{"id":12873,"date":"2025-11-04T10:30:00","date_gmt":"2025-11-04T10:30:00","guid":{"rendered":"https:\/\/tenjin.com\/?p=12873"},"modified":"2026-02-03T15:06:04","modified_gmt":"2026-02-03T15:06:04","slug":"predicted-ltv-for-hybrid-monetization","status":"publish","type":"post","link":"https:\/\/tenjin.com\/es\/blog\/predicted-ltv-for-hybrid-monetization\/","title":{"rendered":"LTV previsto para la monetizaci\u00f3n h\u00edbrida: 4 retos resueltos"},"content":{"rendered":"<p>Did you know that most predicted LTV (<a href=\"https:\/\/tenjin.com\/es\/ltv-prediction\/\">pLTV<\/a>) models weren\u2019t built for hybrid monetization apps? When you\u2019re monetizing through both in-app purchases (IAP) and in-app purchases, user behavior gets complex fast. Standard LTV models can\u2019t handle it, and most pLTV metrics can\u2019t either. savings, and deep insights.<\/p>\n\n\n\n<figure class=\"wp-block-pullquote\"><blockquote><p class=\"translation-block\">\"Faltan herramientas para las aplicaciones de monetizaci\u00f3n h\u00edbrida\".<\/p><cite>- Jaspreet Bassan<br> Director de Producto en Tenjin<\/cite><\/blockquote><\/figure>\n\n\n\n<p>La cuesti\u00f3n es que hoy en d\u00eda la monetizaci\u00f3n h\u00edbrida est\u00e1 por todas partes, pero \u00bflas herramientas para ello? No tanto. <a href=\"https:\/\/tenjin.com\/es\/blog\/ad-revenue-in-mobile-games-iap-vs-iaa\/\" target=\"_blank\" rel=\"noreferrer noopener\">Estrategias IAP + IAA<\/a> se han convertido en el est\u00e1ndar para muchas aplicaciones, tambi\u00e9n para los juegos m\u00f3viles, pero la mayor\u00eda de las plataformas de an\u00e1lisis siguen tratando la monetizaci\u00f3n como si fuera un flujo \u00fanico. Esto supone un verdadero problema a la hora de predecir la LTV, que es esencial cuando se gestiona la adquisici\u00f3n de usuarios (UA) para juegos h\u00edbridos. Se necesitan previsiones precisas de ambos canales de ingresos para optimizar el gasto de forma eficaz. La falta de herramientas era evidente, as\u00ed que creamos lo que faltaba. <\/p>\n\n\n\n<p>Pero crear una pLTV para la monetizaci\u00f3n h\u00edbrida no es sencillo, explica Jaspreet Bassan, Directora de Producto de Tenjin. Se sienta y comparte <strong>cuatro grandes retos <\/strong>por el camino, as\u00ed que dale al play y sigue desplaz\u00e1ndote para saber m\u00e1s...<\/p>\n\n\n\n<figure class=\"wp-block-embed aligncenter is-type-video is-provider-youtube wp-block-embed-youtube wp-embed-aspect-16-9 wp-has-aspect-ratio\"><div class=\"wp-block-embed__wrapper\">\n<iframe title=\"Predicci\u00f3n de LTV para aplicaciones m\u00f3viles con monetizaci\u00f3n h\u00edbrida: pLTV de Tenjin\" width=\"500\" height=\"281\" src=\"https:\/\/www.youtube.com\/embed\/RhB9zOWi_QI?feature=oembed&#038;enablejsapi=1&#038;origin=https:\/\/tenjin.com\" frameborder=\"0\" allow=\"accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share\" referrerpolicy=\"strict-origin-when-cross-origin\" allowfullscreen><\/iframe>\n<\/div><\/figure>\n\n\n\n<div style=\"height:39px\" aria-hidden=\"true\" class=\"wp-block-spacer\"><\/div>\n\n\n\n<div style=\"height:0px\" aria-hidden=\"true\" class=\"wp-block-spacer\"><\/div>\n\n\n\n<div style=\"height:0px\" aria-hidden=\"true\" class=\"wp-block-spacer\"><\/div>\n\n\n\n<h2 class=\"wp-block-heading\">Reto #1: Escasez de se\u00f1ales<\/h2>\n\n\n\n<figure class=\"wp-block-image size-full\"><img data-recalc-dims=\"1\" decoding=\"async\" width=\"2560\" height=\"1440\" src=\"https:\/\/i0.wp.com\/tenjin.com\/wp-content\/uploads\/2025\/11\/pLTV-challenge1-scaled.png?resize=2560%2C1440&#038;ssl=1\" alt=\"pLTV Desaf\u00edo 1\" class=\"wp-image-12921\" srcset=\"https:\/\/i0.wp.com\/tenjin.com\/wp-content\/uploads\/2025\/11\/pLTV-challenge1-scaled.png?w=2560&amp;ssl=1 2560w, https:\/\/i0.wp.com\/tenjin.com\/wp-content\/uploads\/2025\/11\/pLTV-challenge1-scaled.png?resize=300%2C169&amp;ssl=1 300w, https:\/\/i0.wp.com\/tenjin.com\/wp-content\/uploads\/2025\/11\/pLTV-challenge1-scaled.png?resize=1024%2C576&amp;ssl=1 1024w, https:\/\/i0.wp.com\/tenjin.com\/wp-content\/uploads\/2025\/11\/pLTV-challenge1-scaled.png?resize=768%2C432&amp;ssl=1 768w, https:\/\/i0.wp.com\/tenjin.com\/wp-content\/uploads\/2025\/11\/pLTV-challenge1-scaled.png?resize=1536%2C864&amp;ssl=1 1536w, https:\/\/i0.wp.com\/tenjin.com\/wp-content\/uploads\/2025\/11\/pLTV-challenge1-scaled.png?resize=2048%2C1152&amp;ssl=1 2048w, https:\/\/i0.wp.com\/tenjin.com\/wp-content\/uploads\/2025\/11\/pLTV-challenge1-scaled.png?resize=18%2C10&amp;ssl=1 18w\" sizes=\"(max-width: 1000px) 100vw, 1000px\" \/><\/figure>\n\n\n\n<p>Los modelos de predicci\u00f3n de LTV necesitan grandes vol\u00famenes de se\u00f1ales tempranas para producir un resultado estad\u00edsticamente significativo y preciso. Con los modelos de monetizaci\u00f3n h\u00edbridos, esas se\u00f1ales suelen ser escasas en los primeros d\u00edas cr\u00edticos, cuando m\u00e1s se necesita la predicci\u00f3n.<\/p>\n\n\n\n<p>Nuestra soluci\u00f3n utiliza redes neuronales, explica Jaspreet:&nbsp;<\/p>\n\n\n\n<p>\"Para nosotros, las redes neuronales eran la elecci\u00f3n absolutamente correcta porque son capaces de manejar grandes vol\u00famenes de datos realmente bien, que es exactamente lo que propone este reto \u00fanico\".&nbsp;<\/p>\n\n\n\n<p>\"Y son capaces de encontrar patrones. Tambi\u00e9n son capaces de aprender de las tendencias muy bien, por lo que no tienes que hacer un mont\u00f3n de procesamiento de caracter\u00edsticas.\"<\/p>\n\n\n\n<p>Sigue compartiendo un resultado clave:<\/p>\n\n\n\n<figure class=\"wp-block-pullquote\"><blockquote><p>\"Puede tomar tus datos del d\u00eda cero, aprender patrones de ellos,<br>y luego hacer predicciones para cohortes hasta el d\u00eda 30\".<\/p><\/blockquote><\/figure>\n\n\n\n<p>Las redes neuronales pueden identificar patrones complejos a partir de se\u00f1ales tempranas insuficientes. Nuestras redes neuronales aprovechan los datos granulares de las impresiones publicitarias como una rica fuente de se\u00f1ales tempranas para <strong>superar la escasez de se\u00f1ales.<\/strong> Observamos c\u00f3mo interact\u00faan los usuarios con los anuncios desde el principio, proporcionando datos de gran volumen y de las primeras etapas para una mayor precisi\u00f3n.