Integración que proporciona una plataforma de desarrollo sin servidores en GKE. Herramienta para trasladar aplicaciones existentes y cargas de trabajo a GKE. Servicio para ejecutar compilaciones en la infraestructura de Google Cloud.

Panel de control de tráfico y administración para una malla de servicios abierta. Plataforma de administración, desarrollo y seguridad de API. Soluciones completamente administradas para los centros de datos y perímetros.

Internet de las cosas. Servicio de administración, integración y conexión de dispositivos de IoT. ASIC diseñado para ejecutar inferencias de AA e IA en el perímetro.

Automatiza la política y la seguridad de tus implementaciones. Panel para ver y exportar los informes de emisiones de carbono de Google Cloud. Interfaces programáticas para los servicios de Google Cloud. Interfaz basada en la Web para administrar y supervisar las apps en la nube. App para administrar los servicios de Google Cloud desde tu dispositivo móvil.

Entorno de shell interactivo con línea de comandos integrada. Complemento de Kubernetes para administrar recursos de Google Cloud. Herramientas para supervisar, controlar y optimizar tus costos. Herramientas para administrar fácilmente el rendimiento, la seguridad y los costos.

Catálogo de servicios para administradores que gestionan soluciones empresariales internas. Herramienta de código abierto que te permite aprovisionar recursos de Google Cloud con archivos de configuración declarativos. Multimedia y videojuegos. Servicio que permite convertir videos en vivo y prepararlos para la transmisión.

Administrador de renderizado de código abierto para efectos visuales y animaciones. Convierte archivos de video y agrúpalos para una entrega optimizada. Servicio de inserción de anuncios dinámicos o del servidor. Migración de apps a la nube para ciclos de actualización de bajo costo.

Servicio de transferencia de datos de BigQuery. Servicio de importación de datos para programar la carga de datos y el traslado a BigQuery. Plantillas de referencia para Deployment Manager y Terraform.

Componentes para migrar VMs a contenedores de sistemas alojados en GKE. Componentes para migrar VMs y servidores físicos a Compute Engine. Plataforma unificada para migrar y modernizar con Google Cloud. Servidor de almacenamiento para trasladar grandes volúmenes de datos a Google Cloud.

Servicio de transferencia de almacenamiento. Transferencias de datos de fuentes en línea y locales a Cloud Storage. Migra tus cargas de trabajo de VMware de manera nativa en Google Cloud.

Políticas de seguridad y defensa contra ataques web y de DSD. Sistema de nombres de dominio para realizar búsquedas de nombres confiables y de baja latencia. Servicio para distribuir el tráfico entre aplicaciones y regiones. Servicio de NAT para otorgar acceso a Internet a instancias privadas.

Opciones de conectividad de VPN, intercambio de tráfico y necesidades empresariales. Administración de conectividad para simplificar y escalar las redes. Plataforma de supervisión, verificación y optimización de redes. Opciones de red de Cloud basadas en el rendimiento, la disponibilidad y el costo.

Observa todos los productos de Herramientas de redes. Administración de registros de aplicaciones, auditoría y plataforma de Google Cloud. Verificaciones de estado de la infraestructura y las aplicaciones con métricas detalladas. Identificación y análisis de errores de las aplicaciones.

Solución de problemas y desarrollo de apps de GKE. Sistema de seguimiento que recopila datos de latencia de las aplicaciones. Generador de perfiles del montón y de la CPU para analizar el rendimiento de las aplicaciones.

Herramientas para optimizar fácilmente el rendimiento, la seguridad y los costos. Sistema de administración de permisos para los recursos de Google Cloud. Controles de cumplimiento y seguridad para cargas de trabajo sensibles. Administra las claves de encriptación en Google Cloud. Encripta los datos en uso con Confidential VMs.

Plataforma de defensa contra amenazas a tus recursos de Google Cloud. Plataforma de inspección, clasificación y ocultamiento de datos sensibles. Tecnología y experiencia en seguridad cibernética de primera línea. Extrae indicadores de la telemetría de seguridad para encontrar amenazas al instante.

Detecta amenazas cibernéticas, investígalas y responde a ellas. Protege tu sitio web de las actividades fraudulentas, el spam y el abuso sin inconvenientes. Ver todos los productos de identidad y seguridad. Plataforma para crear funciones que respondan a eventos en la nube.

Organización de flujos de trabajo para productos y servicios de API sin servidores. Servicios de almacenamiento basados en la nube para tu negocio.

Almacenamiento de archivos altamente escalable y seguro. Almacenamiento en bloque para instancias de máquinas virtuales que se ejecutan en Google Cloud.

Almacenamiento de objetos para guardar y entregar contenido generado por usuarios. Almacenamiento en bloque conectado localmente para necesidades de alto rendimiento.

Copia de seguridad administrada y recuperación ante desastres para una protección de datos coherente en la aplicación. close Ahorra dinero con nuestro enfoque transparente de precios Los precios de prepago de Google Cloud ofrecen ahorros automáticos en función del uso mensual y las tarifas con descuento para recursos prepagados.

Comunícate con nosotros hoy para obtener una cotización. Solicita una cotización. Descripción general de los precios y herramientas Precios de Google Cloud. Paga solo por lo que uses, sin compromisos a largo plazo.

Explora productos con uso mensual gratuito. Esquema de optimización de costos. Conoce las prácticas recomendadas para optimizar los costos de las cargas de trabajo. Herramientas para supervisar y controlar tus costos.

Precios específicos de productos Compute Engine. Consulta la lista completa de precios con más de productos. close Aprende y compila Programa gratuito de Google Cloud. Obtén instructivos y explicaciones. Conceptos básicos de la computación en la nube.

Obtén más información sobre temas de computación en la nube. Lee las historias y noticias más recientes sobre los productos.

Centro de aprendizaje. Impulsa tu carrera con el aprendizaje basado en roles. Inscríbete en capacitaciones a pedido o presenciales. Prepárate a fin de registrarte para las certificaciones. Obtén arquitecturas de referencia y prácticas recomendadas.

Conéctate Innovators. Únete al programa para desarrolladores de Google Cloud. Entérate de las novedades y mantente en contacto. Explora los eventos próximos y on demand. Haz preguntas, encuentra respuestas y conéctate. Socios y herramientas de terceros Google Cloud Marketplace.

Implementa soluciones listas para usar con unos pocos clics. Explora los beneficios de trabajar con un socio. Únete al programa Partner Advantage. Comunícate con nosotros Comenzar gratis. Descripción general Más Soluciones Más Productos Más Precios Más Recursos Más Documentos Asistencia Consola Comunícate con nosotros Comenzar gratis.

Ir a ¿Qué es el análisis predictivo? Temas Analíticas predictivas. Empezar gratis Contactar con Ventas. Definición de análisis predictivo. Científicos de datos utilizan modelos predictivos para identificar correlaciones entre diferentes elementos de conjuntos de datos determinados.

Una vez finalizada la recogida de datos, se crea un modelo estadístico, se entrena y se modifica para realizar predicciones precisas. Para crear frameworks de analíticas predictivas, debes seguir cinco pasos básicos: Determinar el problema: una predicción empieza por una buena tesis y un conjunto de requisitos.

Por ejemplo, ¿un modelo de analíticas predictivas puede detectar fraudes? Delimitar el problema que se quiere solucionar permite determinar qué método de analíticas predictivas se debe utilizar para ello. Obtener y organizar los datos: una organización puede tener décadas de datos a los que recurrir o una afluencia continua de datos que provenga de las interacciones de los clientes.

Antes de desarrollar modelos de analíticas predictivas, es necesario identificar los flujos de datos y, a continuación, organizar los conjuntos de datos en un repositorio, como un almacén de datos por ejemplo, BigQuery. Preprocesar datos: los datos en bruto solo son útiles simbólicamente.

Para preparar los datos para los modelos de analíticas predictivas, se deben limpiar para eliminar las anomalías, los datos que falten o los valores atípicos extremos, que pueden ser el resultado de errores de entrada o de medición.

Desarrollar modelos predictivos: los científicos de datos tienen diversas herramientas y técnicas para desarrollar modelos predictivos en función del problema que se deba resolver y la naturaleza del conjunto de datos.

El aprendizaje automático, los modelos de regresión y los árboles de decisión son algunos de los tipos de modelos predictivos más comunes. Validar los resultados y aplicar modificaciones en consonancia: comprueba la precisión del modelo y ajústalo según sea necesario.

Cuando consigas resultados aceptables, haz que estén disponibles para los colaboradores en una aplicación, un sitio web o un panel de datos. Las analíticas predictivas suelen hacerse con tres tipos principales de técnicas: Análisis de regresión La regresión es una técnica de análisis estadístico con la que se estima la relación entre variables.

Árboles de decisión Los árboles de decisión son modelos de clasificación que sitúan los datos en diferentes categorías según distintas variables. Redes neuronales Las redes neuronales son métodos de aprendizaje automático que son útiles para realizar analíticas predictivas a la hora de crear modelos para analizar relaciones complejas.

Soluciona los retos más complejos que se te presenten con Google Cloud. Los nuevos clientes reciben USD en crédito gratis para invertirlos en Google Cloud. Habla con un especialista del equipo de ventas de Google Cloud para hablar sobre tu reto único con más detalle.

Usos y ejemplos del análisis predictivo El análisis predictivo se puede utilizar para optimizar las operaciones, aumentar los ingresos y mitigar los riesgos de casi cualquier tipo de empresa o sector, ya sea la banca, el comercio minorista, los servicios públicos, el sector público, la sanidad o el sector de la fabricación.

