Haciendo click al éxito: Predicción de Ventas y Optimización del Gasto en Marketing para Empresas Ecommerce

Abstract

En esta tesis se aborda el desafío de mejorar la eficiencia y la toma de decisiones en el ámbito de la publicidad digital, específicamente en el contexto de los anuncios en Google. El objetivo principal es desarrollar un algoritmo que utilice los datos proporcionados por los anuncios de Google entre los años 2020 y 2022 para predecir el volumen de conversiones, es decir, las ventas que se pueden lograr al ajustar los gastos en las diferentes categorías de una empresa ecommerce. Esta predicción permitirá pronosticar y planificar los gastos semanales, buscando una distribución óptima de la inversión a lo largo de los días de la semana en cada categoría. Para lograr este objetivo, se propone un enfoque basado en dos etapas principales. En primer lugar, se utiliza un modelo estadístico conocido como "Modelo SUR" para estimar las ventas. A partir de esta estimación de ventas, se avanza a la segunda etapa, que consiste en desarrollar un modelo de asignación de gastos publicitarios que determine cuánto invertir en cada categoría por día para una semana dada, teniendo en cuenta un límite de presupuesto establecido. El modelo de asignación se basará en técnicas de optimización, específicamente en programación lineal entera, con el objetivo de encontrar la distribución óptima de los gastos publicitarios en cada día de la semana, maximizando la eficiencia de la empresa. Los resultados obtenidos en este análisis, demuestran que el modelo propuesto para la asignación de gastos publicitarios ofrece una forma potencialmente más eficiente de distribuir el presupuesto, en comparación con el enfoque actualmente utilizado por la empresa analizada. Esto representa una mejora potencial del 23% en la eficiencia, lo cual afecta positivamente la toma de decisiones brindando a la empresa la capacidad de obtener mejores resultados y maximizar el retorno de la inversión en sus campañas publicitarias.