Informe Técnico de Investigación de Mercado LCI Bogotá

Análisis Exploratorio, Benchmarking Longitudinal y Optimización Causal de la Conversión

Autor/a

Miguel Angel Murillo Frias Asistente (Vereon - Data Scientist / Data Analyst)

Fecha de publicación

11 de junio de 2026

1 Diagnóstico de Precios: El Impacto del Modelo Cuatrimestral

Este análisis aborda de raíz la estructura de precios de LCI Bogotá frente a su competencia directa en las disciplinas de diseño, artes aplicadas y gastronomía en Bogotá para el año 2026. El foco central es entender cómo las distintas periodicidades de facturación alteran la percepción y el costo real para las familias.

1.1 El Dilema del Estudiante: La Paradoja del Modelo Cuatrimestral

A nivel puramente nominal, las tarifas por periodo de LCI Bogotá parecen atractivas y competitivas (oscilando entre $11.08M y $11.97M COP por ciclo). Sin embargo, LCI opera bajo un esquema de 3 pagos cuatrimestrales anuales, mientras que las universidades tradicionales facturan en 2 semestres ($10.39M a $20.22M COP).

Esta diferencia en los ciclos de cobro distorsiona por completo la comparación directa de precios. Al anualizar los desembolsos, el flujo de caja real que debe aportar el estudiante en LCI se eleva de manera importante, ubicando sus programas en la franja premium del mercado educativo general.

1.2 Criterios para la Homologación de Tarifas

Para comparar peras con peras y evaluar la competitividad real de las tarifas, construimos un factor de periodicidad anual (f_i) y normalizamos los costos a un Costo Anualizado Equivalente (C_i^{\text{anual}}):

f_i = \begin{cases} 3, & \text{si la Estructura Curricular es Cuatrimestral} \\ 2, & \text{si la Estructura Curricular es Semestral} \end{cases}

El Costo Anualizado Equivalente se calcula a partir de la tarifa nominal por periodo (C_i^{\text{periodo}}):

C_i^{\text{anual}} = C_i^{\text{periodo}} \times f_i

De la misma manera, para medir el beneficio de la velocidad de titulación (menor tiempo de estudio), convertimos la duración total expresada en periodos (D_i^{\text{periodos}}) a unidades anuales equivalentes (D_i^{\text{años}}):

D_i^{\text{años}} = \frac{D_i^{\text{periodos}}}{f_i}

Este ajuste de variables nos permite proyectar los programas en un espacio de decisión común, libre de sesgos de periodicidad de cobro.

2 Preparación y Homologación de la Base de Precios

En el siguiente bloque preparamos la información de mercado recopilada. En los casos donde las instituciones reportan rangos de precios (como la CUN), tomamos el promedio aritmético de sus límites ($3.233.000 COP) para mantener una línea base comparable.

Mostrar Código Python 
import pandas as pd
import numpy as np
import plotly.express as px
import plotly.graph_objects as go

# Matriz de Información Competitiva (Vigencia 2026)
data_2026 = [
    # LCI Bogotá
    ('LCI Bogotá', 'Moda e Indumentaria', 'Tecnológico', 'Cuatrimestral', 11973000 * 3),
    ('LCI Bogotá', 'Gestión de Industrias Creativas', 'Tecnológico', 'Cuatrimestral', 11973000 * 3),
    ('LCI Bogotá', 'Producción Gastronómica', 'Tecnológico', 'Cuatrimestral', 11737000 * 3),
    ('LCI Bogotá', 'Gestión de la Moda', 'Tecnológico', 'Cuatrimestral', 11442000 * 3),
    ('LCI Bogotá', 'Interiorismo Sostenible', 'Tecnológico', 'Cuatrimestral', 11442000 * 3),
    ('LCI Bogotá', 'Producción Fotográfica', 'Tecnológico', 'Cuatrimestral', 11083000 * 3),
    ('LCI Bogotá', 'Producción Escénica y Visual', 'Tecnológico', 'Cuatrimestral', 10633000 * 3),
    ('LCI Bogotá', 'Diseño de Experiencias Interactivas', 'Tecnológico', 'Cuatrimestral', 9950000 * 3),
    ('LCI Bogotá', 'Producción de Efectos Visuales (VFX)', 'Tecnológico', 'Cuatrimestral', 9240000 * 3),
    ('LCI Bogotá', 'Pastelería y Panadería', 'Técnico Profesional', 'Cuatrimestral', 8350000 * 3),
    ('LCI Bogotá', 'Maquillaje Artístico', 'Técnico Profesional', 'Cuatrimestral', 6283000 * 3),
    