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Reto #2: Ballenas y otros valores at\u00edpicos<\/h2>\n\n\n\n<figure class=\"wp-block-gallery has-nested-images columns-default is-cropped wp-block-gallery-1 is-layout-flex wp-block-gallery-is-layout-flex\">\n<figure class=\"wp-block-image size-full\"><img data-recalc-dims=\"1\" decoding=\"async\" width=\"2560\" height=\"1440\" data-id=\"12922\" src=\"https:\/\/i0.wp.com\/tenjin.com\/wp-content\/uploads\/2025\/11\/pLTV-challenge2-scaled.png?resize=2560%2C1440&#038;ssl=1\" alt=\"pLTV Desaf\u00edo 2\" class=\"wp-image-12922\" srcset=\"https:\/\/i0.wp.com\/tenjin.com\/wp-content\/uploads\/2025\/11\/pLTV-challenge2-scaled.png?w=2560&amp;ssl=1 2560w, https:\/\/i0.wp.com\/tenjin.com\/wp-content\/uploads\/2025\/11\/pLTV-challenge2-scaled.png?resize=300%2C169&amp;ssl=1 300w, https:\/\/i0.wp.com\/tenjin.com\/wp-content\/uploads\/2025\/11\/pLTV-challenge2-scaled.png?resize=1024%2C576&amp;ssl=1 1024w, https:\/\/i0.wp.com\/tenjin.com\/wp-content\/uploads\/2025\/11\/pLTV-challenge2-scaled.png?resize=768%2C432&amp;ssl=1 768w, https:\/\/i0.wp.com\/tenjin.com\/wp-content\/uploads\/2025\/11\/pLTV-challenge2-scaled.png?resize=1536%2C864&amp;ssl=1 1536w, https:\/\/i0.wp.com\/tenjin.com\/wp-content\/uploads\/2025\/11\/pLTV-challenge2-scaled.png?resize=2048%2C1152&amp;ssl=1 2048w, https:\/\/i0.wp.com\/tenjin.com\/wp-content\/uploads\/2025\/11\/pLTV-challenge2-scaled.png?resize=18%2C10&amp;ssl=1 18w\" sizes=\"(max-width: 1000px) 100vw, 1000px\" \/><\/figure>\n<\/figure>\n\n\n\n<p>Un problema cl\u00e1sico en cualquier modelizaci\u00f3n son los valores at\u00edpicos. Se trata de valores at\u00edpicos o cualquier estad\u00edstica que pueda distorsionar la medici\u00f3n. Por ejemplo, un usuario gasta $1000 en un PAI, pero la mayor\u00eda de los usuarios gastan $10. Los modelos tradicionales de pLTV no saben c\u00f3mo tratar este problema y ofrecen resultados muy optimistas o muestran un potencial de ingresos perdido.<strong>&nbsp;<\/strong><\/p>\n\n\n\n<p>Jaspreet explica el planteamiento de su equipo: \"Empezamos utilizando las cohortes inmaduras como una de las caracter\u00edsticas. Despu\u00e9s a\u00f1adimos esos datos al modelo, que se entrena para predecir en funci\u00f3n de ellos. As\u00ed, cada dos horas, las cohortes maduran y el modelo lo tiene en cuenta y ofrece nuevas predicciones. \"&nbsp;<\/p>\n\n\n\n<p>Hay un flujo y una supervisi\u00f3n continuos. Para superar el problema de los valores at\u00edpicos, hay una normalizaci\u00f3n din\u00e1mica que se actualiza peri\u00f3dicamente:<\/p>\n\n\n\n<figure class=\"wp-block-pullquote has-text-align-center\"><blockquote><p>\"Utilizamos un <strong>metodolog\u00eda de normalizaci\u00f3n que se actualiza cada dos horas<\/strong> para tener en cuenta cualquier anomal\u00eda en los datos. Esto significa que podemos ajustar autom\u00e1ticamente los valores at\u00edpicos o cualquier patr\u00f3n de gasto inusual\".&nbsp; <\/p><\/blockquote><\/figure>\n\n\n\n<p>Esto significa que los consumidores ocasionales siguen contando, pero no har\u00e1n bajar la media. Tambi\u00e9n significa que no est\u00e1s sobreestimando el valor bas\u00e1ndote en unos pocos grandes gastadores. El LTV previsto es m\u00e1s realista y se tiene m\u00e1s en cuenta.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Reto #3: Las m\u00e9tricas divididas no son hol\u00edsticas<\/h2>\n\n\n\n<figure class=\"wp-block-image size-full\"><img data-recalc-dims=\"1\" decoding=\"async\" width=\"2560\" height=\"1440\" src=\"https:\/\/i0.wp.com\/tenjin.com\/wp-content\/uploads\/2025\/11\/pLTV-challenge3-scaled.png?resize=2560%2C1440&#038;ssl=1\" alt=\"pLTV Desaf\u00edo 3\" class=\"wp-image-12923\" srcset=\"https:\/\/i0.wp.com\/tenjin.com\/wp-content\/uploads\/2025\/11\/pLTV-challenge3-scaled.png?w=2560&amp;ssl=1 2560w, https:\/\/i0.wp.com\/tenjin.com\/wp-content\/uploads\/2025\/11\/pLTV-challenge3-scaled.png?resize=300%2C169&amp;ssl=1 300w, https:\/\/i0.wp.com\/tenjin.com\/wp-content\/uploads\/2025\/11\/pLTV-challenge3-scaled.png?resize=1024%2C576&amp;ssl=1 1024w, https:\/\/i0.wp.com\/tenjin.com\/wp-content\/uploads\/2025\/11\/pLTV-challenge3-scaled.png?resize=768%2C432&amp;ssl=1 768w, https:\/\/i0.wp.com\/tenjin.com\/wp-content\/uploads\/2025\/11\/pLTV-challenge3-scaled.png?resize=1536%2C864&amp;ssl=1 1536w, https:\/\/i0.wp.com\/tenjin.com\/wp-content\/uploads\/2025\/11\/pLTV-challenge3-scaled.png?resize=2048%2C1152&amp;ssl=1 2048w, https:\/\/i0.wp.com\/tenjin.com\/wp-content\/uploads\/2025\/11\/pLTV-challenge3-scaled.png?resize=18%2C10&amp;ssl=1 18w\" sizes=\"(max-width: 1000px) 100vw, 1000px\" \/><\/figure>\n\n\n\n<p>La visi\u00f3n fragmentada de los ingresos provoca lagunas. La mayor\u00eda de las plataformas obligan a realizar un seguimiento separado de los ingresos IAP e IAA. Esto genera m\u00e1s trabajo, ya que hay que hacer malabarismos con dos m\u00e9tricas pLTV diferentes, cuando en realidad deber\u00edan combinarse en una perspectiva hol\u00edstica.&nbsp;<\/p>\n\n\n\n<p>Cuando los datos de ingresos est\u00e1n divididos, no se puede identificar r\u00e1pidamente qu\u00e9 segmentos de usuarios son realmente rentables en ambos flujos, afirma Jaspreet. Adem\u00e1s, empiezas a optimizar en silos, lo que nunca es ideal, especialmente para aplicaciones h\u00edbridas o de monetizaci\u00f3n h\u00edbrida. &nbsp;<br><br>Explica que \"nuestros clientes actuales saben que tenemos una m\u00e9trica LTV combinada, que es la LTV real que est\u00e1 disponible despu\u00e9s de que tus cohortes hayan madurado. Y sabemos que las aplicaciones h\u00edbridas utilizan mucho esa m\u00e9trica. As\u00ed que quer\u00edamos ofrecer una m\u00e9trica similar que combinara tanto IAA como IAP\". Y subraya que:<\/p>\n\n\n\n<figure class=\"wp-block-pullquote\"><blockquote><p>&nbsp;\"Esto va a ser muy impactante para nuestros clientes. Y ahora tambi\u00e9n podemos ofrecer m\u00e9tricas predictivas derivadas como pROAS y pROI. Refuerza nuestra infraestructura general -la infraestructura de informes y la infraestructura de datos-, que est\u00e1 construida de tal manera que permite hacer predicciones para<br> el LTV real tambi\u00e9n es mucho m\u00e1s f\u00e1cil y significativo\".<\/p><\/blockquote><\/figure>\n\n\n\n<p>Por \u00faltimo, hemos creado un <a href=\"https:\/\/docs.tenjin.com\/docs\/pltv\" target=\"_blank\" rel=\"noreferrer noopener\">pLTV<\/a> m\u00e9trica a la que se puede acceder directamente desde el panel de Tenjin comparte Jaspreet. Se obtiene una \u00fanica m\u00e9trica que refleja el valor total previsto tanto en IAA como en IAP, con previsiones a corto y largo plazo incluidas por defecto.&nbsp;<\/p>\n\n\n\n<p>Nuestra soluci\u00f3n aporta una visibilidad clara y hol\u00edstica. Se acab\u00f3 la gimnasia de las hojas de c\u00e1lculo o el estirar las estad\u00edsticas para entender sus m\u00e1rgenes de beneficio. Puede actuar antes y sentirse m\u00e1s seguro.