> ## Documentation Index
> Fetch the complete documentation index at: https://docs.topsort.com/llms.txt
> Use this file to discover all available pages before exploring further.

# Medición de incrementalidad

> Métodos para medir el verdadero impacto incremental de las campañas publicitarias

export const LastUpdatedEs = ({date}) => {
  const label = "Última actualización:";
  return <>
      <style>{`
        .last-updated-component {
          display: inline-flex;
          align-items: center;
          gap: 8px;
          padding: 10px 16px;
          border-radius: 8px;
          margin-top: 12px;
          margin-bottom: 16px;
          font-size: 14px;
          background-color: rgba(0, 0, 0, 0.05);
          border: 1px solid rgba(0, 0, 0, 0.12);
          color: rgba(0, 0, 0, 0.75);
          line-height: 1;
        }

        .last-updated-component svg {
          flex-shrink: 0;
          vertical-align: middle;
        }

        .last-updated-component span {
          display: inline-flex !important;
          align-items: center !important;
          line-height: 1 !important;
        }

        [data-theme="dark"] .last-updated-component {
          background-color: #3a3a3a;
          border: 2px solid #888888;
          color: #ffffff;
        }

        [data-theme="dark"] .last-updated-component svg {
          stroke: #ffffff;
        }
      `}</style>
      <div className="last-updated-component">
        <svg width="16" height="16" viewBox="0 0 24 24" fill="none" stroke="currentColor" strokeWidth="2" strokeLinecap="round" strokeLinejoin="round">
          <circle cx="12" cy="12" r="10" />
          <polyline points="12 6 12 12 16 14" />
        </svg>
        <span>
          <strong style={{
    fontWeight: 600
  }}>{label}</strong> 
          <time dateTime={date}>{date}</time>
        </span>
      </div>
    </>;
};

## Descripción general

<div style={{ textAlign: "justify", marginBottom: "1.5rem" }}>
  La medición de la incrementalidad determina el verdadero impacto causal de la publicidad mediante
  Aislar las conversiones que no se habrían producido sin la exposición a anuncios. Por
  Las directrices de medición de medios minoristas de IAB/MRC y las pruebas de incrementalidad proporcionan
  La medida más precisa de la efectividad publicitaria.
</div>

## ¿Qué es la incrementalidad?

<div style={{ textAlign: "justify", marginBottom: "1.5rem" }}>
  El **aumento incremental** representa las ventas o conversiones causadas directamente por
  publicidad, excluyendo aquella que se habría producido de forma orgánica. Esto
  difiere de la atribución, que asigna crédito por las conversiones pero no
  Demostrar la causalidad.
</div>

<Tip>
  **Ejemplo**: Si 100 personas que vieron un anuncio realizaron compras, pero las pruebas muestran que 70
  De todos modos lo habría comprado; el impacto incremental es de 30 conversiones (30%).
  elevar).
</Tip>

## Metodologías de prueba

### 1. Ensayos controlados aleatorios (ECA)

<div style={{ textAlign: "justify", marginBottom: "1.5rem" }}>
  El estándar de oro para la medición de la incrementalidad:
</div>

<Steps>
  <Step title="Asignación aleatoria: Los usuarios se dividieron aleatoriamente en grupos de prueba (con anuncios) y de control (sin anuncios)." />

  <Step title="Ejecución de la campaña">
    <div style={{textAlign: 'justify', marginBottom: '1.5rem'}}>
      El grupo experimental estuvo expuesto a la publicidad, mientras que el grupo de control permaneció excluido.
    </div>
  </Step>

  <Step title="Medición">
    <div style={{textAlign: 'justify', marginBottom: '1.5rem'}}>
      Compara las tasas de conversión entre grupos
    </div>
  </Step>

  <Step title="Cálculo">
    <div style={{textAlign: 'justify', marginBottom: '1.5rem'}}>
      Elevación incremental = (Conversiones de prueba - Conversiones de control) / Conversiones de control
    </div>
  </Step>
</Steps>

**Ventajas:**

* Medida causal más precisa
  Elimina el sesgo de selección
* Clara significación estadística

**Limitaciones:**

* Requiere un grupo de reserva (oportunidad perdida)
* Tamaño mínimo de muestra necesario
* Puede que no refleje las condiciones del mundo real

### 2. Métodos de control sintéticos

<div style={{ textAlign: "justify", marginBottom: "1.5rem" }}>
  Crea un grupo de control artificial utilizando datos históricos y aprendizaje automático:
</div>

<Columns cols={2}>
  <Card title="Recopilación de datos">
    Recopilar patrones de conversión históricos y características del usuario
  </Card>

  <Card title="Entrenamiento de modelos">
    Crea un modelo predictivo de conversiones esperadas sin publicidad.
  </Card>

  <Card title="Comparación">
    Comparar los resultados reales con las predicciones de control sintéticas.
  </Card>

  <Card title="Cálculo de elevación">
    Medir la diferencia entre los resultados reales y los previstos
  </Card>
</Columns>

**Ventajas:**

* No se requiere grupo de reserva
* Puede aplicarse retroactivamente
* Medición continua posible

**Limitaciones:**

* Requiere datos históricos sólidos
  La precisión del modelo afecta los resultados.
* Es posible que las suposiciones no se cumplan en todos los casos.