    # Competidores
    ('Universidad de los Andes', 'Diseño', 'Profesional Universitario', 'Semestral', 26860000 * 2),
    ('Universidad de los Andes', 'Arquitectura', 'Profesional Universitario', 'Semestral', 26860000 * 2),
    ('Pontificia Univ. Javeriana', 'Diseño Industrial', 'Profesional Universitario', 'Semestral', 20220000 * 2),
    ('Pontificia Univ. Javeriana', 'Arquitectura', 'Profesional Universitario', 'Semestral', 20220000 * 2),
    ('Pontificia Univ. Javeriana', 'Artes Visuales', 'Profesional Universitario', 'Semestral', 17871000 * 2),
    ('Univ. Jorge Tadeo Lozano', 'Diseño Gráfico', 'Profesional Universitario', 'Semestral', 11497000 * 2),
    ('Univ. Jorge Tadeo Lozano', 'Arquitectura', 'Profesional Universitario', 'Semestral', 10572000 * 2),
    ('Univ. Jorge Tadeo Lozano', 'Diseño y Gestión de la Moda', 'Profesional Universitario', 'Semestral', 10395000 * 2),
    ('Universidad El Bosque', 'Diseño Industrial', 'Profesional Universitario', 'Semestral', 10947000 * 2),
    ('Universidad El Bosque', 'Formación Musical', 'Profesional Universitario', 'Semestral', 10187000 * 2),
    ('Universidad El Bosque', 'Arquitectura', 'Profesional Universitario', 'Semestral', 10386000 * 2),
    ('Universidad de La Salle', 'Diseño Visual', 'Profesional Universitario', 'Semestral', 9365000 * 2),
    ('Universidad de La Salle', 'Diseño Industrial', 'Profesional Universitario', 'Semestral', 9365000 * 2),
    ('Universidad de La Salle', 'Arquitectura', 'Profesional Universitario', 'Semestral', 8695000 * 2),
    ('Escuela Gato Dumas', 'Cocina / Gastronomía', 'Técnico Laboral', 'Semestral', 11230000 * 2),
    ('Fund. Univ. Área Andina', 'Tecnología en Gestión Gastronómica', 'Tecnólogo', 'Semestral', 7690000 * 2),
    ('Fund. Univ. Área Andina', 'Diseño de Modas', 'Profesional Universitario', 'Semestral', 6550000 * 2),
    ('Taller 5', 'Diseño de Alta Costura', 'Profesional Universitario', 'Semestral', 7052000 * 2),
    ('Taller 5', 'Diseño Gráfico', 'Profesional Universitario', 'Semestral', 7052000 * 2),
    ('Taller 5', 'Diseño de Interiores', 'Profesional Universitario', 'Semestral', 7052000 * 2),
    ('Universidad ECCI', 'Diseño de Modas', 'Profesional Universitario', 'Semestral', 5210900 * 2),
    ('CUN', 'Diseño de Modas', 'Profesional (Ciclos propedéuticos)', 'Semestral', ((2947000 + 3519000)/2) * 2),
    ('CUN', 'Diseño Gráfico', 'Profesional (Ciclos propedéuticos)', 'Semestral', ((2947000 + 3519000)/2) * 2),
    
