¿Cómo transformar una afirmación de marketing en una pregunta comprobable?
Una pregunta se vuelve comprobable cuando fija población, unidad, intervención, comparador, resultado, horizonte, efecto mínimo útil y un resultado capaz de contradecir la hipótesis.
Redacción científica : Marketing Science Center
Respuesta directa
Redactar un protocolo medible antes de elegir un método.
Una pregunta se vuelve comprobable cuando fija población, unidad, intervención, comparador, resultado, horizonte, efecto mínimo útil y un resultado capaz de contradecir la hipótesis.
Nosek et al. (2018), The preregistration revolutionICH E9(R1), Estimands and sensitivity analysis
01
Problema que resolver
Una afirmación como «el correo aumenta las compras» no especifica población, comparación, horizonte ni resultado que pueda contradecirla. Por tanto, no puede guiar un protocolo ni una decisión verificable.
02
Resumen operativo
La ficha transforma el claim en un contrato con población, unidad, exposición, comparador, resultado, horizonte, efecto mínimo útil, plan de análisis y falsador. La salida valida la integridad del contrato, no el efecto de marketing.
- Responsable: verificar decisión y umbral útil.
- Profesional: fijar población, unidad, resultado y horizonte.
- Analista: sellar estimando, análisis, incertidumbre y falsador.
03
Situación de marketing concreta
Un equipo quiere decidir si una campaña de correo merece una prueba. La población se limita a suscriptores elegibles, la unidad es el suscriptor, el comparador es no enviar correo y el resultado es una compra en siete días.
04
Pregunta científica y alcance
Entre suscriptores elegibles, ¿la asignación al correo frente a no enviarlo aumenta la compra en siete días al menos 1,0 punto porcentual? El estimando previsto es una diferencia de riesgos por intención de tratar.
05
Por qué falla una formulación simple
Sin unidad, se desconoce la dependencia entre observaciones. Sin comparador, el efecto no está definido. Sin horizonte, el resultado puede cambiar tras observar los datos. Sin umbral y falsador, casi cualquier resultado puede presentarse como favorable.
06
Intuición del método
Una pregunta comprobable fija de antemano qué se observará, en quién, frente a qué, cuándo y con qué regla el resultado podrá apoyar o contradecir la hipótesis. Así separa generación de ideas y contraste confirmatorio.
07
Datos necesarios
El registro exige población y elegibilidad, unidades de asignación y análisis, intervención, comparador, definición y ventana del resultado, estimando, estrategia de eventos intercurrentes, regla de datos faltantes, estimador, método de intervalo, alfa, multiplicidad, umbral, dirección, tres desenlaces decisionales, desviaciones y estado de datos.
08
Modelo formal
Q=(P,U,X,C,Y,H,Δ*,D,A,F), donde P es población, U unidad, X exposición, C comparador, Y resultado, H horizonte, Δ* efecto mínimo útil, D dirección, A plan de análisis y F falsador.
09
Cálculo declarado
Python y R leen la ruta indicada, exigen una fila, validan campos, H>0, Δ*>0, coherencia 95% ↔ alfa 0,05, pareja dirección-límites, denominador ITT, eventos intercurrentes, regla fail-closed de faltantes, multiplicidad y desviaciones, y calculan el mismo SHA-256 canónico.
10
Ejemplo numérico completo
El protocolo fija H=7 días, Δ*=1,0 punto y un contraste. El IC Miettinen-Nurminen invierte el score binomial restringido, aplica N/(N-1), tolerancia 1e-8, 100 iteraciones, nivel 95% y alfa bilateral 0,05. Límite inferior ≥ +1,0: umbral apoyado; superior < +1,0: refutado; si no, inconcluso. protocol_complete=true; SHA-256=86a315abd306359f92ec5439f361511d80a7516af3516525c8bd1272014caa74; ningún efecto estimado.
Ejemplo de protocolo sintético: sin observaciones ni efecto estimado.
| Horizonte | Umbral | Estimando | Salida |
|---|---|---|---|
| 7 | 1.0 pp | planned ITT risk difference | protocol_complete=true |
11
Supuestos de validez
Los campos deben representar objetos observables y no redundantes. La unidad debe corresponder al mecanismo de asignación. El resultado debe medirse en todos los grupos durante el mismo horizonte. El umbral útil debe proceder de la decisión, no de resultados futuros.
12
Diagnósticos e incertidumbre
Comprobar población, asignaciones únicas, cobertura completa del registro de transacciones, entrega, apertura, cruce, exposición externa, calendario, exclusiones, multiplicidad y desviaciones. La precisión prevista puede planificarse con tamaño y tasas supuestas; el intervalo empírico requiere observaciones.
13
Interpretación del resultado
protocol_complete=true solo significa que el registro contiene los campos requeridos y supera reglas deterministas. No prueba viabilidad, asignación válida ni que el correo produzca el efecto mínimo útil.
14
Conclusión admisible y prohibida
Admisible: la pregunta, el estimando previsto, el umbral y el falsador son explícitos. Prohibido: el correo aumenta las compras, el protocolo garantiza un resultado o declarar un umbral hace causal la futura prueba.
15
Decisión de marketing posible
El equipo puede aceptar, revisar o rechazar el protocolo antes de recoger datos, estimar el coste, verificar variables y decidir si el umbral de 1,0 punto justifica el experimento. Aún no puede actuar sobre un efecto observado inexistente.
16
Cuándo usar y cuándo detenerse
Usar antes de recoger datos o abrir resultados. Detenerse si no pueden fijarse población, comparador, resultado u horizonte, si el umbral carece de justificación decisional o si el plan se reescribe tras ver resultados sin etiqueta exploratoria.
17
Implementaciones reproducibles
El CSV CC0 es el registro único. Python 3.13 y R 4.5 son los validadores de referencia: misma ruta, reglas, pregunta y SHA-256. SPSS y SAS se limitan explícitamente a importar e inspeccionar; no validan protocol_complete. No hay semilla porque no se simula.
CSV · CC0
msc-p001-testable-question.csv ↓Python · MIT
msc-p001-reference.py ↓R · MIT
msc-p001-reference.R ↓SPSS / SAS · MIT · solo inspección
SPSS ↓SAS ↓18
Entregable final esperado
Entregar la pregunta canónica, registro versionado y hashado, justificación de Δ*, plan de análisis, regla de datos faltantes, falsador, desviaciones y etiqueta confirmatoria o exploratoria de cada análisis.
19
Referencias y nivel de evidencia
Nosek et al. sustentan preespecificación y falsabilidad. ICH E9(R1) respalda estimando, eventos intercurrentes y réplica. La documentación SAS 9.4 sella algoritmo MN corregido, parada numérica y distinción de Mee. Se verificaron los tres textos completos. Ninguno valida correo ni umbral sintético.
- Nosek et al. (2018) ↗Texto completo verificado · manuscrito depositado por los autores
- ICH E9(R1) (2020) ↗Texto completo verificado · guía oficial Step 5
- SAS 9.4 · PROC FREQ ↗Texto completo verificado · documentación oficial del algoritmo
Datos · Herramienta
Conexiones metodológicas

