---
title: "Métricas predichas en Adapty UA"
description: "Pronostica ingresos, ROAS, beneficio publicitario y LTV para cohortes en Adapty UA."
---

:::important
Este artículo cubre las predicciones en Adapty User Acquisition únicamente. Para el LTV predicho y los ingresos en la página de análisis de cohortes, consulta [Predicciones en cohortes](predicted-ltv-and-revenue).
:::

Adapty UA proyecta los ingresos futuros y la economía unitaria de cada cohorte, de modo que puedas comparar campañas antes de que hayan tenido tiempo de madurar. Las predicciones se generan a partir de los datos históricos de cohortes de la propia app y se actualizan a diario. Son especialmente útiles para evaluar cohortes recientes que aún no han completado ciclos de suscripción largos.

## Métricas predichas \{#predicted-metrics\}

| **Métrica**   | Descripción                                                                                                                                                                                |
|---------------|--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| **pRevenue**  | Ingresos totales predichos que se espera que genere una cohorte hasta el horizonte objetivo. Se modela a partir de la retención histórica de cohortes de la app.                           |
| **pROAS**     | Retorno sobre el gasto publicitario predicho durante el mismo horizonte. **Fórmula**: `(pRevenue / Spend) × 100%`                                                                          |
| **pAdProfit** | Ingresos predichos netos de gasto publicitario durante el horizonte. **Fórmula**: `pRevenue − Spend`                                                                                       |
| **pARPU**     | Ingreso medio predicho por instalación durante el horizonte (LTV predicho). **Fórmula**: `pRevenue / Installs`                                                                             |
| **pARPPU**    | Ingreso medio predicho por usuario de pago durante el horizonte. **Fórmula**: `pRevenue / paying users at d{N}`, donde `d{N}` coincide con el horizonte seleccionado.                      |

`pRevenue` es el valor base. Las otras cuatro métricas se derivan de él usando datos observados de la cohorte — gasto, instalaciones y usuarios de pago — no ejecutando el modelo por separado.

Cada métrica predicha está disponible en múltiples períodos de cohorte: D0, D3, D7, D30, D60, D90, D180 y D360. También puedes añadir un período personalizado en días. El período define hasta qué punto en el futuro se proyecta el valor desde la fecha de instalación de la cohorte.

## Cómo se calculan las predicciones \{#how-predictions-are-calculated\}

Las predicciones se construyen a partir de las cohortes históricas de cada app. El modelo mide cómo crecieron los ingresos de cohortes pasadas tras su día de referencia y luego proyecta la cohorte actual hacia adelante usando la misma trayectoria.

### Día de referencia \{#baseline-day\}

Las predicciones solo están disponibles una vez que la cohorte alcanza su día de referencia. El día de referencia es el primer día en que típicamente se ha recibido el 90% de los ingresos iniciales de una cohorte. Los ingresos iniciales cuentan los inicios de suscripción, las conversiones de prueba y las compras únicas; las renovaciones no se contabilizan para este umbral.

El día de referencia depende de la duración del período de prueba y la combinación de productos de la app:

- **Apps sin períodos de prueba**: El día de referencia suele situarse en los primeros días tras la instalación.
- **Apps con períodos de prueba cortos**: El día de referencia típicamente cae poco después de que el período de prueba convierte.
- **Apps con períodos de prueba más largos**: El día de referencia puede estar una semana o más después de la instalación, ya que la mayoría de los ingresos iniciales solo se materializan una vez que el período de prueba finaliza.

### Proyección por tipo de suscripción \{#projection-by-subscription-type\}

En el día de referencia, los ingresos iniciales de la cohorte se dividen en cinco categorías: suscripciones mensuales, anuales, semanales y trimestrales, más compras únicas. Cada categoría se proyecta hacia adelante de forma independiente usando una trayectoria medida a partir de las cohortes pasadas de la app.

El modelo da más peso a las cohortes recientes y a las cohortes con una economía comparable, como un ingreso por transacción similar y una combinación de productos parecida. Por tanto, una predicción refleja cómo han rendido realmente las cohortes más recientes y más similares de la app.

## Cuándo están disponibles las predicciones \{#when-predictions-are-available\}

Una predicción solo se muestra si la cohorte tiene suficientes datos para sustentarla. Cuando no se puede producir un valor, la columna muestra una raya larga (`—`) en su lugar.

Razones habituales por las que una predicción no está disponible:

- **La cohorte no ha alcanzado su día de referencia**: El modelo necesita que los ingresos iniciales de la cohorte se estabilicen antes de poder proyectar hacia adelante.
- **Datos históricos insuficientes para la app**: Si la app no tiene suficientes cohortes pasadas del tipo de suscripción relevante, el modelo no puede ajustar tasas de retención fiables.

Las predicciones se recalculan a diario con los datos de transacciones más recientes, por lo que los valores de la misma cohorte pueden cambiar a medida que se observan más ingresos.