El modelado de la combinación de marketing ( MMM ) es una metodología de previsión que se utiliza para estimar el impacto de varios escenarios de tácticas de marketing en las ventas de productos. Los MMM utilizan modelos estadísticos, como regresiones multivariadas , y utilizan datos de series temporales de ventas y marketing . A menudo se utilizan para optimizar la combinación publicitaria y las tácticas promocionales con respecto a las ventas, los ingresos o las ganancias para maximizar su retorno de la inversión.
El uso de estas técnicas estadísticas permite a los especialistas en marketing tener en cuenta el stock de anuncios publicitarios y la disminución del rendimiento de la publicidad a lo largo del tiempo, así como los efectos de arrastre y el impacto de los anuncios anteriores en la campaña de ventas actual. Además, los MMM pueden calcular la magnitud de la canibalización de productos y el efecto halo . [1]
Las técnicas fueron desarrolladas por empresas consultoras especializadas junto con académicos y se aplicaron primero a bienes de consumo envasados , ya que los fabricantes de esos bienes tenían acceso a datos precisos sobre ventas y soporte de marketing. [ cita requerida ] La disponibilidad mejorada de datos, una potencia informática enormemente mayor y la presión para medir y optimizar el gasto de marketing han impulsado la explosión de popularidad como herramienta de marketing. [ cita requerida ] En los últimos tiempos, MMM ha encontrado aceptación como una herramienta de marketing confiable entre las principales empresas de marketing de consumo.
El concepto subyacente de MMM es el de mezcla de marketing , que se define como el conjunto de variables que una empresa puede cambiar para satisfacer las demandas de sus clientes. El término fue desarrollado por Neil Borden , quien afirma haber comenzado a utilizar la frase alrededor de 1949 para sus clases y escritos. [2] Le atribuye a su colega James Culliton la idea de una "mezcla de marketing" al retratar a un ejecutivo de la siguiente manera:
Un ejecutivo es un mezclador de ingredientes, que a veces sigue una receta a medida que avanza, a veces adapta una receta a los ingredientes inmediatamente disponibles y a veces experimenta o inventa ingredientes que nadie más ha probado. [3]
Además, según Borden, el director de marketing tiene que "sopesar las fuerzas del comportamiento y luego hacer malabarismos con los elementos de marketing en su combinación teniendo muy presente los recursos con los que tiene que trabajar". [2]
Estos "ingredientes" del marketing mix fueron descritos con más detalle por E. Jerome McCarthy , quien fue el primero en sugerir las cuatro P del marketing: [4]
Según McCarthy, los especialistas en marketing tienen básicamente estas cuatro variables que pueden utilizar al crear un plan y una estrategia de marketing. A largo plazo, las cuatro variables de la combinación se pueden modificar, pero a corto plazo es difícil modificar el producto o el canal de distribución.
En la década de 1980, Bernard Booms y Mary Bitner construyeron un modelo compuesto por siete P. [5] Agregaron "personas" a la lista de variables existentes, con el fin de reconocer la importancia del elemento humano en todos los aspectos del marketing. Agregaron "proceso" para reflejar el hecho de que los servicios, a diferencia de los productos físicos, se experimentan como un proceso en el momento en que se compran.
El modelado de la combinación de marketing (MMM) es un enfoque analítico que utiliza información histórica para cuantificar el impacto de las actividades de marketing en las ventas. Algunos ejemplos de información que se pueden utilizar son los datos sindicados de los puntos de venta (recopilación agregada de la actividad de ventas minoristas de productos en un conjunto elegido de parámetros, como la categoría de producto o el mercado geográfico) y los datos internos de las empresas. Matemáticamente, esto se hace estableciendo una relación simultánea de varias actividades de marketing con las ventas utilizando una ecuación de regresión lineal o no lineal . El MMM define la eficacia de cada uno de los elementos de marketing por su contribución al volumen de ventas, la eficacia (volumen generado por cada unidad de esfuerzo), la eficiencia (volumen de ventas generado dividido por el coste) y el retorno de la inversión (ROI) . Estos conocimientos ayudan a ajustar las tácticas y estrategias de marketing, optimizar el gasto en marketing y pronosticar las ventas mientras se simulan varios escenarios. [1]
El resultado puede utilizarse para analizar el impacto de los elementos de marketing en varias dimensiones. La contribución de cada elemento como porcentaje del total graficado año tras año es un indicador de cómo cambia la eficacia de los distintos elementos a lo largo del tiempo. El cambio anual en la contribución también se mide mediante un análisis de factores que muestran qué porcentaje del cambio en las ventas totales es atribuible a cada uno de los elementos. Para actividades como la publicidad televisiva y las promociones comerciales, se pueden realizar análisis más sofisticados como la eficacia. Este análisis le indica al gerente de marketing la ganancia incremental en ventas que se puede obtener al aumentar el elemento de marketing respectivo en una unidad. Si se dispone de información detallada sobre el gasto por actividad, es posible calcular el ROI de la actividad de marketing. Esto no solo es útil para informar sobre la eficacia histórica de la actividad, sino que también ayuda a optimizar el presupuesto de marketing al identificar las actividades de marketing más y menos eficientes.