&nbsp;<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Reto #4: \"Por los pelos\" no es suficiente<\/h2>\n\n\n\n<figure class=\"wp-block-image size-full\"><img data-recalc-dims=\"1\" decoding=\"async\" width=\"2560\" height=\"1440\" src=\"https:\/\/i0.wp.com\/tenjin.com\/wp-content\/uploads\/2025\/11\/pLTV-challenge4-scaled.png?resize=2560%2C1440&#038;ssl=1\" alt=\"pLTV Desaf\u00edo 4\" class=\"wp-image-12924\" srcset=\"https:\/\/i0.wp.com\/tenjin.com\/wp-content\/uploads\/2025\/11\/pLTV-challenge4-scaled.png?w=2560&amp;ssl=1 2560w, https:\/\/i0.wp.com\/tenjin.com\/wp-content\/uploads\/2025\/11\/pLTV-challenge4-scaled.png?resize=300%2C169&amp;ssl=1 300w, https:\/\/i0.wp.com\/tenjin.com\/wp-content\/uploads\/2025\/11\/pLTV-challenge4-scaled.png?resize=1024%2C576&amp;ssl=1 1024w, https:\/\/i0.wp.com\/tenjin.com\/wp-content\/uploads\/2025\/11\/pLTV-challenge4-scaled.png?resize=768%2C432&amp;ssl=1 768w, https:\/\/i0.wp.com\/tenjin.com\/wp-content\/uploads\/2025\/11\/pLTV-challenge4-scaled.png?resize=1536%2C864&amp;ssl=1 1536w, https:\/\/i0.wp.com\/tenjin.com\/wp-content\/uploads\/2025\/11\/pLTV-challenge4-scaled.png?resize=2048%2C1152&amp;ssl=1 2048w, https:\/\/i0.wp.com\/tenjin.com\/wp-content\/uploads\/2025\/11\/pLTV-challenge4-scaled.png?resize=18%2C10&amp;ssl=1 18w\" sizes=\"(max-width: 1000px) 100vw, 1000px\" \/><\/figure>\n\n\n\n<p>La mayor\u00eda de los modelos de pLTV rondan los 70-80% de precisi\u00f3n. Puede parecer decente, pero cuando se toman decisiones de asignaci\u00f3n presupuestaria en tiempo real por valor de miles de d\u00f3lares, un margen de error de 20-30% es inaceptable. No acertar puede ser especialmente perjudicial para los desarrolladores y comercializadores de aplicaciones preocupados por el presupuesto, o para los que se encuentran en mercados emergentes. Todos podemos insistir en que cualquier predicci\u00f3n imprecisa conduce al despilfarro de gastos o a la p\u00e9rdida de oportunidades.<\/p>\n\n\n\n<p>La optimizaci\u00f3n de las UA requiere confianza. Si no puede confiar en sus an\u00e1lisis predictivos, no podr\u00e1 reasignar con seguridad el presupuesto, ajustar las pujas o ampliar las campa\u00f1as. En los mercados r\u00e1pidos, la indecisi\u00f3n tiene un coste.&nbsp;<br><br><strong>Una pLTV de alta precisi\u00f3n es fundamental para tomar decisiones de optimizaci\u00f3n cotidianas y en tiempo real:<\/strong><\/p>\n\n\n\n<figure class=\"wp-block-pullquote\"><blockquote><p class=\"translation-block\">\"La precisi\u00f3n del 90% es fant\u00e1stica y algo que<br> es <em>realmente raro<\/em> en esta industria\".<\/p><\/blockquote><\/figure>\n\n\n\n<p>Se\u00f1ala que \"se ha invertido mucho en construir LTV previstas, por lo que creo que este <strong>Precisi\u00f3n 90%<\/strong> que recibimos era posible. Aportamos muchos conocimientos expertos y enfocamos este problema desde la perspectiva del cliente\".&nbsp;&nbsp;<\/p>\n\n\n\n<p>Este incre\u00edble punto de referencia se cre\u00f3 mediante un riguroso entrenamiento y an\u00e1lisis de redes neuronales. Adem\u00e1s, nuestro pLTV est\u00e1 disponible a nivel de aplicaci\u00f3n, campa\u00f1a y pa\u00eds. De este modo, puedes asignar presupuestos basados en diferentes pa\u00edses para tus campa\u00f1as y canales, haciendo que las posibilidades sean infinitas. <\/p>\n\n\n\n<p>Este umbral de rendimiento hace que nuestra m\u00e9trica pLTV sea lo suficientemente fiable como para tomar decisiones de optimizaci\u00f3n cotidianas. As\u00ed que adelante, optimice con confianza, no con precauci\u00f3n, y apueste su presupuesto de UA.<\/p>\n\n\n\n<figure class=\"wp-block-pullquote\"><blockquote><p>\"Utilizamos las m\u00e9tricas pLTV de Tenjin para supervisar el rendimiento de las nuevas cohortes en tiempo real sin tener que esperar a los datos a largo plazo. Esto nos permite tomar decisiones de UA mucho m\u00e1s r\u00e1pido\".<\/p><cite>- James McClelland, Tapped<\/cite><\/blockquote><\/figure>\n\n\n\n<details class=\"wp-block-details is-layout-flow wp-block-details-is-layout-flow\"><summary>Leer la transcripci\u00f3n completa<\/summary>\n<p><strong>Jas:<\/strong> Quiero decir que nuestro promedio es, y Roman, usted hace hincapi\u00e9 en la palabra promedio, que es, ya sabes, la forma correcta de hablar de la precisi\u00f3n del modelo, muy bien. Um eso es realmente muy bueno. Una precisi\u00f3n de 90% es fant\u00e1stico y algo que es realmente raro en esta industria.&nbsp;<\/p>\n\n\n\n<p><strong>Romano:<\/strong> Hola a todos, bienvenidos a otro v\u00eddeo sobre una actualizaci\u00f3n de Tenjin. Hoy hablamos con Jaspret, de nuestro equipo de producto. Hola Jas.&nbsp;<\/p>\n\n\n\n<p><strong>Jas:<\/strong> Hola Roman.<br><br><strong>Romano: <\/strong>Y estamos hablando de la predicci\u00f3n LTV: qu\u00e9 es, por qu\u00e9 es importante y c\u00f3mo puedes acceder a ella en Tenjin. As\u00ed que s\u00ed, vamos a empezar con unas palabras sobre ti Jas.<\/p>\n\n\n\n<p><strong>Jas:<\/strong> Gracias, Roman. Hola a todos, soy Jas o Jaspreet, y soy el Gerente de Producto del Personal en Tenjin. Normalmente trabajo en el lado de los datos y el tablero de instrumentos de las cosas, y hemos construido predictivo LTV (pLTV), especialmente para todos ustedes por ah\u00ed.&nbsp;<\/p>\n\n\n\n<p><strong>Romano: <\/strong>Exacto. Uh, hemos preparado para este video un par de diapositivas. Voy a compartir mi pantalla y vamos a ir a trav\u00e9s de ellos y vamos a tener una especie de conversaci\u00f3n producto.&nbsp;<\/p>\n\n\n\n<p>As\u00ed que s\u00ed, predicci\u00f3n LTV a medida para aplicaciones con monetizaci\u00f3n h\u00edbrida. H\u00edbrido es un nuevo hiper ahora.  Hay mucho bombo, pero sentimos que no hay suficientes herramientas construidas para ese subconjunto de aplicaciones. La predicci\u00f3n de LTV es una herramienta esencial para la adquisici\u00f3n de usuarios en un juego h\u00edbrido.&nbsp;<\/p>\n\n\n\n<p>Veamos por qu\u00e9 necesitas usarlo. \u00bfQuieres comentar algo, Jas?<\/p>\n\n\n\n<p><strong>Jas: <\/strong>S\u00ed, por supuesto, creo que Roman, tienes raz\u00f3n. Necesitamos m\u00e1s herramientas para h\u00edbridos, tienden a faltar por ah\u00ed. Pero en Tenjiin, estamos muy centrados en esto.&nbsp;<\/p>\n\n\n\n<p>S\u00f3lo para hacer una peque\u00f1a introducci\u00f3n, centr\u00e1ndome espec\u00edficamente en los h\u00edbridos. As\u00ed que para las aplicaciones que tienen puros anuncios in-app (IAA), sus ingresos lo m\u00e1s probable es madurar mucho m\u00e1s r\u00e1pido, \u00bfverdad? Por ejemplo, en el tercer o s\u00e9ptimo d\u00eda. Mientras que para las aplicaciones h\u00edbridas o aplicaciones que utilizan una gran cantidad de compras dentro de la aplicaci\u00f3n (IAP), sus ingresos IAA pueden madurar m\u00e1s r\u00e1pido, pero sus ingresos IAP pueden tardar semanas o meses en madurar.&nbsp;<\/p>\n\n\n\n<p>Por eso tenemos pLTV para aplicaciones h\u00edbridas. Con pLTV, no necesita esperar a que las cohortes maduren. O, como esperar a hacer sus optimizaciones de campa\u00f1a despu\u00e9s del d\u00eda 30, d\u00eda 60, o m\u00e1s. En lugar de eso, puede tomar su decisi\u00f3n de optimizaci\u00f3n de campa\u00f1a mucho antes, \u00bfverdad? As\u00ed que en lugar de esperar tanto tiempo, esperando a que sus cohortes maduren, puede actuar en el segundo d\u00eda, por ejemplo.&nbsp;&nbsp;<\/p>\n\n\n\n<p><strong>Romano: <\/strong>Y aqu\u00ed tengo este ejemplo hipot\u00e9tico de la Campa\u00f1a A y la Campa\u00f1a B. Como podemos ver aqu\u00ed en el d\u00eda 0, es como si la Campa\u00f1a B fuera un claro ganador aqu\u00ed. Sin embargo, podr\u00eda no ser la verdad para una aplicaci\u00f3n h\u00edbrida porque un usuario podr\u00eda entrar, hacer una compra y superar\u00eda todos los ingresos que se hab\u00edan obtenido mostrando los anuncios. Y as\u00ed es como se ver\u00eda si hubiera predicciones para el d\u00eda 14.