La atribución last-touch le da el 100% del crédito de una conversión a la última interacción de marketing anterior a ella. Todo lo que pasó antes recibe cero. Es el modelo por defecto de casi todas las herramientas de analítica, es la razón por la que tu reporte de canales se ve como se ve, y es a la vez el modelo más usado y más criticado de la medición de marketing.
Las dos cosas están justificadas, para cuentas distintas. Acá va cómo funciona, cuándo está bien, y cómo saber en cuál de las dos situaciones estás.
Cómo se asigna el crédito
El camino de un cliente hasta la compra puede verse así:
- Ve un aviso en Instagram → no hace clic, pero le queda la marca
- Hace clic en un aviso de YouTube tres días después → navega, se va
- Lee una nota de reseñas a la semana siguiente → entra, se va
- Busca el nombre de la marca en Google → hace clic en el aviso de marca → compra
Con last-touch, el aviso de búsqueda de marca se lleva el 100% de la facturación. Instagram, YouTube y la reseña se llevan cero. No “una parte chica”: cero.
Dos variantes que vas a ver nombradas:
- Último clic. Crédito a la última interacción que el usuario clickeó. Es lo que quieren decir casi todas las plataformas cuando dicen last-touch.
- Último clic no directo. Se saltea el tráfico directo y el crédito pasa a la última fuente de marketing identificable. Era el default de Universal Analytics, y existe porque darle el crédito a “alguien escribió la URL” no te dice nada accionable.
La imagen espejo es la atribución first-touch, que le da todo el crédito a la primera interacción. Tiene el sesgo opuesto —sobrevalora el descubrimiento e ignora todo lo que cerró la venta— y está mal de la misma forma estructural.
Por qué es el default
Tres ventajas reales, que son la razón de que sobreviva a todas las críticas:
No es ambigua. No hay modelo, ni ponderación, ni supuestos. Una interacción, una regla. Dos personas mirando la misma data llegan a la misma respuesta y nadie tiene que defender una metodología.
Es barata. No necesita resolución de identidad, ni unificación entre dispositivos, ni modelado. Cualquier plataforma la puede producir con datos que ya tiene.
Es direccionalmente aceptable en recorridos cortos. Si la mayoría de tus clientes ve un aviso y compra el mismo día, last-touch y la realidad están lo bastante cerca como para que la diferencia no cambie ninguna decisión.
Dónde engaña sistemáticamente
La falla no es ruido aleatorio: es un sesgo consistente en una dirección, y eso es lo que la hace peligrosa.
Sobrevalora el fondo del funnel. La búsqueda de marca es el caso clásico. Alguien que ya decidió comprar busca tu nombre, hace clic en el aviso, convierte. Last-touch le entrega a esa campaña un ROAS espectacular. La campaña no creó la demanda: te cobró por demanda que creó otra cosa. Cortá la inversión de la parte alta del funnel que la creó, y los números de búsqueda de marca siguen hermosos unas semanas mientras el pipeline se vacía en silencio.
Subvalora todo lo que no se puede clickear. Vistas de video, menciones en podcasts, impresiones de paid social, la nota de reseñas, la recomendación de un colega. Si no produce un clic inmediatamente antes de la conversión, no existe en el reporte.
Se rompe del todo en ciclos de venta largos. Lo que nos lleva al caso donde más se pregunta esto.
La atribución last-touch en B2B SaaS
B2B SaaS es donde last-touch deja de ser una simplificación y pasa a estar activamente mal. Se apilan cuatro razones:
El ciclo sobrevive a la ventana. Una evaluación de noventa días con once puntos de contacto, medida con una ventana de clic de treinta días, significa que la mayor parte del recorrido es invisible antes de empezar.
La unidad de compra no es un usuario. Un champion investiga, un gerente evalúa, un VP aprueba, compras firma. Cuatro personas, cuatro dispositivos, muchas veces cuatro caminos de adquisición distintos — y tu analítica ve cuatro sesiones sin relación, una de las cuales convirtió.
