Paneles cointegrados Bayesianos: una aplicación en márketing digital

Abstract

En el presente documento se desarrolla la metodologı́a de paneles cointegrados Bayesianos de Koop, Leon-Gonzalez y R. Strachan (2008) en el ámbito de marketing digital, parti- cularmente en la modelación de un sistema donde se modelen métricas de rendimiento de inversión cómo clicks e impresiones de una campaña digital dada, la inversión planeada y las sesiones obtenidas. Ası́, se quiere evaluar cómo reacciona el sistema ante perturbaciones en inversión por cambios en la estrategia de flighting o épocas y temporadas de inversión, y su repercusión en la visibilidad de las campañas dadas. De esta manera, se utiliza el modelo con un conjunto de datos reales de marketing con diferentes campañas de inversión sobre un mismo territorio geográfico. Por medio de la descomposición de la varianza del error de predicción, los resultados indican que los clicks e impresiones tienen un impacto significativo en la generación de sesiones. También se evalúa la capacidad de estimabilidad del algoritmo de estimación propuesto por medio de un estudio exhaustivo de simulación que considera diferentes procesos. Los resultados indican que el algoritmo goza de capacidades importantes en términos de estimabilidad y precisión. (Texto tomado de la fuente).

This paper develops the Bayesian cointegrated panel methodology of the Koop, Leon-Gonzalez y R. Strachan (2008) paper in the field of digital marketing, particularly in the modeling of a system where key ROI metrics such as clicks or impressions of a given digital campaign are taken into account. Thus, the objective is to evaluate how the system reacts to investment perturbations due to changes in the investment strategy and its impact on the visibility of the given campaigns. In this way, the model is used with a set of real marketing data with different investment campaigns over the same geographic territory. By the using of forecast error variance decomposition, the results indicate that clicks and impressions have a signifi- cant impact on session generation. The estimability of the proposed estimation algorithm is also evaluated through a comprehensive simulation study that considers different processes. The results indicate that the algorithm has significant capabilities in terms of estimability and accuracy.