Research & Evidence

Buscar un método

Busca entre títulos, preguntas, territorios e identificadores MSC.

40 resultados
  1. MSC-P-001¿Cómo transformar una afirmación de marketing en una pregunta comprobable?Ciencia de la decisión
  2. MSC-P-002Correlación o causalidad: ¿qué permite afirmar realmente un análisis?Medición de marketing
  3. MSC-P-003¿Cómo expresar la incertidumbre de un resultado de marketing?Ciencia de la decisión
  4. MSC-P-004Significación o tamaño del efecto: ¿qué resultado debe interpretarse?Ciencia de la decisión
  5. MSC-P-005¿Cómo medir un constructo de marketing que no es directamente observable?Investigación de mercados
  6. MSC-P-006¿Cómo diseñar y validar una escala de medición?Investigación de mercados
  7. MSC-P-007Alfa u omega: ¿cómo evaluar la fiabilidad de una escala?Investigación de mercados
  8. MSC-P-009ACP, AFE o AFC: ¿qué método elegir?Investigación de mercados
  9. MSC-P-010¿Cuándo debe realizarse un experimento de marketing?Medición de marketing
  10. MSC-P-011¿Cómo diseñar una prueba A/B que estime realmente un efecto?Medición de marketing
  11. MSC-P-012¿Cuántas observaciones necesita un experimento?Ciencia de la decisión
  12. MSC-P-013¿Cómo medir el efecto incremental de una campaña con un grupo de control?Medición de marketing
  13. MSC-P-017¿Cómo detectar selección, contaminación y pérdida en un experimento?Medición de marketing
  14. MSC-P-018Regresión predictiva o causal: ¿qué se intenta estimar?Modelos de marketing
  15. MSC-P-019¿Cómo diagnosticar una regresión de marketing antes de interpretarla?Modelos de marketing
  16. MSC-P-022¿Cómo estimar la elasticidad-precio y su incertidumbre?Ciencia de precios
  17. MSC-P-026Logit vs Probit: ¿cómo elegir para una probabilidad de compra?Ciencia del cliente
  18. MSC-P-029¿Qué clientes presentan la mayor probabilidad de abandono?Ciencia del cliente
  19. MSC-P-027TAM, UTAUT o UTAUT2: ¿qué marco usar para estudiar la aceptación tecnológica?Investigación de mercados
  20. MSC-H-001Medición y causalidad: ¿cómo establecer un efecto de marketing?Medición de marketing
  21. MSC-H-002Modelos de respuesta de marketing: forma, retardo y saturaciónModelos de marketing
  22. MSC-H-003Ciencia de precios: conectar precio, demanda y contribuciónCiencia de precios
  23. MSC-H-004Ciencia del cliente y elección: comportamiento, valor y heterogeneidadCiencia del cliente
  24. MSC-H-005Ciencia de la medición: construir indicadores válidosInvestigación de mercados
  25. MSC-H-006Métodos estadísticos de decisión: elegir, cuantificar, validarCiencia de la decisión
  26. MSC-P-008¿Cómo validar una escala de medición de marketing?Investigación de mercados
  27. MSC-P-014¿Cómo diseñar un experimento geográfico de marketing?Medición de marketing
  28. MSC-P-015¿Cómo estimar un efecto con diferencias en diferencias?Medición de marketing
  29. MSC-P-020¿Cómo tratar la endogeneidad del precio?Ciencia de precios
  30. MSC-P-021Efectos fijos o aleatorios: ¿qué modelo de panel elegir?Modelos de marketing
  31. MSC-P-023¿Cómo estimar una función de demanda?Ciencia de precios
  32. MSC-P-024¿Cómo simular un escenario precio-volumen-margen?Ciencia de precios
  33. MSC-P-028¿Cómo estimar la CLV con BG/NBD y Gamma-Gamma?Ciencia del cliente
  34. MSC-P-030¿Cómo analizar la retención con un modelo de supervivencia?Ciencia del cliente
  35. MSC-P-031¿Cómo construir una segmentación de clientes útil?Ciencia del cliente
  36. MSC-P-032¿Cómo probar la estabilidad de una segmentación?Ciencia del cliente
  37. MSC-P-033¿Cómo validar un pronóstico de marketing?Ciencia de la decisión
  38. MSC-P-034¿Cómo construir una simulación Monte Carlo para una decisión de marketing?Ciencia de la decisión
  39. MSC-P-035¿Cómo modelar saturación y adstock?Modelos de marketing
  40. MSC-P-039¿Qué prueba estadística elegir?Ciencia de la decisión
Todos los métodos
FICHA DE MÉTODOMSC-P-023Ciencia de preciosDosier científico verificado

¿Cómo estimar una función de demanda?

