Base vs. incremental
Baseline contrafactual con inferencia causal (diferencias en diferencias y control sintético).

Marginia no reporta el uplift bruto de una promoción: lo descompone, descuenta lo que no es incremental y estima una curva de respuesta para saber dónde el descuento deja de comprar volumen.
Origen del volumen
Cifras ilustrativas.
En el ejemplo, el ROI calculado sobre +38% es un 65% más alto que el real. Con esa cifra se aprueban promociones que destruyen margen.
Las cuatro fuentes del uplift
ROI promocional = margen incremental neto / inversión promocional. Es un número más bajo y más honesto que el habitual. Es el único que sirve para decidir.
Elasticidad
Curva ilustrativa. Se estima por SKU, cliente, canal y mecánica.
Recortar la profundidad hasta el punto de saturación mantiene el volumen y libera margen de inmediato. Es la primera fuente de ahorro que aparece en todo proyecto de pricing y promociones.
Qué estimamos
Un SKU nuevo o un cliente pequeño no tiene historia para estimar su propia elasticidad. El modelo la toma prestada de su categoría y la corrige a medida que llegan datos, en vez de dar un número sin sustento o negarse a darlo.
Cómo confiar en el número
La econometría explica por qué: elasticidades interpretables que el negocio puede discutir. El ML precisa cuánto. Juntos dan un número que además se puede defender.
Baseline contrafactual con inferencia causal (diferencias en diferencias y control sintético).
Log-log jerárquico: propia, promocional y cruzada.
Canibalización, pull-forward, switching y expansión de categoría.
Gradient boosting sobre variables causales, con re-entrenamiento periódico.
Máximo margen incremental sujeto a presupuesto y restricciones de negocio.
Backtesting out-of-time, bandas de confianza y test & learn con grupo de control.