Estadística para

MARKETING
Aprendamos los fundamentos de la estadística descriptiva
para empezar en este mundo

 ¡EMPIEZA DESDE LO BASICO!

Sé que hay temas que posiblemente ya conozcas, conceptos que

suenen básicos. Pero entender las bases nos ayudará a entender
mucho mejor todo el mundo de la data

Para empezar: ¿Porque si trabajo en marketing/negocios

debo aprender sobre estadística?
La alfabetización en datos y estadísticas es esencial en todos los
entornos comerciales, pero una de las cosas que distingue a los
profesionales del marketing de nivel básico a los que llevan
trabajando años en este mundo, tienes experiencia y éxito, es la
confianza en la comprensión y la aplicación de métodos estadísticos
para descubrir ideas e impulsar la estrategia. Y ya sabes, para ver si
una campaña realmente funcionó.

Para ser específicos, "funcionó" significa que con un intervalo de

confianza estándar del 95 %, solo hay un 5 % de probabilidad de que
los datos indiquen incorrectamente que la campaña funcionó. Si no
entendiste esta parte, esta bien, para esto es esta guía

Te explico: ¿Cómo funciona esta guía y su teoría?

Esta es una serie sobre probabilidad y estadística dirigida a personas
que trabajen como trafickers, media buyer o en marketing en
general. Cubriremos conceptos esenciales que nos ayudaran a
entender el mundo de los datos

Siempre que sea posible, veremos la intuición detrás del concepto, las
matemáticas y luego las aplicaremos de manera práctica usando
paquetes estadísticos y matemáticos como Python's Pandas, Numpy
y Scipy o SQL

 ¡NO TIENES QUE SABERLO TODO!

En esta guía te vas a encontrar con ejemplos sobretodo

aplicados en lenguajes de programación, en este caso python o
SQL, no significa que debas saber o entender por completo sobre
el lenguaje.

Solo quiero que tu mente sepa como lo puedes aplicar más allá
de saber un concepto

Check List que me gustaría que completaras cuando

tengas estudiada esta guía
Check Concepto/ejercicio

Entiendes por completo como funciona la estadística
descriptiva

Recuerdas y entiendes los conceptos, de media,
mediana y moda

Saber diferenciar la mediana de la media 👀

Entiendes como funcionan las formulas de mediana,
media y moda

Sabes como se aplican conceptos de media, moda y
 mediana en python

Conoces y entiendes sobre probabilidad

Entiendes sobre variables continuas y discretas

Conoces ejemplos aplicados de probabilidad en
marketing

ESTADISTICA DESCRIPTIVA
Vamos a ponerlo en un ejemplo: Ella es Margarita,

Soy Margarita
Trabajo en una agencia de marketing, como Analista de pauta digital.

Margarita acaba de exportar su informe de transacciones del CRM de

ventas de uno de sus clientes. Ahora tiene una lista de 300 ventas de
diferentes clientes. El informe tiene una columna de nombres de
clientes y una columna de valores de transacción.

Leer los 300 registros de transacciones es tedioso y es poco probable

que una persona los recuerde todos, por lo que su cliente solicitó un
resumen del informe.
Dado que solo entregar los 300 registros no es suficiente, una forma
de resumir sería sumar todos los valores de transacción en un total
de ventas brutas. Este total es una manera simple de describir los
300 puntos de datos al resumir literalmente la información en un solo
número.
Ventas

40

30

20

10

0
Enero Febrero Marzo Abril Junio

Aquí aprendemos un primer objetivo, simplificar los datos,

especialmente a medida que el conjunto de datos crece. Si estos
datos del cliente crecieran muy rápidamente y llegaran por ejemplo a
tener 3.000.000 de transacciones por mes, sería imposible tener una
idea de los datos inspeccionando solo visualmente. Incluso abrir este
conjunto de datos en Excel tomaría un montón de tiempo. 

Hablemos de otras descripciones:

Además de los totales, existen otras formas más avanzadas de

describir los de datos, como el ticket promedio, el valor de
transacción más común o qué tan diferente es el monto de la orden
entre los clientes. 