Una vez que el modelo final esté listo, los resultados se pueden utilizar para simular escenarios de marketing para un análisis hipotético . Los gerentes de marketing pueden reasignar este presupuesto de marketing en diferentes proporciones y ver el impacto directo en las ventas/valor. Pueden optimizar el presupuesto asignando gastos a aquellas actividades que brinden el mayor retorno de la inversión.
Un MMM se configura con un modelo estadístico con el volumen/valor de ventas como variable dependiente, mientras que las variables independientes son los diversos esfuerzos de marketing. [1] El modelo descompone las ventas totales en dos componentes: [6]
Los análisis de la combinación de marketing se llevan a cabo normalmente mediante modelos de regresión lineal . Los efectos no lineales y retardados se incluyen mediante técnicas como las transformaciones de los stocks de publicidad . El resultado típico de estos análisis incluye una descomposición de las ventas anuales totales en contribuciones de cada componente de marketing, como un gráfico circular de contribuciones. Una vez creadas las variables, se llevan a cabo múltiples iteraciones para crear un modelo que explique bien las tendencias de volumen/valor. Se llevan a cabo validaciones adicionales, ya sea mediante el uso de datos de validación o mediante la coherencia de los resultados comerciales.
Otro resultado estándar es una descomposición del crecimiento y la disminución de las ventas año tras año ("gráficos debido a").
La descomposición del volumen de ventas en volumen base (volumen que se generaría en ausencia de cualquier actividad de marketing) e incremental (volumen generado por actividades de marketing en el corto plazo) a lo largo del tiempo puede aislar la variación en el volumen base como un indicador de la fortaleza de la marca y la lealtad del cliente.
El modelado de la combinación de mercado puede determinar el impacto de las ventas generado por medios individuales, como televisión, revistas y anuncios en línea. En algunos casos, se puede utilizar para determinar el impacto de las campañas publicitarias individuales o incluso las ejecuciones de anuncios sobre las ventas. Por ejemplo, para la actividad publicitaria en televisión, es posible examinar cómo se ha comportado cada ejecución de anuncio en el mercado en términos de su impacto en el volumen de ventas. El MMM también puede proporcionar información sobre las correlaciones de la televisión en diferentes niveles de peso de los medios , medidos por puntos de rating bruto (GRP) en relación con la respuesta del volumen de ventas dentro de un período de tiempo, ya sea una semana o un mes. También se puede obtener información sobre el nivel mínimo de GRP (límite de umbral) en una semana que deben emitirse para tener un impacto y, a la inversa, el nivel de GRP en el que el impacto en el volumen se maximiza (límite de saturación) y la actividad posterior no tiene ningún retorno de inversión. Si bien no todos los MMM podrán producir respuestas definitivas a todas las preguntas, algunas áreas adicionales en las que a veces se pueden obtener conocimientos incluyen: 1) la efectividad de las ejecuciones de 15 segundos frente a las de 30 segundos; 2) comparaciones en el rendimiento de los anuncios cuando se emiten durante el horario de máxima audiencia frente a las franjas horarias fuera del horario de máxima audiencia; 3) comparaciones entre el efecto directo y el efecto halo de la actividad televisiva en varios productos o submarcas. También se puede comparar el papel de la actividad televisiva basada en nuevos productos y la actividad televisiva basada en el valor en el crecimiento de la marca. Los GRP se convierten en alcance (es decir, los GRP se dividen por la frecuencia promedio para obtener el porcentaje de personas que realmente miran el anuncio). Esta es una mejor medida para modelar la televisión.