&nbsp;&nbsp;<\/p>\n\n\n\n<p>Ya hemos trabajado con un par de empresas en esto. Jas trabaj\u00f3 en estrecha colaboraci\u00f3n con James y el equipo para trabajar en todo el proyecto predictivo LTV. Y uh s\u00ed, vamos a leer la cita:&nbsp;<\/p>\n\n\n\n<p>\"Utilizamos las m\u00e9tricas pLTV de Tenjin para supervisar el rendimiento de las nuevas cohortes en tiempo real sin tener que esperar a los datos a largo plazo. Esto nos permite tomar decisiones de UA mucho m\u00e1s r\u00e1pido\". - James McClelland, Tapped<\/p>\n\n\n\n<p>Esto es exactamente lo que Jas acaba de decir, \u00bfverdad?&nbsp;<\/p>\n\n\n\n<p><strong>Jas: <\/strong>S\u00ed. S\u00ed. Um, ya sabes Roman, cuando est\u00e1bamos haciendo el desarrollo de productos para la predicci\u00f3n de LTV trabajamos mucho con los clientes, muy de cerca y Tapped fue uno de los clientes, incluso en, como, la etapa Alfa. Utilizaron nuestras predicciones desde mucho antes y ahora este producto est\u00e1 fuera para todo el mundo y est\u00e1 disponible para todo el mundo a utilizar.<\/p>\n\n\n\n<p>Hemos recibido comentarios muy similares de casi todos nuestros clientes. Te enteras de c\u00f3mo est\u00e1n<\/p>\n\n\n\n<p>usando esto y son capaces de tomar decisiones de adquisici\u00f3n de usuarios mucho mucho m\u00e1s r\u00e1pido, correcto.&nbsp;<\/p>\n\n\n\n<p>Roman: Y aqu\u00ed est\u00e1 de nuevo, como, un \u00e9nfasis en la velocidad. As\u00ed que si estoy esperando durante 14 d\u00edas, entonces tengo que ver qu\u00e9 campa\u00f1a realmente se desempe\u00f1a mejor. Si utilizo la predicci\u00f3n LTV antes del d\u00eda 14 o el d\u00eda que sea, puedes reinvertir el dinero m\u00e1s r\u00e1pido, como puedes ver aqu\u00ed... simplemente obtendr\u00e1s m\u00e1s dinero al final.&nbsp;<\/p>\n\n\n\n<p>Roman: Um, tal vez para alguien que no sabe lo que es una aplicaci\u00f3n h\u00edbrida, eh vamos a hablar de eso. Jas, \u00bfqu\u00e9 es una aplicaci\u00f3n h\u00edbrida?<br><\/p>\n\n\n\n<p>Jas:  Genial. S\u00ed. Cuando decimos aplicaciones h\u00edbridas, nos referimos a una aplicaci\u00f3n que utiliza los dos modelos de ingresos que te present\u00e9 r\u00e1pidamente al principio de este v\u00eddeo, \u00bfvale? Uno de ellos es la publicidad in-app, que b\u00e1sicamente significa que tu aplicaci\u00f3n obtiene ingresos mostrando anuncios a tus usuarios. Y el otro modelo de negocio es IAP, o compras dentro de la aplicaci\u00f3n. Las compras dentro de la aplicaci\u00f3n pueden ser productos que se venden una sola vez, suscripciones u otras cosas, pero tambi\u00e9n se gana dinero vendiendo un producto dentro de la aplicaci\u00f3n.&nbsp;<\/p>\n\n\n\n<p>Las aplicaciones h\u00edbridas hacen ambas cosas, \u00bfverdad? Hacen dinero mostrando anuncios y tambi\u00e9n tus usuarios pueden comprar tus productos dentro de tu aplicaci\u00f3n. As\u00ed que puedes ganar dinero tanto con anuncios como con compras.<br><br>Y cuando una aplicaci\u00f3n utiliza estos dos modelos a la vez, las llamamos aplicaciones h\u00edbridas. Ahora puedes ver esta aplicaci\u00f3n como ejemplo de la distribuci\u00f3n de los anuncios en la aplicaci\u00f3n frente a las compras en la aplicaci\u00f3n. Puede variar. Puede ser como no s\u00e9 20% IAA y 80% IAP. Um, pero este es un gran ejemplo aqu\u00ed de lo que una aplicaci\u00f3n h\u00edbrida parece.<\/p>\n\n\n\n<p><strong>Romano:<\/strong> Exacto Y parece que el futuro son las aplicaciones h\u00edbridas...&nbsp;&nbsp;<\/p>\n\n\n\n<p><strong>Jas:<\/strong> 100%<br><br><strong>Romano:<\/strong> Correcto, as\u00ed que una de las cosas, pero es un reto derecho, porque es tan nuevo. As\u00ed que es un reto predecir LTV aplicaciones h\u00edbridas. En el pasado pod\u00edas encontrar predicciones de LTV para compras de aplicaciones IAA. Hasta ahora nadie ha hecho predicciones para aplicaciones h\u00edbridas. As\u00ed que aqu\u00ed hemos resaltado la palabra red neuronal. Tal vez voy a pedir s\u00f3lo para que usted pueda comentar sobre eso<\/p>\n\n\n\n<p>y h\u00e1blanos un poco m\u00e1s de c\u00f3mo te planteaste este reto.<\/p>\n\n\n\n<p><strong>Jas:<\/strong> Genial. S\u00ed. Roman tiene toda la raz\u00f3n en que Tenjin est\u00e1 resolviendo este problema de una manera \u00fanica, porque hay una falta de herramientas que soporten aplicaciones h\u00edbridas. Ahora mismo nos estamos centrando en ese mercado y, Roman, tienes toda la raz\u00f3n en que ese es el futuro. Eso es lo que estamos viendo desde el punto de vista de la industria.&nbsp;<\/p>\n\n\n\n<p>Y, obviamente, cuando se trata de decisiones de adquisici\u00f3n de usuarios u optimizaci\u00f3n de campa\u00f1as, um como quieras llamarlo, estamos utilizando datos de mediaci\u00f3n de anuncios. Hablaremos m\u00e1s sobre eso m\u00e1s adelante.&nbsp;<\/p>\n\n\n\n<p>Utilizamos muchos datos muy granulares disponibles a nivel de impresi\u00f3n publicitaria y de usuario. Y lo mismo ocurre con los datos de compra dentro de la aplicaci\u00f3n. Y cuando est\u00e1s usando muchos de estos datos, quieres un algoritmo de aprendizaje autom\u00e1tico que pueda manejarlo realmente bien y que pueda manejar este desaf\u00edo \u00fanico...<\/p>\n\n\n\n<p>de la que est\u00e1s hablando, para soportar aplicaciones h\u00edbridas. Y las redes neuronales son una opci\u00f3n natural para ello.&nbsp;<\/p>\n\n\n\n<p>No quiero profundizar demasiado en el aspecto t\u00e9cnico de lo que son las redes neuronales, pero se puede pensar en las redes neuronales como um, en realidad se llaman redes neuronales artificiales.&nbsp;<\/p>\n\n\n\n<p>Son de aprendizaje autom\u00e1tico, una de las tecnolog\u00edas de aprendizaje autom\u00e1tico en las que puedes entrenar tu modelo y luego entrenar tu modelo utilizando datos hist\u00f3ricos y ese modelo es capaz de aprender de patrones y tendencias hist\u00f3ricas y luego hacer predicciones.&nbsp;<\/p>\n\n\n\n<p>Uh no s\u00e9 Roman si tienes m\u00e1s preguntas puedo seguir hablando de esto. Um una cosa por qu\u00e9 utilizamos una red neuronal frente a otras cosas. As\u00ed que en nuestro ciclo de desarrollo de productos, nos fijamos en el uso de modelos m\u00e1s simples.  Lo hicimos, ya sabes, utilizar muchos otros puntos de referencia, una gran cantidad de puntos de referencia.&nbsp;<\/p>\n\n\n\n<p>Hemos hecho muchas pruebas comparativas, y para nosotros las redes neuronales eran la opci\u00f3n absolutamente correcta porque:&nbsp;<\/p>\n\n\n\n<p>A) Son capaces de manejar grandes vol\u00famenes de datos realmente bien, que es exactamente lo que propone este reto \u00fanico y<br><br>B) Son capaces de encontrar patrones, son capaces de aprender de las tendencias realmente bien, por lo que no tienes que hacer un mont\u00f3n de procesamiento de caracter\u00edsticas.