Juntos, estos valores ayudan a describir los datos y se denominan

estadísticas descriptiva.
Entremos a conceptos más específicos:
Para entender un poco mejor, estos conceptos los voy a explicar
primero con mis gatos y perros (Así fue la forma como yo lo aprendi) y
luego con Margarita, para que nos quede muy claro

🐱 Nuestro conjunto de datos se vería algo así: Las edades de mis

mascotas

LA MEDIA:
La media, concretamente la media aritmética, es el valor medio de
una serie de números. Se calcula tomando la suma de todos los
valores y dividiéndola por el recuento de todos los valores. La media a
menudo se escribe como x̄ y se pronuncia como 'barra x'.

La media es una medida del 'centro' o 'ubicación' de los datos. Esto es

más fácil de ver cuando se ilustra.

🐱 Media aritmética: Es la suma de todos los valores, dividido en el

número de valores total en ese caso nueve animales - Cada número
del cuadro azul son las edades de mis mascotas
Cuanto mayor sea la magnitud del valor, mayor será su contribución
a la media. Si los datos están distribuidos más o menos
uniformemente, la media es una buena medida para trabajar. Pero,
hay una trampa sutil si los datos no lo son.

🙋‍♀️Volviendo a los 300 registros de transacciones de Margarita, si

suponemos que hay tres tipos de productos que su cliente vende: el
paquete individual, el paquete empresarial y combo y cuestan
respectivamente $ 100, $ 1,500 y $ 5,000 por mes.

Supongamos además que hay 214 usuarios individuales y 86 clientes

empresariales. y no hubo ventas del paquete en combo

Si tomamos la media de estos datos, obtenemos un valor de $1505

para las transacciones del mes. Sin conocer la estructura de los datos
subyacentes, podríamos concluir que el cliente promedio de la
empresa del cliente de Margarita es probablemente un usuario
empresarial

Sin embargo, la media no nos dice nada acerca de cómo varían los
datos y fácilmente podemos sacar conclusiones incorrectas como
'Este producto es popular entre los usuarios' y 'Deberíamos asignar
más de nuestro presupuesto a X, ya que será más exitoso' cuando
claramente este no es el caso en absoluto.

Aprendimos que este datos no nos brinda muchas información

Así se ve esto escrito en Python

media = data.mean()
media

Edad 5.666667
dtype: float64

LA MEDIANA:
Otra forma de pensar en el punto central de una serie de datos es el
valor que se encuentra físicamente en el medio de la serie. Si
tomamos los datos y los ordenamos del valor más pequeño al valor
más grande, la mediana es el número a la mitad.

🐱Es literal buscar el valor del medio, para esto debemos ordenar
nuestro conjunto de datos con valores de menor a mayor y encontrar
el que se encuentra en la mitad

Usando este enfoque con los datos de transacción de Margarita,

encontramos que la mediana está ubicada en la posición 301/2 =
150.5 que estará en el medio de la posición 150 y 151. Ambos valores
son $100, por lo que la mediana es $100.

A diferencia de la media, el valor de la mediana es menos sensible a

valores muy grandes o muy pequeños, lo que cambia drásticamente
el resultado. Estos valores muy grandes o muy pequeños se
denominan comúnmente valores atípicos.

Así se ve esto escrito en Python

mediana = data.median()
mediana

Edad 5.0
dtype: float64

LA MODA:
La moda es otra forma de describir los datos, aunque es un poco
menos útil a medida que profundizamos en las estadísticas que los
conceptos de media y mediana.

La moda es el valor que ocurre con más frecuencia, o la frecuencia

más alta, en una serie de datos. 

En este conjunto de datos, ¿Cuál es el dato que más se repite?

Para encontrar la moda de datos más complejos, el enfoque general

es contar las ocurrencias de valores individuales y seleccionar el que
tiene el recuento más alto. 

Estos conceptos son algo súper básicos pero son importantes para
entender el siguiente tema a tratar y son los rangos intercuartiles (que
lo son todo y mucho en diagrama de cajas)

Eso es todo por este artículo sobre las estadísticas descriptivas

fundamentales de media, mediana y moda. Examinamos las fórmulas,
parte de la intuición detrás de las matemáticas y aplicamos lo que
aprendimos en Python.