La promoción comercial es una actividad clave en todo plan de marketing. Su objetivo es aumentar las ventas a corto plazo mediante el empleo de esquemas de promoción que aumenten de forma eficaz el conocimiento del negocio y sus productos por parte de los clientes. La respuesta de los consumidores a las promociones comerciales no es sencilla y es objeto de mucho debate. Existen modelos no lineales para simular la respuesta. Mediante el uso de MMM podemos entender el impacto de la promoción comercial en la generación de volúmenes incrementales. Es posible obtener una estimación del volumen generado por evento de promoción en cada uno de los diferentes puntos de venta minorista por región. De esta forma podemos identificar los canales comerciales más y menos efectivos. Si se dispone de información detallada sobre el gasto, podemos comparar el retorno de la inversión de varias actividades comerciales, como precios bajos todos los días o exhibición en estanterías. Podemos utilizar esta información para optimizar el plan comercial eligiendo los canales comerciales más efectivos y centrándonos en la actividad de promoción más efectiva.
Los aumentos de precios de la marca afectan negativamente el volumen de ventas. Este efecto se puede capturar mediante el modelado del precio en MMM. El modelo proporciona la elasticidad del precio de la marca, que nos indica el cambio porcentual en las ventas por cada cambio porcentual en el precio. Con esto, el gerente de marketing puede evaluar el impacto de una decisión de cambio de precio.
En cuanto al elemento de distribución, podemos saber cómo se moverá el volumen al cambiar los esfuerzos de distribución o, en otras palabras, por cada cambio porcentual en el ancho o la profundidad de la distribución. Esto se puede identificar específicamente para cada canal e incluso para cada tipo de punto de venta para las ventas al por menor. En vista de estos conocimientos, los esfuerzos de distribución se pueden priorizar para cada canal o tipo de tienda para obtener el máximo provecho de los mismos. Un estudio reciente de una marca de lavandería mostró que el volumen incremental a través de un 1% más de presencia en una tienda de barrio Kirana es 180% mayor que el de un 1% más de presencia en un supermercado. [7] Con base en el costo de tales esfuerzos, los gerentes identificaron el canal correcto para invertir más en distribución.
Cuando se lanza un nuevo producto, la publicidad y las promociones asociadas suelen generar un volumen mayor al esperado. Este volumen adicional no se puede capturar completamente en el modelo utilizando las variables existentes. A menudo se utilizan variables especiales para capturar este efecto incremental de los lanzamientos. La contribución combinada de estas variables y la del esfuerzo de marketing asociado con el lanzamiento darán la contribución total del lanzamiento. Se pueden comparar diferentes lanzamientos calculando su efectividad y ROI.
El impacto de la competencia en las ventas de la marca se captura creando las variables de competencia correspondientes. Las variables se crean a partir de las actividades de marketing de la competencia, como la publicidad televisiva, las promociones comerciales, los lanzamientos de productos, etc. Los resultados del modelo se pueden utilizar para identificar la mayor amenaza para las ventas de la marca propia por parte de la competencia. La elasticidad cruzada de precios y la elasticidad cruzada de promociones se pueden utilizar para diseñar una respuesta adecuada a las tácticas de la competencia. Se puede analizar una campaña competitiva exitosa para aprender lecciones valiosas para la marca propia.
Televisión y radiodifusión: La aplicación de MMM también se puede aplicar en los medios de difusión. Las emisoras pueden querer saber qué determina si un programa en particular será patrocinado. Esto podría depender de los atributos del presentador, el contenido y el horario en que se emite el programa. Por lo tanto, estos serán las variables independientes en nuestra búsqueda para diseñar una función de vendibilidad del programa. La vendibilidad del programa es una función de los atributos del presentador, el contenido del programa y el horario en que se emite el programa.
