Mismo mes, mismas conversiones, mismos puntos de contacto. Cambias la regla de reparto y el crédito de un canal se dobla, mientras el del de al lado no se mueve un décimo. La pregunta que nos hacen siempre es “¿cuánto puede llegar a cambiar?”. Es la pregunta equivocada. Lo relevante no es cuánto cambia el total: es qué canales se mueven, porque son los que estabas leyendo mal.
Al final la atribución no deja de ser eso: distintas maneras de acreditar una misma realidad. Ninguna es la verdad; algunas se parecen más a lo que el negocio ve en su cuenta de resultados. Esto es lo que hace cada una y lo que hemos visto que pasa al cambiar.
Cada modelo, en una frase
- Last click: todo el crédito al último punto de contacto antes de la conversión. Informa de quién cierra, y nada más.
- First click: todo al primero. Informa de quién abre, y nada más.
- Lineal: democratiza el crédito a partes iguales entre todos los puntos de contacto del recorrido. Justo en apariencia; ciego a que no todos los contactos valen lo mismo.
- Posicional: da más peso a los nodos que ocupan una posición determinada de la cadena, normalmente apertura y cierre, y reparte el resto entre los intermedios.
- Time-decay: cuanto más cerca de la conversión, más crédito. Una versión suavizada del last click.
- Data-driven de plataforma: el que ofrece GA4 o cada herramienta publicitaria sobre sus propios datos. Cómodo, y una caja negra que no se puede auditar ni alimentar con lo que la herramienta no ve.
- Cadenas de Markov: modela el recorrido como una secuencia de estados y calcula cuánto caería la probabilidad de conversión si un nodo desapareciera. En una frase: elimina el ruido, penalizando vicios y favoreciendo las rutas más sólidas. Lo que le importa no es la posición del nodo, sino la composición y la duración de la cadena.
Los cuatro primeros son reglas. Markov (y sus primos, como Shapley) es un modelo: lee los datos antes de repartir. Esa es la diferencia que importa.
Qué se mueve y qué no
Esto es lo que vimos en uno de nuestros clientes al comparar, sobre el mismo periodo, el último clic, un Markov de serie y el modelo propio que montamos encima (Markov más una capa que integra la medición de las plataformas publicitarias). Cuota de conversiones por canal:
| Canal | Last click | Markov | Modelo propio |
|---|---|---|---|
| Búsqueda de pago | 9,7 % | 11,6 % | 19,4 % |
| Social de pago | 1,8 % | 2,3 % | 5,9 % |
| Orgánico | 19,5 % | 23,3 % | 23,3 % |
| Ventas en punto físico | 19,8 % | 19,8 % | 19,8 % |
| Offline | 4,9 % | 4,2 % | 4,2 % |
Tres lecturas:
- Hay canales estancos. Las ventas cerradas en el punto físico no se mueven con ningún modelo, y el offline apenas. Tampoco suele moverse el email: son nodos con un comportamiento propio que no depende de la curva de los demás.
- Hay canales volátiles. Búsqueda de pago dobla su cuota; social de pago la multiplica por más de tres. En formatos de social hemos llegado a ver variaciones de más de 10 puntos porcentuales absolutos en el conteo de conversiones según el modelo. Sobre el global, un 10 % de crédito cambiando de manos es muchísimo.
- Markov solo redistribuye lo que la analítica ve. Fíjate en la columna del medio: mueve algo el orgánico y la búsqueda de pago, y poco más. Lo que hace saltar a los canales de pago es la tercera columna, y lo que hay ahí no es un algoritmo mejor: es la medición publicitaria entrando en el modelo, normalizada por evento, ventana y post-clic/post-view. Cómo se construye, aquí.
Quién gana y quién pierde, sistemáticamente
Cuanto más nos alejamos del cierre y más nos acercamos a la captación —al inicio del recorrido— más favorece un modelo que lee la cadena completa frente al último clic. Es lógico: el last click es el modelo que más castiga a quien abre.
Pero hay un techo. En esa curva ascendente que va de finalización a consideración, el tope está en las campañas tan upper funnel, tan generalistas, que no dejan rastro en ningún activo digital: ni una visita de la que colgar un nodo. A esas ningún modelo basado en la navegación puede darles lo que quizá merezcan. Se quedan fuera, y hay que saberlo.
El perdedor habitual es el contrario: el retargeting. Está al final de muchas cadenas por diseño, así que el último clic le regala crédito; cuando se mira la cadena completa, se degrada a favor de quien trajo al usuario. Que pierda crédito no dice nada sobre si es incremental —eso es otra pregunta—, pero sí dice que lo estabas leyendo con la regla que más le favorecía.
¿Merece la pena Markov?
Sí, en un escenario concreto: recorridos intensos, con multitud de puntos de contacto en un periodo determinado. Ahí es donde de verdad ayuda a detectar, aislar y comprender ineficiencias del mix: campañas que canibalizan a otras, campañas que no aportan rutas sólidas. Frente a modelos más fríos como last o first click, da una visión mucho más realista de un recorrido complejo.
Si tus cadenas tienen uno o dos puntos de contacto, Markov y el último clic te van a decir casi lo mismo, y el esfuerzo no compensa. Un last click bien medido y los datos de las plataformas bastan; el recorrido por los cuatro métodos de medir la atribución ayuda a situarse.
Cómo se elige sin hacer trampas
La tentación es conocida: elegir el modelo que mejor deja al canal que uno defiende. La forma de evitarla es no elegir el modelo por el resultado, sino por el negocio.
Cómo lo hacemos nosotros: en la fase de discovery construimos todos los modelos clásicos sobre los datos reales y los revisamos con el equipo de negocio, uno a uno. Qué cuenta cada uno, qué deja fuera, qué canales se mueven. En uno de nuestros clientes ninguno bastaba por sí solo, y Markov era el que más se acercaba a la realidad —porque el recorrido cambia según el cliente sea nuevo o recurrente, compre por impulso o tras comparar, y ahí importa la composición de la cadena, no la posición—. Sobre eso montamos algo propio.
Pero la elección no es un tema matemático ni exclusivamente estadístico. Es entender el ciclo comercial, la duración y la naturaleza del recorrido, y alinearse con quien lo conoce. No hay una respuesta cerrada sobre qué modelo usar; hay una respuesta para cada negocio, y sale de hablar con él.
Qué hacer mañana
- Saca el reparto por canal con dos modelos distintos sobre el mismo mes: el último clic y el que tengas más a mano. No mires el total; mira qué canales se mueven más de dos o tres puntos.
- Los que se mueven son los que tienes que entender: ¿abren o cierran? ¿Son retargeting? ¿Son formatos que ni siquiera dejan visita?
- Antes de cambiar el presupuesto por un modelo nuevo, valida el reparto con negocio y contra el ERP. Un modelo que cuadra mejor con tu intuición no es un modelo mejor; uno que cuadra con las ventas reales sí.
Si el recorrido de tus clientes es largo y las cadenas se cruzan, así lo resolvimos y podemos hablarlo.