¿Cómo estimar la elasticidad-precio?
Del modelo log-log al intervalo de incertidumbre: comprender qué mide realmente un coeficiente antes de simular un cambio de precio.
12 min · Dataset MSC-001Probar la herramienta ↗
Research & Evidence · Aprender haciendo.
Herramientas para analizar,
comprender y decidir en marketing
Un laboratorio público dedicado a los métodos, los datos y las evidencias que orientan las decisiones de marketing.
01 Hipótesis explícitas02 Datos descargables03 Límites explícitos
Nuestro contrato de evidencia 01 / 04
De la pregunta a la decisión
Un método solo tiene valor si puede ser comprendido, reproducido y cuestionado.
El laboratorio adopta un protocolo único para sus dosieres de referencia. Muestra lo que los datos permiten establecer — y lo que no permiten concluir.
Ver los dosieres destacados ↓- 01Pregunta
- 02Hipótesis
- 03Datos
- 04Modelo
- 05Cálculo
- 06Incertidumbre
- 07Límites
- 08Decisión
Territorios científicos 02 / 04
El polo científico y metodológico
Seis disciplinas.
Una misma exigencia.
Seis campos para medir efectos, explicitar modelos y delimitar mejor lo que los datos permiten decidir.
01Δ
Medición de marketing
Medir los efectos del marketing separando atribución, incrementalidad y causalidad.
- MMM
- Incrementalidad
- Experimentación
02ε
Ciencia de precios
Relacionar precio, demanda y valor percibido con hipótesis e incertidumbres explícitas.
- Elasticidad
- Disposición a pagar
- Análisis conjunto
03C
Ciencia del cliente
Analizar valor, retención y comportamiento en el tiempo sin ocultar las limitaciones de los datos.
- CLV
- Abandono
- Cohortes
04μ
Investigación de mercados
Diseñar mediciones fiables para observar mercados, percepciones y preferencias.
- Muestreo
- Escalas
- Sesgos
05ƒ
Modelos de marketing
Formalizar respuesta, difusión y demanda para comparar mecanismos, no para narrar una curva.
- Saturación
- Efecto retardado
- Funciones de demanda
06P
Ciencia de la decisión
Comparar escenarios y cuantificar la incertidumbre antes de preparar un juicio humano.
- Monte Carlo
- Sensibilidad
- Bayes
Dosieres destacados 03 / 04
Empezar con una pregunta real
Tres métodos.
Tres evidencias por construir.
Dosieres concebidos como objetos de trabajo: método, dataset, cálculo y frontera de interpretación.
y = α(1 − e−βx)
¿Cuándo se satura la respuesta de marketing?
Comparar formas funcionales, rendimientos marginales y diagnósticos antes de interpretar una curva.
10 min · Dataset MSC-002Ver los datos ↘
τ̂ = (ȳT,post − ȳT,pre) − (ȳC,post − ȳC,pre)
¿Una promoción generó ventas incrementales?
Construir un contrafactual creíble y separar efecto observado, incrementalidad real y desplazamientos temporales.
14 min · Dataset MSC-005Ver los datos ↗
Biblioteca de métodos 40 / 40
40 dosieres de referencia
De la pregunta a un método que pueda cuestionarse.
Cada dosier expone objetivo estadístico, datos, cálculo, incertidumbre, controles y límite de decisión.
01MSC-P-001
Fundamentos de la evidencia
¿Cómo transformar una afirmación de marketing en una pregunta comprobable?
Abrir dosier↗
02MSC-P-002
Fundamentos de la evidencia
Correlación o causalidad: ¿qué permite afirmar realmente un análisis?
Abrir dosier↗
03MSC-P-003
Fundamentos de la evidencia
¿Cómo expresar la incertidumbre de un resultado de marketing?
Abrir dosier↗
04MSC-P-004
Fundamentos de la evidencia
Significación o tamaño del efecto: ¿qué resultado debe interpretarse?
Abrir dosier↗
05MSC-P-005
Ciencia de la medición
¿Cómo medir un constructo de marketing que no es directamente observable?
Abrir dosier↗
06MSC-P-006
Ciencia de la medición
¿Cómo diseñar y validar una escala de medición?
Abrir dosier↗
07MSC-P-007
Ciencia de la medición
Alfa u omega: ¿cómo evaluar la fiabilidad de una escala?
Abrir dosier↗
08MSC-P-009
Ciencia de la medición
ACP, AFE o AFC: ¿qué método elegir?
Abrir dosier↗
09MSC-P-010
Experimentación y causalidad
¿Cuándo debe realizarse un experimento de marketing?
Abrir dosier↗
10MSC-P-011
Experimentación y causalidad
¿Cómo diseñar una prueba A/B que estime realmente un efecto?
Abrir dosier↗
11MSC-P-012
Experimentación y causalidad
¿Cuántas observaciones necesita un experimento?
Abrir dosier↗
12MSC-P-013
Experimentación y causalidad
¿Cómo medir el efecto incremental de una campaña con un grupo de control?
Abrir dosier↗
13MSC-P-017
Experimentación y causalidad
¿Cómo detectar selección, contaminación y pérdida en un experimento?
Abrir dosier↗
14MSC-P-018
Regresión y econometría
Regresión predictiva o causal: ¿qué se intenta estimar?
Abrir dosier↗
15MSC-P-019
Regresión y econometría
¿Cómo diagnosticar una regresión de marketing antes de interpretarla?