### 3. Pruebas de mercado emparejadas

<div style={{ textAlign: "justify", marginBottom: "1.5rem" }}>
  Compara mercados geográficos similares con diferente exposición publicitaria:
</div>

1. **Selección de mercado**: Identificar mercados comparables según datos demográficos y patrones de ventas.
2. **Diseño de prueba**: Ejecutar campañas en mercados de prueba, mantener mercados de control.
3. **Análisis**: Comparar el incremento entre pares de mercados coincidentes.
4. **Escalamiento**: Extrapolar los resultados a la población total.

**Ventajas:**

* Se mantienen las condiciones del mundo real
* Ideal para campañas regionales
* Puede probar diferentes estrategias

**Limitaciones:**

* Resulta difícil encontrar mercados verdaderamente comparables.
  Los factores externos pueden afectar los resultados.
* Posible efecto de contagio geográfico

## Implementación en Topsort

### Habilitación de pruebas de incrementalidad

<div style={{ textAlign: "justify", marginBottom: "1.5rem" }}>
  Los mercados pueden configurar las pruebas de incrementalidad mediante:
</div>

```json theme={null}
{
  "test_configuration": {
    "methodology": "rct",
    "test_split": 0.8, // 80% test, 20% control
    "minimum_sample_size": 10000,
    "measurement_period_days": 30,
    "stratification": ["user_segment", "geographic_region"]
  }
}
```

### Proceso de configuración de prueba

<Steps>
  <Step title="Definir objetivos">
    <div style={{textAlign: 'justify', marginBottom: '1.5rem'}}>
      Define tu KPI principal (ventas, nuevos clientes, etc.), el rango de incremento esperado y el nivel de confianza requerido.
    </div>
  </Step>

  <Step title="Calcular el tamaño de la muestra">
    <div style={{textAlign: 'justify', marginBottom: '1.5rem'}}>
      Utilice calculadoras de potencia estadística, tenga en cuenta la varianza esperada e incluya un margen para datos incompletos.
    </div>
  </Step>

  <Step title="Configurar parámetros de prueba">
    <div style={{textAlign: 'justify', marginBottom: '1.5rem'}}>
      Establezca la proporción de división prueba/control, las variables de estratificación y la ventana de medición.
    </div>
  </Step>

  <Step title="Ejecución del monitor">
    <div style={{textAlign: 'justify', marginBottom: '1.5rem'}}>
      Verificar el equilibrio de la aleatorización, realizar un seguimiento de las tasas de exposición y validar la calidad de los datos.
    </div>
  </Step>

  <Step title="Analizar resultados">
    <div style={{textAlign: 'justify', marginBottom: '1.5rem'}}>
      Calcular el incremento de elevación, determinar la significación estadística y generar intervalos de confianza.
    </div>
  </Step>
</Steps>

## Informe de incrementalidad

### Métricas estándar

<div style={{ textAlign: "justify", marginBottom: "1.5rem" }}>
  Los informes incluyen:
</div>

* **Conversiones incrementales**: Conversiones adicionales causadas por la publicidad
* **Ingresos incrementales**: Ingresos directamente atribuibles a la exposición publicitaria
* **iROAS**: Retorno incremental de la inversión publicitaria (ingresos incrementales / inversión publicitaria)
* **Porcentaje de elevación**: Incremento relativo respecto al valor basal
* **Intervalo de confianza**: Rango estadístico del efecto verdadero

### Formato de informe de muestra

```
INCREMENTALITY TEST RESULTS
━━━━━━━━━━━━━━━━━━━━━━━━━━
Test Type: Randomized Controlled Trial
Test Period: Oct 1 - Oct 31, 2024
Sample Size: 50,000 users (40,000 test / 10,000 control)

RESULTS:
─────────────────────────────
Test Group Conversion Rate: 4.2%
Control Group Conversion Rate: 3.1%
Incremental Lift: 35.5% (95% CI: 28.2% - 42.8%)
Statistical Significance: p < 0.001

Incremental Conversions: 440
Incremental Revenue: $44,000
iROAS: 4.4x
```

## Mejores prácticas

### Diseño de prueba

1. **Preinscripción**

Documentar la hipótesis antes de realizar la prueba

* Define las métricas de éxito desde el principio
* Comprométase con la duración de la prueba

2. **Calidad de la aleatorización**

* Verificar la asignación aleatoria
* Comprobar las diferencias previas a la prueba
* Utilizar la estratificación para el equilibrio

3. **Tamaño de la muestra**

* Calcular el tamaño necesario para la potencia deseada
* Cuenta para la ventana de atribución
* Incluir un margen de seguridad para casos de incumplimiento.