&nbsp;<\/p>\n\n\n\n<p>\u00bfPor qu\u00e9 alguien utilizar\u00eda las predicciones de Tenjin en lugar de hacer sus propias cosas? Ya hablaremos de ello, pero desde el punto de vista de las redes neuronales queremos que este modelo aprenda de los datos de todas las aplicaciones y organizaciones y encuentre patrones. As\u00ed que incluso si tu campa\u00f1a es nueva, digamos, y no tiene ning\u00fan dato en el pasado, nuestro modelo aprender\u00e1 de aplicaciones similares y organizaciones similares y har\u00e1 predicciones precisas para tu campa\u00f1a.<\/p>\n\n\n\n<p><strong>Romano: <\/strong>S\u00ed, esa era mi pregunta en realidad. Vamos a repasar algunos retos para las aplicaciones h\u00edbridas. En realidad ya mencionaste esto, \u00bfverdad?<\/p>\n\n\n\n<p><strong>Jas:<\/strong> S\u00ed, lo hice. S\u00ed.<\/p>\n\n\n\n<p><strong>Romano: <\/strong>Uh muchas se\u00f1ales y usamos impresiones, impresiones de anuncios. Um y entregamos ... tal vez podamos hablar de las cohortes. Las predicciones est\u00e1n disponibles en el d\u00eda cero, \u00bfverdad?<\/p>\n\n\n\n<p><strong>Jas: <\/strong>S\u00ed. As\u00ed que uh d\u00e9jame decirlo de otra manera en realidad. Um por lo que nuestro modelo aprende el uso de cohorte de d\u00eda cero, los datos disponibles y el uso de cohorte de d\u00eda cero que va a hacer predicciones para todas las cohortes en el futuro hasta el d\u00eda 30. Nos centramos en el d\u00eda 30 en este momento. Vamos a a\u00f1adir, bueno - estamos en el medio de la adici\u00f3n de apoyo a las cohortes m\u00e1s largas hasta el d\u00eda 365.<\/p>\n\n\n\n<p>Pero eso es lo que estamos haciendo ahora: tomar\u00e1 tus datos del d\u00eda cero, aprender\u00e1 patrones de ellos y har\u00e1 predicciones para cohortes hasta el d\u00eda 30.&nbsp;<\/p>\n\n\n\n<p><strong>Romano:<\/strong> Y supongo que uno de los m\u00e1s importantes que mostramos, si hablamos de las aplicaciones que muestran anuncios, es como una impresi\u00f3n de anuncio, \u00bfverdad?<\/p>\n\n\n\n<p><strong>Jas:<\/strong> S\u00ed. Como se trata de una campa\u00f1a, el caso de uso es la adquisici\u00f3n de usuarios y la optimizaci\u00f3n de la campa\u00f1a. Estamos utilizando impresiones de anuncios muy granular como una de las caracter\u00edsticas. Usamos muchas funciones, unas cien, y \u00e9sta es una de ellas.<\/p>\n\n\n\n<p><strong>Romano:<\/strong> S\u00ed. S\u00ed, s\u00ed. S\u00ed. Esto es s\u00f3lo para responder a una de las preguntas que ten\u00eda, tambi\u00e9n internamente. \u00bfC\u00f3mo nos aseguramos de que las predicciones tempranas, (porque desde los d\u00edas hiper casual, s\u00e9 que este es uno de los factores s\u00faper importantes para entender) c\u00f3mo la campa\u00f1a se realiza desde el principio. Al igual que usted necesita tanto temprano y tarde y esto es por qu\u00e9 y c\u00f3mo lo hacemos.&nbsp;<\/p>\n\n\n\n<p>El siguiente reto (se mencion\u00f3 en el ejemplo de una de las primeras diapositivas). Ten\u00edamos dos campa\u00f1as y, en alg\u00fan momento, la Campa\u00f1a A lleg\u00f3 a ser mejor que la Campa\u00f1a B, presumiblemente gracias a la compra. Correcto. Y, entonces actualizamos una predicci\u00f3n cada dos horas. \u00bfPuede explicar lo que significa?<\/p>\n\n\n\n<p><strong>Jas:<\/strong> S\u00ed. As\u00ed que estamos utilizando una gran cantidad de sus datos, como cientos de caracter\u00edsticas: las distribuciones de sus impresiones de anuncios, c\u00f3mo su campa\u00f1a se est\u00e1 realizando sobre la base de los cambios que ha hecho , a su campa\u00f1a como ofertas, etc. Y otras cosas reales que suceden fuera de toda tu estrategia de UA.&nbsp;<\/p>\n\n\n\n<p>As\u00ed que todos esos datos van al modelo y luego el modelo har\u00e1 nuevas predicciones basadas en ellos. Especialmente cuando tus cohortes no est\u00e1n maduras, \u00bfverdad? Una vez que tus cohortes est\u00e1n maduras, el modelo ya tiene muchos de esos datos y ha hecho predicciones muy buenas y precisas. Pero, especialmente cuando usted est\u00e1 haciendo cualquier cambio, ya sabes, cualquier cambio est\u00e1 sucediendo a sus campa\u00f1as. Esta es la raz\u00f3n por la que hacemos predicciones r\u00e1pidamente, para factorizar todos los cambios del mundo real que est\u00e1n sucediendo o los cambios de distribuci\u00f3n que est\u00e1n sucediendo y luego te damos predicciones frescas que reflejan la realidad de ese mundo.&nbsp;<\/p>\n\n\n\n<p><strong>Romano:<\/strong> He iniciado una campa\u00f1a. Empiezo a ver los datos de la campa\u00f1a. \u00bfSignifica que en las dos horas siguientes a verlos deber\u00eda obtener predicciones de LTV o tengo que esperar m\u00e1s?&nbsp;<\/p>\n\n\n\n<p><strong>Jas: <\/strong>As\u00ed que Roman, mi entendimiento es que necesitamos un maduro como d\u00eda cero de datos, y entonces somos capaces de hacer predicciones para 1 a 30. As\u00ed que digamos que vuelves en el primer d\u00eda, \u00bfverdad? As\u00ed que en el primer d\u00eda y al d\u00eda 30, obviamente, sus cohortes no han madurado.&nbsp;<\/p>\n\n\n\n<p>Usamos las cohortes inmaduras tambi\u00e9n como una de las caracter\u00edsticas y a\u00f1adimos esos datos al modelo y entonces el modelo predecir\u00e1 bas\u00e1ndose en ellos. \u00bfCorrecto? As\u00ed que cada dos horas, sus cohortes tambi\u00e9n est\u00e1n madurando y el modelo lo tiene en cuenta y le dar\u00e1 nuevas predicciones, ya sabes, para el d\u00eda uno al d\u00eda 30. Um, as\u00ed que eso es lo que estamos haciendo b\u00e1sicamente.<\/p>\n\n\n\n<p><strong>Romano:<\/strong> Super gotcha. Uh desaf\u00edo n\u00famero tres como he mencionado, ya hab\u00eda productos que pueden hacer la predicci\u00f3n de IIA o IIP.<\/p>\n\n\n\n<p><strong>Jas:<\/strong> Mhm. Decidimos hacer la predicci\u00f3n en una m\u00e9trica para ambos y la pusimos a disposici\u00f3n en el tablero.&nbsp;<\/p>\n\n\n\n<p><strong>Romano:<\/strong> Quiz\u00e1 Jas, puedas explicarnos c\u00f3mo se pens\u00f3 cuando se decidi\u00f3 esto... \u00bfPor qu\u00e9 lo hacemos?<br><br><strong>Jas: <\/strong>S\u00ed. As\u00ed que para el desarrollo de gesti\u00f3n de productos, la forma en que quer\u00edamos abordar este problema era vamos a construir, ya sabes, un Alfa muy r\u00e1pidamente. Y, vamos a tener algunos de nuestros clientes conducir la retroalimentaci\u00f3n y luego evolucionar el producto org\u00e1nicamente.<\/p>\n\n\n\n<p>Mientras lo hac\u00edamos, recibimos muchos de los primeros comentarios. Esa retroalimentaci\u00f3n temprana es muy cr\u00edtica para hacer un buen producto para la predicci\u00f3n de LTV espec\u00edficamente. Queremos construir algo r\u00e1pido que resuelva el caso de uso para h\u00edbridos, as\u00ed que nos decantamos por esta m\u00e9trica.&nbsp;<\/p>\n\n\n\n<p>As\u00ed que nuestros clientes actuales saben que tenemos LTV, una m\u00e9trica combinada de LTV que es el LTV real que est\u00e1 disponible despu\u00e9s de que sus cohortes hayan madurado. Tambi\u00e9n est\u00e1 disponible para datos de cohortes inmaduras.