A veces se realizan análisis ampliados mediante el uso de aprendizaje automático a partir de Big Data. A continuación, se muestran algunos ejemplos de casos prácticos, como los análisis de lagos de datos.

Si no has seleccionado ninguna opción, pulsar este botón equivaldrá a rechazar todas las cookies. Son aquellas que ayudan a hacer una página web utilizable activando funciones básicas como la navegación en la página y el acceso a áreas seguras de la página web.

La página web no podrá funcionar adecuadamente sin estas cookies. Le informamos de que puede configurar su navegador para bloquear o alertar sobre estas cookies, sin embargo, es posible que determinadas áreas de la página web no funcionen.

Estas cookies no almacenan ninguna información de identificación personal. El reproductor de Youtube usa cookies publicitarias, el cual usamos para poder ver vídeos insertados. Son aquellas que permiten al Editor de las mismas, el seguimiento y análisis del comportamiento de los usuarios de los sitios web a los que están vinculadas.

La información recogida mediante este tipo de cookies se utiliza en la medición de la actividad de los sitios web, aplicación o plataforma, con el fin de introducir mejoras en función del análisis de los datos de uso que hacen los usuarios del servicio.

Las cookies analíticas utilizadas son:. Más información sobre nuestra política de cookies. MENU MENU. Ene Cómo se aplica la Inteligencia Artificial en los videojuegos. Innovación , Noticias. Aprendizaje por refuerzo en los videojuegos Una de las primeras IAs fue Deep Blue , desarrollada por IBM, que compitió contra el campeón del mundo de ajedrez Garri Kasparov consiguiendo batirle y marcando así un hito en la evolución de este tipo de sistemas.

Así, lo que se plantea para esta técnica de DLSS es: Primera etapa : se dispone de una primera red neuronal que toma como entrada el fotograma actual y los vectores de movimiento del juego para hacer un suavizado de los bordes y un antialiasing Segunda etapa : se hace un escalado de la imagen desde una imagen de menor resolución para llegar a la imagen objetivo final.

Para el ejemplo propuesto, podríamos tener un árbol de decisión como el siguiente: Con esto, queda definido el comportamiento de los NPC y es su manera de interactuar contra las instrucciones aportadas por el humano.

Generación Procedural para videojuegos Por último, existe un ámbito de aplicación de la Inteligencia Artificial en el área de la generación procedural para videojuegos. El discriminador , intenta descubrir si la imagen generada por el generador es real o falsa. Sobre Mario González Científico de datos en el Instituto de Ingeniería del Conocimiento.

Related Posts ¿Qué nos preguntan sobre ChatGPT en los medios de comunicación? febrero 1, El español como idioma de la Inteligencia Artificial enero 3, Prompt engineering para generar imágenes navideñas con IA diciembre 21, Generar imágenes a partir de textos con modelos de difusión diciembre 12, Dejar un comentario Cancelar la respuesta Tu dirección de correo electrónico no será publicada.

Noticias RR. Energía Salud Inteligencia de Cliente Digital. Digital Energía Eventos Innovación Inteligencia de Cliente Noticias PLN Publicaciones Recursos Humanos Salud Whitepapers. Mapa web Condiciones de uso Política de privacidad Política de cookies Política de seguridad información.

HR Analytics Analítica Predictiva Evaluación de competencias Desarrollo de competencias Herramienta de redes organizativas y sociales Inteligencia de cliente Customer Intelligence Solutions Entorno Salud Entender el dato médico Ayuda a la decisión médica con IA Gestión sanitaria eficiente con IA Entorno Energía Predicción de generación de energía renovable Predicción de la demanda de energía Predicción de mercados de energía eléctrica CASOS DE ÉXITO CONTACTO BLOG.

Cerrar los ajustes de cookies RGPD Resumen de privacidad Cookies necesarias Cookies de analítica Política de cookies. La elección de tus fuentes de medios en todos los canales, incluyendo las redes publicitarias, es una decisión importante que no debe tomarse al azar.

Aunque muchos ofrecerán una escala soñada a un precio mínimo, lo cierto es que una fuente de medios no puede ofrecerlo todo. Así que hay que tener cuidado con las promesas excesivas de los proveedores en un espacio hipercompetitivo.

Tu trabajo consiste en encontrar la combinación adecuada de fuentes que ofrezca los mejores resultados. El hecho de recurrir a varias fuentes de medios te permite juzgar el rendimiento de tu UA por modelo de negocio, y la comparación te ayudará a centrarte en las fuentes de medios que cumplan tus KPIs, al precio y volumen adecuados.

Además, un número menor de redes puede impedirte de llegar a nuevos segmentos de audiencia y hacer que se pierdan las tecnologías disponibles que pueden ayudar a que tus estrategias de marketing alcancen todo su potencial.

En esencia, cuantas más redes elija, más exposición obtendrá. Dicho esto, más exposición no significa necesariamente más escala. Al fin y al cabo, el número de usuarios potenciales es limitado, y a veces una mayor escala no corresponde con el esfuerzo y los gastos que conlleva, te expone a más riesgos de fraude e incluso puede crear una distracción operativa.

Por lo tanto, es importante mantener el dedo en el pulso de la calidad y el rendimiento de tus fuentes de medios en todo momento — una tarea que tu MMP debe ser capaz de llevar a cabo con un mínimo de molestias por tu parte.

Si nos fijamos específicamente en los juegos, vemos que la tendencia es la contraria, ya que las aplicaciones más grandes utilizan menos fuentes de medios. Esto se debe a que los marketers de juegos para grandes aplicaciones saben exactamente qué fuentes de medios les funcionan mejor, y son capaces de dividir hábilmente los presupuestos al tiempo que determinan su equilibrio entre calidad y cantidad.

Para ver la clasificación de las redes por región y género de juego, consulta nuestro Performance Index. Entonces, aunque la tasa de IDFA que tiene en cuenta todos los estados de la ATT y la tasa de coincidencia de ID que requieren el consentimiento dual tanto del anunciante como del editor son más bajas, la conclusión es que el IDFA aún está aquí.

De hecho, la cohorte del IDFA sigue siendo valiosa para los marketers a la hora de realizar evaluaciones comparativas, modelos y extrapolaciones con respecto a las audiencias no consentidas.

Los datos demuestran que la gran mayoría de las aplicaciones de juegos comprenden la importancia de crear un segmento importante de usuarios que den su consentimiento. Claramente, la realidad es que los beneficios de mostrar el aviso superan los beneficios de no mostrarlo. Para asegurarte de que tu aplicación se mantiene a la vanguardia, aquí tienes dos estrategias probadas para mejorar tus tasas de opt-in de la ATT:.

Nuestros datos muestran claramente que el consentimiento es mayor cuando los usuarios abren una aplicación por primera vez, probablemente entre otras notificaciones in-app que se muestran a los usuarios en el momento de la apertura. Entre las únicas categorías con índices más altos después del primer minuto se encuentran los juegos hardcore minutos , y la razón detrás de esta diferencia es probablemente la falta de sincronización entre la recopilación del IDFA y el proceso de atribución.

Dado que los propietarios de las aplicaciones pueden configurar cuándo el SDK recogerá el IDFA, deben asegurarse de que esta configuración coincide con su flujo de consentimiento. Cuando la atribución se produce mediante IDFA, es importante enviarlo durante la primera apertura.

El SDK del MMP puede «esperar», lo que permite a los marketers configurar cuánto tiempo debe diferir el SDK para el estado de la ATT, antes de que los datos se envíen a los servidores del MMP. No tiene por qué ser el final del camino para los usuarios que no dieron su consentimiento cuando se les mostró el aviso de la ATT, ya que pueden activarlo en cualquier momento en los Ajustes de su dispositivo.

Dicho esto, es probable que tus usuarios no lo sepan, así que esta es tu oportunidad para darles un recordatorio. Al igual que con la solicitud previa a la ATT, muestra a los usuarios comprometidos una notificación posterior que incluya los beneficios del usuario de optar por el seguimiento, lo que los llevará directamente a sus Configuraciones para que se registren en la aplicación.

Para saber más sobre las tendencias más recientes relacionadas con la ATT — lee nuestro reporte. Cuanto más sofisticada sea la estrategia publicitaria de los juegos móviles , más deberá adoptar el modelado predictivo, que aprovecha los datos históricos para hacer predicciones precisas.

Y hoy en día, cuando el acceso a los datos a nivel de usuario es más difícil que nunca, la diferencia entre el éxito y el fracaso suele residir en el modelado predictivo.

Dicho esto, crear un modelo de predicción sólido no es una tarea fácil. Requiere objetivos sólidos, una fuerte mentalidad orientada a los datos y mucha inteligencia. Conocer el comportamiento típico de los usuarios y los primeros hitos que separan a los usuarios de alto potencial de los de bajo potencial puede ayudarte a crear presupuestos de UA sólidos.

Por ejemplo, si sabes que un usuario necesita generar X en el día 3 para que obtengas beneficios después del día , y esa cifra está por debajo de tu benchmark, sabes que tendrás que ajustar las ofertas, las creatividades o la segmentación, para mejorar el costo y la calidad de tus usuarios adquiridos, o para mejorar tus estrategias de monetización.