### Errores comunes que se deben evitar

<Warning>
  **Evite estos errores comunes:** - Detener las pruebas prematuramente basándose en resultados intermedios
  Resultados: Cambiar los parámetros de prueba en pleno vuelo, ignorando los efectos de contagio.
  entre grupos - Utilizar pruebas con potencia insuficiente - No tener en cuenta
  estacionalidad
</Warning>

## Consideraciones avanzadas

### Incrementalidad multitáctil

<div style={{ textAlign: "justify", marginBottom: "1.5rem" }}>
  Para campañas con múltiples puntos de contacto:
</div>

1. **Pruebas secuenciales**: Medir el impacto incremental de cada exposición adicional.
2. **Efectos de interacción**: Evaluar cómo funcionan juntos los diferentes formatos de anuncios.
3. **Rendimientos decrecientes**: Identificar los límites de frecuencia óptimos.

### Efectos a largo plazo

<div style={{ textAlign: "justify", marginBottom: "1.5rem" }}>
  Medir más allá de las conversiones inmediatas:
</div>

* **Valor del Cliente a lo Largo del Tiempo**: Seguimiento del incremento del CLV a lo largo del tiempo
* **Métricas de marca**: Medición de la notoriedad/consideración mediante encuestas
* **Efectos halo**: Impacto en productos no publicitados

### Coordinación transcanal

<div style={{ textAlign: "justify", marginBottom: "1.5rem" }}>
  Al ejecutar campañas omnicanal:
</div>

* Coordinar grupos de prueba/control a través de los canales
* Medir el impacto incremental total
* Identificar los efectos de interacción de los canales

## Integración con la atribución

### Perspectivas complementarias

<Columns cols={2}>
  <Card title="Respuestas de atribución">
    ¿Qué anuncios se llevan el mérito por las conversiones?
  </Card>

  <Card title="Respuestas de incrementalidad">
    ¿Cuántas conversiones fueron causadas por anuncios?
  </Card>
</Columns>

### Informe combinado

Las mejores prácticas incluyen ambas métricas:

* Atribución para la optimización táctica
* Incrementalidad en las decisiones estratégicas
* Reconciliación de diferencias

## API Acceso

### Solicitud de resultados de pruebas

```javascript theme={null}
// Fetch incrementality test results
const testResults = await fetch("/api/incrementality/results", {
  method: "POST",
  body: JSON.stringify({
    campaign_id: "camp_123",
    test_id: "test_456",
    include_confidence_intervals: true,
    breakdown_by: ["product_category", "user_segment"],
  }),
});
```

### Formato de respuesta

```json theme={null}
{
  "test_summary": {
    "methodology": "rct",
    "test_group_size": 40000,
    "control_group_size": 10000,
    "measurement_period": "2024-10-01 to 2024-10-31"
  },
  "results": {
    "incremental_lift": 0.355,
    "confidence_interval": [0.282, 0.428],
    "p_value": 0.0001,
    "incremental_conversions": 440,
    "incremental_revenue": 44000,
    "iroas": 4.4
  },
  "quality_checks": {
    "randomization_balance": "pass",
    "sample_size_adequate": true,
    "statistical_power": 0.95
  }
}
```

## Preguntas frecuentes

1. **¿Cuánto tiempo deben durar las pruebas de incrementalidad?**

* Mínimo de 2 a 4 semanas para capturar el ciclo de compra completo, más tiempo para compras consideradas.

2. **¿Cuál es el tamaño mínimo de muestra necesario?**

Depende del aumento previsto y de la tasa de conversión base. Generalmente, más de 10 000 usuarios por grupo.

3. **¿Se puede medir la incrementalidad sin grupos de prueba?**

* Sí, utilizando controles sintéticos o mercados emparejados, aunque los ECA siguen siendo los más precisos.

4. **¿Con qué frecuencia se debe probar la incrementalidad?**

* Trimestralmente para campañas en curso, o cuando se produzcan cambios significativos en la estrategia o en las condiciones del mercado.

***

<LastUpdatedEs date="2025-11-18" />