&nbsp;<\/p>\n\n\n\n<p>Y sabemos que las aplicaciones h\u00edbridas utilizan mucho esa m\u00e9trica. As\u00ed que hemos querido ofrecer una m\u00e9trica similar que combine tanto los anuncios en la aplicaci\u00f3n como el IAP.&nbsp;<\/p>\n\n\n\n<p>En el caso concreto de Tenjin, los datos y la infraestructura de nuestros informes est\u00e1n construidos de tal forma que ya disponemos de este LTV hist\u00f3rico o real. Acabamos haciendo predicciones para esa m\u00e9trica. Piensa en esa m\u00e9trica como tu eje Y en terminolog\u00eda de aprendizaje autom\u00e1tico, y luego utilizar\u00e1s todas las tendencias hist\u00f3ricas, y luego har\u00e1s una predicci\u00f3n para ese derecho, y eso es lo que estamos haciendo.&nbsp;<\/p>\n\n\n\n<p>As\u00ed que A) fue una decisi\u00f3n desde el punto de vista del producto, porque sabemos que nuestros clientes lo utilizan y va a tener un gran impacto para ellos. Y luego, utilizando esta m\u00e9trica, ahora podemos proporcionar m\u00e9tricas predictivas derivadas como pROAS y pROI. Pero obviamente nuestra infraestructura, la infraestructura de informes y la infraestructura de datos est\u00e1 construida de tal manera que hacer predicciones para este LTV real es mucho m\u00e1s f\u00e1cil.<\/p>\n\n\n\n<p><strong>Romano: <\/strong>Entendido. Ahora el \u00faltimo reto para las aplicaciones h\u00edbridas, que es la precisi\u00f3n. Tenemos esta impresionante precisi\u00f3n, precisi\u00f3n media de 90%.<\/p>\n\n\n\n<p><strong>Jas: <\/strong>S\u00ed.<\/p>\n\n\n\n<p><strong>Romano: <\/strong>\u00bfSiempre fue as\u00ed? \u00bfTuvimos que trabajar en ello? Tal vez usted tiene alg\u00fan punto de referencia en la industria.<\/p>\n\n\n\n<p><strong>Jas: <\/strong>S\u00ed. Um por lo que esta es una gran pregunta y quiero decir que nuestro promedio es, y Roman, usted hace hincapi\u00e9 en la palabra promedio, que es, ya sabes, la forma correcta de hablar de la precisi\u00f3n del modelo, muy bien. Um eso es realmente muy bueno. Una precisi\u00f3n de 90% es fant\u00e1stico y algo que es realmente raro en esta industria.&nbsp;<\/p>\n\n\n\n<p>Este no fue siempre el caso. Como he dicho, he mencionado brevemente al principio de este video, como hicimos el desarrollo de productos. Empezamos con la producci\u00f3n de Alfa beta. Obviamente para Alpha la precisi\u00f3n no era tan buena.&nbsp;<\/p>\n\n\n\n<p>Antes incluso de poner en marcha Alpha, realizamos evaluaciones comparativas internas. Nuestro GFS ten\u00eda predicciones y las evaluamos, y luego hicimos nuestra propia evaluaci\u00f3n comparativa interna con otros modelos de aprendizaje autom\u00e1tico. Y el desarrollo del aprendizaje autom\u00e1tico consiste en analizar diferentes caracter\u00edsticas: ver cu\u00e1l ofrece una buena precisi\u00f3n, cu\u00e1l arruina la precisi\u00f3n, hacer algo de ingenier\u00eda de caracter\u00edsticas, comprender muy bien los datos y el negocio.&nbsp;<\/p>\n\n\n\n<p>Esta es una forma muy org\u00e1nica de c\u00f3mo hicimos las cosas, \u00bfverdad? Como de acuerdo, \u00bfc\u00f3mo toman decisiones los clientes? Hablar con expertos, por ejemplo. As\u00ed que mucho de eso se ha ido en la construcci\u00f3n de predicci\u00f3n LTV y es por eso que creo que esta precisi\u00f3n 90% que hemos recibido fue posible. Es porque hemos a\u00f1adido un mont\u00f3n de esa visi\u00f3n experta en esto y nos acercamos a este problema desde la perspectiva del cliente.&nbsp;<\/p>\n\n\n\n<p>\u00bfC\u00f3mo toman las decisiones? Les implicamos desde el principio, as\u00ed que fue un proceso largo. No fue un proceso f\u00e1cil conseguirlo. Trabajamos muy duro para conseguir esa precisi\u00f3n de 90%. Dicho esto, quiero mencionar que, aunque nuestro rendimiento medio del modelo es de 90%, la precisi\u00f3n var\u00eda de una campa\u00f1a a otra, de una aplicaci\u00f3n a otra y de un pa\u00eds a otro.&nbsp;<\/p>\n\n\n\n<p>Creo que olvid\u00e9 mencionar esto, pero nuestras predicciones est\u00e1n disponibles a nivel de aplicaci\u00f3n, campa\u00f1a y pa\u00eds. As\u00ed que puedes asignar un presupuesto basado en diferentes pa\u00edses para tus campa\u00f1as, diferentes campa\u00f1as, diferentes canales, \u00bfverdad? Por ejemplo, si tu canal A no funciona en este pa\u00eds, puedes hacer todo tipo de cosas para todo tipo de pa\u00edses, canales y campa\u00f1as.<\/p>\n\n\n\n<p>Um, cuando se trata de la precisi\u00f3n de un modelo de aprendizaje autom\u00e1tico, puede variar de diferentes campa\u00f1as a diferentes pa\u00edses, \u00bfverdad? 90% es la media. Hasta ahora, nuestros clientes han dicho que han visto una precisi\u00f3n de 90%, lo cual es genial, pero quiero a\u00f1adir la advertencia de que la precisi\u00f3n puede depender del pa\u00eds, la campa\u00f1a y los canales, por lo que estamos pensando en a\u00f1adir intervalos de confianza en el futuro. Esto te ayudar\u00e1 a tomar decisiones con m\u00e1s confianza.<\/p>\n\n\n\n<p><strong>Romano: <\/strong>Correcto. Correcto. S\u00ed, creo que este es un punto importante a destacar. Una vez m\u00e1s como si fuera un promedio a pesar de que es un gran resultado. Uh, pero realmente depende de muchos factores. Sigue siendo una predicci\u00f3n. Genial. Uh creo que ese fue el \u00faltimo reto, ahora la pregunta principal es c\u00f3mo empezar.&nbsp;<\/p>\n\n\n\n<p>Est\u00e1 disponible en todos los planes de pago. As\u00ed que ahora, en realidad comenz\u00f3 con una funci\u00f3n de cancelar en cualquier momento. As\u00ed que usted puede comenzar con nosotros, pagar 200 d\u00f3lares y obtener acceso a LTV predictivo. Si ya eres cliente de Tenjin, entonces ya tienes acceso a ella.&nbsp;<\/p>\n\n\n\n<p>Basta con hacer clic en la m\u00e9trica de edici\u00f3n en el tablero de instrumentos, encontrar m\u00e9tricas LTV predichas (pLTV), ROAS predichos (pROAS), y ROI predicho (pROI). As\u00ed que nada de feature gates, simplemente pru\u00e9balo y ver\u00e1s c\u00f3mo funciona. Si ya lo has probado, d\u00e9janos un comentario. Si tienes alguna pregunta, tambi\u00e9n d\u00e9janos un comentario.&nbsp;<\/p>\n\n\n\n<p>\u00bfAlguna \u00faltima idea, Jas?<\/p>\n\n\n\n<p><strong>Jas:<\/strong> S\u00ed, s\u00f3lo quiero decir Roman, gracias por destacar eso. Utilizar Tenjin es ahora m\u00e1s f\u00e1cil que nunca. S\u00f3lo tienes que ir a nuestro panel de control. S\u00f3lo tienes que suscribirte a nuestro plan $200 y puedes cancelarlo cuando quieras. Um, as\u00ed que si est\u00e1s interesado, prueba esto. Um, s\u00ed. Nos encantar\u00eda recibir sus comentarios sobre esto, o cualquier otra cosa.<\/p>\n\n\n\n<p><strong>Romano: <\/strong>Super. Muchas gracias, Jess. Danos un like si te gusta este v\u00eddeo. Podemos hacer m\u00e1s v\u00eddeos. Ese es s\u00f3lo un caso de uso para la predicci\u00f3n de LTV. Hay m\u00e1s. Tambi\u00e9n podemos mostrar una demo. Hay mucho contenido para explorar aqu\u00ed. As\u00ed que...