“Este canal se lleva el 30 % de las conversiones” y “este canal me trae un 30 % más de ventas” suenan a lo mismo. A nivel financiero son conversaciones totalmente distintas, y confundirlas es la forma más habitual de tomar una buena decisión de medición y convertirla en una mala decisión de inversión.
La primera frase es atribución: cómo se reparte el crédito de las ventas que ya han ocurrido entre los canales que participaron. La segunda es incrementalidad: cuántas de esas ventas no habrían ocurrido sin ese canal. Un modelo de atribución, por bueno que sea, responde a la primera. Solo un experimento responde a la segunda.
Qué hace un modelo de atribución, exactamente
Reparte. Toma las conversiones observadas, mira qué puntos de contacto hubo en el camino de cada una y distribuye el crédito según una regla: el último clic, a partes iguales, con más peso a lo reciente, o —en los modelos serios— según la naturaleza de la cadena completa. Cambiar de regla mueve mucho el crédito de algunos canales y nada el de otros; en uno de nuestros clientes, búsqueda de pago dobló su cuota al pasar del último clic a un modelo propio, y las ventas cerradas en el punto de venta físico no se movieron.
Lo que ningún reparto hace es preguntarse qué habría pasado sin ese canal. El modelo describe cómo interactúan los canales en las ventas que hubo; no simula las que no habría habido. Y hay un detalle que lo delata: si subes la inversión en un canal, el crédito que el modelo le asigna respecto al último clic también cambia. Una medida que se mueve cuando intervienes sobre ella no está midiendo el efecto causal de la intervención.
Por eso repartir mejor —de forma más lógica, más coherente con el negocio— sigue sin significar que ese canal vaya a traer más por invertir más. Son preguntas distintas, y la segunda es la que le importa a quien firma el presupuesto.
El sospechoso habitual: retargeting
Si hay un canal donde la diferencia entre atribución e incrementalidad se ve a simple vista, es este.
El retargeting impacta a usuarios que ya han sido tocados por otro canal y ya han entrado en contacto con tu web. Los algoritmos de las plataformas saben que están cerca de convertir y priorizan la puja sobre ellos, igual que lo hace la búsqueda de marca. Resultado: aparecen al final de muchísimas cadenas, y cualquier modelo que premie la proximidad al cierre les da crédito.
Cuando se mira estadísticamente la cadena completa, ese crédito se degrada en favor de los canales que aportaron usuarios nuevos: el retargeting está pujando por ventas que ya venían. Un modelo bien construido corrige parte de esto. Pero ni siquiera el modelo puede decirte cuántas de esas ventas se habrían perdido sin el recordatorio. Eso, o lo mides con un experimento, o lo estás asumiendo.
El caso contrario: awareness
En el otro extremo están las campañas de consideración. Para la analítica web no existen: muchas ni siquiera generan una visita, así que el último clic les da cero. Para la medición de su propia plataforma —con ventanas amplias y post-view— son una porción enorme de la tarta. Todos saben que aportan algo y que no es tanto.
Un modelo de atribución que integre las dos visiones pone un número creíble en medio, y eso ya es un avance enorme sobre elegir uno de los dos extremos. Pero ese número sigue siendo un reparto. La pregunta “¿mueve el awareness la búsqueda de marca?” es de incrementalidad, y la respuesta honesta de un modelo de atribución es: no lo sé, no estoy diseñado para eso.
Cómo se valida un modelo sin experimentos
Se puede, y se debe, pero conviene entender qué se está validando.
Un modelo de atribución se contrasta contra el negocio y la cuenta de resultados, a través de las personas y los mecanismos del cliente. La regla es simple: si el modelo trae un pico de conversiones que no aparece en el ERP, no es viable, por muy elegante que sea la estadística. En paralelo, se comprueba que el reparto es matemáticamente representativo y estable.
Eso valida que el modelo describe bien la realidad observada. No valida que un canal sea causa de nada. Un modelo puede cuadrar con el ERP al céntimo y seguir dando crédito a un retargeting que no aporta una sola venta incremental, porque el ERP registra ventas, no contrafactuales.
Cómo se mide la incrementalidad
Con un experimento: un grupo que recibe el impacto y otro comparable que no, y la diferencia entre ambos es el efecto. Las formas habituales:
- Holdout de audiencia: se retiene el impacto a una parte de los usuarios elegibles y se compara su conversión con la del resto.
- Geo test: se apaga o se cambia la inversión en unas zonas y se comparan con otras equivalentes.
- Apagado controlado: se pausa un canal durante un periodo y se observa qué pasa con el total, no solo con lo que ese canal se atribuía.
- Tests de lift de la plataforma: Meta y Google los ofrecen. Son útiles, con la reserva obvia de que es la plataforma midiéndose a sí misma; más sobre esto en cómo mide Meta.
Son más caros que un modelo en una cosa: cuestan ventas durante el test, o al menos incertidumbre. Y responden a una pregunta estrecha —un canal, un periodo—, no al reparto global.
Para ser transparentes: en el proyecto que enlazamos arriba todavía no hemos hecho tests de incrementalidad. Estamos en fase analítica, y el modelo de atribución está haciendo su trabajo, que es el que puede hacer.
Cuándo necesitas cada cosa
Si el presupuesto solo da para una, la elección depende de la pregunta, no de la moda.
Antes un test de incrementalidad cuando:
- hay que justificar un aumento de presupuesto en un canal concreto;
- hay una duda entre dos inventarios que compiten por los mismos usuarios: ¿Meta y Google se están canibalizando? ¿El retargeting aporta o recoge?
Antes un modelo multitouch cuando:
- lo que se quiere es entender, de forma global, cuánto contribuye cada nodo al conjunto de conversiones y tomar mejores decisiones en el día a día;
- la inversión está repartida en muchas campañas y la pregunta no es “este canal sí o no”, sino “cómo lo reparto”.
Lo ideal es que convivan: el modelo para la operativa diaria, los experimentos para las decisiones grandes y para calibrar al modelo en los canales donde más sospechas. Pero el orden lo marca la pregunta. Si no la tienes escrita, el recorrido por los cuatro métodos ayuda a formularla.
Qué hacer mañana
- Coge tu dashboard de atribución y tacha mentalmente la palabra “genera” donde ponga “canal X genera N conversiones”. Pon “se le atribuyen”. Es la misma frase con la mitad de las implicaciones.
- Mira qué canales se llevan el crédito por proximidad al cierre —retargeting, marca— y pregúntate qué evidencia tienes de que sean incrementales. Si la respuesta es “el modelo”, no la tienes.
- Si hay una decisión de presupuesto grande encima de la mesa sobre un canal concreto, diséñale un test antes de moverla. Si la decisión es cómo repartir entre muchos, monta el modelo o hablamos de cómo hacerlo.