    # Nuevos Competidores
    ('Universidad de la Sabana', 'Diseño y Gestión de la Moda', 'Profesional Universitario', 'Semestral', 18184000 * 2),
    ('Universidad de la Sabana', 'Gastronomía', 'Profesional Universitario', 'Semestral', 19079000 * 2),
    ('Universidad de la Sabana', 'Comunicación Audiovisual y Multimedios', 'Profesional Universitario', 'Semestral', 18184000 * 2),
    ('Universidad del Rosario', 'Pregrado en Diseño', 'Profesional Universitario', 'Semestral', 17917708 * 2),
    ('Universidad del Rosario', 'Pregrado en Creación', 'Profesional Universitario', 'Semestral', 16594613 * 2),
    ('Universidad de los Andes', 'Narrativas Digitales', 'Profesional Universitario', 'Semestral', 26860000 * 2),
    ('Universidad Sergio Arboleda', 'Diseño Digital', 'Profesional Universitario', 'Semestral', 8109400 * 2),
    ('Universidad Externado de Colombia', 'Administración de Empresas Turísticas y Hoteleras', 'Profesional Universitario', 'Semestral', 10940000 * 2),
    ('Mariano Moreno', 'Cocina y Pastelería', 'Técnico Laboral', 'Semestral', 11000000 * 2),
    ('Pontificia Univ. Javeriana', 'Diseño de Comunicación Visual', 'Profesional Universitario', 'Semestral', 12844000 * 2)
]

df_2026 = pd.DataFrame(data_2026, columns=['Institución', 'Programa', 'Nivel_Formación', 'Periodicidad', 'Costo_Anualizado_COP'])

# Mapeo tripartito del Nivel de Formación
def map_nivel(row):
    inst = row['Institución']
    nivel = row['Nivel_Formación']
    nl = nivel.lower()
    if inst == 'LCI Bogotá':
        return 'LCI Bogotá (Tecnologías y Técnicos)'
    elif 'profesional universitario' in nl or 'profesional (ciclos' in nl:
        return 'Profesional Universitario (Competidores)'
    elif 'tecnológico' in nl or 'tecnólogo' in nl or 'técnico' in nl or 'tecnico' in nl:
        return 'Técnico/Tecnológico (Competidores sin LCI)'
    return 'Otros'

df_2026['Segmento_Nivel'] = df_2026.apply(map_nivel, axis=1)
print(f"Dataset cargado y mapeado: {len(df_2026)} registros.")
Dataset cargado y mapeado: 44 registros.

3 Posicionamiento de LCI en el Mapa de Precios de Bogotá

3.1 Comparativa de Tarifas por Nivel Educativo

Al agrupar y promediar los costos anualizados por nivel de formación (expresados en millones de COP), la distorsión del mercado se hace evidente:

  mean median std min max
Segmento_Nivel          
LCI Bogotá (Tecnologías y Técnicos) $31.12M COP $33.25M COP $5.38M COP $18.85M COP $35.92M COP
Profesional Universitario (Competidores) $26.10M COP $21.51M COP $13.59M COP $6.47M COP $53.72M COP
Técnico/Tecnológico (Competidores sin LCI) $19.95M COP $22.00M COP $3.96M COP $15.38M COP $22.46M COP

Es llamativo que al dividir el mercado en tres segmentos, la mediana anualizada de LCI Bogotá ($33.25M COP) supera en un 54.5% a la del segmento Profesional Universitario ($21.51M COP) y en un 51.1% al segmento Técnico/Tecnológico de otros competidores ($22.00M COP). Esto demuestra el enorme Price Premium y la presión de flujo de caja anualizado que LCI impone a las familias, superando a la mayoría de las carreras universitarias tradicionales de 4 o 5 años en Bogotá.

3.2 Mapa de Decisión: Esfuerzo Financiero vs. Tiempo de Titulación

Este gráfico representa el dilema real de las familias al decidir un programa: la relación entre los años que dura la carrera y el costo anualizado equivalente. En coral se destaca LCI Bogotá y en azul el resto de competidores.

Mostrar Código Python 
duraciones = {
    'Moda e Indumentaria': 7, 'Gestión de Industrias Creativas': 7, 'Producción Gastronómica': 7,
    'Gestión de la Moda': 7, 'Interiorismo Sostenible': 7, 'Producción Fotográfica': 7,
    'Producción Escénica y Visual': 7, 'Diseño de Experiencias Interactivas': 6,
    'Producción de Efectos Visuales (VFX)': 7, 'Pastelería y Panadería': 3, 'Maquillaje Artístico': 4,
    'Diseño': 8, 'Arquitectura': 10, 'Diseño Industrial': 10, 'Artes Visuales': 10,
    'Diseño Gráfico': 8, 'Diseño y Gestión de la Moda': 8, 'Formación Musical': 9,
    'Diseño Visual': 8, 'Cocina / Gastronomía': 4, 'Tecnología en Gestión Gastronómica': 6,
    'Diseño de Modas': 8, 'Diseño de Alta Costura': 8, 'Diseño de Interiores': 8,
    'Pregrado en Creación': 8, 'Pregrado en Diseño': 8, 'Narrativas Digitales': 8,
    'Diseño Digital': 8, 'Administración de Empresas Turísticas y Hoteleras': 9,
    'Cocina y Pastelería': 4, 'Diseño de Comunicación Visual': 8, 'Gastronomía': 9,
    'Comunicación Audiovisual y Multimedios': 8
}