<\/p>\n\n\n\n<p><strong>Jas: <\/strong>S\u00ed, lo hay. Puedo hablar sin parar de esto creo que durante tres, cuatro horas seguidas. Podemos hablar de cosas t\u00e9cnicas. Podemos hablar sobre el caso de uso de fraude que no he mencionado. C\u00f3mo configurarlo. As\u00ed que s\u00ed, estad atentos para m\u00e1s contenido.&nbsp;<\/p>\n\n\n\n<p><strong>Romano:<\/strong> Exactamente. Muy bien entonces, muchas gracias Jas y gracias por...&nbsp;<\/p>\n\n\n\n<p><strong>Jas:<\/strong> Muchas gracias Roman, \u00a1s\u00ed! Salud, adi\u00f3s.&nbsp;<\/p>\n<\/details>\n\n\n\n<p><br><\/p>\n\n\n\n<p><\/p>","protected":false},"excerpt":{"rendered":"<p>Did you know that most predicted LTV (pLTV) models weren\u2019t built for hybrid monetization apps? When you\u2019re monetizing through both in-app purchases (IAP) and in-app purchases, user behavior gets complex fast. Standard LTV models can\u2019t handle it, and most pLTV metrics can\u2019t either. savings, and deep insights. \u201cThere\u2019s a lack of tools out there supporting&#8230;<\/p>","protected":false},"author":26,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[91,8,90],"tags":[],"class_list":["post-12873","post","type-post","status-publish","format-standard","hentry","category-metrics","category-mobile-marketing-trends","category-podcast"],"acf":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v27.1.1 - https:\/\/yoast.com\/product\/yoast-seo-wordpress\/ -->\n<title>Predicted LTV for Hybrid Monetization: 4 Challenges Solved<\/title>\n<meta name=\"description\" content=\"Most predicted LTV models fail at hybrid monetization. Learn how neural networks, unified metrics, and a 90% accuracy solve pLTV challenges.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/tenjin.com\/es\/blog\/predicted-ltv-for-hybrid-monetization\/\" \/>\n<meta property=\"og:locale\" content=\"es_ES\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Predicted LTV for Hybrid Monetization: 4 Challenges Solved\" \/>\n<meta property=\"og:description\" content=\"Did you know that most predicted LTV (pLTV) models weren\u2019t built for hybrid monetization apps? When you\u2019re monetizing through both in-app purchases (IAP) and in-app purchases, user behavior gets complex fast. Standard LTV models can\u2019t handle it, and most pLTV metrics can\u2019t either. savings, and deep insights.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/tenjin.com\/es\/blog\/predicted-ltv-for-hybrid-monetization\/\" \/>\n<meta property=\"og:site_name\" content=\"Tenjin\" \/>\n<meta property=\"article:published_time\" content=\"2025-11-04T10:30:00+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2026-02-03T15:06:04+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/tenjin.com\/wp-content\/uploads\/2025\/11\/pLTV_social.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1600\" \/>\n\t<meta property=\"og:image:height\" content=\"900\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"Tara Meyer\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@taraxmeyer\" \/>\n<meta name=\"twitter:label1\" content=\"Escrito por\" \/>\n\t<meta name=\"twitter:data1\" content=\"Tara Meyer\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tiempo de lectura\" \/>\n\t<meta name=\"twitter:data2\" content=\"20 minutos\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/tenjin.com\/blog\/predicted-ltv-for-hybrid-monetization\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/tenjin.com\/blog\/predicted-ltv-for-hybrid-monetization\/\"},\"author\":{\"name\":\"Tara Meyer\",\"@id\":\"https:\/\/tenjin.com\/ru\/#\/schema\/person\/711d96a1c8a6444b1f0323479dcfad35\"},\"headline\":\"Predicted LTV for Hybrid Monetization: 4 Challenges Solved\",\"datePublished\":\"2025-11-04T10:30:00+00:00\",\"dateModified\":\"2026-02-03T15:06:04+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/tenjin.com\/blog\/predicted-ltv-for-hybrid-monetization\/\"},\"wordCount\":4583,\"image\":{\"@id\":\"https:\/\/tenjin.com\/blog\/predicted-ltv-for-hybrid-monetization\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/tenjin.com\/wp-content\/uploads\/2025\/11\/pLTV-challenge1-scaled.png\",\"articleSection\":[\"Metrics\",\"Mobile Marketing Trends\",\"Podcast\"],\"inLanguage\":\"es\"},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/tenjin.com\/blog\/predicted-ltv-for-hybrid-monetization\/\",\"url\":\"https:\/\/tenjin.com\/blog\/predicted-ltv-for-hybrid-monetization\/\",\"name\":\"Predicted LTV for Hybrid Monetization: 4 Challenges Solved\",\"isPartOf\":{\"@id\":\"https:\/\/tenjin.com\/ru\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\/\/tenjin.com\/blog\/predicted-ltv-for-hybrid-monetization\/#primaryimage\"},\"image\":{\"@id\":\"https:\/\/tenjin.com\/blog\/predicted-ltv-for-hybrid-monetization\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/tenjin.com\/wp-content\/uploads\/2025\/11\/pLTV-challenge1-scaled.png\",\"datePublished\":\"2025-11-04T10:30:00+00:00\",\"dateModified\":\"2026-02-03T15:06:04+00:00\",\"author\":{\"@id\":\"https:\/\/tenjin.com\/ru\/#\/schema\/person\/711d96a1c8a6444b1f0323479dcfad35\"},\"description\":\"Most predicted LTV models fail at hybrid monetization. Learn how neural networks, unified metrics, and a 90% accuracy solve pLTV challenges.\",\"breadcrumb\":{\"@id\":\"https:\/\/tenjin.com\/blog\/predicted-ltv-for-hybrid-monetization\/#breadcrumb\"},\"inLanguage\":\"es\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/tenjin.com\/blog\/predicted-ltv-for-hybrid-monetization\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\/\/tenjin.com\/blog\/predicted-ltv-for-hybrid-monetization\/#primaryimage\",\"url\":\"https:\/\/tenjin.com\/wp-content\/uploads\/2025\/11\/pLTV-challenge1-scaled.png\",\"contentUrl\":\"https:\/\/tenjin.com\/wp-content\/uploads\/2025\/11\/pLTV-challenge1-scaled.png\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/tenjin.com\/blog\/predicted-ltv-for-hybrid-monetization\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/tenjin.com\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Predicted LTV for Hybrid Monetization: 4 Challenges Solved\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/tenjin.com\/ru\/#website\",\"url\":\"https:\/\/tenjin.com\/ru\/\",\"name\":\"Tenjin\",\"description\":\"\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/tenjin.com\/ru\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"es\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/tenjin.com\/ru\/#\/schema\/person\/711d96a1c8a6444b1f0323479dcfad35\",\"name\":\"Tara Meyer\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\/\/tenjin.com\/ru\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/475af822d5c108036baeb0c42fc7727167163edfe2456ed2326303747001b5b1?s=96&d=mm&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/475af822d5c108036baeb0c42fc7727167163edfe2456ed2326303747001b5b1?s=96&d=mm&r=g\",\"caption\":\"Tara Meyer\"},\"description\":\"I\u2019m a brand strategist and storyteller transforming complex data into clear, compelling narratives. I bring fresh eyes to mobile attribution and app analytics, turning insights into strategies that connect with users and drive growth. Passionate about clarity, connection, and turning numbers into meaning.