Variación en la magnitud del impacto causal de una campaña de marketing entre diferentes subgrupos o segmentos específicos de una misma audiencia.
Explicación y Contexto Conceptual
Heterogeneous Treatment Effects (HTE o efectos heterogéneos del tratamiento) reconoce una verdad matemática universal del comportamiento del consumidor: la publicidad nunca genera exactamente el mismo efecto en todas las personas. Cuando un experimento reporta un 'lift promedio del 15%', ese número oculta disparidades radicales bajo la superficie: algunos segmentos pudieron haber experimentado un lift extraordinario del 45%, mientras que otros tuvieron cero impacto o incluso una reacción negativa.
Analizar los HTE implica emplear técnicas causales avanzadas de Machine Learning (como Causal Forests o árboles de decisión causales) para identificar qué variables o características de los usuarios (como historial de compra, rango etario, sistema operativo o geografía) modulan la efectividad de la campaña.
Descubrir los efectos heterogéneos permite a los equipos de marketing pasar de una estrategia masiva indiscriminada a una personalización de alta precisión: aumentar la inversión publicitaria en los subgrupos altamente receptivos y suprimirla por completo en los segmentos donde el anuncio no produce tracción alguna.
Ejemplo en la Práctica
Un descuento del 20% produce un lift del +35% en compradores primerizos pero un lift del 0% en clientes leales (quienes habrían pagado el precio completo), revelando un fuerte HTE.