Es momento de avanzar
 PROBABILIDAD
La teoría de la probabilidad proporciona la base para el análisis y la
investigación de marketing cuantitativo. Esta introducción
proporciona una descripción general que toca algunos de los
términos y conceptos clave.

Términos y conceptos
Una variable aleatoria es una variable cuyos valores posibles son
resultados numéricos de un experimento probabilístico. Puede ser
discreto, tomando un conjunto finito de valores numéricos, o
continuo, en cuyo caso el rango de valores es infinito.

La probabilidad es la posibilidad de que ocurra un evento. Varía entre

0 y 1, donde 0 indica imposibilidad y 1 indica certeza. Cuanto mayor
sea la probabilidad, más probable es que ocurra el evento.

La probabilidad se define en el contexto de un espacio muestral

o universo , es decir, un conjunto de todos los resultados
posibles. Por ejemplo, el universo de tiendas en seguimiento
minorista, son todas las tiendas que representan el “mercado total”
medido por el servicio de seguimiento.

Términos que si o si debemos conocer:

Espacio muestral: una colección de posibles resultados de un

experimento aleatorio.
Distribuciones de probabilidad: funciones estadísticas que
definen la probabilidad de obtener posibles valores de las
variables. El valor de una variable fluctúa dependiendo de la
distribución de probabilidad subyacente.
Variables aleatorias: en las distribuciones de probabilidad, las
variables aleatorias son descripciones numéricas de los resultados
de los experimentos estadísticos.
 Experimento aleatorio: la teoría de la probabilidad consiste en
repetir los ensayos varias veces para obtener un conjunto de
posibles resultados bien definidos. Estos ensayos se denominan
experimentos aleatorios. Tirar una moneda al aire es un excelente
ejemplo.
Varianza: una medida de distribución que describe cómo una
variable aleatoria se desvía de la media

EN RESUMEN

La probabilidad es simplemente que tan posible es que ocurra un

evento determinado.

Cuando no estamos seguros del resultado de un evento, podemos

hablar de la probabilidad de ciertos resultados: qué tan común es que
ocurran.

El mejor ejemplo para entenderlo es lanzar una moneda

¿Cuál es la probabilidad de que caiga cara? La podemos encontrar al

usar la ecuación P(A) = ? y tal vez, intuitivamente, sepas que la
probabilidad es mitad y mitad, o sea 50%.  ¿Pero cómo podemos
resolver eso?
Probabilidad de un evento = (# de maneras en las que puede suceder)
/ (número total de resultados)

La teoría de la probabilidad en la toma de decisiones

La toma de decisiones es una función organizacional importante
dentro de cualquier negocio o estrategia. El proceso implica analizar
problemas/situaciones, recopilar información, evaluar soluciones
alternativas y monitorear el resultado. En un contexto organizacional,
la probabilidad facilita el proceso de toma de decisiones. ¿Cómo se
relacionan exactamente la probabilidad y la toma de decisiones?

Conocer la probabilidad como marketer

Como analista/marketer, a menudo observarás una gran cantidad de
datos generados durante las campañas. Algunos de los conjuntos de
datos pueden ser discretos, mientras que otros pueden seguir una
distribución continua. Con los numerosos tipos de distribuciones de
datos, es importante tener una buena comprensión de los tipos
comunes y cuáles son las situaciones en las que es probable que vea
uno. Si no entendiste mucho, empecemos

VARIABLES
Existen dos para que nos ubiquemos un poco

Continua
Discreta
Una forma sencilla de comprender si sus datos son discretos o
continuos es responder la siguiente pregunta: "¿El número de sus
resultados es finito?"

Si la respuesta a lo anterior es sí, entonces tiene un conjunto de datos

discreto. 

De lo contrario, es probable que tenga un conjunto de datos continuo.

