When the question has no method, we build one. Cuando la pregunta no tiene método, lo construimos.

Which small brands are about to stop being small? ¿Qué marcas pequeñas están a punto de dejar de serlo?

A detection model that flags brands approaching a growth inflection point, early enough for an M&A conversation to happen before the price does. Built for the M&A and strategy team of a Fortune-500 consumer company. Now in active pilot. Un modelo de detección que señala marcas cerca de su punto de inflexión de crecimiento, con antelación suficiente para que la conversación de M&A llegue antes que el precio. Construido para el equipo de M&A y estrategia de una compañía de gran consumo del Fortune 500. Hoy en piloto activo.

What is a foresight trend actually worth? ¿Cuánto vale realmente una tendencia de foresight?

A sizing framework that turns qualitative trend spaces into dollar figures, built on an auditable evidence base of over 130 registered sources. Delivered for the innovation forum of a Fortune-500 consumer company. Un marco de dimensionado que convierte espacios de tendencia cualitativos en cifras en dólares, sobre una base de evidencia auditable de más de 130 fuentes registradas. Entregado para el foro de innovación de una compañía de gran consumo del Fortune 500.

What will the category do, and how sure are we? ¿Qué hará la categoría, y con cuánta certeza?

Bayesian time-series forecasting that reports full uncertainty, not a single line, delivered as a working dashboard the insights team runs on. In production use at a Fortune-500 consumer company. Forecasting bayesiano de series temporales que entrega la incertidumbre completa, no una sola línea, servido como un dashboard operativo para el equipo de insights. En uso productivo en una compañía de gran consumo del Fortune 500.

Who actually competes with whom? ¿Quién compite realmente con quién?

A partitioning method that maps which products shoppers actually treat as substitutes, so pricing, portfolio and share questions are answered against the competition that shows up in purchase behavior, not the category labels on a planning sheet. Un método de partición que revela qué productos tratan los compradores como sustitutos reales, para que las preguntas de precio, portfolio y cuota se respondan contra la competencia que aparece en el comportamiento de compra, no contra las etiquetas de categoría de un plan.

Our data grew faster than anyone could file it. Nuestros datos crecieron más rápido de lo que nadie podía archivarlos.

Point it at a messy corpus and it proposes the taxonomy itself: the real categories, the hierarchy, and where the existing tree stopped matching the data. This one graduated: it is now TaxonoMate, a governed application by our product company, Numinate Technologies. See it at numinate.io Apúntalo a un corpus desordenado y propone la taxonomía: las categorías reales, la jerarquía, y dónde el árbol existente dejó de corresponder a los datos. Este método se graduó: hoy es TaxonoMate, una aplicación gobernada de nuestra compañía de producto, Numinate Technologies. Verlo en numinate.io

Will this ad earn attention before the budget is spent? ¿Esta pieza ganará atención antes de gastar el presupuesto?

Attention prediction over creative assets, scored before publication. Currently in validation: we are running the measurement study before we make the claim. That order matters to us. Predicción de atención sobre creatividades, puntuada antes de publicar. Actualmente en validación: estamos ejecutando el estudio de medición antes de hacer la promesa. Ese orden nos importa.

Which customers should a campaign chase: the ones who respond, or the ones who pay back? ¿A qué clientes debe perseguir una campaña: a los que responden o a los que devuelven la inversión?

A latent-class segmentation of customer usage patterns, tested against the client's CRM data through a scoring algorithm and priced with a Bayesian lifetime-value layer. The segment with the highest stated intent turned out to be worth €60 of expected incremental value per prospect, against €719 for the top segment: the recommendation was rebuilt around value creation, not response rates. Delivered with a financial simulator the client's team can run on its own assumptions. Una segmentación de clases latentes sobre patrones de uso, contrastada con los datos del CRM del cliente mediante un algoritmo de scoring y valorada con una capa bayesiana de valor de vida de cliente. El segmento con mayor intención declarada resultó valer 60 € de valor incremental esperado por prospecto, frente a los 719 € del segmento líder: la recomendación se reconstruyó alrededor de la creación de valor, no de la tasa de respuesta. Entregado con un simulador financiero que el equipo del cliente puede operar con sus propios supuestos.

Does a euro of media work harder when the creative is better? ¿Trabaja más un euro de medios cuando la creatividad es mejor?

A measurement model that prices creative quality in media terms: in the estimation sample, paid media was about 35% more productive in months backed by quality-positive creative. You can drive the model yourself in an interactive simulator. Open the simulator Un modelo de medición que pone precio a la calidad creativa en términos de medios: en la muestra de estimación, los medios pagados fueron en torno a un 35% más productivos en los meses con creatividad de calidad. Puedes manejar el modelo tú mismo en un simulador interactivo. Abrir el simulador

Which price, which promotion, which week, and how far can we trust the elasticity behind them? ¿Qué precio, qué promoción, qué semana, y cuánto podemos fiarnos de la elasticidad que hay detrás?

One model of the manufacturer that allocates trade spend, works out how a cost increase passes through to the net price, and schedules promotion calendars under the 30-day prior-price rule. The calendar is a combinatorial problem: we solve it exactly where it can be solved and measure our approximations against the optimum where it cannot. On public retail data from a US chain's pain-reliever category, standard estimators applied to ordinary price variation put the price response anywhere from +0.4 to −3.2, while a price experiment in the same stores measured about −1.1. We check the elasticity before we optimise on it. Un único modelo del fabricante que reparte el trade spend, calcula cómo se traslada una subida de coste al precio neto y planifica calendarios promocionales con la regla de los 30 días sobre el precio anterior. El calendario es un problema combinatorio: lo resolvemos de forma exacta donde se puede y, donde no, medimos nuestras aproximaciones contra el óptimo. Sobre datos públicos de la categoría de analgésicos de una cadena estadounidense, los estimadores habituales aplicados a la variación ordinaria de precios sitúan la respuesta al precio entre +0,4 y −3,2, mientras que un experimento de precios en las mismas tiendas midió en torno a −1,1. Comprobamos la elasticidad antes de optimizar sobre ella.