Hay seis modelos de atribución que te vas a cruzar en la práctica, te van a dar seis respuestas distintas sobre la misma conversión, y el desacuerdo es la parte útil. La diferencia entre ellos te dice cuánto de tu resultado depende de una decisión contable y cuánto de lo que hicieron los medios.
Casi toda discusión sobre atribución es en realidad una discusión sobre qué sesgo prefiere cada uno. Así que el camino más rápido es valuar un mismo recorrido con todos los modelos y mirar los números uno al lado del otro.
Los seis modelos
Modelos single-touch: le dan todo a una sola interacción.
- First-touch. Todo el crédito a la primera interacción del camino. Responde “qué nos presentó a este cliente”.
- Last-touch. Todo el crédito a la última interacción. Responde “qué tenía adelante cuando convirtió”. Es el default en casi todas partes, y tiene un sesgo específico y consistente.
- Last non-direct click. Igual que last-touch, pero saltea el tráfico directo y le pasa el crédito a la última fuente de marketing identificable. Existe porque “alguien escribió la URL” no es un hallazgo sobre el que se pueda accionar.
Modelos multi-touch: reparten el crédito a lo largo del camino.
- Lineal. Parte igual para cada contacto. No afirma nada sobre cuál importó más.
- Time-decay. Más crédito mientras más cerca de la conversión, normalmente con una vida media de siete días. Un punto medio que se inclina al fondo del funnel.
- Posicional (U-shaped). Típicamente 40% al primer contacto, 40% al último y 20% repartido en el medio. Parte del supuesto de que descubrir y cerrar son las partes difíciles.
- Data-driven. El crédito lo asigna un modelo entrenado con tus caminos que convirtieron y los que no, así que un contacto que aparece en los dos vale menos. El único ajustado a tu negocio en lugar de afirmado de antemano.
La misma conversión, valuada seis veces
Un cliente, una compra de USD 1.000, veintiún días, cinco interacciones:
- Día 1 — ve un anuncio en TikTok, no clickea
- Día 3 — clickea un display de Google, navega, se va
- Día 10 — llega a una nota por búsqueda orgánica, se va
- Día 20 — clickea un link de un email de lifecycle
- Día 21 — busca la marca, clickea el anuncio de búsqueda de marca, compra
Cuatro contactos clickeables. La vista de TikTok no recibe nada en ningún modelo basado en clics, que es lo primero que vale la pena notar.
| Modelo | Display | Orgánico | Búsqueda de marca | |
|---|---|---|---|---|
| First-touch | 1.000 | 0 | 0 | 0 |
| Last-touch | 0 | 0 | 0 | 1.000 |
| Lineal | 250 | 250 | 250 | 250 |
| Time-decay | 70 | 140 | 375 | 415 |
| Posicional | 400 | 100 | 100 | 400 |
| Data-driven | 340 | 210 | 300 | 150 |
Mismo cliente. Misma facturación. Display vale USD 1.000 o cero según un desplegable.
La fila de data-driven es la interesante. Le da a la búsqueda de marca el crédito más bajo, lo que parece un error hasta que recordás con qué se ajusta el modelo: la búsqueda de marca aparece en casi todos los caminos, incluidos los que no convirtieron, porque el que va a comprar busca tu nombre igual. Un contacto que no distingue entre los que convierten y los que no, no es predictivo, y un modelo data-driven lo valúa en consecuencia.
Hacia dónde está sesgado cada uno
Elegir un modelo es elegir en qué dirección equivocarse:
- First-touch sobrevalúa el descubrimiento y no te dice nada sobre qué cierra. Optimizá contra él y vas a comprar mucho tráfico barato de arriba del funnel que no convierte nunca.
- Last-touch sobrevalúa la captura. La búsqueda de marca y el retargeting quedan espectaculares; la creación de demanda que los alimentó queda como un centro de costos. Cortala y los números de captura siguen hermosos unas seis semanas, mientras el pipeline se vacía.
- Lineal es el único modelo que no asume nada, lo que también significa que no opina. Favorece los caminos largos: agregá dos contactos de bajo valor y la participación del canal crece.
- Time-decay es un default razonable para ciclos medios y sigue inclinado al fondo del funnel.
- Posicional es la mejor de las opciones basadas en reglas cuando genuinamente no sabés, porque el supuesto 40/20/40 es aproximadamente cierto para la mayoría de las compras consideradas.
- Data-driven es la asignación mejor informada que vas a conseguir, y sigue siendo ciega a todo lo que no se puede clickear: la vista de TikTok, la mención en un podcast, la recomendación de un colega.
Ninguno mide causalidad. Todos son reglas de reparto aplicadas cuando la conversión ya pasó. Esa distinción es todo el juego, y es por qué el last-click miente incluso cuando lo reemplazás por algo más sofisticado.
Cómo elegir
Tres preguntas, en este orden.
¿Qué tan largo y poblado es el camino? Mediana de tiempo a conversión menor a un día y uno o dos contactos: quedate en last-touch, un modelo multi-touch te va a costar maquinaria y devolver la misma respuesta. Semanas y cinco contactos o más: necesitás multi-touch para poder asignar algo.
¿Qué decisión estás tomando? Repartir presupuesto entre dos campañas de Google Ads es una pregunta válida para last-touch: los dos lados se miden igual. Decidir si el paid social de arriba del funnel merece existir no lo es, y ningún modelo de atribución te lo va a contestar.
¿Cuántos datos observables tenés? Los modelos data-driven necesitan volumen. Por debajo de unas 600 conversiones mensuales, un modelo data-driven está ajustando ruido y el posicional es la opción más honesta.
Una nota sobre herramientas: GA4 ya no te da la opción. First-click, lineal, time-decay y posicional se eliminaron de los reportes de GA4 en 2023; quedan data-driven y last-click de paid y orgánico. Si querés comparar modelos contra tus propios caminos, necesitás datos a nivel evento y tu propio SQL, que es la razón práctica por la que la exportación a BigQuery deja de ser opcional en este punto.
Qué poner alrededor del modelo
Un modelo asigna. No prueba. Tres cosas van alrededor del que elijas:
Un número que ninguna plataforma pueda inflar. Facturación total sobre inversión total en medios — MER. Ninguno de los dos insumos sale de una plataforma de ads, así que la atribución no lo puede tocar. Mirálo mes contra mes mientras movés presupuesto; el detalle está en cómo calcular el ROAS.
Un método que establezca causalidad. Holdouts geográficos, o apagar un canal de forma controlada y medir las conversiones totales. Es lo único de la lista que contesta “qué causó esto”. Cuesta facturación real y sigue siendo la respuesta más barata que hay.
Facturación devuelta a las plataformas. Sobre todo en B2B, donde el evento de conversión no es el evento de facturación. Importación de conversiones offline y tracking server-side para que el objetivo de optimización sea el negocio cerrado y no el formulario.
La versión corta
Los modelos de atribución son reglas contables, y la distancia entre ellos mide tu propia incertidumbre más que una pregunta con respuesta correcta. Usá posicional o data-driven para asignar dentro de paid, según tu volumen de conversiones. Juzgá el programa por eficiencia blendeada. Establecé causalidad con tests de holdout. Y tratá la salida de cualquier modelo como un insumo de una decisión, no como una afirmación sobre qué causó tu facturación.
Si los reportes de tus plataformas y tu extracto bancario no coinciden, la medición es lo primero que audito.
