Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales

Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Modelos Estad sticos de Prediccin de Ventas o

Miguel A. Arranz
Bayes Forecast http://www.bayesforecast.com http://www.tol-project.org

21 de junio de 2006
Miguel A. Arranz Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

El papel de la Estad stica Aplicaciones

Necesidades estad sticas

Expertos locales Alcance de aplicaciones estad sticas Estad stica y Contabilidad La importancia de entender un proceso

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

El papel de la Estad stica Aplicaciones

Nuevos horizontes

Globalizacin e Internet o Contabilizacin o Programas informticos a

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

El papel de la Estad stica Aplicaciones

Operaciones de Marketing
1 2 3

Datos Informacin o Modelos

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

El papel de la Estad stica Aplicaciones

Operaciones de Marketing
1 2 3

Datos Informacin o Modelos

1

Modelos de clientes

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

El papel de la Estad stica Aplicaciones

Operaciones de Marketing
1 2 3

Datos Informacin o Modelos

1 2

Modelos de clientes Modelos de mercado

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

El papel de la Estad stica Aplicaciones

Operaciones de Marketing
1 2 3

Datos Informacin o Modelos

1 2

Modelos de clientes Modelos de mercado

4 5 6

Diseo de acciones comerciales n Ejecucin de acciones comerciales o Seguimiento y medicin o

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

El papel de la Estad stica Aplicaciones

Utilidad del modelo

Comprender

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

El papel de la Estad stica Aplicaciones

Utilidad del modelo

Comprender
1

Identicar factores

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

El papel de la Estad stica Aplicaciones

Utilidad del modelo

Comprender
1 2

Identicar factores Cuanticar los efectos

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

El papel de la Estad stica Aplicaciones

Utilidad del modelo

Comprender
1 2

Identicar factores Cuanticar los efectos

2 3

Prever Tomar decisiones

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

El papel de la Estad stica Aplicaciones

Utilidad del modelo

Comprender
1 2

Identicar factores Cuanticar los efectos

2 3

Prever Tomar decisiones

1

Estratgicas e

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

El papel de la Estad stica Aplicaciones

Utilidad del modelo

Comprender
1 2

Identicar factores Cuanticar los efectos

2 3

Prever Tomar decisiones

1 2

Estratgicas e Funcionales

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

El papel de la Estad stica Aplicaciones

Niveles de modelo

I Modelo global II Modelos de segmentos III Modelos de clientes

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

El papel de la Estad stica Aplicaciones

Areas de aplicacin o

Investigacin de mercados o Diseo y anlisis de muestreos y encuestas n a Anlisis nanciero a Proyectos farmacuticos e Proyectos de telecomunicaciones Gestin de bancos y bases de datos o

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Necesidades estad sticas Tcnicas estndar e a Mtodos generales e

1 2 3 4 5

Segmentacin de mercados o Anlisis de demanda a Anlisis de publicidad a Distribucin o Formacin de precios o

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Necesidades estad sticas Tcnicas estndar e a Mtodos generales e

Tcnicas estndar e a

Anlisis exploratorio a Tablas de contingencia Inferencia Anlisis de varianza a Regresin o

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Necesidades estad sticas Tcnicas estndar e a Mtodos generales e

Mtodos generales e

Mtodos no paramtricos e e Modelos lineales generales Anlisis multivariante a Anlisis de series temporales a Diseo de experimentos n Clasicacin o

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Necesidades estad sticas Tcnicas estndar e a Mtodos generales e

Mtodos multivariantes e

Componentes principales Anlisis factorial a Anlisis discriminante a Anlisis cluster a M nimos cuadrados parciales (PLS)

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Necesidades estad sticas Tcnicas estndar e a Mtodos generales e

Modelos de series temporales

Modelos ARIMA univariantes Modelos de funcin de transferencia o Modelos VARMA Series de variables categricas o

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Mtodos e Ejemplo

Ingenier de datos (Datamining) a

1 2 3 4

Vecinos ms cercanos (k-means clustering) a Arboles de decisin (CART, CHAID) o RandomForest Redes Neuronales (MLP, SOM)

Posibles en el futuro Mtodos grcos e a SVM Redes bayesianas

Miguel A. Arranz Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Mtodos e Ejemplo

