Este repositorio contiene un diagnóstico integral sobre la rentabilidad y el comportamiento del usuario en Showz, una plataforma de comercialización de boletos (entradas) para eventos. Mediante un enfoque de Data-Driven Business, identifiqué ineficiencias críticas en la economía unitaria y diseñé una hoja de ruta estratégica para revertir el modelo de crecimiento deficitario de la organización.
| Categoría | Tecnología / Enfoque |
|---|---|
| Lenguaje | Python 3.12 |
| Datos y procesamiento | Pandas ≥ 3.0, PyArrow ≥ 14 (tipos y I/O optimizados) |
| Visualización | Matplotlib ≥ 3.9, Seaborn ≥ 0.13 |
| Notebooks | Jupyter, ipykernel (entorno Conda) |
| Metodología | Análisis de cohortes (retención y monetización temporal) |
| Métricas de negocio | LTV, CAC, ROMI, AOV; engagement (DAU/WAU/MAU, Sticky), tiempo a conversión |
| Arquitectura | Código modular en src/, pipelines y reportes en notebooks/ |
El entorno se define en environment.yml (Conda). Creación: conda env create -f environment.yml y conda activate showz_env.
showz_marketing_roi/
├── .cursorrules
├── .gitignore
├── data/
│ ├── raw/ # Datos originales (CSV)
│ │ ├── visits_log.csv
│ │ ├── orders_log.csv
│ │ └── costs.csv
│ └── processed/ # Parquets generados al ejecutar `data_cleaning.ipynb`
│ ├── visits.parquet # No incluidos
│ ├── orders.parquet
│ └── costs.parquet
├── notebooks/
│ ├── data_cleaning.ipynb # Notebook demostrativo de limpieza
│ └── marketing_report_showz.ipynb # Informe estratégico
├── src/ # Carga y estandarización de datos, métricas y gráficos reutilizables.
│ ├── __init__.py
│ ├── data_loader.py
│ ├── metrics.py
│ └── plotting.py
├── environment.yml
├── requirements.txt
├── LICENCE
└── README.md
Este proyecto utiliza Pandas 3.0 y PyArrow para optimizar el rendimiento. Se recomienda el uso de Conda para la gestión de dependencias.
-
Clonar el repositorio:
git clone https://github.com/IsaacEx/showz-unit-economics-analysis.git
-
Instalar dependencias:
- Utilizando Conda
conda env create -f environment.yml→conda activate showz_env. - Utilizando pip
pip install -r requirements.txt
- Ejecutar en orden:
data_cleaning.ipynb(generadata/processed/) y luegomarketing_report_showz.ipynb.
Tras realizar una auditoría exhaustiva del ciclo de vida del cliente y la eficiencia del gasto publicitario durante el periodo 2017–2018, se ha identificado una crisis estructural de economía unitaria. El costo promedio de adquisición (
Aunque la plataforma demuestra una notable capacidad para capturar demanda con rapidez (conversión en "Día 0"), presenta una falla crítica en la retención de usuarios, perdiendo aproximadamente al 95% de la base tras el primer mes. La sostenibilidad del modelo de negocio de Showz depende de una reasignación agresiva del presupuesto hacia canales de alta eficiencia y una evolución del producto que fomente la recurrencia.
- Visitantes Oportunistas: Un Sticky MAU de 3.91% confirma que el usuario no percibe a Showz como un destino habitual, sino como una herramienta transaccional de un solo uso.
-
Eficiencia vs. Emoción: Con una mediana de sesión (
$ASL$ ) de 5 minutos y una moda de 1 minuto, la plataforma se posiciona como funcionalmente eficiente para búsquedas rápidas, pero incapaz de fomentar el descubrimiento o la fidelización.
-
Techo de Ingresos: El valor de vida del cliente (
$LTV$ ) en las cohortes de 2018 se mantiene estancado en un rango de $4.40 – $5.00 USD, lo que deja un margen de maniobra nulo para absorber costos operativos. -
Toxicidad de la Fuente 3: Este canal concentra el 42.5% de la inversión total, pero presenta un
$CAC$ de $13.49 USD. Esta cifra supera incluso el$LTV$ máximo histórico registrado en la plataforma ($13.44 USD), lo que significa que la empresa destruye valor neto con cada cliente adquirido por esta vía.
- Alta Intención de Compra: El 73% de las conversiones se concreta en menos de 24 horas, validando una intención de compra inmediata en la primera visita.
-
Canales de Alta Eficiencia: Las fuentes 10, 9 y 4 presentan un
$CAC$ inferior a $6 USD, posicionándose como los únicos motores capaces de alcanzar el punto de equilibrio (breakeven) en el corto plazo.
I. Reingeniería del Presupuesto de Marketing (Inmediato)
-
Desinversión Deficitaria: Reducir drásticamente la inversión en las Fuentes 3 y 2, dado que su
$CAC$ es inviable frente al$LTV$ real proyectado. - Escalabilidad Eficiente: Redistribuir el 50% del presupuesto liberado hacia las Fuentes 1, 4, 5, 9 y 10, priorizando el crecimiento en canales con retorno de inversión comprobado.
II. Optimización de la Conversión y Ticket Promedio
-
Estrategia de Upselling "Día 0": Implementar sugerencias de eventos relacionados o servicios premium durante el proceso de pago para elevar el
$AOV$ por encima del umbral crítico de los $5.00 USD. - Fricción Cero: La estabilidad y velocidad de la pasarela de pagos debe ser la prioridad técnica máxima para capitalizar la alta velocidad de conversión detectada.
III. Pivotaje hacia la Retención (Mediano Plazo)
- Programas de Reactivación: Ejecutar campañas de retargeting personalizadas basadas en el historial de navegación para elevar la tasa de sesiones por usuario (1.58) hacia niveles competitivos de la industria.
-
Dashboard de Control: Configurar un monitor de
$CAC$ vs.$LTV$ por canal con alertas automáticas ante desviaciones del$ROMI$ proyectado por debajo de 1.0. - Análisis de Atribución: Investigar si la Fuente 3 actúa como canal de asistencia o "primer contacto" antes de proceder a su eliminación total.
- Encuestas de Voice of Customer (VoC): Identificar las razones cualitativas de la baja recurrencia para ajustar la propuesta de valor del catálogo.
VERDICTO FINAL: El éxito de Showz depende de transitar de una estrategia de marketing basada en volumen a una centrada en la eficiencia unitaria, asegurando que cada dólar invertido genere un valor de vida superior a su costo de adquisición.
Autor: Isaac Esteban Martínez Ortega
Este proyecto está bajo la Licencia MIT. Consulta el archivo LICENSE para más detalles.