Sistema de optimización presupuestaria basado en modelos predictivos para la asignación eficiente de inversión publicitaria

"El presente proyecto desarrolla un modelo predictivo orientado a optimizar la asignación de inversión en campañas de marketing digital para la agencia CtrlAds, con el fin de mejorar el retorno publicitario y reducir ineficiencias derivadas de la sobreinversión y subinversión en los distintos c...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Díaz Canton, Matías, Mac Gaw, Liam, Waisburg, Ariel
Formato: Proyecto final de grado
Lenguaje:Español
Publicado: Instituto Tecnológico de Buenos Aires (ITBA) 2026
Materias:
MARKETING MIX MODELING, MACHINE LEARNING, OPTIMIZACIÓN PRESUPUESTARIA, ATRIBUCIÓN DE MEDIOS, SERIES DE TIEMPO, ROAS, VALOR PRESENTE NETO
Acceso en línea:https://hdl.handle.net/20.500.14769/5295
Aporte de:
Repositorio Institucional Instituto Tecnológico de Buenos Aires (ITBA) de Instituto Tecnológico de Buenos Aires (ITBA)
id I32-R138-20.500.14769-5295
record_format dspace
spelling I32-R138-20.500.14769-52952026-03-24T07:12:21Z Sistema de optimización presupuestaria basado en modelos predictivos para la asignación eficiente de inversión publicitaria Díaz Canton, Matías Mac Gaw, Liam Waisburg, Ariel MARKETING MIX MODELING, MACHINE LEARNING, OPTIMIZACIÓN PRESUPUESTARIA, ATRIBUCIÓN DE MEDIOS, SERIES DE TIEMPO, ROAS, VALOR PRESENTE NETO "El presente proyecto desarrolla un modelo predictivo orientado a optimizar la asignación de inversión en campañas de marketing digital para la agencia CtrlAds, con el fin de mejorar el retorno publicitario y reducir ineficiencias derivadas de la sobreinversión y subinversión en los distintos canales. Para ello, se integraron más de dos años de datos provenientes de Meta Ads, Google Ads y Google Analytics para 22 empresas, construyendo un dataset semanal que combina métricas de inversión, exposición, interacción, conversión, estacionalidad y contexto macroeconómico. El enfoque metodológico incluyó análisis exploratorio profundo, ingeniería de variables, modelado mediante técnicas de Marketing Mix Modeling, transformaciones no lineales (Adstock y funciones de saturación), modelos de Machine Learning y un módulo de optimización presupuestaria basado en curvas de respuesta por canal. El desempeño del modelo se evaluó a través de métricas robustas como sMAPE, RMSE, RMSLE, precisión en rangos de confianza e interpretación mediante Feature Importance. Los resultados muestran que el modelo permite estimar con mayor precisión el impacto marginal de la inversión y asignar presupuestos de forma óptima, generando un aumento proyectado del 20% en la eficiencia publicitaria (ROAS). Desde la perspectiva económica, el proyecto presenta un ROI acumulado del 277,9% y un Valor Presente Neto (VPN) de USD 45.918 en un horizonte de 36 meses, con beneficios recurrentes que superan ampliamente los costos de desarrollo y mantenimiento. El análisis de sensibilidad confirma su robustez: incluso mejoras moderadas de ≥10% en la eficiencia permiten obtener VPN positivo. En síntesis, el modelo predictivo constituye una herramienta estratégica para la agencia, capaz de mejorar la performance de sus campañas, reducir tiempos de análisis, justificar decisiones con métricas objetivas y fortalecer su posicionamiento competitivo mediante una gestión publicitaria basada en datos". 2026-03-23T18:34:19Z 2026-03-23T18:34:19Z 2026-02-12 Proyecto final de grado https://hdl.handle.net/20.500.14769/5295 es application/pdf Instituto Tecnológico de Buenos Aires (ITBA)
institution Instituto Tecnológico de Buenos Aires (ITBA)
institution_str I-32
repository_str R-138
collection Repositorio Institucional Instituto Tecnológico de Buenos Aires (ITBA)
language Español
topic MARKETING MIX MODELING, MACHINE LEARNING, OPTIMIZACIÓN PRESUPUESTARIA, ATRIBUCIÓN DE MEDIOS, SERIES DE TIEMPO, ROAS, VALOR PRESENTE NETO