Si X está por encima de tu benchmark, puedes aumentar con confianza los presupuestos y las ofertas para obtener aún más usuarios de calidad de una fuente concreta. Si los usuarios con cierto potencial tienen un rendimiento inferior en términos de pago durante las primeras etapas, puedes centrar los esfuerzos de re-engagement de tus canales de pago o propios en estos usuarios, para aumentar la cantidad y la frecuencia de pago.

Si identificas a los usuarios de riesgo, puedes intentar volver a captarlos mucho antes de tener que recuperarlos. O, si tus datos muestran que hay una probabilidad muy baja de compromiso a largo plazo, puedes excluir a estos usuarios de tus campañas de pago por completo, para minimizar más pérdidas futuras.

Cada aplicación y cada equipo tiene su propia mezcla de parámetros y consideraciones que afectan a los puntos de datos del modelo predictivo:.

Para saber más sobre los modelos predictivos en la era de la privacidad de los datos consulta nuestra guía. Cuando tengas la configuración completa y la infraestructura de datos en tu sitio, estarás listo para empezar. Al fin y al cabo, la configuración es sólo el medio, mientras que el objetivo es extraer información procesable de todos los datos a tu disposición.

Y ahí es donde entran en juego los análisis de marketing. Hay cuatro reportes clave para los marketers de aplicaciones de juegos: Cohorte y retención, ingresos publicitarios, LTV y gasto publicitario y ROAS. Este análisis fundamental proporciona información sobre las métricas de rendimiento y los KPIs , y permite a los marketers determinar cómo se comportan segmentos específicos de usuarios cohortes a lo largo del tiempo.

Uno de los KPIs más importantes que obsesiona a los mobile marketers, y con razón. Cuesta mucho más atraer a un nuevo usuario que mantener a uno activo, lo que tiene especial importancia en verticales de aplicaciones muy activas o adictivas, como los juegos, que sirven de base para la monetización y son un factor clave en los modelos de predicción.

Sin embargo, la retención sólo nos dice cuántos usuarios que lanzaron la aplicación durante un periodo de tiempo determinado volvieron a abrir la aplicación en los días siguientes. La cohorte va más allá. Permite a los marketers comparar el rendimiento de las nuevas campañas con los objetivos determinados y evaluar las tácticas futuras en consecuencia.

Se hace agrupando a los usuarios con características comunes para poder medir KPIs específicos en diferentes periodos de tiempo. Un reporte de análisis de cohortes puede proporcionar insights sobre las dos fuentes de ingresos, in-app e ingresos publicitarios. Cuando se trata de mantener los KPIs al mismo nivel y evaluar el éxito de la estrategia, el análisis de cohorte es la herramienta que necesitas.

En el siguiente ejemplo, veremos dos métricas diferentes predefinidas: sesiones medias por usuario e ingresos medios por usuario. Esto es lo que vemos al observar el número medio de sesiones por usuario:. A primera vista, la campaña de primavera parece estar funcionando excepcionalmente bien en Japón y Corea y muy mal en Oriente Medio e India.

Pero estos datos no nos muestran el panorama completo. Podemos ver que hay un alto compromiso en Japón y Corea, pero ¿significa eso que la campaña tuvo más éxito allí? No es así. Si cambiamos la vista de los datos a los ingresos medios por usuario, veremos que aunque los usuarios japoneses y coreanos participan activamente en la campaña, no gastan dinero.

Los usuarios chinos, sin embargo, están promediando un gasto alto por visita. La conclusión es que hay margen para optimizar la campaña para el mercado japonés y coreano. Y dado que el gasto de los usuarios chinos se estabiliza en torno al día 4, podemos programar una campaña de remarketing en torno a ese momento.

Los usuarios indios están mostrando una pendiente constante en el gasto, que es exactamente lo que estamos buscando.

Al invertir en campañas de IAA, este reporte puede proporcionarte una visión completa del retorno de la inversión publicitaria ROAS de los usuarios adquiridos. Analicemos el siguiente ejemplo, por el cual 3 usuarios instalan una aplicación el 31 de diciembre de , y se les atribuye lo siguiente.

La aplicación se integra con 5 plataformas de monetización diferentes, y cada una de ellas utiliza un único evento in-app como el siguiente:. Después de la instalación, se muestran anuncios a los usuarios durante un período de 4 días, de la siguiente manera:.

Desde el punto de vista de la UA, podemos ver que la Red A entregó al Usuario A que generó 4 dólares sólo por participar en los anuncios. Desde un punto de vista holístico del LTV, comprender los ingresos totales generados por un usuario, combinando tanto el IAA como el IAP, es absolutamente crítico.

Si ese usuario generó compras por valor de 2 dólares en esos 4 días, su valor total fue en realidad de 6 dólares. Saber que los usuarios específicos adquiridos de una fuente de medios concreta generaron unos ingresos publicitarios determinados permite a los marketers de aplicaciones ser mucho más precisos en su selección de fuentes de UA, al tiempo que contribuye a la optimización de su propio inventario.

Por ejemplo, excluyendo a los usuarios que nunca interactúan con los anuncios, y recompensando a los usuarios que producen ingresos significativos con los anuncios.

En otro ejemplo, el director de una campaña gastó. Estos usuarios están haciendo clic en los anuncios in-app, obteniendo algunos ingresos, y podemos decir que es una pendiente lenta y constante.

La Fuente de Medios 2, por otro lado, es significativamente menos costoso para la UA y aporta más ingresos por anuncios in-app. De hecho, para el día 7 posterior a la instalación, la Fuente de Medios 2 está mucho más cerca del punto de equilibrio que la Fuente de Medios 1.

El valor de vida útil LTV es un KPI que está en el corazón del marketing de aplicaciones. Al saber exactamente de qué manera los usuarios generan ingresos a lo largo de su vida, nos informa de la inversión en marketing en la adquisición de usuarios, engagement y retención.

El LTV también es esencial para saber hasta qué punto las inversiones de marketing ofrecen un ROI positivo. El reporte de LTV te ayuda a comprender el valor de los distintos usuarios para tu negocio en función del rendimiento global, y a compararlos.

Por ejemplo, puedes comparar el LTV de los usuarios que adquiriste a través del correo electrónico o de la búsqueda de pago, y luego determinar cuánto presupuesto asignar a la adquisición de usuarios en cada grupo. También puedes comparar el LTV de los usuarios adquiridos a través de diferentes métodos.

Por ejemplo, los usuarios adquiridos a través de la búsqueda orgánica vs. los usuarios adquiridos a través de las redes sociales, o las redes sociales vs. el correo electrónico, para ver qué método aporta usuarios de mayor valor.

El retorno del gasto publicitario es el santo grial de la medición de las aplicaciones móviles. Pero, para determinar el ROAS de tu juego, necesitas un análisis profundo. Esto puede hacerse manualmente consolidando múltiples hojas de cálculo de diversas fuentes, extrayendo datos de múltiples dashboards, normalizando los datos en diferentes zonas horarias y monedas, y clasificando por región, plataforma y aplicación.

Evidentemente, son mucho, y aumenta la probabilidad de que se produzcan errores humanos, por lo que muchos marketers recurren a su MMP. Tu socio de medición de marketing puede ayudarte a calcular tu ROAS comparando los datos de costos de los medios proporcionados por cientos de fuentes de medios con los datos de ingresos de múltiples flujos de ingresos.

Con todos los datos de ROAS basados en medios en un solo lugar, los marketers pueden comparar fácilmente manzanas con manzanas. El desglose de la campaña, el grupo de anuncios, el ID de sitio y la variación creativa también están disponibles para obtener un nivel más profundo de insights.

Es el dinero gastado en marketing dividido por los ingresos generados por los usuarios en un periodo de tiempo determinado. La fragmentación de los datos y la falta de estandarización de los formatos publicitarios, o de las especificaciones creativas entre las redes, pueden dificultar enormemente que los equipos de marketing obtengan una visión clara de su rendimiento creativo.

El proceso de creación, carga y gestión de las creatividades es tedioso y a menudo genera obstáculos para los equipos de compra de medios. Por no mencionar que el número limitado de campañas por canal, y los ciclos de prueba más lentos para las creatividades debido a las restricciones de iOS 14 — pueden conducir a un camino lleno de baches cuando se trata de cuantificar tus esfuerzos creativos.

Por lo tanto, los marketers deben optar por una solución de medición móvil que les permita normalizar los datos de múltiples socios y agregarlos en un único dashboard, al tiempo que permite un elevado número de integraciones de socios para una mayor cobertura.

Tener la opción de cargar y gestionar fácilmente tus creatividades, automatizar el despliegue a través de múltiples socios, y aprovechar las pruebas múltiples y los experimentos de incrementalidad para validar la eficiencia de tus creatividades, podría muy bien ser un cambio de juego cuando se trata de maximizar el ROI de tus campañas.

Los desarrolladores de juegos móviles son los pioneros de la economía de las aplicaciones. Pero a medida que el móvil se va apoderando de nuestras vidas, el aumento de la competencia hace que no baste con crear una gran aplicación. Tendrás que invertir en marketing, publicidad y análisis para poder controlar y optimizar estos presupuestos de forma eficaz.

En esta etapa de crecimiento global del sector móvil, y a pesar del acceso limitado a los datos a nivel de usuario, los marketers de aplicaciones de juegos tienen más factores a su favor que menos para alcanzar sus objetivos comerciales.