df_2026['Duracion_Periodos'] = df_2026['Programa'].map(duraciones).fillna(8).astype(int)
df_2026['Duracion_Anos'] = np.where(df_2026['Periodicidad'] == 'Cuatrimestral', df_2026['Duracion_Periodos']/3.0, df_2026['Duracion_Periodos']/2.0)
df_2026['LCI_Flag'] = np.where(df_2026['Institución'] == 'LCI Bogotá', 'LCI Bogotá', 'Competidores')

# Crear gráfico interactivo
fig_scatter = px.scatter(
    df_2026, 
    x='Duracion_Anos', 
    y=df_2026['Costo_Anualizado_COP']/1e6,
    color='LCI_Flag',
    symbol='LCI_Flag',
    hover_data=['Institución', 'Programa', 'Nivel_Formación', 'Periodicidad'],
    labels={
        'Duracion_Anos': 'Duración Total Estimada (Años)',
        'y': 'Costo Anualizado Equivalente (Millones COP)',
        'LCI_Flag': 'Institución'
    },
    title='Posicionamiento del Mercado: Duración vs. Costo Anualizado',
    color_discrete_map={'LCI Bogotá': '#FF5A5F', 'Competidores': '#2B4C7E'}
)

fig_scatter.update_traces(marker=dict(size=12, opacity=0.8, line=dict(width=1, color='DarkSlateGrey')))
fig_scatter.update_layout(
    legend=dict(yanchor="top", y=0.99, xanchor="left", x=0.01),
    margin=dict(l=40, r=40, t=50, b=40)
)
fig_scatter.show()

El gráfico revela que LCI está sola en su zona: corta duración con alta intensidad de pago anual. No tiene competidores directos en su vecindad inmediata (validado matemáticamente mediante distancias de Manhattan). Esto significa que LCI funciona prácticamente como una alternativa exclusiva de inserción laboral acelerada, pero con una alta exigencia de flujo de caja anual.

4 Análisis de Price Premium: Comparativa por Programa

Para entender el sobreprecio (Price Premium) de LCI, contrastamos cada uno de sus programas frente a sus alternativas directas de mercado en la misma disciplina.

4.1 Clúster de Moda e Industria de la Confección

Contrastamos los programas de Moda de LCI frente a las opciones de UTadeo, Areandina, ECCI, CUN, La Sabana, El Rosario y Los Andes.

  Programa LCI Costo Anual LCI Media Competidores Price Premium (%) Competidor más Cercano Brecha vs. Cercano
0 Moda e Indumentaria $35.92M $25.24M +42.29% Pregrado en Diseño (Universidad del Rosario) +0.23%
1 Gestión de la Moda $34.33M $25.24M +35.98% Pregrado en Diseño (Universidad del Rosario) -4.21%

4.2 Clúster de Gastronomía y Artes Culinarias

Comparamos Producción Gastronómica y Pastelería de LCI frente a la Escuela Gato Dumas, Areandina, La Sabana, Externado y Mariano Moreno.

  Programa LCI Costo Anual LCI Media Competidores Price Premium (%) Competidor más Cercano Brecha vs. Cercano
0 Producción Gastronómica $35.21M $23.98M +46.86% Gastronomía (Universidad de la Sabana) -7.72%
1 Pastelería y Panadería $25.05M $23.98M +4.48% Cocina / Gastronomía (Escuela Gato Dumas) +11.53%

4.3 Clúster de Entornos Digitales: Animación, Videojuegos, UX y VFX

Evaluamos los programas de VFX y Experiencias Interactivas de LCI frente a Sergio Arboleda (Diseño Digital), Los Andes (Narrativas Digitales), El Rosario (Diseño y Creación), UTadeo, CUN y Taller 5.

