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 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".