El término "modelado de mezcla de marketing" se utiliza a menudo indistintamente con el de "modelado de mezcla de medios". Sin embargo, si bien están relacionados y son similares en el uso de un modelo estadístico, difieren en su enfoque. [8] [9] El modelado de mezcla de medios se centra en el impacto de los diferentes canales de medios que utilizan los equipos de marketing en los resultados comerciales. Dichos canales de medios incluyen la televisión, los medios digitales y los impresos. Por lo general, se trata de iniciativas de publicidad paga. [10] Por ejemplo, un modelo de mezcla de medios puede ayudar a comprender y optimizar la asignación del gasto en televisión para mejorar las ventas. Por el contrario, el modelado de mezcla de marketing es un enfoque más amplio que utiliza todos los elementos de la mezcla de marketing, como los canales de medios, las promociones de productos, los precios, la distribución, las relaciones públicas, los patrocinios, los cupones y los eventos en las tiendas. [10] Este tipo de modelo se puede utilizar para tomar decisiones informadas sobre la estrategia de marketing.
Los MMM son comparables a otro método llamado atribución multitáctil (MTA) . A diferencia de los MMM, el objetivo de la atribución multitáctil es medir el impacto de las actividades de marketing a niveles granulares en lugar de hacerlo de manera agregada. La pregunta central que responde la MTA es: "¿Cuál es el cambio esperado en la propensión a la conversión que fue el resultado de una impresión (o cualquier forma de interacción con el cliente)?". En cambio, las preguntas equivalentes para los MMM son: "¿Cuál fue el retorno de la inversión publicitaria en dispositivos móviles el año pasado?" y "¿Cuáles serían las ventas si trasladamos el 10% de la asignación presupuestaria a la televisión dirigida?" [11]
Algunos usuarios de MMM y MTA afirman que se utilizan para diferentes propósitos y que pueden tener resultados contradictorios. Además, las diferencias entre las dos metodologías pueden llevar a las empresas a tener equipos separados para cada método de medición. Aunque existen esfuerzos para unificar los dos métodos, esto aumenta la complejidad para la planificación y la implementación. [11]
Los estudios típicos de MMM brindan los siguientes conocimientos
Muchas empresas de Fortune 500 que son en gran medida empresas de bienes de consumo envasados (CPG) , como P&G, [12] AT&T, Kraft, Coca-Cola, Hershey y Pepsi, han hecho del MMM una parte integral de su planificación de marketing. [1] Esto también ha sido posible gracias a la disponibilidad de empresas especializadas que ahora brindan servicios de MMM.
Los modelos de combinación de marketing fueron más populares inicialmente en la industria de bienes de consumo masivo y rápidamente se extendieron a las industrias minoristas y farmacéuticas debido a la disponibilidad de datos sindicados en estas industrias. Los pioneros en utilizar esto en aplicaciones comerciales a gran escala fueron Marketing Management Analytics (MMA) en 1990 y Hudson River Group en 1989. [ cita requerida ] Más tarde, las empresas de datos Nielsen e IRI comenzaron a incluir un MMM como parte de sus contratos de datos estándar, lo que llevó a estas empresas iniciales a diversificarse a otros sectores verticales.
La disponibilidad de datos de series temporales es crucial para la modelización robusta de los efectos del marketing mix. La gestión sistemática de los datos de los clientes a través de sistemas CRM en otras industrias, como las telecomunicaciones, los servicios financieros, la automoción y la hostelería, contribuyó a su difusión a estas industrias. Además, la disponibilidad de datos a través de fuentes de terceros, como Ultimate Consumer Panel de Forrester Research (servicios financieros), Polk Insights (automoción) y Smith Travel Research (hotelería), mejoró aún más la aplicación de la modelización del marketing mix a estas industrias.
La aplicación del modelado de la combinación de marketing a estas industrias todavía está en una etapa incipiente y es necesario lograr mucha estandarización, especialmente en estas áreas: [ cita requerida ]
La proliferación de modelos de marketing-mix también se aceleró debido al enfoque de la Sección 404 de Sarbanes-Oxley que requería controles internos para la presentación de informes financieros sobre gastos y desembolsos significativos. El marketing de bienes de consumo puede superar una décima parte de los ingresos totales y, hasta la llegada de los modelos de marketing-mix, se basaba en enfoques cualitativos o "blandos" para evaluar este gasto. El modelado de marketing-mix presentó un enfoque riguroso y consistente para evaluar las inversiones en marketing-mix, como ya lo había demostrado la industria de CPG. Un estudio de la Asociación Americana de Marketing señaló que la alta gerencia era más propensa a enfatizar la importancia de la rendición de cuentas de marketing que la gerencia media, lo que sugiere un impulso de arriba hacia abajo hacia una mayor rendición de cuentas.