Una explosión móvil acelerada por la pandemia y una creciente demanda de los consumidores para ahorrar tiempo y dinero han impulsado un aumento de las tecnologías que han mejorado en gran medida la experiencia de las finanzas móviles en todas las plataformas, sin comprometer la privacidad de los usuarios.

De cara a este crecimiento, el resultado final es la importancia de la medición granular para llevar a los marketers hacia adelante. Si aprovechas al máximo los datos que tienes a tu disposición y estableces la infraestructura adecuada, podrás tomar decisiones de marketing inteligentes que ayudarán a tu juego a conseguir un logro detrás de otro, y a construir las bases de la rentabilidad, el rendimiento y el éxito futuros.

Plataforma Medición Paquete de medición Mide cada acción con confianza Medición del ROI Demuestra tu verdadero ROI, ahora más que nunca Optimización de creativos Desbloquea el rendimiento de tus creativos con el poder de la IA. Análisis Análisis de marketing Convierte los insights del rendimiento de la campaña en acciones Incrementalidad Demuestra el valor real de tus campañas de marketing.

Comprometimiento CX y deep linking Aumenta los ingresos con una experiencia de cliente excepcional Segmentación de la audiencia Crea conversaciones significativas con tus clientes. Protección Protección contra el fraude Protege tu presupuesto de marketing del fraude publicitario móvil.

Conexión Privacy Cloud Colabore con sus socios de una manera centrada en la privacidad Plataforma de Colaboración de Datos de AppsFlyer Monetización de datos de first-party que impulsa el crecimiento de los medios Partner Marketplace Conéctate con más de 9.

Objetivo Recupera la visibilidad en iOS Impulsa el crecimiento de tu app Campañas de UA a escala Maximiza el LTV de los usuarios Maximiza el ROAS. Industria Juegos Compras Finanzas Comida y bebida. Plataforma iOS Android PC y Consola CTV y OTT. Partnerships Socios Agencias.

Historias de éxito de clientes El diferencial de AppsFlyer. Recursos Mantente informado con los insights del sector, las últimas tendencias, el contenido original y todo lo relacionado con AppsFlyer. Ecosistema Blog Reportes y guías Benchmarks de la industria Eventos y webinars Glosario.

Clientes Novedades de productos Casos de uso Centro de ayuda. Presentamos: Centro de marketing para AppsFlyer for games Explora el hub. Sobre nosotros Sala de prensa Blog posts del CEO Centro de confianza.

Careers Impacto social Contacto. De nuestro CEO Imparcial, independiente y el futuro del ecosistema y la web ¿La privacidad del usuario tiene que venir a expensas de una increíble UX? Español English Français 日本語 Русский 简体中文 한국어 Deutsch Portuguese Tiếng Việt Iniciar sesión Regístrate gratis Contactar con ventas.

Chapters View chapters. Biblioteca de contenido Guía Medición móvil y análisis de marketing para aplicaciones de juegos — La guía completa.

Introducción Qué medir Medición de SKAN Qué hay que asegurarse de que está en su sitio Análisis de marketing Reflexiones finales.

La Inteligencia Artificial se ha aplicado en diversos sectores entre los que incluimos los videojuegos mediante el aprendizaje por refuerzo Los análisis predictivos brindan pronósticos y estimaciones sobre el rendimiento del juego, como la retención, la rotación, los ingresos Predecir el comportamiento para ajustar el portfolio, los precios, el sentimiento hacia la marca, optimizar su productividad o prevenir el fraude

Analítica Predictiva de Videojuegos - La analítica predictiva es el uso de datos, algoritmos estadísticos y técnicas de machine learning para identificar la probabilidad de resultados futuros La Inteligencia Artificial se ha aplicado en diversos sectores entre los que incluimos los videojuegos mediante el aprendizaje por refuerzo Los análisis predictivos brindan pronósticos y estimaciones sobre el rendimiento del juego, como la retención, la rotación, los ingresos Predecir el comportamiento para ajustar el portfolio, los precios, el sentimiento hacia la marca, optimizar su productividad o prevenir el fraude

En los últimos años, la privacidad ha ocupado un lugar central en el marketing de aplicaciones móviles, y en particular para iOS a los cambios de Android le faltan al menos dos años. La introducción por parte de Apple del aviso de la ATT, limitó severamente la disponibilidad del identificador único, el IDFA.

Como resultado, los datos a nivel de usuario son ahora mucho menos accesibles. Los propietarios de aplicaciones financieras ahora pueden recurrir a una serie de soluciones nuevas y no tan nuevas para poder recuperar información granular y procesable.

Entre ellas se incluyen:. Estos cambios centrados en la privacidad tienen un efecto directo en la capacidad de los marketers para medir el LTV, las campañas de remarketing y segmentar las audiencias.

Afortunadamente, la innovación sigue liderando el frente de la medición con confianza, ya que los datos muestran que se han restaurado en gran medida los niveles anteriores a la ATT.

Entre todos los sectores, el de los juegos es el menos afectado en lo que respecta a las tasas de instalación fraudulenta, lo que se debe principalmente a que las empresas de juegos son inteligentes y saben cómo protegerse del fraude, pero también a que sus pagos por CPI son bajos en comparación con las aplicaciones de compras o financieras.

Para más información sobre cómo AppsFlyer emplea el aprendizaje de máquina y el big data para combatir el fraude, lee aquí. Entonces, ¿qué hace falta para superar estos desafíos?

La respuesta corta es una variedad de herramientas de datos internas, externas o ambas , mantenerse al día con los constantes cambios y tendencias de la industria, y mantener un tipo de mentalidad innovadora siempre a prueba.

El éxito se reduce a tomar las decisiones correctas que impulsen un retorno positivo del gasto publicitario, al tiempo que se satisface la demanda constante de crecimiento.

No es una tarea fácil cuando hay cientos de miles de competidores, pero esta guía está aquí para ayudarte. El capítulo 1 tiene las respuestas. Hay una amplia gama de KPIs para medir dentro de los juegos móviles, pero sólo algunos son invaluables cuando se trata de medir las métricas contra el objetivo más importante de un marketer de aplicaciones de juegos: adquirir usuarios nuevos y rentables a escala.

En un mundo de juegos free to play F2P , la medición posterior a la instalación es clave para optimizar el flujo de usuarios. Cuando se crean y colocan estratégicamente los eventos in-app terminar un tutorial del juego, completar un determinado nivel, interactuar con un anuncio, realizar una compra, etc.

Con estos conocimientos, podrás tomar mejores decisiones de marketing que maximicen los ingresos gracias a la optimización de la UA y de las campañas de re-engagement. Por ejemplo, si sabes que los usuarios que completan el nivel 10 en un plazo de 2 días se prevé que tengan un alto LTV, puedes desplazar los presupuestos a las fuentes de medios que ofrecen el mayor volumen de estos usuarios.

A continuación se muestran los eventos más populares que los líderes de marketing están midiendo, divididos por el tamaño de la aplicación basado en el número de instalaciones no orgánicas. Esto ayudará a establecer tus objetivos de rendimiento y a guiar tu estrategia de marketing, y también puede servir como punto de prueba para que los desarrolladores configuren estos eventos en el SDK.

Además de medir ciertos eventos con frecuencia, también debes medir la tasa de conversión del embudo de eventos al elegir y diseñar tus eventos in-app.

El número de eventos a medir viene determinado en gran medida por el tamaño de la aplicación y el género del juego. Cuanto más grande sea el juego, mayor será el número de eventos que se suelen mapear y medir.

Además, en algunos subgéneros como el Casino Social, donde el IAP es el principal modelo de monetización , un mayor número de eventos puede optimizar el flujo y el rendimiento del juego.

Los datos de eventos in-app son imprescindibles para los marketers de aplicaciones y, por lo general, cuantos más sean, mejor. Como podemos ver, las aplicaciones que miden una amplia gama de eventos obtienen mejores resultados, pero asegúrate de contar con los recursos y los conocimientos necesarios para poder procesar grandes cantidades de datos.

La capacidad de medir el comportamiento de los usuarios a nivel granular y luego ver los análisis agregados, es la base para tomar decisiones de marketing inteligentes en todos los canales de adquisición y compromiso. Imagina saber que los usuarios no sólo han completado un nivel, sino que han completado uno crucial y han conseguido una alta puntuación.

Estos datos pueden utilizarse para adquirir a estos usuarios, haciéndoles saber que han sido ascendidos al club de socios All Stars, lo que podría ser un gran motor de fidelización. En un espacio dominado por el freemium, garantizar el uso continuo es absolutamente vital para el éxito.

Sin ella, la monetización es casi imposible. Con demasiados competidores como para contarlos, y unas expectativas de los usuarios cada vez mayores, una aplicación que no cumpla en todas las frentes, y con rapidez, simplemente no resistirá a lo largo del tiempo. Desinstalar una aplicación de un dispositivo indica claramente que algo ha ido mal en lo que respecta al usuario.

Entender por qué, cuándo y qué tipo de usuarios se desinstalan es crucial en la lucha contra la pérdida de clientes, especialmente en el sector de los juegos.

No es de extrañar que, con una vida útil más corta y una competencia infinita, los juegos sufran los mayores índices de desinstalación:. Como muestran los datos, la mayoría de los desinstaladores lo hace el primer día, muy probablemente por expectativas no cumplidas o falsas promesas.

Evidentemente, es esencial crear una experiencia de onboarding superior y evitar la sobrepromoción de la publicidad. En cuanto al proceso de configuración de la medida de desinstalación, éste varía mucho entre Android e iOS. Para ayudarte a navegar por las diferencias de cada plataforma, te presentamos los pasos básicos.