  Programa LCI Costo Anual LCI Media Competidores Price Premium (%) Competidor más Cercano Brecha vs. Cercano
0 Diseño de Experiencias Interactivas $29.85M $26.08M +14.48% Pregrado en Creación (Universidad del Rosario) -10.06%
1 Producción de Efectos Visuales (VFX) $27.72M $26.08M +6.31% Diseño Gráfico (Univ. Jorge Tadeo Lozano) +20.55%

4.4 Clúster de Interiorismo, Espacios y Escenografía

Evaluamos Interiorismo Sostenible y Producción Escénica y Visual de LCI frente a El Rosario (Creación - Arquitectura Efímera), Los Andes, Javeriana y Taller 5.

  Programa LCI Costo Anual LCI Media Competidores Price Premium (%) Competidor más Cercano Brecha vs. Cercano
0 Interiorismo Sostenible $34.33M $36.38M -5.64% Pregrado en Creación (Universidad del Rosario) +3.43%
1 Producción Escénica y Visual $31.90M $36.38M -12.31% Pregrado en Creación (Universidad del Rosario) -3.89%

4.5 Clúster de Fotografía y Gestión de Industrias Creativas

Evaluamos Fotografía, Industrias Creativas y Maquillaje Artístico de LCI frente a la Javeriana (Artes Visuales, Comunicación Visual), La Sabana (Comunicación Audiovisual) y El Rosario (Creación - Menor Industrias Creativas).

  Programa LCI Costo Anual LCI Media Competidores Price Premium (%) Competidor más Cercano Brecha vs. Cercano
0 Gestión de Industrias Creativas $35.92M $32.75M +9.69% Artes Visuales (Pontificia Univ. Javeriana) +0.50%
1 Producción Fotográfica $33.25M $32.75M +1.53% Pregrado en Creación (Universidad del Rosario) +0.18%
2 Maquillaje Artístico $18.85M $32.75M -42.44% Diseño de Comunicación Visual (Pontificia Univ. Javeriana) -26.62%

4.6 Ranking de Costos Anualizados: ¿Dónde se ubica LCI?

Para tener el panorama completo, consolidamos todos los programas creativos y culinarios en competencia directa (dejando de lado Arquitectura y Música por no ser sustitutos). Este gráfico permite evaluar a golpe de vista quién exige el mayor desembolso anual en Bogotá. LCI Bogotá se resalta en coral y el resto en gris.

Las opciones se presentan ordenadas de mayor a menor precio para facilitar una jerarquización inmediata.

Mostrar Código Python 
# Filtrar competidores no sustitutos directos (Arquitectura y Formación Musical)
exclude_terms = ['arquitectura', 'musical']
filter_pattern = '|'.join(exclude_terms)
df_substitutes = df_2026[~df_2026['Programa'].str.contains(filter_pattern, case=False)].copy()

# Crear etiqueta única de Programa e Institución para el eje Y
df_substitutes['Prog_Inst'] = df_substitutes['Programa'] + " (" + df_substitutes['Institución'] + ")"

# Ordenar por costo anualizado descendente (mayor a menor costo de arriba a abajo)
df_sorted = df_substitutes.sort_values(by='Costo_Anualizado_COP', ascending=False)

# Crear gráfico interactivo con Plotly Express
fig_bar = px.bar(
    df_sorted,
    x=df_sorted['Costo_Anualizado_COP'] / 1e6,
    y='Prog_Inst',
    color='LCI_Flag',
    orientation='h',
    category_orders={"Prog_Inst": df_sorted['Prog_Inst'].tolist()},
    hover_data={
        'LCI_Flag': False,
        'Institución': True,
        'Programa': True,
        'Nivel_Formación': True,
        'Periodicidad': True,
        'Costo_Anualizado_COP': ':.2f'
    },
    labels={
        'x': 'Costo Anualizado Equivalente (Millones COP)',
        'Prog_Inst': 'Programa e Institución',
        'LCI_Flag': 'Institución'
    },
    title='Ranking de Costo Anualizado: Programas de Diseño y Gastronomía',
    color_discrete_map={'LCI Bogotá': '#FF5A5F', 'Competidores': '#6C7A89'},
    height=800
)

