Técnica estadística cuasi-experimental que empareja individuos expuestos a una campaña publicitaria con individuos no expuestos que comparten características observables idénticas para mitigar el sesgo de selección.
Explicación y Contexto Conceptual
Propensity Score Matching (PSM) es un método estadístico diseñado para evaluar el impacto de tratamientos o campañas de marketing cuando no es viable realizar un experimento aleatorio controlado (A/B test puro). En conjuntos de datos observacionales, los usuarios expuestos a la publicidad suelen diferir sustancialmente de los no expuestos en edad, frecuencia de visita histórica, dispositivo o ubicación.
El procedimiento de PSM opera en dos etapas:
1. Se entrena un modelo de regresión logística o clasificación para predecir la probabilidad ('propensity score') de que un usuario sea expuesto al anuncio, basándose en todas sus variables observables previas.
2. A cada usuario que efectivamente vio el anuncio se le empareja con un 'gemelo' de la base de datos que tuvo una puntuación de propensión prácticamente idéntica pero que, por razones circunstanciales, no vio el anuncio.
Al comparar las compras finales entre estos pares emparejados, se logra recrear artificialmente las condiciones de un ensayo clínico, reduciendo drásticamente el sesgo de selección y permitiendo estimar el efecto causal del marketing sobre los datos existentes.
Ejemplo en la Práctica
Para saber si ver un webinar incrementa las compras de un software B2B, se empareja a cada asistente con un usuario no asistente que tenga el mismo cargo, tamaño de empresa y visitas al blog.