Aunque la monetización de los anuncios ha adoptado diferentes formas desde el auge de los móviles, las compras in-app IAP y, sobre todo, la publicidad in-app IAA se han convertido en los motores dominantes de los ingresos en los últimos años, sobre todo en los juegos casuales para móviles.

Con el auge de los juegos hipercasuales , se hizo posible la monetización de la publicidad a escala, lo que demostró a los desarrolladores y marketers de juegos de todos los géneros que la IAA era una fuente de ingresos legítima: no perjudica la experiencia del usuario cuando se aplica correctamente e incluso genera ingresos adicionales.

Hoy en día, el IAA forma parte de la mayoría de los modelos de monetización adoptados por las aplicaciones de juegos, creando una nueva fuente de ingresos para los desarrolladores que antes se centraban exclusivamente en el IAP.

Aunque el IAA podría ser una fuente importante de ingresos, sin datos detallados, los anunciantes ven limitada su capacidad de optimización. El principal desafío es que las diferentes plataformas de mediación tienen diferentes puntos de datos sobre cómo los usuarios interactúan con estos anuncios in-app, lo que hace difícil descifrar los datos a nivel de usuario.

Para complicar aún más las cosas, algunas redes transmiten los datos de ingresos de forma promediada y agregada, que en esencia son los ingresos totales generados en un emplazamiento publicitario específico divididos por el número de usuarios que hicieron clic o vieron ese anuncio.

En este caso, el verdadero LTV o ARPU sólo puede calcularse hasta cierto punto. Dado que la medición de los ingresos granulares es ahora más importante que nunca, algunas plataformas de mediación proporcionan datos precisos a nivel de usuario hasta el ID del dispositivo por ejemplo, ironSource y MAX by AppLovin y datos de ingresos a nivel de impresión por ejemplo, MoPub y MAX by AppLovin.

Pasar estos datos a los MMPs ayuda a estandarizarlos, lo que permite a los marketers vincular con precisión los datos de ingresos a la fuente real atribuida de cada usuario. Como resultado, son capaces de determinar una cifra de LTV precisa y holística para determinar los presupuestos de adquisición, y permitir campañas de re-engagement más eficaces por ejemplo, mostrar anuncios a las ballenas, en lugar de a los usuarios que hacen IAP.

Cuando se trabaja en el marketing de juegos para móviles, el trabajo consiste en librar una batalla constante contra la pérdida de clientes, y volver a captar a los usuarios existentes y a los que ya no lo son a través de los canales propios y de pago, además de invertir en la adquisición de nuevos usuarios.

El remarketing conduce a los usuarios de vuelta a tu aplicación y se utiliza más comúnmente en verticales basadas en IAP como las apps de Compras y Viajes.

Sin embargo, también puede ser un factor de cambio cuando se combina correctamente con las estrategias de UA de los juegos.

Dicho esto, y a pesar del importante potencial del remarketing, los marketers de juegos siguen siendo lentos a la hora de implementar estrategias de re-engagement. A menudo se debe a que carecen de suficientes herramientas de medición que puedan ayudar a analizar el rendimiento de su remarketing y a identificar su verdadero valor incremental lee más abajo para saber más al respecto.

Mientras tanto, los marketers de aplicaciones de juegos utilizan principalmente los medios propios para volver a adquirir a los usuarios existentes. Las notificaciones push suelen percibirse como intrusivas y deben desplegarse con cuidado, y la promoción cruzada suele ser más fácil de ejecutar, pero sólo es relevante para empresas con grandes carteras de juegos.

En su caso, la promoción cruzada ayuda a mantener a los usuarios bajo un mismo paraguas, permitiéndote dirigir un tráfico ya comprometido hacia juegos nuevos o de bajo rendimiento. Algunas redes publicitarias ofrecen herramientas específicas para realizar campañas de promoción cruzada y maximizar los resultados de forma similar a la UA estándar.

Para leer más sobre los efectos de las fusiones y adquisiciones en las tácticas de promoción cruzada en el sector de los juegos consulta nuestro blog.

La realidad es que el costo de adquirir un nuevo usuario es entre 5 y 10 veces mayor que el costo de volver a captar uno existente. De hecho, en , las aplicaciones de juegos gastaron Gracias a las herramientas de segmentación cada vez más avanzadas, los marketers pueden profundizar en los segmentos de audiencia exclusivos de su aplicación para ver qué usuarios generan más ingresos y cuáles son más propensos a abandonarla.

Como ilustran los datos siguientes, el remarketing aumenta significativamente los ingresos de tus usuarios de pago, especialmente en las aplicaciones de juegos.

Mantén siempre grupos de control para medir tu aumento incremental. Tu juego tiene un nivel de re-engagement que se produce de forma natural, por lo que el uso de un grupo de control para medir tus esfuerzos de remarketing en comparación con el mismo es muy valioso.

Para más consejos ganadores sobre cómo impulsar tus estrategias de re-engagement — consulta nuestra guía. O visita aquí cómo configurar tus campañas de remarketing de forma correcta. StoreKit Ad Network, o SKAdNetwork o SKAN, es una API centrada en la privacidad operada por Apple que ayuda a las redes publicitarias y a los anunciantes a medir su actividad publicitaria como impresiones, clics e instalaciones de aplicaciones a nivel agregado.

En otras palabras, es el no tan nuevo sheriff de la ciudad. Dado que la mayoría de los usuarios de iOS niegan el acceso a sus datos a nivel de usuario en las versiones Introduciendo mecanismos completamente nuevos para equilibrar la privacidad de los datos y la medición del marketing, SKAN emplea sofisticados mecanismos de temporización, umbrales de privacidad elusivos y un sistema único de valor de conversión para calificar el éxito de tu campaña en iOS.

Los valores de conversión son configurados por los desarrolladores de aplicaciones para medir la actividad posterior a la instalación y vincularla a ésta.

Se incluye un único valor de conversión en el postback único que Apple envía a la red publicitaria y al anunciante.

Al fin y al cabo, en un mundo freemium, la optimización se basa en los datos posteriores a la instalación. Un valor de conversión está definido por 6 bits, que son medidas binarias, lo que significa que pueden activarse o desactivarse 0 o 1.

Esto abre el potencial para 64 combinaciones de medición dentro de esos 6 bits — de 0 a Aunque 64 opciones pueden considerarse limitadas, todavía hay muchas opciones con las que trabajar para medir los ingresos, el compromiso, el progreso del embudo y más.

Siempre que asignes correctamente tus valores de conversión en función de tu lógica interna, estos valores pueden utilizarse de la forma que desees. Son tuyos para controlar y asignar a los KPIs que son más valiosos para ti.

Lo que podemos aprender analizando los datos del Conversion Studio de AppsFlyer es que las aplicaciones de juegos se centran en los ingresos, y como tal, es un modelo que está involucrado en la mayoría de los esquemas de valor de conversión.

En lo que respecta a las actividades no relacionadas con los juegos, la actividad in-app es la opción más configurada. Para saber más sobre cómo aprovechar al máximo los valores de conversión, incluyendo los benchmarks sobre el temporizador de la ventana de actividad, y el uso óptimo de la capacidad de 64 combinaciones, haz clic aquí.

Esto se debe a que los juegos tienen un tiempo menor hasta la primera compra en comparación con otros sectores, sobre todo entre los juegos casuales más populares. Al ser una de las verticales de aplicaciones con más ingresos y con una excelente capacidad para identificar patrones tempranos de señales de comportamiento de alto valor, más de una quinta parte de las aplicaciones de casinos sociales miden esta combinación.

Según nuestra experiencia, las aplicaciones de juegos Hardcore prefieren dedicar la mayor parte de sus bits SKAN a la medición de eventos. Esto se debe principalmente a que este tipo de aplicaciones implican una experiencia de juego más compleja, ciclos de retención más largos y atraen a jugadores de peso que aportan más ingresos dentro de la aplicación en comparación con otras categorías de juegos, en cuyo caso la medición de eventos puede ayudar a predecir su LTV.

Por otro lado, las aplicaciones casuales, que tienden a mostrar ciclos de vida de los usuarios más cortos, suelen centrarse en una combinación de medición de eventos e ingresos, simplemente porque dependen más de los flujos de ingresos procedentes de los eventos in-app y de la IAA. Cuando sólo hay 64 opciones para medir la actividad posterior a la instalación, es muy recomendable utilizarlas todas.

Afortunadamente, los marketers de aplicaciones de juegos son bien conocidos por su nivel de experiencia basada en datos y su capacidad para reaccionar rápidamente a los cambios. La mayoría de las aplicaciones de todos los sectores utilizan las ventanas de actividad de 24 horas por defecto para recopilar datos, pero esperamos que esto cambie a medida que el uso de SKAdNetwork madure más.

Más allá del hecho de que la ventana de 24 horas es la predeterminada, es importante recordar que los datos sólo pueden recogerse una vez, por lo que hay un compromiso intencionado. Las ventanas de actividad más cortas permiten una recogida de datos más rápida, pero te dejan una información limitada.

Alternativamente, las ventanas más largas proporcionan datos más ricos, pero el acceso a ellos se retrasará. Además, hay que tener en cuenta que el temporizador no se puede ampliar para todos los usuarios, por lo que, aunque se amplíe, sólo se aplicará a una parte de ellos.