Abrir dosier↗
16MSC-P-022
Ciencia de precios
¿Cómo estimar la elasticidad-precio y su incertidumbre?
Abrir dosier↗
17MSC-P-026
Modelos de elección
Logit vs Probit: ¿cómo elegir para una probabilidad de compra?
Abrir dosier↗
18MSC-P-029
Ciencia del cliente
¿Qué clientes presentan la mayor probabilidad de churn?
Abrir dosier↗
19MSC-P-027
Ciencia de la medición
TAM, UTAUT o UTAUT2: ¿qué marco usar para estudiar la aceptación tecnológica?
Abrir dosier↗
20MSC-H-001
Experimentación y causalidad
Medición y causalidad: ¿cómo establecer un efecto de marketing?
Abrir dosier↗
21MSC-H-002
Regresión y econometría
Modelos de respuesta de marketing: forma, retardo y saturación
Abrir dosier↗
22MSC-H-003
Ciencia de precios
Ciencia de precios: conectar precio, demanda y contribución
Abrir dosier↗
23MSC-H-004
Ciencia del cliente
Ciencia del cliente y elección: comportamiento, valor y heterogeneidad
Abrir dosier↗
24MSC-H-005
Ciencia de la medición
Ciencia de la medición: construir indicadores válidos
Abrir dosier↗
25MSC-H-006
Fundamentos de la evidencia
Métodos estadísticos de decisión: elegir, cuantificar, validar
Abrir dosier↗
26MSC-P-008
Ciencia de la medición
¿Cómo validar una escala de medición de marketing?
Abrir dosier↗
27MSC-P-014
Experimentación y causalidad
¿Cómo diseñar un experimento geográfico de marketing?
Abrir dosier↗
28MSC-P-015
Experimentación y causalidad
¿Cómo estimar un efecto con diferencias en diferencias?
Abrir dosier↗
29MSC-P-020
Ciencia de precios
¿Cómo tratar la endogeneidad del precio?
Abrir dosier↗
30MSC-P-021
Regresión y econometría
Efectos fijos o aleatorios: ¿qué modelo de panel elegir?
Abrir dosier↗
31MSC-P-023
Ciencia de precios
¿Cómo estimar una función de demanda?
Abrir dosier↗
32MSC-P-024
Ciencia de precios
¿Cómo simular un escenario precio-volumen-margen?
Abrir dosier↗
33MSC-P-028
Ciencia del cliente
¿Cómo estimar la CLV con BG/NBD y Gamma-Gamma?
Abrir dosier↗
34MSC-P-030
Ciencia del cliente
¿Cómo analizar la retención con un modelo de supervivencia?
Abrir dosier↗
35MSC-P-031
Ciencia del cliente
¿Cómo construir una segmentación de clientes útil?
Abrir dosier↗
36MSC-P-032
Ciencia del cliente
¿Cómo probar la estabilidad de una segmentación?
Abrir dosier↗
37MSC-P-033
Regresión y econometría
¿Cómo validar un pronóstico de marketing?
Abrir dosier↗
38MSC-P-034
Fundamentos de la evidencia
¿Cómo construir una simulación Monte Carlo para una decisión de marketing?
Abrir dosier↗
39MSC-P-035
Regresión y econometría
¿Cómo modelar saturación y adstock?
Abrir dosier↗
40MSC-P-039
Fundamentos de la evidencia
¿Qué prueba estadística elegir?
Abrir dosier↗
Laboratorio de datos abiertos 04 / 04
Datasets reproducibles
Aprender con datos que se pueden inspeccionar.
Cada dataset de ejemplo es sintético, documentado y deliberadamente compacto. Sirve para reproducir un método, no para generalizar un resultado al mercado.
FORMATO CSV UTF‑8 LICENCIA CC0 1.0
Variables, métodos y límites →Price Elasticity
Precio · volumen · estacionalidad · 24 observaciones
Advertising Response
Inversión · exposición · respuesta · 24 observaciones
Promotion Incrementality
Test · control · ventas · 24 observaciones
Customer Lifetime Value
Recencia · frecuencia · valor · 30 clientes
Marketing Mix Modeling
Canales · ventas · controles · 36 periodos
Measurement Validity
Encuestados · ítems · grupos · 30 encuestados
Monte Carlo Inputs
Escenarios · distribuciones · dependencias · 24 supuestos
Herramientas reproducibles 05 / 05
MSC-T01 — MSC-T08
Cinco cálculos, cinco límites de interpretación.
Cada herramienta muestra el cálculo y declara lo que no demuestra.
Tamaño de muestra A/B
3841 por grupoAproximación normal bilateral, asignación 1:1, potencia 80%, α = 5%, sin pérdidas ni efecto de diseño.
Diferencia en diferencias
Diferencia en diferencias: +7.0 puntos de índiceContraste 2×2 descriptivo; causal solo si el diseño respalda tendencias paralelas.
Elasticidad constante
-6.6%Escenario condicional, no recomendación de precio.
Precio-volumen-margen
P₀ 100 € · VC 55 € · Q₀ 10 000
Variación de contribución: +3.8%Escenario condicional, no recomendación de precio.
MSC-P-024 →Monte Carlo
Probabilidad de contribución positiva: ≈ 99.9% (error estándar MC ≈ 0.1 pp · IC de Wilson del 95% ≈ 99.6–100.0%)2.000 simulaciones con semilla fija; solo la elasticidad sigue una normal no acotada, sin dependencias de MSC-010.
MSC-P-034 →