# Ajustes de diseño y estética premium
fig_bar.update_layout(
    xaxis_title="Costo Anualizado Equivalente (Millones COP)",
    yaxis_title=None,
    legend=dict(yanchor="bottom", y=0.01, xanchor="right", x=0.99),
    margin=dict(l=10, r=50, t=50, b=40),
    title_font=dict(size=14, family="sans-serif"),
    font=dict(family="sans-serif", size=11)
)

# Mostrar valores de las barras formateados en millones de COP
fig_bar.update_traces(
    texttemplate='$%{x:.1f}M', 
    textposition='outside',
    cliponaxis=False
)

fig_bar.show()

5 Evolución Histórica: Análisis de Series Temporales (2024-2026)

Reconstruimos la trayectoria de precios de los últimos tres años utilizando los acuerdos de derechos pecuniarios oficiales de cada institución.

5.1 Tasas de Crecimiento y CAGR (2024-2026)

Aquí se resumen las tasas de crecimiento anual compuesto (CAGR) estimadas para el periodo de tres años, con enlaces directos para validar cada tarifa:

Institución Costo Anual 2024 Costo Anual 2025 Costo Anual 2026 CAGR (2024-2026) Incremento Acumulado Enlace de Validación
LCI Bogotá $30.95M $34.05M $35.92M 7.72% 16.04% Consultar Tarifas
Pontificia Univ. Javeriana $37.61M $38.33M $40.44M 3.69% 7.52% Consultar Tarifas
Univ. Jorge Tadeo Lozano $19.91M $21.90M $22.99M 7.47% 15.50% Consultar Tarifas
Fund. Univ. Área Andina $11.40M $12.42M $13.10M 7.20% 14.91% Consultar Tarifas

5.2 Trayectoria de Precios (2024-2026)

El siguiente gráfico de líneas sigue la tendencia de incremento de las tarifas normalizadas año a año:

Mostrar Código Python 
fig_line = px.line(
    df_long, 
    x='Año', 
    y=df_long['Costo_Anualizado_COP']/1e6, 
    color='Institución',
    markers=True,
    labels={'Año': 'Año de Admisión', 'y': 'Costo Anualizado Equivalente (Millones COP)'},
    title='Evolución de Costos Anualizados Equivalentes (2024-2026)',
    color_discrete_map={
        'LCI Bogotá': '#FF5A5F',
        'Pontificia Univ. Javeriana': '#2B4C7E',
        'Univ. Jorge Tadeo Lozano': '#4A90E2',
        'Fund. Univ. Área Andina': '#6C7A89'
    }
)

fig_line.update_traces(line=dict(width=3), marker=dict(size=10))
fig_line.update_layout(
    xaxis=dict(tickvals=[2024, 2025, 2026]),
    margin=dict(l=40, r=40, t=50, b=40)
)
fig_line.show()

Hallazgos Clave de la Evolución Temporal: - El incremento más veloz del mercado: El crecimiento anual de LCI (7.72%) es el más agresivo del grupo, superando el ritmo inflacionario de UTadeo y Areandina, y duplicando ampliamente el incremento de la Javeriana. - El peligro de la convergencia con universidades top: La brecha de precios entre LCI y la Universidad Javeriana se está cerrando rápidamente. En 2024, la Javeriana era un 21.5% más costosa que LCI al año. Para 2026, esa diferencia cayó a solo el 12.5% ($40.44M vs. $35.92M). Esta cercanía tarifaria expone a LCI a un alto riesgo: los aspirantes podrían preferir pagar un poco más para obtener un título profesional universitario de prestigio en la Javeriana en lugar de una tecnología en LCI.