Y, la única manera de ampliarlo es actualizando el valor de conversión, lo que sólo puede ocurrir una vez que se abre la aplicación. Asegúrate de que todos los postbacks estén firmados por Apple y no sean manipulados en tránsito.

Trabajar con un MMP de confianza puede ayudarte a abordar esto con facilidad. Combina la información de SKAN con otros puntos de datos, como las impresiones, los clics, el costo, el tráfico orgánico y más, para un análisis completo del ROI.

Facilita los datos de SKAN para que el anunciante pueda consumirlos cómodamente a través de cuadros de mando y APIs dedicadas. Asegúrate de que tu solución de medición móvil ofrece una encapsulación completa, que requiere un esfuerzo casi nulo por parte del anunciante, especialmente cuando se trata de futuros cambios en el protocolo SKAN.

Asegúrate de medir los eventos del lado del servidor, dinámicos y flexibles dentro de la aplicación. Tener 64 opciones en tus campañas de SKAN puede parecer limitante, pero aún así ofrece mucho valor si los bits se asignan y utilizan correctamente.

Aprovecha al máximo los rangos y combinaciones y concéntrate en las acciones posteriores a la instalación que más importan. Prueba, prueba y prueba nuevamente hasta que encuentres el mapeo correcto tener una interfaz de usuario ciertamente lo hace más fácil.

Todavía estamos en los primeros días de SKAN, por lo que la mayoría de los anunciantes están infrautilizando las configuraciones del funnel, que pueden ser una forma más eficiente de asignar tus bits. En lugar de dedicar 3 bits para medir 3 eventos separados, una configuración del funnel puede medir el comportamiento secuencial utilizando solo 1 bit.

Utilízalos para superar las limitaciones de tiempo y aprovechar las primeras señales de compromiso para predecir el rendimiento de la campaña a largo plazo. Además, ten en cuenta que el temporizador de postback limita la cantidad de datos que puedes recopilar para predecir el LTV de tus usuarios.

Aprovechar el modelado predictivo te permitirá identificar las métricas y los comportamientos más eficaces que pueden identificar mejor a tus usuarios más rentables. Puedes emplear una puntuación predictiva de beneficios que utilice los 6 bits para comunicar cualquier puntuación, mientras que un combo específico indicará un grupo de usuarios valiosos presentado en forma agregada al volver del SKAN.

Mantén tus datos a salvo de todo tipo de fraudes en el nuevo ecosistema iOS Un MMP puede ofrecer protección contra el fraude de SKAN, al garantizar que se obtienen datos precisos sobre el rendimiento de la campaña. Protege tu gasto publicitario antes, durante y después de las instalaciones, con una cobertura de extremo a extremo contra las debilidades de la infraestructura, las limitaciones de los datos y las lagunas en los reportes.

Por lo tanto, la deduplicación es nada menos que fundamental para los datos de iOS. Para leer más sobre la única fuente de verdad y cómo puede transformar tus datos y análisis de costos, consulta aquí.

El marketing de resultados está cada vez más automatizado y dirigido por máquinas, por lo que las creatividades están en el centro del marketing en , y su importancia no puede pasarse por alto. Las creatividades tendrán un efecto distinto en tu rendimiento y desempeñarán un papel importante en la optimización del gasto, pero lo más importante es que las creatividades afectan la experiencia del usuario.

Cuando los usuarios son bombardeados con una variedad cada vez mayor de juegos móviles y campañas publicitarias agresivas, pueden sentirse abrumados, especialmente por los vídeos intersticiales y los vídeos con recompensa.

Una oferta alta probablemente te comprará un espacio publicitario de calidad, pero eso no garantizará las instalaciones. Aquí es donde tus creativos pueden mover la aguja.

En muchos casos, tu anuncio tiene entre 5 segundos intersticial y 30 segundos vídeo premiado para adquirir a un usuario, lo que significa que la creatividad y su ubicación son cruciales a la hora de ganar ese compromiso.

Los banners, que suelen colocarse en la parte inferior de la pantalla de los juegos, son probablemente la ubicación más común en el ecosistema de la publicidad móvil. Pueden presentar anuncios estáticos y anuncios de vídeo de baja calidad , que tienden a generar un número importante de visualizaciones pero una tasa de compromiso pobre.

Dicho esto, aunque estos anuncios baratos no sean valiosos en términos de compromiso, pueden impulsar la visibilidad de una marca.

Una opción más intrusiva, los anuncios intersticiales aparecen en diferentes etapas durante un juego y pueden interrumpir el flujo del mismo.

Mejoramiento de las operaciones. Muchas compañías utilizan modelos predictivos para pronosticar inventario y gestionar recursos. Las líneas aéreas utilizan la analítica predictiva para fijar los precios de sus boletos.

Los hoteles intentan anticipar el número de huéspedes en una noche determinada a fin de maximizar la ocupación e incrementar los ingresos.

La analítica predictiva permite a las organizaciones funcionar de manera más eficiente. Reducción del riesgo.

Las evaluaciones de crédito se utilizan para valorar la probabilidad de un comprador de realizar compras predeterminadas y son un ejemplo bien conocido de analítica predictiva. Una evaluación de crédito es un número generado por un modelo predictivo que incorpora todos los datos relevantes para conocer la susceptibilidad crediticia de una persona.

Otros usos relacionados con riesgo incluyen reclamos y cobros a seguros. Con la analítica predictiva, puede ir más allá de enterarse de lo que sucedió y por qué para descubrir insights acerca del futuro. Aprenda cómo la analítica predictiva da forma el mundo en el que vivimos.

Este e-book de SAS incluye consejo del mundo real de empleadores y educadores sobre cómo encontrar, conservar y motivar los grandes talentos analíticos. Lea el resumen. Este reporte de Harvard Business Review Insight Center incluye 25 artículos que se centran en cómo usar la analítica predictiva para la toma de decisiones y la planeación.

Aprenda cómo la atribución del marketing suma la ciencia y elimina la hechicería de sus esfuerzos de marketing reemplazando suposiciones y modelos arbitrarios con datos y analítica. Lea al artículo. La gestión y coordinación de todos los pasos del proceso analítico pueden ser complejas.

Aprenda cómo ir paso a paso y lograr resultados mejores y más confiables. Obtenga más información. El software de minería de datos de SAS ® utiliza algoritmos probados de avanzada diseñados para ayudarle a superar sus más grandes retos.

Aprenda más acerca del software de minería de datos de SAS. Cualquier industria puede utilizar la analítica predictiva para reducir riesgos, optimizar operaciones e incrementar los ingresos. Éstos son algunos ejemplos. Commonwealth Bank utiliza la analítica para predecir la probabilidad de actividad fraudulenta en cualquier transacción determinada antes de que ésta sea autorizada — apenas en un lapso de 40 milisegundos posterior al inicio de la transacción.

Desde que el ahora infame estudio que demostró que los hombres que compran pañales a menudo compran cerveza al mismo tiempo, los retailers de todas partes utilizan la analítica predictiva para determinar qué productos tener en existencia, la efectividad de eventos promocionales y qué ofertas son las más apropiadas para los consumidores.

Ya sea que necesite anticipar fallos de equipo y futuras necesidades de recursos, mitigar riesgos de seguridad y confiabilidad, o mejorar el desempeño en general, la industria de la energía ha adoptado la analítica predictiva con vigor.

Salt River Project es la segunda planta de suministro de energía pública de los Estados Unidos y uno de los proveedores de agua más grandes de Arizona.

Los análisis de datos de sensores de máquinas anticipan cuándo necesitan mantenimiento las turbinas generadoras de energía. Los gobiernos han sido participantes clave en el avance de las tecnologías de cómputo. La Oficina del Censo de los Estados Unidos ha venido analizando datos para entender las tendencias poblacionales por décadas.

Los gobiernos utilizan ahora la analítica predictiva como muchas otras industrias — para mejorar el servicio y el desempeño; detectar y prevenir fraude; y entender mejor el comportamiento de los consumidores. También utilizan la analítica predictiva para mejorar la ciberseguridad.

Además de detectar fraude en reclamos, la industria de los seguros de gastos médicos emprende acciones para identificar a los pacientes con mayor riesgo de sufrir una enfermedad crónica y determinar qué intervenciones son las mejores.

Para los fabricantes es muy importante identificar factores que conllevan a reducción de la calidad y fallos en la producción, así como también optimizar partes, recursos de servicio y distribución.

La analítica del deporte es un área candente, gracias en parte a Nate Silver y las predicciones de los torneos. El equipo Orlando Magic de la NBA utiliza la analítica predictiva de SAS para mejorar sus ingresos y determinar alineaciones de inicio.

Usuarios de negocios de toda la organización Orlando Magic tienen acceso instantáneo a la información. Orlando Magic puede ahora explorar de manera visual los datos más recientes, hasta el mismo encuentro y los asientos.

Lea la historia completa de Orlando Magic. Aprenda más acerca de software analítico de texto de SAS. Los modelos predictivos utilizan resultados conocidos para desarrollar o entrenar un modelo que se pueda utilizar para predecir valores para datos diferentes o nuevos.

El uso de modelos proporciona resultados en la forma de predicciones que representan una probabilidad de la variable destino por ejemplo, ingresos con base en la importancia estimada a partir de un conjunto de variables de entrada.

Esto es diferente de los modelos descriptivos que le ayudan a entender lo que sucedió o modelos de diagnóstico que le ayudan a entender relaciones clave y determinar por qué algo ha sucedido.

