Qué es y cómo funciona
Rara vez alguien compra tras un único contacto. Puede descubrirte en una búsqueda, volver por un anuncio, abrir un correo y terminar escribiendo tu marca en Google. La atribución es la regla que decide qué parte del mérito de esa conversión se asigna a cada contacto, y por tanto a cada canal.
Los modelos clásicos son sencillos de entender: último clic da todo el crédito al último contacto; primer clic, al primero; lineal lo reparte a partes iguales; por posición favorece los extremos; y decaimiento temporal pondera más lo más reciente. El modelo basado en datos usa aprendizaje automático para repartir el crédito según el patrón observado, pero necesita un volumen suficiente de conversiones y funciona como una caja relativamente opaca.
La disponibilidad depende de la herramienta, y cambia. En Google Analytics 4, por ejemplo, Google retiró en 2023 los modelos de primer clic, lineal, por posición y decaimiento temporal; hoy quedan el basado en datos y variantes de último clic. Cada plataforma publicitaria, además, se atribuye las conversiones con sus propias reglas y ventanas de tiempo, por lo que los informes de Meta, Google Ads y la analítica casi nunca coinciden entre sí.
Por qué importa
El modelo que uses condiciona dónde pones el presupuesto. Con último clic, los canales que cierran la venta (búsqueda de marca, remarketing, tráfico directo) parecen muy rentables, y los que generan el descubrimiento (contenido, SEO, vídeo, redes) parecen poco útiles, aunque sean los que traen a los clientes nuevos. Decidir solo con un modelo puede llevar a recortar lo que alimenta el resto.
Ningún modelo es la verdad: son reglas de reparto y no mediciones causales. Los bloqueadores, el consentimiento de cookies y el uso de varios dispositivos dejan además huecos en los datos. Por eso conviene completarlos con otras señales: preguntar en el formulario cómo te conocieron, medir las ventas por teléfono o presenciales, y, con presupuestos grandes, hacer pruebas de incrementalidad que comparen con grupos sin anuncios.
Un ejemplo
Una empresa de software recibe a una persona que lee un artículo de su blog a través de una búsqueda, semanas después ve un anuncio en Meta, y finalmente busca la marca en Google y solicita una demostración. Con último clic, el crédito va entero a la búsqueda de marca, y el blog y los anuncios parecen no aportar. Con un modelo que reparte entre contactos, el blog y Meta reciben parte del mérito. La pregunta «¿cómo nos conociste?» del formulario añade una tercera perspectiva, sin sustituir a las otras.
Errores y confusiones frecuentes
- Tratar un modelo como la verdad absoluta y mover presupuestos solo por él.
- Sumar las conversiones que informa cada plataforma: cada una se atribuye la conversión con sus reglas, así que el total supera al de ventas reales.
- Cambiar de modelo de atribución y concluir que un canal ha mejorado, cuando solo ha cambiado el reparto del crédito.