Saltar al contenido
Marketing, Sales & Growth Evolution Program

Parte 20 — Analítica comercial y marketing science#

Esta parte trabaja el nivel Crecimiento y analítica del programa y su propósito es que llegues a poder sostener decisiones de ingreso con métricas correctamente construidas. Llegas desde la parte 19, Growth marketing y growth engineering, y lo que allí quedó resuelto se da por sabido aquí. Lo que produzcas aquí es material de entrada para la parte 21, IA aplicada a marketing, ventas y servicio.

Son 14 clases, alrededor de 35 horas de estudio dirigido, y todas empujan hacia la misma pregunta:

¿Esta cifra mide lo que creo que mide, y qué decisión cambiaría si estuviera equivocada?

Esa pregunta no es retórica: al final de la parte tienes que poder responderla con un artefacto en la mano —caso analítico integral con árbol de métricas, cohortes, incrementalidad y dashboard ejecutivo— y no con una opinión.

Sobre qué caso vas a trabajar#

El CAC reportado por Ruta Andina excluye sueldos comerciales y el LTV usa un margen bruto que nunca fue validado con contabilidad.

Todo el programa ocurre en la misma empresa, Ruta Andina SpA: Empresa chilena que vende una plataforma de agendamiento, pagos y CRM ligero para pymes de servicios (peluquerías, talleres, centros médicos pequeños, estudios contables). Tiene tres líneas de ingreso: suscripción SaaS (CLP 39.000 a CLP 199.000 mensuales por local), venta de hardware complementario por e-commerce y marketplace, y contratos anuales con municipios y corporaciones para digitalizar atención de público. Trabajar siempre sobre el mismo caso permite comparar decisiones tomadas en partes distintas y ver cuáles se contradicen entre sí.

Qué vas a saber hacer#

Las competencias que se desarrollan aquí son construcción de métricas, análisis de cohortes y diseño de experimentos y atribución. Con ellas la parte habilita para el trabajo de Marketing analyst, Revenue analyst y Data-driven marketer, que es donde estas decisiones se toman de verdad.

Cómo avanza la parte, clase a clase#

Las clases van en orden y cada una supone la anterior. Esta es la secuencia y los conceptos que introduce cada sesión:

#ClaseConceptos que introduce
01Árbol de métricasdescomposición multiplicativa, variable accionable, nivel de agregación
02Conversión y embudosdefinición operacional, unidad de análisis, ventana de conversión
03Costo de adquisición de clientealcance del costo, costo por canal, periodo de atribución
04Valor de vida del clientemargen de contribución del cliente, permanencia esperada, heterogeneidad
05Periodo de recuperaciónperiodo de recuperación, restricción de caja, ritmo sostenible de adquisición
06Margen de contribucióncosto variable, margen de contribución, costo escalonado
07Análisis de cohortes aplicadohito de antigüedad, efecto de mezcla, cohorte de comportamiento
08Modelos de atribuciónmodelo basado en reglas, modelo basado en datos, ventana de contacto
09Incrementalidadefecto incremental, grupo de control, prueba de suspensión
10A/B testingsignificancia estadística, efecto mínimo detectable, comparaciones múltiples
11Proyección de resultadostendencia, estacionalidad, estabilidad del proceso
12Fundamentos de marketing mix modelingmodelo agregado, variación necesaria, factor externo
13Dashboards ejecutivoscontexto comparativo, jerarquía visual, banda de variación esperada
14Caso analítico integralanálisis auditable, supuesto declarado, recomendación de asignación

Dónde se practica y cómo se evalúa#

Leer la parte no la acredita. Los laboratorios te hacen ejecutar el método sobre el caso; la evaluación de la parte comprueba que puedes sostener las decisiones sin el material delante; el caso extendido exige integrar lo aprendido en una recomendación completa, y en templates/ están los formatos que se usan para producir el artefacto. El resultado que va a tu portafolio es caso analítico integral con árbol de métricas, cohortes, incrementalidad y dashboard ejecutivo.

Qué puede salir mal#

Escalar inversión sobre una economía unitaria que no resiste una revisión financiera. Antes de llevar cualquier recomendación de esta parte a una operación real, revisa el mapa regulatorio y las reglas sobre datos personales: la norma vigente manda sobre el material pedagógico.

Bibliografía de la parte#

Estas son las obras sobre las que se apoya la parte, con lo que aporta cada una y en cuántas de sus 14 clases aparece. Está comprobado que cada obra existe y cuál es la edición —el título enlaza a su localizador—; que la idea atribuida esté en el capítulo que indica cada clase es la lectura del programa y está para que la contrastes. La columna «Acceso» dice de antemano qué puedes leer sin pagar.