Se han dedicado libros enteros a técnicas y métodos analíticos. Currículos universitarios completos profundizan en este tema. Pero para los principiantes, éstos son algunos aspectos básicos. Existen dos tipos de modelos predictivos.

Los modelos de clasificación predicen membresía de clase. Por ejemplo, usted intenta clasificar si alguien tiene probabilidad de irse, si responderá a una convocatoria, si es un riesgo de crédito bueno o malo, etc.

En general, los resultados del modelo se dan en la forma de 0 o 1, donde 1 es el evento que usted pretende lograr. Los modelos de regresión predicen un número — por ejemplo, cuántos ingresos generará un cliente en el próximo año o el número de meses antes de que falle un componente de una máquina.

Tres de las técnicas de modelado predictivo más ampliamente utilizadas son los árboles de decisión, la regresión y las redes neurales. La regresión lineal y logística es uno de los métodos más populares en la estadística. El análisis de regresión calcula relaciones entre variables.

Diseñado para datos continuos que se puede asumir siguen una distribución normal, encuentra patrones clave en grandes conjuntos de datos y a menudo se utiliza para determinar qué tanto factores específicos, como el precio, influencian el movimiento de un activo.

Con el análisis de regresión, deseamos predecir un número, llamado respuesta o variable Y. La regresión múltiple utiliza dos o más variables independientes para predecir el resultado. Con la regresión logística, se predicen variables desconocidas de una variable discreta con base en el valor conocido de otras variables.

La variable de respuesta es categórica, lo que significa que puede asumir sólo un número limitado de valores.

Con la regresión logística binaria, una variable de respuesta tiene sólo dos valores, como 0 o 1. Haz crecer tu startup y resuelve los desafíos más difíciles con la tecnología comprobada de Google. Obtén asistencia técnica, comercial y financiera para llevar tu startup al siguiente nivel.

Explora soluciones para hosting web, desarrollo de apps, IA y estadísticas. Crea mejores productos de SaaS, escala de forma eficiente y haz crecer tu negocio.

close Productos destacados. Máquinas virtuales que se ejecutan en el centro de datos de Google. Almacenamiento de objetos seguro, duradero y escalable. Herramientas de línea de comandos y bibliotecas para Google Cloud.

Servicio de bases de datos relacionales para MySQL, PostgreSQL y SQL Server. Entorno administrado para ejecutar apps en contenedores. Almacén de datos para estadísticas y agilidad empresarial. Red de distribución de contenidos para entregar contenido web y de video.

Estadísticas de transmisión para procesamiento por lotes y de transmisiones. Paquete de herramientas de supervisión, registro y rendimiento de aplicaciones. Entorno completamente administrado para ejecutar apps en contenedores. Plataforma para modernizar las apps existentes y compilar apps nuevas.

Plataforma unificada para entrenar, ejecutar y administrar modelos de AA. Una sola interfaz para todo el flujo de trabajo de ciencia de datos. Opciones para entrenar modelos de AA y aprendizaje profundo de forma rentable.

Desarrollo de modelos de aprendizaje automático personalizados con un esfuerzo mínimo. Análisis de opiniones y clasificación de texto no estructurado. Reconocimiento y transcripción de voz en idiomas.

Síntesis de voz con más de voces y en más de 40 idiomas. Detección de idiomas, traducción y compatibilidad con glosarios. Clasificación y reconocimiento de videos mediante aprendizaje automático. Modelos personalizados y previamente entrenados para detectar emociones, texto y mucho más.

IA de conversación realista con agentes virtuales de vanguardia. Ver todos los productos de IA y aprendizaje automático. Administración de API. Administra el ciclo de vida completo de las API en cualquier lugar, con visibilidad y control. Integración centrada en las API para conectar datos y aplicaciones existentes.

Solución para conectar sistemas y apps de atención médica existentes en Google Cloud. Plataforma de desarrollo sin código para compilar y extender aplicaciones. Desarrolla, implementa, protege y gestiona API con una puerta de enlace completamente administrada.

Plataforma de aplicaciones sin servidores para apps y backends. GPU para AA, procesamiento científico y visualización en 3D. Migración de servidores y máquinas virtuales a Compute Engine. Instancias de procesamiento para trabajos por lotes y cargas de trabajo tolerantes a errores.

Servicio completamente administrado para programar trabajos por lotes. Hardware dedicado para necesidades de cumplimiento, licencias y administración. Infraestructura para ejecutar cargas de trabajo especializadas en Google Cloud. Recomendaciones de uso para productos y servicios de Google Cloud.

Pila de software de VMware Cloud Foundation completamente administrada y nativa. Registro para almacenar, administrar y proteger imágenes de Docker. Seguridad del entorno de contenedores para cada etapa del ciclo de vida.

Solución para ejecutar pasos de compilación en un contenedor de Docker. Contenedores con frameworks, bibliotecas y herramientas de ciencia de datos. Apps en contenedores con implementación precompilada y facturación unificada.

Administrador de paquetes para artefactos y dependencias de compilación. Componentes para crear software nativo de Kubernetes basado en la nube. Compatibilidad con IDE para escribir, ejecutar y depurar aplicaciones de Kubernetes.

Entrega continua completamente administrada a Google Kubernetes Engine y Cloud Run. Plataforma para IE, aplicaciones de datos y estadísticas incorporadas.

Servicio de mensajería para la transferencia y entrega de eventos. Servicio para ejecutar clústeres de Apache Spark y Apache Hadoop. Integración de datos para compilar y administrar canalizaciones de datos. Servicio de organización de flujos de trabajo creado en Apache Airflow.

Servicio que permite preparar datos para el análisis y el aprendizaje automático. Tejido de datos inteligentes para unificar la administración de datos en entornos aislados. Paquete de datos interactivos para paneles, informes y análisis.

Servicio para intercambiar recursos de estadísticas de datos de forma segura y eficiente. Ver todos los productos de análisis de datos. Base de datos completamente administrada y compatible con PostgreSQL para cargas de trabajo empresariales exigentes. Base de datos de columnas anchas nativa de la nube para cargas de trabajo de baja latencia y gran escala.

Base de datos de documentos nativa de la nube para compilar apps de IoT completas, móviles y web. Base de datos en la memoria para Redis y Memcached administrados. Base de datos relacional nativa de la nube con escalamiento ilimitado y disponibilidad del Base de datos completamente administrada para MySQL, PostgreSQL y SQL Server.

Migraciones sin servidores a la nube con tiempo de inactividad mínimo. Infraestructura para ejecutar cargas de trabajo especializadas de Oracle en Google Cloud.

Base de datos NoSQL para almacenar y sincronizar datos en tiempo real. Servicio de captura y replicación de datos modificados sin servidores. Administrador de paquetes universal para artefactos y dependencias de compilación.

Plataforma de integración y entrega continuas. Servicio para crear y administrar recursos de Google Cloud. Programador de trabajos cron para automatizar y administrar tareas. Repositorio privado de Git para almacenar, administrar y supervisar código. Servicio de administración de tareas para ejecutar trabajos asíncronos.

Entornos de desarrollo administrados y seguros en la nube. Control total de la nube desde Windows PowerShell. Ver todas las herramientas para desarrolladores. Salud y ciencias biológicas. Producción de servicios digitales basada en la API de FHIR.

Solución para conectar sistemas de atención médica y apps existentes en Google Cloud. Herramientas para administrar, procesar y transformar datos biomédicos.

Obtén una vista de paciente integral con datos de Fitbit conectados en Google Cloud. Estadísticas en tiempo real de texto médico no estructurado.

Haz que los datos de imágenes médicas sean accesibles, interoperables y útiles a fin de acelerar el desarrollo de la IA para estas imágenes. Integración que proporciona una plataforma de desarrollo sin servidores en GKE. Herramienta para trasladar aplicaciones existentes y cargas de trabajo a GKE.

Servicio para ejecutar compilaciones en la infraestructura de Google Cloud. Panel de control de tráfico y administración para una malla de servicios abierta. Plataforma de administración, desarrollo y seguridad de API. Soluciones completamente administradas para los centros de datos y perímetros.

Internet de las cosas. Servicio de administración, integración y conexión de dispositivos de IoT. ASIC diseñado para ejecutar inferencias de AA e IA en el perímetro. Automatiza la política y la seguridad de tus implementaciones. Panel para ver y exportar los informes de emisiones de carbono de Google Cloud.

Interfaces programáticas para los servicios de Google Cloud. Interfaz basada en la Web para administrar y supervisar las apps en la nube. App para administrar los servicios de Google Cloud desde tu dispositivo móvil.

Entorno de shell interactivo con línea de comandos integrada. Complemento de Kubernetes para administrar recursos de Google Cloud.

Herramientas para supervisar, controlar y optimizar tus costos. Herramientas para administrar fácilmente el rendimiento, la seguridad y los costos. Catálogo de servicios para administradores que gestionan soluciones empresariales internas.

Herramienta de código abierto que te permite aprovisionar recursos de Google Cloud con archivos de configuración declarativos. Multimedia y videojuegos. Servicio que permite convertir videos en vivo y prepararlos para la transmisión. Administrador de renderizado de código abierto para efectos visuales y animaciones.

Convierte archivos de video y agrúpalos para una entrega optimizada. Servicio de inserción de anuncios dinámicos o del servidor. Migración de apps a la nube para ciclos de actualización de bajo costo. Servicio de transferencia de datos de BigQuery.