El evento de conversión no es el evento de facturación. Un pedido de demo no es un contrato cerrado. Last-touch te dice qué canal produjo formularios. No puede decirte qué canal produjo los formularios que se convirtieron en contratos, y muchas veces son canales distintos. El que produce demos baratas suele ser el que produce demos que nunca cierran.
El último toque es casi siempre marca o directo. Para cuando un comprador B2B convierte, ya conoce tu nombre. Así que el modelo le da el crédito al canal que capturó a alguien ya decidido e ignora los dieciocho meses de contenido, eventos y paid social que lo hicieron decidir.
La consecuencia práctica es que los equipos de B2B SaaS que optimizan a CPA de último clic subfinancian sistemáticamente la creación de demanda y sobrefinancian la captura, y después se preguntan por qué capturar sale más caro cada trimestre. Ya no queda nada para capturar.
Cuándo last-touch está genuinamente bien
No siempre está mal. Quedátela cuando:
- El recorrido es corto. Ecommerce de impulso, compras de baja consideración, conversiones en una sola sesión. Si tu mediana de tiempo a conversión es menos de un día y la de largo de camino es uno o dos toques, un modelo multi-touch te va a dar la misma respuesta con más maquinaria.
- Estás comparando lo mismo contra lo mismo dentro de una plataforma. Decidir cuál de dos campañas de Google Ads recibe más presupuesto es una pregunta legítima de last-touch, porque las dos se miden igual.
- Tenés un solo canal. El modelo sólo puede equivocarse cuando hay a quién sacarle crédito.
- Estás siendo honesto sobre qué es. Una señal direccional para decisiones dentro de la plataforma, no una afirmación sobre qué causó la facturación.
Qué usar en su lugar
Ningún modelo único la reemplaza. Un stack realista, por esfuerzo creciente:
Eficiencia combinada como juez. Facturación total dividida inversión total en medios: el MER. No se puede inflar con atribución porque ninguno de los dos números sale de una plataforma. Miralo mes contra mes mientras movés presupuesto. Está en cómo calcular el ROAS.
Tests de incrementalidad. Holdouts geográficos, o apagar un canal de forma controlada y medir qué pasa con las conversiones totales. Es el único método que responde “qué causó realmente este canal”. Te cuesta algo de facturación correrlo, y vale la pena.
Atribución data-driven o multi-touch para repartir dentro de lo pago. Mejor que last-touch para distribuir crédito entre canales que podés observar. Sigue siendo ciega a todo lo no clickeable. Detalle en por qué el last-click miente.
Reporting conectado a facturación, en B2B. Empujá la data de cerrado-ganado de vuelta a tu analítica y a tus plataformas para que el objetivo de optimización sea el negocio y no el formulario. Normalmente implica importación de conversiones offline y server-side tracking, y para análisis profundo, exportar GA4 a BigQuery.
Modelos de mix de marketing, cuando la inversión lo justifique. Meridian, el modelo open-source de Google, llegó a su versión 2.0 sumando señales de brand equity como el volumen de búsquedas de marca — útil justamente porque ese volumen es lo que last-touch confunde con rendimiento de un canal.
La versión corta
La atribución last-touch le asigna todo el crédito al último clic. No es ambigua, es barata y está razonablemente bien para recorridos cortos y decisiones dentro de una plataforma. Tiene un sesgo consistente hacia el fondo del funnel, y en recorridos largos o con varios decisores —B2B SaaS por sobre todo— ese sesgo te va a llevar a desfinanciar lo que crea tu pipeline.
No necesitás reemplazarla con un modelo perfecto. Necesitás un número que no pueda distorsionar (eficiencia combinada) y un método que establezca causalidad (tests de incrementalidad). Con esos dos, last-touch pasa a ser lo que siempre debió ser: una señal útil dentro de la plataforma que nadie confunde con la verdad.
Si tu reporte de canales dice una cosa y tu cuenta bancaria dice otra, la medición suele ser lo primero que audito.