Ingenier de datos (Datamining) (II) a

1 2 3

Se trata de un proceso Evitar black-box Falacias comunes

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Mtodos e Ejemplo

Ejemplo Conjunto de datos con 214 las y 10 columnas: RI: ndice de refraccin o Peso de 7 tipos de xidos o

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Mtodos e Ejemplo

Ba< 0.335 |

Al< 1.42 Head

Ca< 10.48 RI>=0.93 Mg< 3.865 Veh Fe< 0.115 Mg< 3.6 WinNF WinF WinF WinNF

Mg>=2.26 Na< 13.5

WinNF WinNF

Con

Tabl

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Mtodos e Ejemplo

SVM: tasa de acierto 60.28 % RandomForest: tasa de error: 19.63 % WinF 61 9 6 0 0 1 WinNF 6 61 4 2 2 2 Veh 3 1 7 0 0 0 Con 0 2 0 10 0 0 Tabl 0 2 0 0 7 0 Head 0 1 0 1 0 26 class.error 0.1285714 0.1973684 0.5882353 0.2307692 0.2222222 0.1034483

WinF WinNF Veh Con Tabl Head

Cuadro: Matriz de confusin RandomForest o

Miguel A. Arranz Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Modelos de eleccin o Modelos en Marketing Modelos estad sticos Enfoque bayesiano Ejemplo

Modelos de eleccin o

Alternativas: conjunto de elecciones Atributos Caracter sticas (variables socioeconmicas) o Perspectiva temporal Reglas de comportamiento

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Modelos de eleccin o Modelos en Marketing Modelos estad sticos Enfoque bayesiano Ejemplo

Modelos en Marketing

Ms de dos alternativas a Ms de una eleccin a o Preferencias reveladas (RP) y declaradas (SP) Sobre e infra-muestreo, pudiendo corregirse mediante pesos Alternativas bien denidas Experiencia personal

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Modelos de eleccin o Modelos en Marketing Modelos estad sticos Enfoque bayesiano Ejemplo

Modelos estad sticos

Modelo de regresin lineal o Modelos binomiales (logit y probit) Modelos multinomiales (no ordenados y ordenados) Modelos truncados Modelos de duracin o

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Modelos de eleccin o Modelos en Marketing Modelos estad sticos Enfoque bayesiano Ejemplo

Cr ticas al enfoque bayesiano

Cr ticas 1 Complejidad computacional

2 3 4

La prior inuye en el resultado Necesidad de una funcin de verosimilitud o Dif incertidumbre cil

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Modelos de eleccin o Modelos en Marketing Modelos estad sticos Enfoque bayesiano Ejemplo

Respuestas a las cr ticas

Respuestas
1 2 3 4

Mtodos MCMC, Gibbs sampling e Usar distintas priors, en general no inuye Experimentar, alternativas semi y no paramtricas e No hay incertidumbre, es exacta

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Modelos de eleccin o Modelos en Marketing Modelos estad sticos Enfoque bayesiano Ejemplo

Tomate ketchup
Ejemplo Probabilidad de que un individuo compre el tomate Heinz en funcin de: o Logaritmo del precio relativo Dummies que indican si Heinz tiene promociones de tipo feature o display Idem competidor Efectos cruzados

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Modelos de eleccin o Modelos en Marketing Modelos estad sticos Enfoque bayesiano Ejemplo

(Intercept) dheinz fheinz fdheinz dhunts fhunts fdhunts lrelp

Estimate 3.2746 0.5474 0.5786 0.4453 0.6207 0.9972 1.9401 6.1107

Std. Error 0.1423 0.2427 0.3166 0.4431 0.2450 0.3466 0.4802 0.3859

z value 23.01 2.26 1.83 1.00 2.53 2.88 4.04 15.84

Pr(>|z|) 0.0000 0.0241 0.0676 0.3150 0.0113 0.0040 0.0001 0.0000

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Modelos de eleccin o Modelos en Marketing Modelos estad sticos Enfoque bayesiano Ejemplo

Cuadro: Matriz de confusin o

Object/True 0 1

0 0,02859185 0,08112938

1 0,01215154 0,87812723

Probabilidad de error: 0.09328091

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Modelos de eleccin o Modelos en Marketing Modelos estad sticos Enfoque bayesiano Ejemplo