6 Recomendaciones Estratégicas y Optimización

Para recuperar competitividad y proteger el flujo de estudiantes sin destruir los márgenes de LCI ni sacrificar su posicionamiento de marca premium, proponemos tres estrategias basadas en analítica avanzada y optimización de precios:

6.1 1. Moderación Tarifaria Ajustada al Mercado (Parallel Pricing)

  • Recomendación: Frenar los aumentos desproporcionados de precios nominales (que hoy crecen a una tasa del 7.72% anual). Aconsejamos alinear los incrementos futuros al IPC (5.51% en 2026) o al promedio de las universidades sustitutas (como la UTadeo con un 4.99%).
  • Sustento Científico: La literatura de economía de la educación (ej. Wang, 2011) demuestra que la alineación de tarifas con la competencia (Parallel Pricing) estabiliza la participación de mercado y protege la reputación de la marca, mientras que Delaney & Marcotte (2022) constatan que aumentos desmedidos aceleran las caídas de matrícula debido a la alta sensibilidad al precio.

6.2 2. Asignación Eficiente de Descuentos mediante Modelos Predictivos

  • Recomendación: Proponemos dotar al equipo de admisiones de un modelo en el CRM para otorgar descuentos y becas de forma personalizada en lugar de aplicar rebajas planas.
  • Funcionamiento sugerido:
    1. Estimar la probabilidad de inscripción de cada aspirante bajo diferentes escenarios de descuento usando un modelo predictivo (como XGBoost), analizando variables de perfil y comportamiento: P(\text{Inscripción}|\mathbf{x}_i, D_i).
    2. Un motor de optimización matemática distribuye los descuentos de modo que se maximice el total de matriculados respetando un presupuesto límite de becas (B): \max_{D_i} \sum_{i=1}^{K} P(\text{Inscripción}|\mathbf{x}_i, D_i) \quad \text{sujeto a} \quad \sum_{i=1}^{K} D_i \cdot C_{\text{periodo}} \le B Esto evita “regalar” margen a leads con alta propensión de compra intrínseca y canaliza el presupuesto de ayuda únicamente hacia aquellos prospectos cuya elasticidad individual al precio es alta.
  • Sustento Científico: Estudios empíricos de analítica en educación (ej. Phan et al., 2022) confirman que el diseño de ayudas personalizadas basadas en elasticidad individual maximiza el número de estudiantes sin sacrificar los ingresos totales.

6.3 3. Atribución Publicitaria Causal (CDA) para Inversión Digital

  • Recomendación: Aconsejo que el equipo de marketing digital deje de evaluar el éxito de las campañas basándose únicamente en el “último clic” (Last-Click), y adopte un modelo de atribución causal.
  • Funcionamiento sugerido:
    • Calcular el efecto real de cada canal de pauta en la conversión mediante inferencia Bayesiana multivariada, midiendo cómo la inversión en posicionamiento de marca (“branding”) y el prestigio internacional facilitan el cierre de ventas en canales de búsqueda directa.
  • Sustento Científico: Investigaciones recientes en marketing cuantitativo demuestran que los modelos de atribución causal previenen el desperdicio de presupuesto en canales que solo capturan leads ya decididos (sesgo de retargeting), reasignando la inversión hacia los puntos de contacto tempranos donde se construye la percepción de valor requerida para absorber tarifas premium.

7 Pasos Recomendados para la Implementación

  1. Perfilamiento de Aspirantes en el CRM: Mapear en la base de datos variables demográficas críticas (edad, nivel de educación previo y perfil socioeconómico del acudiente) para enriquecer el perfil de cada lead.
  2. Motor de Predicción Dinámica (XGBoost): Implementar el clasificador XGBoost en el CRM para calcular la probabilidad condicional de matrícula de cada prospecto en tiempo real, adaptándose dinámicamente según sus variables sociodemográficas y el incentivo financiero ofrecido.
  3. Segmentación de Prospectos (Clustering): Aplicar modelos de agrupación para identificar perfiles similares de aspirantes. Se recomienda usar distancias de Manhattan en lugar de euclidianas para evitar distorsiones debido a la naturaleza binaria de los datos de perfilamiento.
  4. Monitoreo y Ajuste de Probabilidades: Mantener calibradas las probabilidades de matrícula de forma periódica, asegurando que las sumas de probabilidad se mantengan integrales y realistas tras cada actualización del modelo.
  5. Límites de Oferta de Beca: Definir topes lógicos en el optimizador de descuentos basados en la variabilidad real de precios de la competencia en Bogotá, evitando otorgar descuentos excesivos que desvaloricen el programa o afecten la sostenibilidad.