El panorama del análisis de marketing ha cambiado con la llegada del Marketing Mix Modeling (MMM) bayesiano, que utiliza un enfoque probabilístico para gestionar la incertidumbre e integrar datos históricos en el análisis actual. Esta metodología contrasta con los métodos frecuentistas tradicionales y ofrece a los especialistas en marketing una visión matizada del comportamiento del consumidor y de la eficacia de las iniciativas de marketing.
La adopción más amplia de los enfoques bayesianos para el MMM ha sido impulsada significativamente por iniciativas de código abierto. [ cita requerida ] Entre ellas, destacan herramientas como PyMC-Marketing y LightweightMMM. Estas plataformas utilizan técnicas, como las transformaciones de stock publicitario y el modelado de efectos de saturación, que ayudan a optimizar los presupuestos y las estrategias de marketing.
El MMM bayesiano se caracteriza por varias innovaciones clave:
El MMM bayesiano, si bien está ganando popularidad, presenta ciertos desafíos, en particular la necesidad de un conocimiento profundo de las estadísticas bayesianas y las demandas computacionales que impone a las organizaciones. Sin embargo, la naturaleza de código abierto de herramientas como PyMC-Marketing ayuda a aliviar estas barreras al fomentar una comunidad de apoyo y el intercambio de recursos.
A continuación se presentan algunos otros desafíos a tener en cuenta: [13]
Por el contrario, existen oportunidades para mejorar la confiabilidad de los MMM: [13]
Si bien los modelos de combinación de marketing brindan mucha información útil, existen dos áreas clave en las que estos modelos tienen limitaciones que deben tener en cuenta quienes los utilizan para la toma de decisiones. Estas limitaciones, que se analizan con más detalle a continuación, incluyen:
En relación con el sesgo en contra de las actividades de creación de valor de marca, los presupuestos de marketing optimizados mediante modelos de combinación de marketing pueden tender demasiado hacia la eficiencia porque los modelos de combinación de marketing miden solo los efectos de corto plazo del marketing. Los efectos de más largo plazo del marketing se reflejan en su valor de marca. El impacto del gasto en marketing en [el valor de marca] por lo general no se refleja en los modelos de combinación de marketing. Una razón es que la mayor duración que tarda el marketing en impactar en la percepción de la marca se extiende más allá del impacto simultáneo o, en el mejor de los casos, semanas antes del marketing en las ventas que miden estos modelos. La otra razón es que la fluctuación temporal en las ventas debido a las condiciones económicas y sociales no significa necesariamente que el marketing haya sido ineficaz en la creación de valor de marca. Por el contrario, es muy posible que en el corto plazo las ventas y la participación de mercado puedan deteriorarse, pero el valor de marca podría en realidad ser mayor. Este mayor valor debería, a largo plazo, ayudar a la marca a recuperar ventas y participación de mercado.
El hecho de que los modelos de marketing mix sugieran que una táctica de marketing tiene un impacto positivo en las ventas no significa necesariamente que tenga un impacto positivo en el valor de marca a largo plazo. Las diferentes medidas de marketing afectan las ventas de marca a corto y largo plazo de manera diferente, y ajustar la cartera de marketing para maximizar solo el corto o el largo plazo no será óptimo. Por ejemplo, el efecto positivo a corto plazo de las promociones en la utilidad de los consumidores induce a los consumidores a cambiar a la marca promocionada, pero el impacto adverso de las promociones en el valor de marca se traslada de un período a otro. Por lo tanto, el efecto neto de las promociones en la participación de mercado y la rentabilidad de una marca puede ser negativo debido a su impacto adverso en la marca. Determinar el ROI de marketing basándose únicamente en modelos de marketing mix puede conducir a resultados engañosos. Esto se debe a que el marketing mix intenta optimizar el marketing mix para aumentar la contribución incremental, pero el marketing mix también impulsa el valor de marca, que no es parte de la parte incremental medida por el modelo de marketing mix, es parte de la línea de base. El verdadero " retorno de la inversión en marketing " es una suma del ROI a corto y largo plazo. El hecho de que la mayoría de las empresas utilicen modelos de marketing-mix sólo para medir el ROI a corto plazo se puede inferir de un artículo de Booz Allen Hamilton , que sugiere que hay un cambio significativo desde los medios tradicionales hacia el gasto "por debajo de la línea", impulsado por el hecho de que el gasto promocional es más fácil de medir. Pero los estudios académicos han demostrado que las actividades promocionales son de hecho perjudiciales para el ROI de marketing a largo plazo (Ataman et al., 2006). Los modelos de marketing-mix a corto plazo se pueden combinar con modelos de valor de marca utilizando datos de seguimiento de marca para medir el "ROI de marca", tanto a corto como a largo plazo. Finalmente, el proceso de modelado en sí no debería ser más costoso que la ganancia resultante en rentabilidad; es decir, debería tener un retorno sobre el esfuerzo de modelado (ROME) positivo . [14]
La segunda limitación de los modelos de combinación de marketing entra en juego cuando los anunciantes intentan utilizar estos modelos para determinar la mejor asignación de medios entre distintos tipos de medios. El uso tradicional de los modelos de combinación de marketing para comparar el dinero gastado en televisión con el dinero gastado en cupones era relativamente válido, ya que tanto los anuncios de televisión como la aparición de cupones (por ejemplo, en una campaña de marketing de contenidos en un periódico) eran bastante específicos en el tiempo. Sin embargo, a medida que el uso de estos modelos se ha ampliado para incluir comparaciones entre una gama más amplia de tipos de medios, se debe tener mucho cuidado.
