye las promociones del periodo previo y marca las previstas durante la prueba
  8. Lanza la campaña solo en los mercados tratados; registra la fecha inicial y los objetivos de gasto
  9. Supervisa el KPI diario de ambos grupos y registra las anomalías con marcas de tiempo
  10. Finaliza la campaña e inicia el periodo de espera, de al menos tres a cinco días para productos de compra rápida
  11. Ejecuta la inferencia de GeoLift y calcula el ATE, el intervalo de confianza, el valor p, el incremento porcentual, los ingresos incrementales y el iROAS
  12. Documenta los resultados y la trazabilidad; preséntalos con el intervalo de confianza a las partes interesadas

Cronograma de ejemplo para un producto de compra rápida:

  • Días 1 a 14: extracción de datos, comprobaciones de coherencia, selección de mercados, análisis de potencia y validación previa al lanzamiento
  • Días 15 a 35: prueba activa con seguimiento diario
  • Días 36 a 42: periodo de espera e inferencia posterior
  • Días 43 a 45: documentación de resultados y presentación a las partes interesadas

Reduce el ruido antes de la prueba mediante validación creativa

Valida la creatividad y la audiencia antes de lanzar la prueba geográfica. La varianza creativa, cuando un concepto rinde mucho mejor que otro por razones ajenas al canal o a la zona, añade ruido al KPI que el control sintético no puede separar del incremento geográfico real. Reducir esa varianza antes de la prueba mejora el MDE efectivo sin cambiar el número de mercados ni la duración.

El proceso práctico tiene tres pasos. Primero, realiza validaciones A/B creativas a pequeña escala para identificar los conceptos que producen tasas de respuesta estables y predecibles. Segundo, usa puntuaciones de audiencias sintéticas para comprobar si la creatividad conecta con los perfiles psicográficos de los mercados que vas a tratar. Tercero, haz un pequeño piloto de canal en un único mercado para validar la instrumentación y el proceso de datos del KPI antes de comprometerte con un experimento geográfico completo.

Consejo práctico: La simulación de perfiles sintéticos de POPJAM permite puntuar las creatividades publicitarias frente a los perfiles psicográficos de tus mercados objetivo antes de activar ningún gasto. Hacerlo antes del análisis de potencia proporciona una estimación de varianza más ajustada, lo que mejora directamente la precisión del cálculo del MDE. Puedes consultar procesos de pruebas creativas y métodos de investigación de audiencias que complementan esta validación previa.

Combinar la validación creativa previa con un experimento geográfico de potencia suficiente es el camino más rápido hacia un resultado sobre el que puedas actuar. La prueba geográfica responde si el canal genera resultados de negocio incrementales. La validación creativa responde si el mensaje funciona. Usar ambas evita que tengas que preguntarte si un resultado nulo procede del canal o de la creatividad.

¿Quieres reducir la varianza creativa antes de tu próxima prueba geográfica? POPJAM genera creatividades publicitarias acordes con la marca y las puntúa con perfiles de comprador sintéticos antes de comprometer un solo dólar de gasto. Eso aporta datos de entrada más limpios, estimaciones de varianza más ajustadas y pruebas geográficas que detectan el incremento que has trabajado para conseguir.

POPJAM

Prueba el creador de anuncios con IA de POPJAM y descubre cómo las pruebas creativas previas cambian lo que pueden detectar tus experimentos geográficos.

Reducir el ruido antes de la prueba mediante validación creativa; diagrama general

En qué se equivoca la mayoría de las guías de pruebas de incremento geográfico

La mayoría de las guías trata las pruebas de incremento geográfico como un problema estadístico. No lo son. Son un problema de operaciones de medición que utiliza la estadística para producir una respuesta.

Los consejos más habituales se centran en elegir la variante correcta del modelo, debatir entre ASCM y GSC o ajustar las ponderaciones del conjunto de donantes. Un control sintético perfectamente especificado, construido con datos sucios, ofrece una estimación precisa de lo equivocado.

