Distribución de probabilidad que resulta de combinar los priors teóricos con la evidencia empírica observada en los datos históricos de ventas y marketing.
Explicación y Contexto Conceptual
La Posterior Distribution (distribución a posteriori) es el producto final y más valioso de un modelo de Marketing Mix Modeling bayesiano. Mientras que la econometría clásica entrega un único valor estático (por ejemplo: 'el ROI de Instagram es 2.34'), la distribución posterior ofrece una curva completa de densidad probabilística que refleja tanto la magnitud del retorno como el grado de certidumbre o incertidumbre sobre ese canal.
De la distribución posterior se extraen intervalos creíbles bayesianos (por ejemplo, el intervalo del 90% HDI o Highest Density Interval): 'tenemos un 90% de probabilidad de que el verdadero ROI de Instagram se sitúe entre 1.95 y 2.70, con un valor medio de 2.34'.
Esta visión probabilística transforma la gestión de riesgos en la toma de decisiones ejecutivas: permite a los directores financieros y de marketing evaluar no solo el retorno esperado, sino el riesgo de cola (downside risk) de recortar o duplicar la inversión en un canal publicitario específico.
Ejemplo en la Práctica
La distribución posterior de Google Ads muestra una curva muy angosta (ROI 3.2 ± 0.1, alta certeza), mientras que la de Radio muestra una curva ancha (ROI 1.4 ± 0.8, alta incertidumbre).