Un cliente ve un anuncio en Instagram y lo ignora. Días después busca en Google, hace clic en un anuncio, pero no compra. Una semana más tarde recibe un correo con un descuento y, por fin, compra. Pregunta sencilla: ¿cuál de estos canales merece el crédito por la venta?
La respuesta que la mayoría de las herramientas da por defecto —el último clic— es también la más engañosa. Al atribuirlo todo al correo, ignoramos que fue Instagram quien plantó la semilla y Google quien trajo la intención. Decidir el presupuesto con esa visión distorsionada lleva a recortar precisamente los canales que inician las ventas.
La atribución de marketing es el conjunto de reglas que decide cómo repartir el crédito de una conversión entre los distintos puntos de contacto que la precedieron. Elegir bien esas reglas cambia la forma de leer el rendimiento de cada canal y, en consecuencia, hacia dónde va el dinero. Esta guía recorre los modelos principales y muestra cómo elegir uno sin perderse en la teoría.
El problema: muchas manos tocan una venta
Casi ninguna compra ocurre en el primer contacto. El recorrido típico atraviesa varios canales y varios días: redes sociales, búsqueda, correo, comparación de precios, quizá una segunda visita directa. Cada uno de estos toques hace algo: dar a conocer, recordar, convencer, empujar hacia el final.
El problema es que los ingresos llegan todos de golpe, en el momento de la compra, mientras que el mérito está repartido por todo el recorrido. Sin un modelo de atribución, la tendencia es dar el crédito a lo que estaba más cerca del final, simplemente porque es lo más fácil de ver. Es como dar todo el mérito de un gol a quien dio el último pase, ignorando a quienes construyeron la jugada.
Los modelos de atribución más usados
No existe un modelo "verdadero"; existen lentes distintas para mirar el mismo recorrido. Conviene conocer los principales antes de elegir:
- Último clic (last-click): todo el crédito va al último canal antes de la compra.
- Primer clic (first-click): todo el crédito va al canal que inició el recorrido.
- Lineal: el crédito se reparte por igual entre todos los puntos de contacto.
- Decaimiento temporal (time decay): los toques más cercanos a la compra reciben más crédito.
- En U (position-based): el primer y el último toque se llevan la mayor parte, el medio reparte el resto.
- Data-driven: un modelo estadístico estima la contribución real de cada canal a partir de los datos.
La elección entre ellos no es cosmética. El mismo canal puede parecer un héroe o un desperdicio según el modelo, y el presupuesto sigue esa narrativa.
Last-click y first-click: simples pero engañosos
El último clic es el modelo por defecto de casi todas las herramientas, y la razón es honesta: es simple de calcular y no exige juntar datos de todo el recorrido. El problema es que sobrevalora sistemáticamente los canales del fondo del embudo —correo, búsqueda de marca, remarketing— y hace parecer inútiles los canales que crean demanda en la parte alta.
El primer clic tiene el defecto simétrico: da todo el crédito a quien abrió la puerta e ignora todo lo que hizo falta para cerrar la venta. Un canal de descubrimiento parece brillante, mientras que los canales que de verdad convirtieron quedan invisibles.
Ambos comparten el mismo fallo de fondo: atribuyen el 100% a un único toque cuando la realidad es compartida. Sirven como punto de partida, pero conducir una estrategia entera a partir de uno de ellos es casi una garantía de decisiones sesgadas.
Modelos multitáctiles: repartir el crédito
Los modelos multitáctiles intentan corregir ese sesgo repartiendo el crédito entre varios puntos de contacto. El lineal es el más simple —todos reciben una parte igual— y ya es una mejora enorme frente al clic único, porque al menos reconoce que el recorrido existe.
El decaimiento temporal parte de la idea de que los toques más recientes pesaron más en la decisión y les asigna más crédito, sin anular los anteriores. El modelo en U apuesta por dos fases: valora a quien trajo al cliente y a quien lo hizo convertir, dando menos peso al medio. Ninguno es perfecto, pero todos capturan mejor la realidad que un clic único.