\",\"sameAs\":[\"http:\/\/www.tenjin.com\",\"https:\/\/www.instagram.com\/taraxmeyer\/\",\"https:\/\/www.linkedin.com\/in\/taraxmeyer\/\",\"https:\/\/x.com\/taraxmeyer\",\"https:\/\/www.youtube.com\/@TenjinIO\"],\"url\":\"https:\/\/tenjin.com\/es\/blog\/author\/tara\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"LTV previsto para la monetizaci\u00f3n h\u00edbrida: 4 retos resueltos","description":"Most predicted LTV models fail at hybrid monetization. Learn how neural networks, unified metrics, and a 90% accuracy solve pLTV challenges.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/tenjin.com\/es\/blog\/predicted-ltv-for-hybrid-monetization\/","og_locale":"es_ES","og_type":"article","og_title":"Predicted LTV for Hybrid Monetization: 4 Challenges Solved","og_description":"Did you know that most predicted LTV (pLTV) models weren\u2019t built for hybrid monetization apps? When you\u2019re monetizing through both in-app purchases (IAP) and in-app purchases, user behavior gets complex fast. Standard LTV models can\u2019t handle it, and most pLTV metrics can\u2019t either. savings, and deep insights.","og_url":"https:\/\/tenjin.com\/es\/blog\/predicted-ltv-for-hybrid-monetization\/","og_site_name":"Tenjin","article_published_time":"2025-11-04T10:30:00+00:00","article_modified_time":"2026-02-03T15:06:04+00:00","og_image":[{"width":1600,"height":900,"url":"https:\/\/tenjin.com\/wp-content\/uploads\/2025\/11\/pLTV_social.png","type":"image\/png"}],"author":"Tara Meyer","twitter_card":"summary_large_image","twitter_creator":"@taraxmeyer","twitter_misc":{"Escrito por":"Tara Meyer","Tiempo de lectura":"20 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/tenjin.com\/blog\/predicted-ltv-for-hybrid-monetization\/#article","isPartOf":{"@id":"https:\/\/tenjin.com\/blog\/predicted-ltv-for-hybrid-monetization\/"},"author":{"name":"Tara Meyer","@id":"https:\/\/tenjin.com\/ru\/#\/schema\/person\/711d96a1c8a6444b1f0323479dcfad35"},"headline":"Predicted LTV for Hybrid Monetization: 4 Challenges Solved","datePublished":"2025-11-04T10:30:00+00:00","dateModified":"2026-02-03T15:06:04+00:00","mainEntityOfPage":{"@id":"https:\/\/tenjin.com\/blog\/predicted-ltv-for-hybrid-monetization\/"},"wordCount":4583,"image":{"@id":"https:\/\/tenjin.com\/blog\/predicted-ltv-for-hybrid-monetization\/#primaryimage"},"thumbnailUrl":"https:\/\/tenjin.com\/wp-content\/uploads\/2025\/11\/pLTV-challenge1-scaled.png","articleSection":["Metrics","Mobile Marketing Trends","Podcast"],"inLanguage":"es"},{"@type":"WebPage","@id":"https:\/\/tenjin.com\/blog\/predicted-ltv-for-hybrid-monetization\/","url":"https:\/\/tenjin.com\/blog\/predicted-ltv-for-hybrid-monetization\/","name":"LTV previsto para la monetizaci\u00f3n h\u00edbrida: 4 retos resueltos","isPartOf":{"@id":"https:\/\/tenjin.com\/ru\/#website"},"primaryImageOfPage":{"@id":"https:\/\/tenjin.com\/blog\/predicted-ltv-for-hybrid-monetization\/#primaryimage"},"image":{"@id":"https:\/\/tenjin.com\/blog\/predicted-ltv-for-hybrid-monetization\/#primaryimage"},"thumbnailUrl":"https:\/\/tenjin.com\/wp-content\/uploads\/2025\/11\/pLTV-challenge1-scaled.png","datePublished":"2025-11-04T10:30:00+00:00","dateModified":"2026-02-03T15:06:04+00:00","author":{"@id":"https:\/\/tenjin.com\/ru\/#\/schema\/person\/711d96a1c8a6444b1f0323479dcfad35"},"description":"Most predicted LTV models fail at hybrid monetization. Learn how neural networks, unified metrics, and a 90% accuracy solve pLTV challenges.","breadcrumb":{"@id":"https:\/\/tenjin.com\/blog\/predicted-ltv-for-hybrid-monetization\/#breadcrumb"},"inLanguage":"es","potentialAction":[{"@type":"ReadAction","target":["https:\/\/tenjin.com\/blog\/predicted-ltv-for-hybrid-monetization\/"]}]},{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/tenjin.com\/blog\/predicted-ltv-for-hybrid-monetization\/#primaryimage","url":"https:\/\/tenjin.com\/wp-content\/uploads\/2025\/11\/pLTV-challenge1-scaled.png","contentUrl":"https:\/\/tenjin.com\/wp-content\/uploads\/2025\/11\/pLTV-challenge1-scaled.png"},{"@type":"BreadcrumbList","@id":"https:\/\/tenjin.com\/blog\/predicted-ltv-for-hybrid-monetization\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/tenjin.com\/"},{"@type":"ListItem","position":2,"name":"Predicted LTV for Hybrid Monetization: 4 Challenges Solved"}]},{"@type":"WebSite","@id":"https:\/\/tenjin.com\/ru\/#website","url":"https:\/\/tenjin.com\/ru\/","name":"Tenjin","description":"","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/tenjin.com\/ru\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"es"},{"@type":"Person","@id":"https:\/\/tenjin.com\/ru\/#\/schema\/person\/711d96a1c8a6444b1f0323479dcfad35","name":"Tara Meyer","image":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/tenjin.com\/ru\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/475af822d5c108036baeb0c42fc7727167163edfe2456ed2326303747001b5b1?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/475af822d5c108036baeb0c42fc7727167163edfe2456ed2326303747001b5b1?s=96&d=mm&r=g","caption":"Tara Meyer"},"description":"Soy una estratega de marca y narradora que transforma datos complejos en relatos claros y convincentes. Aporto una mirada nueva a la atribuci\u00f3n m\u00f3vil y al an\u00e1lisis de aplicaciones, convirtiendo los conocimientos en estrategias que conectan con los usuarios e impulsan el crecimiento. Me apasiona la claridad, la conexi\u00f3n y convertir los n\u00fameros en significado.","sameAs":["http:\/\/www.tenjin.com","https:\/\/www.instagram.com\/taraxmeyer\/","https:\/\/www.linkedin.com\/in\/taraxmeyer\/","https:\/\/x.com\/taraxmeyer","https:\/\/www.youtube.com\/@TenjinIO"],"url":"https:\/\/tenjin.com\/es\/blog\/author\/tara\/"}]}},"_links":{"self":[{"href":"https:\/\/tenjin.com\/es\/wp-json\/wp\/v2\/posts\/12873","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/tenjin.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/tenjin.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/tenjin.com\/es\/wp-json\/wp\/v2\/users\/26"}],"replies":[{"embeddable":true,"href":"https:\/\/tenjin.com\/es\/wp-json\/wp\/v2\/comments?post=12873"}],"version-history":[{"count":34,"href":"https:\/\/tenjin.com\/es\/wp-json\/wp\/v2\/posts\/12873\/revisions"}],"predecessor-version":[{"id":14592,"href":"https:\/\/tenjin.com\/es\/wp-json\/wp\/v2\/posts\/12873\/revisions\/14592"}],"wp:attachment":[{"href":"https:\/\/tenjin.com\/es\/wp-json\/wp\/v2\/media?parent=12873"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/tenjin.com\/es\/wp-json\/wp\/v2\/categories?post=12873"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/tenjin.com\/es\/wp-json\/wp\/v2\/tags?post=12873"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}