Incluso con los medios tradicionales, como la publicidad en revistas, el uso de MMM para comparar resultados entre medios puede ser problemático; si bien los modeladores superponen modelos de las curvas de visualización "típicas" de revistas mensuales, estos carecen de precisión y, por lo tanto, introducen una variabilidad adicional en la ecuación. Por lo tanto, las comparaciones de la efectividad de emitir un anuncio de televisión frente a la efectividad de emitir un anuncio en revista estarían sesgadas a favor de la televisión, con su mayor precisión de medición. A medida que proliferan nuevas formas de medios, estas limitaciones se vuelven aún más importantes de considerar si se van a utilizar MMM en intentos de cuantificar su efectividad. Por ejemplo, el marketing de patrocinio, el marketing de afinidad deportiva, el marketing viral, el marketing de blogs y el marketing móvil varían en términos de la especificidad temporal de la exposición.
Además, la mayoría de los enfoques de los modelos de combinación de marketing intentan incluir todas las actividades de marketing en conjunto a nivel nacional o regional, pero en la medida en que las distintas tácticas se dirijan a diferentes grupos demográficos de consumidores, su impacto puede perderse. Por ejemplo, el patrocinio de Mountain Dew a NASCAR puede estar dirigido a los fanáticos de NASCAR, que pueden incluir múltiples grupos de edad, pero la publicidad de Mountain Dew en blogs de juegos puede estar dirigida a la población de la Generación Y. Ambas tácticas pueden ser muy efectivas dentro de los grupos demográficos correspondientes pero, cuando se incluyen en conjunto en un modelo de combinación de marketing nacional o regional, pueden resultar ineficaces.
El sesgo de agregación, junto con cuestiones relacionadas con las variaciones en la naturaleza temporal de los diferentes medios, plantean serios problemas cuando estos modelos se utilizan de maneras que van más allá de aquellas para las que fueron diseñados originalmente. A medida que los medios se fragmentan aún más, es fundamental que se tengan en cuenta estas cuestiones si se utilizan modelos de combinación de marketing para juzgar la eficacia relativa de los diferentes medios y tácticas.
Los modelos de combinación de marketing utilizan el desempeño histórico para evaluar el desempeño de marketing y, por lo tanto, no son una herramienta eficaz para gestionar las inversiones de marketing para nuevos productos. Esto se debe a que la historia relativamente corta de los nuevos productos hace que los resultados de la combinación de marketing sean inestables. Además, la relación entre marketing y ventas puede ser radicalmente diferente en los períodos de lanzamiento y estable. Por ejemplo, el desempeño inicial de Coca-Cola Zero fue realmente pobre y mostró una baja elasticidad publicitaria. A pesar de esto, Coca-Cola aumentó su gasto en medios, con una estrategia mejorada y mejoró radicalmente su desempeño, lo que resultó en una efectividad publicitaria que probablemente sea varias veces mayor que la efectividad durante el período de lanzamiento. Un modelo típico de combinación de marketing habría recomendado recortar el gasto en medios y, en su lugar, recurrir a grandes descuentos en los precios.