Catálogo acumulado: una forma más realista de calcular el equilibrio

Una pieza no termina al acabar el mes

Una publicación puede seguir recibiendo visitas, búsquedas, escuchas o clics mucho después de su estreno. Ignorar esa cola hace que el modelo exija que cada pieza recupere todo su coste de forma inmediata.

El catálogo acumulado trata cada mes de publicación como una cohorte. En los meses siguientes, esa cohorte aporta una fracción decreciente de su rendimiento total. Las nuevas cohortes se suman a las anteriores.

La curva debe depender de la plataforma

No todas las plataformas tienen la misma vida media. El contenido de búsqueda suele conservar utilidad; una publicación de feed puede concentrar más rendimiento al principio. La curva no debe copiarse sin cambios entre formatos.

La distribución mensual debe sumar el rendimiento total esperado de una pieza. Si la curva no suma correctamente, la proyección crea o destruye visitas de manera invisible.

Separa aprendizaje y cola larga

Un proyecto nuevo puede mejorar con la práctica. Esa curva de aprendizaje afecta a las cohortes futuras, mientras que la cola larga describe cómo se reparte el rendimiento de cada cohorte en el tiempo. Aplicar dos veces un multiplicador de escenario distorsiona ambos efectos.

Cada escenario debe tener su supuesto explícito de rendimiento y conservar la misma lógica de capacidad y costes. Así el usuario puede comparar sin que cambien varias cosas ocultas a la vez.

Calcula equilibrio acumulado

Cada mes suma su ingreso y su coste. El equilibrio ocurre cuando los ingresos acumulados igualan o superan los costes acumulados. Si la curva no llega a ese punto dentro de doce meses, la herramienta debe decirlo sin inventar un mes futuro.

Esta lectura cambia la pregunta. En lugar de “cuántas visitas necesita cada vídeo”, pregunta “cuándo empieza el catálogo completo a cubrir el sistema que lo produce”.

Siguiente paso recomendado