1.0

No display/No feature Display Heinz

fcst 0.0
0.5

0.2

0.4

0.6

0.8

0.0

0.5 lrelp

1.0

1.5

Miguel A. Arranz Modelos Estad sticos de o Figura: Probabilidad de comprar HeinzPrediccin de Ventas

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Modelos de eleccin o Modelos en Marketing Modelos estad sticos Enfoque bayesiano Ejemplo

1.0

No display/No feature Feature Heinz

fcst 0.0
0.5

0.2

0.4

0.6

0.8

0.0

0.5 lrelp

1.0

1.5

Miguel A. Arranz Modelos Estad sticos de o Figura: Probabilidad de comprar HeinzPrediccin de Ventas

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Modelos de eleccin o Modelos en Marketing Modelos estad sticos Enfoque bayesiano Ejemplo

1.0

No display/No feature Display Hunts

fcst 0.0
0.5

0.2

0.4

0.6

0.8

0.0

0.5 lrelp

1.0

1.5

Miguel A. Arranz Modelos Estad sticos de o Figura: Probabilidad de comprar HeinzPrediccin de Ventas

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Modelos de eleccin o Modelos en Marketing Modelos estad sticos Enfoque bayesiano Ejemplo

1.0

No display/No feature Feature Hunts

fcst 0.0
0.5

0.2

0.4

0.6

0.8

0.0

0.5 lrelp

1.0

1.5

Miguel A. Arranz Modelos Estad sticos de o Figura: Probabilidad de comprar HeinzPrediccin de Ventas

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Modelos de eleccin o Modelos en Marketing Modelos estad sticos Enfoque bayesiano Ejemplo

qelast

0.8
0.5

0.6

0.4

0.2

0.0

0.0

0.5 lrelp

1.0

1.5

Miguel Quasi Modelos Estad sticos Figura: A. Arranz elasticidad precio

de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Pasado Presente Futuro

Series Temporales y Marketing

1 2

Predecir Determinar la ordenacin temporal de las variables buscando o las relaciones de causalidad entre las mismas Determinar el impacto a lo largo del tiempo de variables del modelo o de sucesos ajenos al mismo

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Pasado Presente Futuro

Por qu no se han aplicado de forma generalizada? e

1 2 3

Escasez de datos ables Falta de software espec co generalista Falta de preparacin en la materia de los profesionales del o Marketing Desconanza en el el uso de tcnicas de modelizacin basadas e o en datos Falta de un rea de Marketing en el que se pudiesen aplicar a todas las tcnicas de Series Temporales e

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Pasado Presente Futuro

Situacin actual o
1

Se tiene una gran cantidad de datos con per odos de tiempo muy largos Programas de Series Temporales de manejo fcil y otros a mdulos para software estad o stico ms general a Los profesionales de Marketing tienen conocimientos estad sticos cada vez mayores Aparicin de los modelos estructurales de tipo VARMAX o Cuanticacin del impacto a largo plazo de las decisiones o tcticas y estratgicas de las empresas a e
Miguel A. Arranz Modelos Estad sticos de Prediccin de Ventas o

4 5

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Pasado Presente Futuro

Futuro

1 2

Auge en el uso y gestin de bancos de datos o Necesidad de comprender funcionamiento de mercados competitivos Marco micro

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Introduccin o Modelo general Efecto total Efectos inesperados o shocks

El problema
Especicacin de n modelos con n variables no relacionados o que incluyan todas lasposibles relaciones transversales de los efectos de las variables input sobre los output correspondientes. Hay muchas situaciones en las que se puede pensar que, sin ser iguales, hay alguna relacin entre los parmetros de o a algunos grupos de observaciones. En general, los parmetros a pueden ser realizaciones de un mismo proceso estocstico que a depende de algunos hiperparmetros. a

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Introduccin o Modelo general Efecto total Efectos inesperados o shocks

Modelos jerrquicos a
Los modelos jerrquicos son herramientas ideales para medir a relaciones estructurales a diferentes niveles de PGD. Los modelos jerrquicos no tienen l a mites en los niveles de jerarqu as. Cuando aplicamos modelos no jerrquicos a modelos con a niveles mltiples se sueles subestimar la varianza. u Los modelos jerrquicos permiten contrastar hiptesis sobre a o los distintos niveles Los modelos no jerrquicos recubren los modelos jerrquicos, a a permitiendo contrastar la validez de la estructura jerrquica a propuesta mediante un contraste LRT o un factor Bayes.
Miguel A. Arranz Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Introduccin o Modelo general Efecto total Efectos inesperados o shocks