Para poner las cosas en una perspectiva de marketing, imagina que

está mirando la cantidad de Me gusta que generó su campaña de
Facebook, sabe que los Me gusta son finitos porque cuenta la
cantidad de Me gusta como 1, 2, 3, … 100, no hay posibilidad de
obtener 1,2 o 2,6 Me gusta u otro valor más pequeño que no sea
exactamente 1 o 2. Estos resultados son un conjunto de valores en
lugar de una longitud continua de valores.

Ejemplo de una distribución continua sería el margen de ganancia de

tu tienda online. En un día cualquiera, la tienda puede informar que
su margen de ganancia es de $320. El margen de ganancia real puede
no ser exactamente de $320. Podría ser $320,60, $320,06 o incluso
$320,31415. Todos estos valores son diferentes entre sí y, como tales,
se denominan un rango continuo de valores.

Ejemplos un poco más comunes:

Discreta Continua

#de balones en una cesta Temperatura

#Likes en facebook Voltios de electricidad

#de seguidores en Instagram

¿Cómo se usa la probabilidad en marketing y negocios?

En marketing, la probabilidad de que un cliente compre tu
producto/servicio siempre está cambiando. Por ejemplo, si una
persona probó su producto y le encantó, es más probable que lo
compre nuevamente.

Esto significa que las estrategias de marketing deben ser dinámicas y

adaptables para llegar al público adecuado en el momento
adecuado. Ahí es donde entra en juego la teoría de la probabilidad.

Consideremos cómo puede usar la teoría de la probabilidad para

crear estrategias de marketing más inteligentes mediante el cálculo
de probabilidades.

Cuantos más datos se recopilen sobre un tema en particular, como

por ejemplo las campañas de Facebook Ads, más fácil será para los
media buyer predecir lo que podría suceder a continuación. Por
ejemplo, un software de email marketing puede ayudar a calcular las
probabilidades de que los suscriptores abran o hagan clic en un
mensaje específico en función de sus interacciones anteriores con los
correos electrónicos o productos de esa empresa.

Muchas organizaciones aplican los principios de probabilidad e

incertidumbre durante la toma de decisiones. Los modelos
subyacentes ayudan a las empresas a optimizar sus estrategias, lo que
contribuye a aumentar la rentabilidad y el éxito empresarial. Los
conceptos que explican cómo se usa la probabilidad en marketing y
negocios incluyen:

Análisis de escenarios : este método estratégico examina y analiza

posibles eventos futuros y sus resultados relacionados. Las
empresas utilizan el análisis de escenarios para evaluar el posible
resultado de alguna estrategia
Previsión de ventas : las organizaciones aplican la previsión de
ventas para estimar el potencial de generación de ingresos futuros
mediante la estimación de volúmenes de ventas periódicos. Este
método de probabilidad mide cómo responderá el mercado a las
estrategias comerciales y de marketing.
 Evaluación de riesgos : las decisiones comerciales y de marketing
son vulnerables a numerosos riesgos. La evaluación de riesgos
utiliza criterios específicos para comparar y estimar la importancia
y el posible impacto de estos riesgos. El enfoque ayuda a las
empresas a determinar y priorizar las estrategias de gestión y
mitigación de riesgos.
Análisis de sensibilidad: este modelo financiero mide el impacto
de los cambios en las variables de entrada en aspectos
organizacionales o comerciales específicos. Por ejemplo, una
empresa utiliza el análisis de sensibilidad para investigar el efecto
de incorporar cierto material en la campaña publicitaria. En este
caso, el impacto de diferentes tipos de información de marketing
se analiza comparando los resultados de ventas.

¿Necesitas entender completamente

la teoría de la probabilidad?

No. Lo que debe comprender es que las plataformas de pauta, email y

marketing en general utilizan esta metodología para decidir si su
publicación será vista y por cuántas personas. El algoritmo analiza la
probabilidad de recibir participación porque eso mantendrá a las
personas en la plataforma.

Si te vuelves más intencional con tus esfuerzos, estrategias y

comprendes este hecho, entonces no te concentrarás en si la
publicación se ve bien, o incluso si te gusta. ¿Les gustará a los bots
del algoritmo? ¿Cómo lo sabes?

En mi opinión no necesitas saber todo sobre estadística,

pero si necesitas ser MUY bueno analizándolas.