Control 2

El gerente de marketing de una marca de cerveza está muy preocupado en cómo

distribuir su presupuesto de medios y actividades promocionales para el próximo año.
Para lograr colocar de manera óptima cada peso, necesita tener una idea concreta de
la contribución de estas actividades e inversiones a la venta.
Para esto, le pidió a una consultora de Business Analytics un modelo que determinara
las variables que contribuyen a la venta de cervezas.

La consultora consideró las siguientes variables:

● Comp_ON: Inversión semanal en CLP de la competencia en medios online

● Comp_OFF: Inversión semanal en CLP de la competencia en medios offline

● Marca_ON: Inversión semanal de la marca en CLP en medios online

● Marca_OFF: Inversión semanal de la marca en CLP en medios offline

● Tres actividades promocionales con cobertura nacional PROMO_1, PROMO_2 y

PROMO_3. Estas fueron ingresadas al modelo como variables dummies (1 si
esta activa y 0 si no está activa)

La base de datos quedó de la siguiente forma:

 Un pequeño resumen de las variables:

Salida del modelo:

Un nuevo gerente de marketing te pide que le expliques la salida. El consultor ya no

está.
a) Explica cada parámetro visto en clases

Lo primero es indicar que se ha propuesto un modelo de regresión múltiple, para lograr proyectar
las ventas de cerveza, en función de la inversión semanal ($) de la competencia en medios
online (Comp_ON), la inversión semanal ($) de la competencia en medios offline
(Comp_OFF), la inversión semanal de la marca ($) en medios online (Marca_ON), la
inversión semanal de la marca ($) en medios offline (Marca_OFF) y las tres actividades
promocionales con cobertura nacional PROMO_1, PROMO_2 y PROMO_3.
El modelo planteado corresponde al siguiente:

𝑽𝒆𝒏𝒕𝒂𝒔 𝒅𝒆 𝒄𝒆𝒓𝒗𝒆𝒛𝒂 = 𝟏, 𝟖𝟔𝟏𝒆+𝟎𝟔 + 𝟏, 𝟎𝟒𝟕𝒆−𝟎𝟏 ∗ 𝑪𝒐𝒎𝒑𝑶𝑭𝑭 − 𝟓, 𝟕𝟏𝟒𝒆−𝟎𝟐 ∗ 𝑪𝒐𝒎𝒑𝒐𝒏

+𝟐, 𝟏𝟎𝟑𝒆−𝟎𝟏 ∗ 𝑴𝒂𝒓𝒄𝒂𝑶𝑭𝑭 + 𝟒, 𝟑𝟓𝟖𝒆−𝟎𝟏 ∗ 𝑴𝒂𝒓𝒄𝒂𝑶𝒏 + 𝟗, 𝟕𝟒𝟖𝒆+𝟎𝟓 ∗ 𝑷𝒓𝒐𝒎𝒐𝟏
+𝟏, 𝟎𝟒𝟏𝒆+𝟎𝟔 ∗ 𝑷𝒓𝒐𝒎𝒐𝟐 − 𝟔, 𝟐𝟑𝒆+𝟎𝟓 ∗ 𝑷𝒓𝒐𝒎𝒐𝟑

Posteriormente, cuando revisamos sus residuos, recordando que el residuo corresponde

al valor real menos el valor estimado con el modelo de regresión múltiple planteado
anteriormente, tenemos que la menos diferencia corresponderá a -2.251.447, mientras
que la mayor diferencia estará dada por 2.810.459. Se puede apreciar que el intervalo
contiene al 0, por lo que es un buen presagio, dado que significa tendremos diferencias
entre lo real y lo estimado de 0, es decir proyectaremos en algunos casos lo mismo que
la estimación que nos dio mediante el modelo de regresión múltiple.
En cuanto a los cuartiles de los residuos podemos indicar que el 25% de las diferencias
entre el valor real y el estimado se encuentran bajo los -747.395, el 50% de las
diferencias presentan un valor de a lo más o a lo menos -66.261, el 75% de los residuos
tienen una diferencia de hasta 670.306

Ahora, como interpreto los coeficientes, la desviación estándar y el p valor del modelo en
cuestión?
Simple, para los coeficientes podría indicar que:
_Al aumentar en un peso la variable 𝐶𝑜𝑚𝑝𝑂𝐹𝐹 , las ventas en cerveza aumentarán en
0,047𝑒 −01 pesos, manteniendo las otras variables constantes.
_Al aumentar en un peso la variable 𝐶𝑜𝑚𝑝𝑜𝑛 , las ventas en cerveza disminuirán en
5,714𝑒 −02 pesos, manteniendo las otras variables constantes.
_Al aumentar en un peso la variable 𝑀𝑎𝑟𝑐𝑎𝑂𝐹𝐹 , las ventas en cerveza aumentarán en
2,103𝑒 −01 pesos, manteniendo las otras variables constantes.
_Al aumentar en un peso la variable 𝑀𝑎𝑟𝑐𝑎𝑂𝑛 , las ventas en cerveza aumentarán en
4,358𝑒 −01 pesos, manteniendo las otras variables constantes.
En cuanto a los coeficientes de las variables dumming no sería correcto interpretarlas de
la misma manera dado que no aumentarán en una unidad, porque solo serán 0 si no
corresponde o bien 1 si corresponden.
En cuanto a la significancia de mis coeficientes, serán poco significativos los que
presenten un p valor menor que 0,05, es decir estos no serían significativos para la
predicción de las ventas de cervezas, por lo tanto sería mejor sacarlas del modelo. En
este caso podemos ver que las variables no significativas corresponden a 𝑪𝒐𝒎𝒑𝒐𝒏 y
𝑷𝒓𝒐𝒎𝒐𝟑 , las cuales sería conveniente omitir.
Pese a esto el r cuadrado ajustado del modelo con todas las variables es de 0,9695,
es decir el 96,95% de la variablidad de las ventas de cerveza está explicada por la
variabilidad de las demás variables predictoras, lo que está muy bien, dado que
mientras mas cercano a 1 sea mi valor, mejor entonces predecirá mi modelo.
 b) Analiza DESDE EL PUNTO DE VISTA DEL NEGOCIO la situación.
Analizando de acuerdo al modelo que planteó la consultora, hoy mismo dejaría de invertir
en la competencia en medios online y actividad promocional 3. Esto dado que podemos
ver que afectan negativamente el resultado final de las ventas, y claramente no es la idea
hacer una inversión que reste a las ganancias, sino al contrario, la idea es que logre
generar beneficios en las ventas de cerveza. Viendo las variables individualmente, la