Una función de demanda conecta cantidad, precio y contexto en el dominio observado. Forma, heterogeneidad, competencia y endogeneidad determinan qué puede simularse.

Redacción científica : Marketing Science Center

Respuesta directa

Comparar escenarios cercanos a los datos con intervalos y diagnósticos.

Una función de demanda conecta cantidad, precio y contexto en el dominio observado. Forma, heterogeneidad, competencia y endogeneidad determinan qué puede simularse.

Tellis, 1988Villas-Boas & Winer, 1999

01

Resumen operativo

Pregunta científica y alcance

¿Cómo estimar una función de demanda?

Admisible

Comparar escenarios cercanos a los datos con intervalos y diagnósticos.

Prohibido

Extrapolar demanda estable ante un cambio estructural no observado.

02

Tres niveles de lectura

  1. 01

    ResponsableConectar el resultado con una decisión, un umbral útil y un coste de error declarados.

  2. 02

    ProfesionalFijar población, unidad, horizonte, variables disponibles y regla de análisis antes del cálculo.

  3. 03

    AnalistaReproducir el cálculo, cuantificar la incertidumbre y documentar diagnósticos, fallos y sensibilidad.

03

Situación de marketing concreta

Una función de demanda conecta cantidad, precio y contexto en el dominio observado. Forma, heterogeneidad, competencia y endogeneidad determinan qué puede simularse.

04

Pregunta científica y alcance

¿Cómo estimar una función de demanda?

Objetivo asociativo por defecto: E[ln(Q)|ln(P),X]. Objetivo estructural solo con un diseño de identificación justificado por separado: demanda contrafactual Q(p)

Datos necesarios

Mercado × producto × periodo

La población, la unidad de análisis, la fecha de origen y el horizonte deben declararse en el entregable. Sin ellos, el estimando cambia sin advertencia.

05

Por qué puede fallar un análisis simple

  • Extrapolar demanda estable ante un cambio estructural no observado.
  • Declarar objetivo asociativo o estructural
  • Forma funcional
  • Endogeneidad del precio

06

Intuición del método

El método no convierte automáticamente una asociación en evidencia. Vincula una pregunta declarada con un estimando, una especificación, datos compatibles y una regla de interpretación limitada.

Objetivo asociativo por defecto: E[ln(Q)|ln(P),X]. Objetivo estructural solo con un diseño de identificación justificado por separado: demanda contrafactual Q(p)

07

Datos necesarios

Diccionario de símbolos científicos

P0
Precio unitario de referencia antes del escenario. Unidad: euro por unidad · Tipo: número positivo · Función: entrada
P1
Precio unitario del escenario: P0 multiplicado por la razón de precio declarada. Unidad: euro por unidad · Tipo: número positivo · Función: derivado
Q0
Volumen de referencia en el horizonte declarado. Unidad: unidad · Tipo: número positivo · Función: entrada
Q1
Volumen condicional del escenario con la elasticidad constante suministrada. Unidad: unidad · Tipo: número positivo · Función: derivado
VC
Coste variable unitario, mantenido constante en esta rama sellada. Unidad: euro por unidad · Tipo: número no negativo · Función: entrada
price_ratio
Razón multiplicativa del precio de escenario P1/P0. Unidad: razón · Tipo: número positivo · Función: entrada
elasticity
Elasticidad-precio constante suministrada externamente y usada solo para el rango del escenario. Unidad: adimensional · Tipo: número · Función: entrada
delta_fixed_cost
Cambio con signo del coste fijo; un valor negativo es un ahorro y aumenta el beneficio diferencial mediante el signo menos. Unidad: euro · Tipo: número · Función: entrada
delta_profit
Cambio condicional de la contribución tras el cambio con signo del coste fijo. Unidad: euro en el horizonte declarado · Tipo: número · Función: salida