Variables explicativas

Empresa Publicidad Promociones Productos nuevos Precios

Entorno Calendario Econmicas o Tecnolog a Competencia

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Introduccin o Modelo general Efecto total Efectos inesperados o shocks

Denicin del modelo o

(V)ARMAX, Funcin de transferencia, partes lineal y no lineal o log Salest = Linear + NonLinear + ARIMA Noise Lineal CalAggr, log Number of working days, Humidity, Temperature, log price, ItSt, PPID, (Private consumption).

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Introduccin o Modelo general Efecto total Efectos inesperados o shocks

No lineal 1 GRPit 1 B c GRPct

ccopy i

i
itype

+m

1 1 B

Ruido ARIMA
d(k) k (B)Nt k k
Miguel A. Arranz

=
k

k (B)at

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Introduccin o Modelo general Efecto total Efectos inesperados o shocks

Forma estructural de modelos VARMAX

La forma general de un modelo VARMAX es F (B)yt = G (B)ut + A(B)t donde yt es un vector de tamao n de variables endgenas. n o ut es un vector de tamao nr de variables exgenas. n o t es un error aleatorio de tamao n tal que n E [t ] = 0, E [t1 t2 ] = t1 t2
Miguel A. Arranz

(1)

t1 t2 =

1 0

t1 = t2 t1 = t2

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Introduccin o Modelo general Efecto total Efectos inesperados o shocks

Los polinomios F (B), G (B), y A(B), son de dimensiones n n, n nr , y n n, respectivamente, se puen escribir como
nf ng na

F (B) =
i=0

Fi B

G (B) =
i=0

Gi B i

A(B) =
i=0

Ai B i

F0 = A0 = I

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Introduccin o Modelo general Efecto total Efectos inesperados o shocks

Efecto total

1 2 3 4 5 6

Efecto contemporneo a Efecto recuerdo Refuerzo de compra Retroalimentacin (feedback) o Reglas de decisin de empresa o Competencia

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Introduccin o Modelo general Efecto total Efectos inesperados o shocks

Efectos inesperados o shocks

Los modelos tradicionales se centran gasto absoluto o niveles de precios. Ahora podemos analizar los cambios inesperados (shocks). Se construye con el modelo una prediccin de demanda base y o se comparan los errores de prediccin un per o odo adelante (shocks inesperados), obteniendo el efecto diferencial

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Business as usual Histresis e Escalada Co-evolucin o

Escenarios de largo plazo (I)

Business as usual El rendimiento de mercado y el marketing mix son I (0). Se encuentran en equilibrio y las uctuaciones son temporales tanto en ventas o cuota de mercado como en gasto en publicidad o precios. Los modelos de respuesta captan los efectos temporales, que se pueden distribuir en el tiempo.

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Business as usual Histresis e Escalada Co-evolucin o

Escenarios de largo plazo (II)

Histresis e El rendimiento de mercado no es estacionario (evoluciona), pero el marketing s es estacionario. Movimientos temporales en precio o marketing puede afectar permanentemente a las ventas futuras. Interesante para la empresa.

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Business as usual Histresis e Escalada Co-evolucin o

Escenarios de largo plazo (III)

Escalada El rendimiento de mercado es estacionario, pero no el marketing. Las empresas estn engarzadas en batallas de a gasto en marketing, pero la demanda del sector no aumenta y, en consecuencia, se generan presiones sobre los benecios. Un escenario ms favorable para nosotros es cuando los precios a suben, pero los precios relativos y la demanda global son estables.

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Business as usual Histresis e Escalada Co-evolucin o

Escenarios de largo plazo (IV)

Co-evolucin o Las ventas y el marketing siguen un equilibrio a largo plazo. Se necesita un modelo de tipo VECM.