La elección entre ellos depende del negocio. Un ciclo de compra largo, con mucha investigación, se beneficia de modelos que valoran el medio del recorrido; una compra por impulso quizá se explique bien con decaimiento temporal. Lo importante es que la regla sea explícita y conocida por quien lee los informes.
Atribución data-driven: dejar que decidan los datos
En lugar de imponer una regla fija, la atribución data-driven usa los propios datos para estimar cuánto contribuye realmente cada canal. Compara recorridos que convirtieron con recorridos que no lo hicieron e infiere el peso de cada punto de contacto por la diferencia que marca en la probabilidad de compra.
Es el modelo más riguroso, pero tiene exigencias. Necesita volumen: con pocas conversiones, las estimaciones se vuelven inestables. Necesita datos de recorrido bien recogidos, lo que implica etiquetar las campañas de forma consistente. Y es menos transparente: da un número, no una regla sencilla de explicar en una reunión. Para muchas empresas, empezar por un modelo multitáctil explícito y solo después evolucionar hacia data-driven es el camino más sensato.
Cómo elegir e implementar un modelo
En la práctica, la elección de un modelo puede seguir algunos pasos concretos:
- Empiece por la pregunta de negocio: ¿quiere saber qué canales inician ventas, qué canales las cierran, o la contribución global de cada uno?
- Asegure la base: etiquete todas las campañas de forma consistente para poder reconstruir el recorrido completo.
- Elija un modelo a la altura de los datos: sin volumen, prefiera un multitáctil explícito a un data-driven inestable.
- Compare modelos lado a lado antes de decidir: vea cómo cambia el crédito de un canal a otro.
- Documente la regla elegida y use la misma en todos los informes, para no comparar cosas distintas.
- Reevalúe de forma periódica: el mix de canales cambia y el modelo debe acompañarlo.
El objetivo no es encontrar el modelo perfecto, sino cambiar una visión que se sabe equivocada —el último clic ciego— por una que refleje mejor cómo ocurren de verdad las ventas.
Errores comunes que evitar
Hay trampas que se repiten. La primera es comparar campañas medidas con modelos distintos, lo que hace los números incomparables. La segunda es ignorar los canales que no generan clics pero sí influyen —como las impresiones de vídeo o display— y que ningún modelo basado en clics captura. La tercera es tratar el número de la atribución como una verdad absoluta, cuando siempre es una estimación dependiente de decisiones.
Por último, está el error de cambiar de modelo sin avisar a quien decide. Si el presupuesto se mueve porque cambió el modelo, y no porque cambió el rendimiento, eso tiene que quedar claro. La transparencia sobre el método vale tanto como el método en sí.
Minicaso: una tienda online redistribuyendo presupuesto
Una tienda online de artículos para el hogar, con inversión repartida por varias plataformas, lo gestionaba todo con el último clic. Con esa lectura, las redes sociales parecían flojas y estaban a punto de perder presupuesto a favor de la búsqueda de marca, que "convertía" mucho mejor.
Antes de recortar, el equipo comparó el último clic con un modelo en U sobre los mismos tres meses de datos. El retrato cambió: las redes sociales aparecían al inicio de buena parte de los recorridos que terminaban en compra —eran ellas las que traían clientes nuevos que después convertían vía búsqueda de marca—. Recortar las redes habría secado la parte alta del embudo.
En lugar de reducir, el equipo reequilibró: mantuvo la inversión en descubrimiento y ajustó solo el exceso en remarketing, que varios modelos mostraban sobrevalorado. Al cabo de un trimestre, con un presupuesto total prácticamente igual, el número de clientes nuevos había subido cerca de un 15%. El cambio no fue gastar más, fue leer mejor.
En la práctica
La atribución no es un ejercicio académico; es la lente a través de la cual se decide dónde invertir. El último clic, por ser el estándar, engaña a más gente de la que ayuda: premia el final del recorrido y castiga a quien inicia las ventas. Cualquier modelo multitáctil explícito ya es un salto adelante.
Elija un modelo alineado con su pregunta de negocio y con el volumen de datos que tiene, aplíquelo de forma consistente y trate el resultado como una buena estimación, no como una verdad sagrada. El objetivo no es la atribución perfecta, es dejar de decidir presupuestos con una visión que ya se sabe torcida.