Entradas exactas y selladas del motor

baseline_price_eur
Valor: 100 · Unidad: EUR_por_unidad · Tipo: número · Estado de los datos: sintético
baseline_volume
Valor: 10000 · Unidad: unidad · Tipo: número · Estado de los datos: sintético
variable_cost_eur
Valor: 55 · Unidad: EUR_por_unidad · Tipo: número · Estado de los datos: sintético
fixed_cost_change_eur
Valor: 0 · Unidad: EUR · Tipo: número · Estado de los datos: sintético
elasticity
Valor: -1.3 · Unidad: adimensional · Tipo: número · Estado de los datos: sintético
price_ratio
Valor: 1.05 · Unidad: razón · Tipo: número · Estado de los datos: sintético

08

Modelo formal

Modelo formal

P1 = P0 × price_ratio; Q1 = Q0 × price_ratio^elasticity; delta_profit = (P1−VC)Q1 − (P0−VC)Q0 − delta_fixed_cost

Afirmaciones respaldadas: MSC-P023-C01 · MSC-P023-C02 · MSC-P023-C03 · MSC-P023-C04 · MSC-P023-C05

Pregunta científica y alcance

Objetivo asociativo por defecto: E[ln(Q)|ln(P),X]. Objetivo estructural solo con un diseño de identificación justificado por separado: demanda contrafactual Q(p)

09

Cálculo declarado

  1. 01

    Validar precios y volúmenes positivos, coste variable no negativo, razón de precio positiva y convención de signo del coste fijo.

  2. 02

    Calcular precio y volumen del escenario con la elasticidad suministrada y después las contribuciones de referencia y de escenario.

  3. 03

    Restar el cambio con signo del coste fijo y etiquetar el resultado como escenario condicional, no como estimación de demanda ni efecto causal.

10

Ejemplo numérico o caso de aplicación

Ilustración sintética — valores didácticos, no observadosdatos sintéticos o parámetros declarados; ninguna observación real

Entradas selladas

  • baseline_price_eur=100 [EUR_por_unidad]
  • baseline_volume=10000 [unidad]
  • variable_cost_eur=55 [EUR_por_unidad]
  • fixed_cost_change_eur=0 [EUR]
  • elasticity=-1.3 [adimensional]
  • price_ratio=1.05 [razón]

Resultados reproducibles

  • Q1=9385.424301
  • conditional_volume_change=-6.1458%
  • incremental_contribution=€19,271.215054

Dosier verificado: afirmaciones vinculadas a fuentes a nivel de pasaje, cálculo Python/R reproducido, límites explícitos y revisión científica independiente completada.

11

Supuestos de validez

  • ¿La elasticidad suministrada es creíble para el rango exacto de precio y horizonte?
  • ¿Las convenciones de signo de costes variables y fijos están conciliadas con finanzas?
  • ¿Capacidad, respuesta competitiva, sustitución o endogeneidad pueden invalidar el escenario de elasticidad constante?

12

Diagnósticos e incertidumbre

Diagnósticos e incertidumbre

Declarar objetivo asociativo o estructural · Forma funcional · Endogeneidad del precio · Estructura de residuos · Soporte observado para escenarios

Diagnóstico acotado

Escenario condicional con una elasticidad suministrada; ni estimación de demanda ni efecto causal.

Contrato explícito de incertidumbre · not_estimable_from_sealed_inputs

Método : Evaluación explícita de la no estimabilidad frente al esquema de entradas sellado.

Objetivo : Incertidumbre de la contribución incremental con elasticidad y costes inciertos.

Evidencia del motor : diagnostic=conditional_scenario_using_supplied_elasticity_not_demand_estimation_or_causal_effect

Interpretación : No se proporciona distribución muestral ni rango creíble de elasticidad y costes; el ejemplo es solo un escenario puntual condicional.

Detenerse si

Extrapolar demanda estable ante un cambio estructural no observado.

13

Interpretación del resultado

  • Comparar escenarios cercanos a los datos con intervalos y diagnósticos.
  • El resultado está condicionado por la población, el horizonte, la especificación y los controles declarados. No debe extenderse a otra decisión sin nueva justificación.