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Business as usual Histresis e Escalada Co-evolucin o

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Business as usual Histresis e Escalada Co-evolucin o

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Business as usual Histresis e Escalada Co-evolucin o

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Business as usual Histresis e Escalada Co-evolucin o

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Business as usual Histresis e Escalada Co-evolucin o

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Efectos en prensa Anlisis de publicidad a

25000

Base Venta

5000
0

10000

15000

base

20000

10

20

30 Time

40

50

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Efectos en prensa Anlisis de publicidad a

effects 5000
0

5000

10000

10

20

30 Time

40

50

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Efectos en prensa Anlisis de publicidad a

Music_Omega

density

0.2

0.0

0.2

0.4 GRP_4

0.6

0.8

1.0

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Efectos en prensa Anlisis de publicidad a

Promotion_Omega

density

0.4

0.2

0.0 GRP_10

0.2

0.4

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Efectos en prensa Anlisis de publicidad a

Excellent

density

0.00
1

0.05

0.10

0.15

0.20

0.25

2 alpha_20

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Efectos en prensa Anlisis de publicidad a

Bad

density

0.05
1

0.10

0.15

0.20

0.25

0.30

2 alpha_26

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Efectos en prensa Anlisis de publicidad a

200

GRP Adstock

grp

0
0

50

100

150

100

200 Time

300

400

500

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Efectos en prensa Anlisis de publicidad a

efectos

0.00
0

0.01

0.02

0.03

0.04

100

200 Time

300

400

500

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Criterio Problemas Modelo congruente

Criterios para la especicacin del modelo o

Las ecuaciones slo pueden incluir variables disponibles de o fuentes ociales o que se puedan construir fcilmente a partir a de datos ociales. La forma funcional de las ecuaciones (habitualmente no lineal) debe ser relativamente fcil de estimar. a Las ecuaciones deben tener propiedades que sean consistentes con el comportamiento real de los mercados y recoger las inuencias ms importantes de la variable dependiente. Dichos a factores pueden incluir retardos de variables explicativas o factores exgenos. o
Miguel A. Arranz Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Criterio Problemas Modelo congruente

Criterios para la especicacin del modelo II o

Las variables de cada ecuacin se eligen teniendo en cuenta la o estabilidad del modelo. Para la prediccin, cada variable debe o salir del modelo o especicarse exgenamente: las variables o exgenas con efectos marginales dif o ciles de predecir se excluyen. Algunas variables no signicativas estad sticamente se incluyen para obtener interacciones importantes, consistentes desde un punto de vista terico e imprescindibles o en el contexto del modelo global. La forma funcional debe tener propiedades a largo plazo deseables.
Miguel A. Arranz Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Criterio Problemas Modelo congruente

Los 9 problemas a los que nos enfrentamos

1 2 3

Multicolinealidad Autocorrelacin o Especicacin dinmica: o a Respuestas a largo plazo, ra de los polinomios, etc. ces Hiptesis no anidadas: o Bsquedas de un modelo que explique los resultados de los u dems (Encompassing) a Endogeneidad de variables (variable explicativa relacionada con trmino de error), causante de sesgo e inconsistencia, e inferencia no vlida a
Miguel A. Arranz Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Criterio Problemas Modelo congruente

6 7 8

Restricciones de identicacin o Falta de capacidad predictiva No estacionariedad

(i) Variables integradas I (1): se elimina tomando diferencias o mediante transformaciones de cointegracin o (ii) Cambios de parmetros o cambios de rgimen a e (iii) No estacionariedad inherente debido a la accin innovadora o del hombre o del proceso natural.

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Criterio Problemas Modelo congruente

Los seis criterios de un modelo congruente

1 2

Errores (innovaciones) homocedsticas a Exogeneidad dbil de las variables que condicionan para los e parmetros de inters a e Parmetros de inters invariantes a e Estructuras identicables y consistentes con la teor a Formulaciones admisibles para los datos con las observaciones disponibles Recubre modelos rivales

3 4 5

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o

Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal

Comentario nal
El consultor tiene que recabar toda la informacin posible del o cliente y los usuarios nales. Es importante la interaccin con el personal tcnico que va a o e usar el modelo, pero tambin con el personal ejecutivo que e tiene un conocimiento tcnico menor. e La labor del consultor no termina con la construccin del o modelo. Es importante explicar los resultados al cliente. La documentacin juega un papel fundamental. o

Miguel A. Arranz

Modelos Estad sticos de Prediccin de Ventas o