Comportamiento mensual de las tres marcas

Marca A — Deterioro por sobredependencia

La trayectoria más clara del dataset. Parte con configuración alta de PP y empeora progresivamente hasta que el sistema opera en 100% PP en marzo. Ese mes registra el peor Weighted CPM de toda la tabla: $0.401.

MES RATIO PP SHARE IMP. PP W.CPM STABILITY FREQ
Enero 71.4% 54.8% $0.230 0.057 1.20
Febrero 88.9% 54.3% $0.265 0.124 1.16
Marzo 100.0% 100.0% $0.401 0.133 1.09
Abril 87.0% 72.9% $0.354 0.222 1.13
Lectura

El quiebre crítico ocurre en feb→mar: el Share de impresiones PP pasa de 54.3% a 100%, y el Weighted CPM sube +$0.136 en un mes. La corrección de abril mejora el costo pero no la estabilidad interna (Stability Index sigue subiendo). Cantonesa es la evidencia más fuerte del dataset para el efecto de sobredependencia.

Marca B — Caso benchmark de resiliencia

El caso más estable del análisis. Su Weighted CPM se mantiene en una banda estrecha durante los cuatro meses ($0.254–$0.276) a pesar de que el Ratio PP varía entre 53% y 75%. La clave: el Share de impresiones PP nunca supera 48%.

MES RATIO PP SHARE IMP. PP W.CPM STABILITY FREQ
Enero 53.3% 22.2% $0.264 0.107 1.29
Febrero 69.2% 47.7% $0.276 0.078 1.16
Marzo 52.6% 34.4% $0.255 0.106 1.16
Abril 75.0% 36.2% $0.261 0.197 1.12
Lectura

El Ratio PP varía 22 puntos porcentuales entre su mínimo y máximo, pero el Weighted CPM apenas se mueve $0.021. La estabilidad viene del Share de impresiones PP contenido. Marca B invalida la hipótesis simplista: tiene el mayor ratio promedio de PP y el menor costo.

Marca C — Deterioro al reducir PP

El caso que rompe la hipótesis desde el otro extremo. La marca reduce PP de forma progresiva hasta llegar a 0% en abril. En lugar de mejorar el costo, lo empeora. El Weighted CPM sube +$0.108 en tres meses mientras la frecuencia escala de 1.28 a 1.82.

MES RATIO PP SHARE IMP. PP W.CPM STABILITY FREQ
Febrero 62.5% 40.6% $0.318 0.497 1.28
Marzo 20.0% 17.4% $0.359 0.439 1.79
Abril 0.0% 0.0% $0.426 0.454 1.82
Lectura

Marca C es el contrapeso de Marca A: muestra que el problema no es "tener demasiados PP", sino operar en los extremos. Sin PP, la plataforma no tiene diversidad de formato para optimizar, la frecuencia escala y el costo sube. Esta marca tiene menos observaciones, por lo que la lectura debe ser cauta, pero la dirección del dato es clara.