ObraQué aportaClasesLocalizadorAcceso
Susan A. Ambrose et al. — How Learning Works (2010)principios de aprendizaje: conocimiento previo, práctica y retroalimentación14ISBN 9780470484104comprar o biblioteca
Peter C. Brown, Henry L. Roediger III y Mark A. McDaniel — Make It Stick (2014)recuperación espaciada, intercalado y dificultad deseable14ISBN 9780674419377comprar o biblioteca
Anders Ericsson y Robert Pool — Peak (2016)práctica deliberada con criterios explícitos y retroalimentación inmediata14ISBN 9781473513143comprar o biblioteca
William Ellet — The Case Study Handbook (2018, ed. revisada)análisis de casos: problema, decisión, evidencia y recomendación14ISBN 9781633696150comprar o biblioteca
Grant Wiggins y Jay McTighe — Understanding by Design (2005, 2.ª ed.)diseño inverso desde el desempeño observable14ISBN 9781416600350comprar o biblioteca
Foster Provost y Tom Fawcett — Data Science for Business (2013)pensamiento analítico: formulación del problema, evaluación y valor esperado13ISBN 9781449374280comprar o biblioteca
Alistair Croll y Benjamin Yoskovitz — Lean Analytics (2013)una métrica que importa por etapa y por modelo de negocio9ISBN 9781449335670comprar o biblioteca
Avinash Kaushik — Web Analytics 2.0 (2009)medición orientada a decisión, segmentación y crítica del dato de vanidad7ISBN 9780470596425comprar o biblioteca
Ron Kohavi, Diane Tang y Ya Xu — Trustworthy Online Controlled Experiments (2020)diseño estadístico de experimentos, métricas guardrail y trampas de interpretación5ISBN 9781108601375comprar o biblioteca
Donald J. Wheeler — Understanding Variation (2000)distinguir variación común de variación especial antes de reaccionar a un KPI4ISBN 9780945320531comprar o biblioteca
Douglas W. Hubbard — How to Measure Anything (2014, 3.ª ed.)medir lo que parece inmedible: valor de la información y reducción de incertidumbre3ISBN 9781118836446comprar o biblioteca
Peter Fader y Sarah Toms — The Customer Centricity Playbook (2018)modelos de valor de vida del cliente y decisiones de inversión por cohorte3ISBN 9781613630914comprar o biblioteca
Les Binet y Peter Field — The Long and the Short of It (2013)equilibrio entre construcción de marca a largo plazo y activación de ventas a corto plazo3ISBN 9780852941348comprar o biblioteca
Hermann Simon — Confessions of the Pricing Man (2015)el precio como la palanca de utilidad más rápida y su relación con el valor percibido2ISBN 9783319204000comprar o biblioteca
Peter Fader — Customer Centricity (2020, 2.ª ed.)valor heterogéneo del cliente y asignación de recursos por valor esperado2ISBN 9781613631447comprar o biblioteca
Robert S. Kaplan y David P. Norton — The Balanced Scorecard (1996)traducción de la estrategia en indicadores causalmente conectados2ISBN 9780875846514comprar o biblioteca
Peep Laja y el equipo de CXL — Conversion Optimization Playbooks (CXL) (2024)método CRO basado en investigación previa al test y validez estadística1fuente primariaacceso limitado
Andrew S. Grove — High Output Management (1983)output gerencial, indicadores adelantados y reuniones como herramienta de producción1ISBN 9780394532349comprar o biblioteca
Thomas T. Nagle y Georg Müller — The Strategy and Tactics of Pricing (2018, 6.ª ed.)pricing basado en valor, estructura de precios, métrica de cobro y política de descuentos1ISBN 9781138737501comprar o biblioteca

De todas ellas, las que ordenan el criterio de esta parte son Avinash Kaushik (Web Analytics 2.0), Alistair Croll y Benjamin Yoskovitz (Lean Analytics), Ron Kohavi, Diane Tang y Ya Xu (Trustworthy Online Controlled Experiments), Foster Provost y Tom Fawcett (Data Science for Business), Donald J. Wheeler (Understanding Variation) y Douglas W. Hubbard (How to Measure Anything). Si sólo puedes leer una, empieza por Avinash Kaushik — Web Analytics 2.0.

La bibliografía completa del programa, con el uso de cada obra clase a clase, está en docs/BIBLIOGRAFIA.md; el registro con los localizadores comprobables, en sources/bibliography.json.


⬅ Índice del currículo · Programa