Paquete y metodología de modelado bayesiano de series temporales de código abierto creado por Google para estimar el efecto causal de una intervención publicitaria.
Explicación y Contexto Conceptual
CausalImpact es un paquete de software desarrollado originalmente por Google en el lenguaje R (y posteriormente adaptado a Python) que revolucionó la medición del efecto de campañas publicitarias y cambios de producto sobre series temporales de métricas de negocio (como visitas web, registros o facturación).
El algoritmo utiliza modelos estructurales bayesianos de series temporales combinados con variables de control no afectadas por la campaña (por ejemplo, el tráfico de otras categorías de producto, ventas en otros países o consultas de búsqueda de la industria). Antes de la fecha de la campaña, CausalImpact aprende la relación matemática histórica entre la variable objetivo y las variables de control.
Cuando la campaña publicitaria se enciende, el modelo predice cómo se habrían comportado las ventas en caso de no haber existido la pauta (la predicción contrafactual) junto con un intervalo de credibilidad bayesiano al 95%. La brecha acumulada entre la realidad observada y el contrafactual modelado cuantifica el impacto causal neto del marketing con rigor probabilístico.
Ejemplo en la Práctica
Google CausalImpact evalúa el lanzamiento de un spot televisivo de 2 semanas: demuestra un aumento acumulado del 23% en descargas de la app con una probabilidad bayesiana de causalidad del 99.8%.