Si sumas las conversiones que reporta Google Ads, las que reporta Meta, las que reporta TikTok y las que reporta LinkedIn Ads, casi siempre te salen más conversiones de las que realmente has tenido. Eso no es un error contable: es atribución duplicada. Cada plataforma se atribuye conversiones que también se atribuyen otras.
Entender bien la atribución es fundamental para tomar decisiones correctas sobre presupuesto.
Los modelos de atribución que existen
Last-click: la conversión se atribuye al último canal antes de la compra. Era el estándar histórico. Subvalora canales como contenido orgánico y branding que generan demanda pero rara vez son el último clic.
First-click: la conversión se atribuye al primer canal del journey. Sobrevalora el descubrimiento pero subvalora el cierre.
Lineal: la conversión se reparte equitativamente entre todos los canales del journey. Es justo pero no refleja la realidad de que algunos canales son más decisivos que otros.
Time decay: los canales más cercanos a la conversión reciben más peso. Es razonable pero arbitrario.
Data-driven attribution (DDA): Google y Meta usan ML para asignar peso a cada canal basándose en su contribución estadística a la conversión. Es el mejor modelo dentro de cada plataforma, pero solo ve los datos de esa plataforma.
Por qué los modelos de las plataformas no son suficientes
El problema fundamental: cada plataforma solo ve su parte del journey. Meta no sabe que el usuario también vio anuncios de Google. Google no sabe que el usuario llegó desde LinkedIn. Cada plataforma se atribuye más conversiones de las que realmente generó.
Para tener una imagen real, hace falta un modelo de atribución unificado que vea todos los canales simultáneamente.
Marketing Mix Modeling: la respuesta de la industria
El Marketing Mix Modeling (MMM) está volviendo con fuerza por dos razones: el deterioro del tracking digital (iOS 14.5, fin de cookies de terceros) y la disponibilidad de herramientas más accesibles que los MMM tradicionales.
El MMM usa datos agregados (gasto por canal por semana, ventas por semana, factores externos como estacionalidad) para estimar el impacto incremental de cada canal sin necesidad de tracking individual del usuario. Es más cualitativo que el DDA pero es más honesto.
Herramientas de MMM accesibles para pymes: Robyn de Meta (open source), LightweightMMM de Google (open source), Mass Analytics, Recast.
Para empresas con presupuesto de marketing superior a 20.000€ mensuales, vale la pena implementar al menos un MMM básico.