spellingShingle MARKETING MIX MODELING, MACHINE LEARNING, OPTIMIZACIÓN PRESUPUESTARIA, ATRIBUCIÓN DE MEDIOS, SERIES DE TIEMPO, ROAS, VALOR PRESENTE NETO
Díaz Canton, Matías
Mac Gaw, Liam
Waisburg, Ariel
Sistema de optimización presupuestaria basado en modelos predictivos para la asignación eficiente de inversión publicitaria
topic_facet MARKETING MIX MODELING, MACHINE LEARNING, OPTIMIZACIÓN PRESUPUESTARIA, ATRIBUCIÓN DE MEDIOS, SERIES DE TIEMPO, ROAS, VALOR PRESENTE NETO
description "El presente proyecto desarrolla un modelo predictivo orientado a optimizar la asignación de inversión en campañas de marketing digital para la agencia CtrlAds, con el fin de mejorar el retorno publicitario y reducir ineficiencias derivadas de la sobreinversión y subinversión en los distintos canales. Para ello, se integraron más de dos años de datos provenientes de Meta Ads, Google Ads y Google Analytics para 22 empresas, construyendo un dataset semanal que combina métricas de inversión, exposición, interacción, conversión, estacionalidad y contexto macroeconómico. El enfoque metodológico incluyó análisis exploratorio profundo, ingeniería de variables, modelado mediante técnicas de Marketing Mix Modeling, transformaciones no lineales (Adstock y funciones de saturación), modelos de Machine Learning y un módulo de optimización presupuestaria basado en curvas de respuesta por canal. El desempeño del modelo se evaluó a través de métricas robustas como sMAPE, RMSE, RMSLE, precisión en rangos de confianza e interpretación mediante Feature Importance. Los resultados muestran que el modelo permite estimar con mayor precisión el impacto marginal de la inversión y asignar presupuestos de forma óptima, generando un aumento proyectado del 20% en la eficiencia publicitaria (ROAS). Desde la perspectiva económica, el proyecto presenta un ROI acumulado del 277,9% y un Valor Presente Neto (VPN) de USD 45.918 en un horizonte de 36 meses, con beneficios recurrentes que superan ampliamente los costos de desarrollo y mantenimiento. El análisis de sensibilidad confirma su robustez: incluso mejoras moderadas de ≥10% en la eficiencia permiten obtener VPN positivo. En síntesis, el modelo predictivo constituye una herramienta estratégica para la agencia, capaz de mejorar la performance de sus campañas, reducir tiempos de análisis, justificar decisiones con métricas objetivas y fortalecer su posicionamiento competitivo mediante una gestión publicitaria basada en datos".
format Proyecto final de grado
author Díaz Canton, Matías
Mac Gaw, Liam
Waisburg, Ariel
author_facet Díaz Canton, Matías
Mac Gaw, Liam
Waisburg, Ariel
author_sort Díaz Canton, Matías
title Sistema de optimización presupuestaria basado en modelos predictivos para la asignación eficiente de inversión publicitaria
title_short Sistema de optimización presupuestaria basado en modelos predictivos para la asignación eficiente de inversión publicitaria
title_full Sistema de optimización presupuestaria basado en modelos predictivos para la asignación eficiente de inversión publicitaria
title_fullStr Sistema de optimización presupuestaria basado en modelos predictivos para la asignación eficiente de inversión publicitaria
title_full_unstemmed Sistema de optimización presupuestaria basado en modelos predictivos para la asignación eficiente de inversión publicitaria
title_sort sistema de optimización presupuestaria basado en modelos predictivos para la asignación eficiente de inversión publicitaria
publisher Instituto Tecnológico de Buenos Aires (ITBA)
publishDate 2026
url https://hdl.handle.net/20.500.14769/5295
work_keys_str_mv AT diazcantonmatias sistemadeoptimizacionpresupuestariabasadoenmodelospredictivosparalaasignacioneficientedeinversionpublicitaria
AT macgawliam sistemadeoptimizacionpresupuestariabasadoenmodelospredictivosparalaasignacioneficientedeinversionpublicitaria
AT waisburgariel sistemadeoptimizacionpresupuestariabasadoenmodelospredictivosparalaasignacioneficientedeinversionpublicitaria
_version_ 1865139127590060032

Ejemplares similares