Introducción

En este estudio evaluaremos los efectos del tipo de plan en una empresa de streaming. La gerencia de la empresa sospecha que, aunque los usuarios del plan Premium utilizan más horas el servicio, los descuentos y promociones frecuentes podrían reducir su ingreso neto promedio en comparación con el plan Standard. A través de este análisis se busca verificar esta hipótesis, identificar los factores que más influyen en los ingresos y ofrecer recomendaciones para optimizar la estrategia de precios y promociones de la compañía.

Ajuste de modelo

datos <- read.csv("streaming_ipu.csv")
  datos$plan <- relevel(as.factor(datos$plan), ref = "Standard")

mod1<- lm(datos$ipu_usd~datos$horas_activas_mes+datos$plan)
summary(mod1)
## 
## Call:
## lm(formula = datos$ipu_usd ~ datos$horas_activas_mes + datos$plan)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -8.1927 -2.0258  0.0218  2.1624 10.2951 
## 
## Coefficients:
##                         Estimate Std. Error t value Pr(>|t|)    
## (Intercept)              8.58924    0.96481   8.903  < 2e-16 ***
## datos$horas_activas_mes  0.16660    0.01664  10.010  < 2e-16 ***
## datos$planBasic         -3.26961    0.50047  -6.533 2.81e-10 ***
## datos$planPremium       -1.23342    0.60320  -2.045   0.0418 *  
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 3.36 on 296 degrees of freedom
## Multiple R-squared:  0.5561, Adjusted R-squared:  0.5516 
## F-statistic: 123.6 on 3 and 296 DF,  p-value: < 2.2e-16

Interpretación de modelo y justificación de selección de referencia

Se escogió utilizar la cuenta del tipo “Standard” como referencia dado a la naturaleza del problema, que busca comparar las horas de servicio e ingreso neto promedio de la cuenta tipo “Premium” con los de la cuenta “Standard”.

Todas las categorías son significantes para el modelo.

Intercepto: 8.59 -> el promedio del ingreso esperado por usuario de la cuenta “Standard”, cuando las horas activas al mes son 0.

Plan Básico: 8.59 - 3.27 = 5.32 -> el promedio del ingreso esperado por usuario de la cuenta “Básica”, cuando las horas activas al mes son 0.

Plan Premium: 8.59 - 1.23 = 7.36 -> el promedio del ingreso. Nótese que es menor al del promedio de ingreso por usuario del plan “Standard”, por lo que la gerencia está correcta en su hipótesis de que su ingreso es menor al del “Standard”.

Horas Activas al mes: el IPU aumenta por ~0.17 unidades monetarias por cada hora adicional de actividad al mes.

R^2 (el regular, no el ajustado): el modelo explica aproximadamente el 56% de la variación del IPU, indicando una relación buena entre el IPU y las horas de actividad.

Predicción con horas activas=60 para cada plan

mod_mix1 <- lm(ipu_usd~plan + horas_activas_mes, data=datos)

IPUesperado <- data.frame(plan = c("Basic", "Standard","Premium"),
  horas_activas_mes = rep(60,3))

pred1 <- predict(mod_mix1, newdata = IPUesperado, 
                 interval = "confidence", level=0.90)

cbind(IPUesperado, round(pred1, 2))
##       plan horas_activas_mes   fit   lwr   upr
## 1    Basic                60 15.32 14.59 16.04
## 2 Standard                60 18.59 18.03 19.14
## 3  Premium                60 17.35 16.60 18.10

Grafico de predicción

## `geom_line()`: Each group consists of only one observation.
## ℹ Do you need to adjust the group aesthetic?

Interpretación predicción

Para usuarios con 60 horas activas al mes, el plan Standard genera el mayor ingreso promedio por usuario, seguido por el Premium y luego el Basico. Esto refuerza la idea de que el plan Standard es el más rentable en términos de ingreso neto, incluso ante un mayor nivel de uso en el plan Premium. Plan Standard presenta el mayor IPU esperado (≈ 18.6) para usuarios con 60 horas activas al mes. Plan Premium le sigue con un IPU esperado de ≈ 17.4, pero inferior al Standard, a pesar de ser el plan de nivel superior. Nuevamente confirmando la hipótesis de la gerencia. Hay una leve superposición entre los intervalos de confianza del IPU del plan Premium y el IC del Plan Standard. Plan Basico muestra el IPU más bajo (≈ 15.3).

Conclusión

Al evaluar los modelos realizados y las prediccioes, podemos afirmar que los factores que más influyen en el ingreso son las horas activas y el tipo de plan. Ambos factores resultaron altamente relevante en el modelo de regresión; además, podemos asegurar que el efecto del tipo de plan se mantiene incluso al controlarlas horas de uso, ya que los usuarios de los planes Standard y Premium presentan ingresos promedio mayores que los del plan Basic. Sin embargo, el plan Standard genera más ingreso que el Premium, lo que sugiere que los descuentos o promociones aplicados al plan Premium reducen su rentabilidad. Por ello, la empresa debería revisar su estrategia de precios y promociones para maximizar los ingresos sin afectar el uso del servicio.