14

Conclusión admisible y prohibida

Admisible

Comparar escenarios cercanos a los datos con intervalos y diagnósticos.

Prohibido

Extrapolar demanda estable ante un cambio estructural no observado.

15

Decisión de marketing posible

  1. 01

    Comparar escenarios cercanos a los datos con intervalos y diagnósticos.

  2. 02

    El resultado está condicionado por la población, el horizonte, la especificación y los controles declarados. No debe extenderse a otra decisión sin nueva justificación.

16

Cuándo usar — cuándo detenerse

Usar si

Comparar escenarios cercanos a los datos con intervalos y diagnósticos.

Mercado × producto × periodo

Detenerse si

Extrapolar demanda estable ante un cambio estructural no observado.

Alternativas metodológicas

  • Estimar un modelo de demanda con controles explícitos de endogeneidad del precio.
  • Realizar un experimento aleatorizado de precios cuando sea legal y operativamente viable.
  • Usar un sistema de demanda más rico cuando importe la sustitución entre productos.

17

Contrato de reproducibilidad

Python y R son las referencias ejecutables. SPSS y SAS siguen siendo sintaxis secundarias hasta verificarse con los mismos datos, especificación y diagnósticos.

El motor selecciona únicamente el segmento y la rama explícita de esta página. Su hash, salidas y diagnósticos quedan sellados en el expediente atómico; no se permite ninguna rama genérica de respaldo.

Huella del segmento: 27a93ef2c767497234093d2e6d4cb40930812f450e9b235f978cfa4a11ab6b84

Modelo formal

P1 = P0 × price_ratio; Q1 = Q0 × price_ratio^elasticity; delta_profit = (P1−VC)Q1 − (P0−VC)Q0 − delta_fixed_cost

Dosier verificado: afirmaciones vinculadas a fuentes a nivel de pasaje, cálculo Python/R reproducido, límites explícitos y revisión científica independiente completada.

18

Entregable final esperado

  1. 01

    ¿Cómo estimar una función de demanda?Mercado × producto × periodo

  2. 02

    P0 · P1 · Q0 · Q1 · VC · price_ratio · elasticity · delta_fixed_cost · delta_profit

  3. 03

    P1 = P0 × price_ratio; Q1 = Q0 × price_ratio^elasticity; delta_profit = (P1−VC)Q1 − (P0−VC)Q0 − delta_fixed_cost

  4. 04

    Declarar objetivo asociativo o estructural · Forma funcional · Endogeneidad del precio · Estructura de residuos · Soporte observado para escenarios

  5. 05

    Comparar escenarios cercanos a los datos con intervalos y diagnósticos. / Extrapolar demanda estable ante un cambio estructural no observado.

19

Fuentes científicas y estado de la evidencia

Dosier verificado: afirmaciones vinculadas a fuentes a nivel de pasaje, cálculo Python/R reproducido, límites explícitos y revisión científica independiente completada.

  1. MSC-P023-C01La elasticidad es una medida adimensional de respuesta relativa.
  2. MSC-P023-C02Un coeficiente log-log del precio puede interpretarse como elasticidad bajo la forma declarada.
  3. MSC-P023-C03Las variables omitidas, el diseño transversal y la agregación pueden sesgar las estimaciones de elasticidad.
  4. MSC-P023-C04El precio puede estar correlacionado con determinantes no observados de la demanda.
  5. MSC-P023-C05Ignorar la endogeneidad del marketing mix puede sesgar materialmente los parámetros.
  1. Tellis, 1988
  2. Villas-Boas & Winer, 1999

Conexiones metodológicas

Territorio principalCiencia de precios: conectar precio, demanda y contribuciónRequiere¿Cómo tratar la endogeneidad del precio?Estima¿Cómo estimar la elasticidad-precio y su incertidumbre?

Leer después

MSC-H-003Ciencia de precios: conectar precio, demanda y contribuciónMSC-P-020¿Cómo tratar la endogeneidad del precio?MSC-P-022¿Cómo estimar la elasticidad-precio y su incertidumbre?MSC-P-024¿Cómo simular un escenario precio-volumen-margen?