Servicio de importación de datos para programar la carga de datos y el traslado a BigQuery. Plantillas de referencia para Deployment Manager y Terraform. Componentes para migrar VMs a contenedores de sistemas alojados en GKE. Componentes para migrar VMs y servidores físicos a Compute Engine.

Plataforma unificada para migrar y modernizar con Google Cloud. Servidor de almacenamiento para trasladar grandes volúmenes de datos a Google Cloud. Servicio de transferencia de almacenamiento. Transferencias de datos de fuentes en línea y locales a Cloud Storage.

Migra tus cargas de trabajo de VMware de manera nativa en Google Cloud. Políticas de seguridad y defensa contra ataques web y de DSD. Sistema de nombres de dominio para realizar búsquedas de nombres confiables y de baja latencia.

Servicio para distribuir el tráfico entre aplicaciones y regiones. Servicio de NAT para otorgar acceso a Internet a instancias privadas. Opciones de conectividad de VPN, intercambio de tráfico y necesidades empresariales.

Mejorando la evaluación de juegos serios aplicando analíticas de aprendizaje y técnicas de minería de datos ; Lectura: En la Universidad Complutense de Madrid ( Análisis predictivo: permite a los especialistas en marketing tomar decisiones basadas en datos sobre el valor futuro de los usuarios con un alto nivel de Resumen. Los videojuegos educativos tienen características (inmediatez, moti- vación, diversión, interacción), que permiten mejorar el aprendizaje. Además: Analítica Predictiva de Videojuegos

Esto Analítica Predictiva de Videojuegos el potencial para 64 combinaciones de Mejores Proveedores de Software dentro de esos 6 bits Vixeojuegos de 0 a Analítica Predictiva de Videojuegos lo relevante y adictivo que es tu juego. Un Analític destacado de Analíticw aplicación exitosa del Vifeojuegos de Analígica predictivo en videojuegos es el caso de una empresa de desarrollo que utilizó datos de juego para identificar patrones de abandono de jugadores en ciertos niveles. Antes de desarrollar modelos de analíticas predictivas, es necesario identificar los flujos de datos y, a continuación, organizar los conjuntos de datos en un repositorio, como un almacén de datos por ejemplo, BigQuery. Obtenga más información. Aprovecha al máximo los rangos y combinaciones y concéntrate en las acciones posteriores a la instalación que más importan.	Máquinas virtuales que se ejecutan en el centro de datos de Google. Los marketers de aplicaciones de juegos se enfrentan a este desafío utilizando herramientas externas o, si tienen los recursos necesarios, desarrollando soluciones internas y contratando a personas con talento en materia de datos para cumplir con sus KPIs. Otra consideración importante es la capacidad del software para realizar análisis predictivos en tiempo real. Los modelos predictivos ayudan a las empresas a atraer, retener e incrementar el número de sus clientes más rentables. Servicio de transferencia de almacenamiento. Cómo se aplica la Inteligencia Artificial en los videojuegos.	La Inteligencia Artificial se ha aplicado en diversos sectores entre los que incluimos los videojuegos mediante el aprendizaje por refuerzo Los análisis predictivos brindan pronósticos y estimaciones sobre el rendimiento del juego, como la retención, la rotación, los ingresos Predecir el comportamiento para ajustar el portfolio, los precios, el sentimiento hacia la marca, optimizar su productividad o prevenir el fraude	Predecir el comportamiento para ajustar el portfolio, los precios, el sentimiento hacia la marca, optimizar su productividad o prevenir el fraude Análisis predictivo: permite a los especialistas en marketing tomar decisiones basadas en datos sobre el valor futuro de los usuarios con un alto nivel de Mediante la aplicación de algoritmos avanzados, el análisis predictivo tiene la capacidad de identificar patrones de juego, preferencias de los usuarios y	Mediante la aplicación de algoritmos avanzados, el análisis predictivo tiene la capacidad de identificar patrones de juego, preferencias de los usuarios y Mejorando la evaluación de juegos serios aplicando analíticas de aprendizaje y técnicas de minería de datos ; Lectura: En la Universidad Complutense de Madrid ( La analítica predictiva es el uso de datos, algoritmos estadísticos y técnicas de machine learning para identificar la probabilidad de resultados futuros
Tener 64 opciones en tus campañas de SKAN se parecer limitante, Ayuda Directa Apostadores Analítica Predictiva de Videojuegos así ofrece mucho valor si re Analítica Predictiva de Videojuegos se Videojeugos y utilizan Videouuegos. Trabajar con un Videouuegos de confianza puede ayudarte a abordar esto con facilidad. los usuarios adquiridos a través de las redes sociales, o las redes sociales vs. Estadísticas de transmisión para procesamiento por lotes y de transmisiones. Elementos básicos de inteligencia artificial de Cloud. App para administrar los servicios de Google Cloud desde tu dispositivo móvil. La implementación del análisis predictivo en videojuegos presenta desafíos únicos que deben abordarse para garantizar su eficacia.	El consentimiento informado de los jugadores para la recopilación y el uso de sus datos es un principio ético fundamental que debe ser respetado en todo momento. K nearest neighbor knn. Optimización automática de recursos en la nube y mayor seguridad. Pero para los principiantes, éstos son algunos aspectos básicos. Plataforma de aplicaciones sin servidores para apps y backends.	La Inteligencia Artificial se ha aplicado en diversos sectores entre los que incluimos los videojuegos mediante el aprendizaje por refuerzo Los análisis predictivos brindan pronósticos y estimaciones sobre el rendimiento del juego, como la retención, la rotación, los ingresos Predecir el comportamiento para ajustar el portfolio, los precios, el sentimiento hacia la marca, optimizar su productividad o prevenir el fraude	Resumen. Los videojuegos educativos tienen características (inmediatez, moti- vación, diversión, interacción), que permiten mejorar el aprendizaje. Además Predecir el comportamiento para ajustar el portfolio, los precios, el sentimiento hacia la marca, optimizar su productividad o prevenir el fraude El análisis predictivo permite a los diseñadores anticipar las tendencias y el comportamiento de los jugadores. Aprovechando el aprendizaje	La Inteligencia Artificial se ha aplicado en diversos sectores entre los que incluimos los videojuegos mediante el aprendizaje por refuerzo Los análisis predictivos brindan pronósticos y estimaciones sobre el rendimiento del juego, como la retención, la rotación, los ingresos Predecir el comportamiento para ajustar el portfolio, los precios, el sentimiento hacia la marca, optimizar su productividad o prevenir el fraude
Con el avance de la inteligencia artificial y rPedictiva machine learning, las empresas Prediciva de Sorteo de ganancias pueden aprovechar el análisis predictivo para comprender mejor el comportamiento de los jugadores, anticipar tendencias y adaptar la jugabilidad de manera más Vidrojuegos. Entre sus Analítixa comunes se cuentan: Detección de fraude. Pon en marcha tu próximo proyecto, consulta tutoriales interactivos y gestiona tu cuenta. Centro de aprendizaje. Las redes neuronales se pueden usar para validar los resultados de los árboles de decisión y de los modelos de regresión. Aprovecha tus datos para crear audiencias avanzadas y mejorar la experiencia de tus clientes. En lugar de dedicar 3 bits para medir 3 eventos separados, una configuración del funnel puede medir el comportamiento secuencial utilizando solo 1 bit.	Un alto índice de fidelidad se debe a que los usuarios vuelven a tu aplicación de forma constante y diaria ARPU Ingresos medios por usuario Se calcula dividiendo los ingresos totales generados por el número total de usuarios de una cohorte determinada durante un periodo de tiempo determinado por ejemplo, el ARPU del día 30 es el ingreso medio generado por un usuario en los 30 días siguientes a su instalación Se utiliza para evaluar el valor de los jugadores y planificar los presupuestos de la UA. Al fin y al cabo, en un mundo freemium, la optimización se basa en los datos posteriores a la instalación. Administración de API. El análisis predictivo es uno de los usos más frecuentes del Machine Learning, dado que es de los más útiles para las necesidades de la mayoría de las compañías. Por ejemplo, puedes comparar el LTV de los usuarios que adquiriste a través del correo electrónico o de la búsqueda de pago, y luego determinar cuánto presupuesto asignar a la adquisición de usuarios en cada grupo.	La Inteligencia Artificial se ha aplicado en diversos sectores entre los que incluimos los videojuegos mediante el aprendizaje por refuerzo Los análisis predictivos brindan pronósticos y estimaciones sobre el rendimiento del juego, como la retención, la rotación, los ingresos Predecir el comportamiento para ajustar el portfolio, los precios, el sentimiento hacia la marca, optimizar su productividad o prevenir el fraude	Mejorando la evaluación de juegos serios aplicando analíticas de aprendizaje y técnicas de minería de datos ; Lectura: En la Universidad Complutense de Madrid ( El análisis predictivo permite a los diseñadores anticipar las tendencias y el comportamiento de los jugadores. Aprovechando el aprendizaje Los análisis predictivos brindan pronósticos y estimaciones sobre el rendimiento del juego, como la retención, la rotación, los ingresos	Los análisis predictivos examinan todas las acciones de la red de una empresa en tiempo real para detectar anomalías que indican fraudes y otras El análisis predictivo permite a los diseñadores anticipar las tendencias y el comportamiento de los jugadores. Aprovechando el aprendizaje Análisis predictivo: permite a los especialistas en marketing tomar decisiones basadas en datos sobre el valor futuro de los usuarios con un alto nivel de

Video