El segundo aspecto que las guías subestiman es la creatividad como factor de confusión. Si realizas una prueba geográfica con creatividades sin probar, mides el efecto combinado del canal y del mensaje. Un resultado nulo puede significar que el canal no funciona o que la creatividad no conectó en esos mercados concretos. No podrás separarlos después. Validar la creatividad antes de la prueba geográfica, mediante pequeños pilotos, puntuaciones de perfiles sintéticos o simulaciones previas, no es un añadido opcional. Es lo que hace interpretable el resultado.

El tercer aspecto que se pasa por alto es el periodo de espera. La mayoría de los equipos corta el análisis el día en que acaba la campaña. En cualquier producto con un ciclo de compra superior a 48 horas, eso subestima el incremento. El control sintético recoge la tendencia contrafactual, pero si siguen llegando conversiones reales de la campaña a los mercados tratados después de su finalización, el ATE queda subestimado. Deja un mínimo de tres a cinco días, y más para compras meditadas.

Si tienes limitaciones de tiempo o de zonas, prioriza la duración frente al número de mercados y usa la calculadora de potencia antes de hacer cualquier otra cosa.

Fuentes

Estos son los recursos de referencia que conviene leer a continuación, ordenados por objetivo.

Si quieres planificar una prueba: empieza por la documentación metodológica de GeoLift, que cubre todo el marco de diseño experimental, las calculadoras de potencia y la combinación de ASCM y GSC utilizada para la inferencia.

Si quieres implementar el código: el repositorio de GeoLift en GitHub contiene todas las funciones de selección de mercados, análisis de potencia, inferencia y gráficos. El tutorial de GeoLift desarrolla un ejemplo completo, desde la incorporación de datos hasta la estimación del incremento, con datos simulados de 40 ciudades estadounidenses.

Si quieres validar la teoría estadística: el artículo de Cambridge Core sobre control sintético generalizado ofrece la base académica de los modelos de efectos fijos interactivos y la inferencia causal robusta. El artículo del Journal of Economic Perspectives de la AEA sobre inferencia SCM cubre bootstrap y aumento para estimaciones válidas de incertidumbre en muestras pequeñas. El documento de trabajo de Berkeley sobre diagnósticos SCM describe las pruebas de falsación recomendadas.

Para trasladarlo a la práctica: la guía GeoLift de Triple Whale convierte la metodología en procesos de marketing, incluidos selección de DMA, reglas de calendario y conversión a iROAS.

Preguntas frecuentes

¿Qué es una prueba de incremento geográfico en marketing?

Una prueba de incremento geográfico es un experimento de incrementalidad por mercados que compara un KPI de negocio en zonas tratadas con un control sintético o emparejado para estimar el efecto causal de la publicidad. Es el método preferido cuando no es viable aleatorizar por usuario.

¿Cuántos mercados necesitas para una prueba de incremento geográfico?

No existe un mínimo fijo, pero la calculadora de potencia de GeoLift ayuda a encontrar la combinación de número de mercados, duración y MDE que alcanza la potencia estadística objetivo. Más mercados reducen la varianza; con menos mercados necesitas más duración o un umbral de MDE mayor.

¿Cuánto debe durar una prueba de incremento geográfico?

Las recomendaciones prácticas apuntan a un mínimo aproximado de 15 días para productos de compra rápida y de cuatro a seis semanas para ciclos de compra más largos, además de un periodo de espera de al menos tres a cinco días tras finalizar la campaña.

¿Qué diferencia hay entre el incremento geográfico y el MMM?

Las pruebas de incremento geográfico producen una estimación causal para una campaña concreta en mercados específicos durante un periodo definido. El modelado de la mezcla de medios, MMM, estima la contribución por canal de toda la combinación de medios durante una ventana histórica más larga. Son métodos complementarios: los resultados geográficos pueden calibrar los coeficientes del MMM.

¿Qué significa iROAS en una prueba de incremento geográfico?

iROAS significa retorno incremental de la inversión publicitaria. Se calcula dividiendo los ingresos incrementales, derivados de la estimación del incremento, entre el gasto incremental de los mercados tratados durante la prueba. Es la métrica de negocio que convierte una estimación estadística del incremento en una decisión presupuestaria.