Una empresa B2B invertía US$5.000 al mes en LinkedIn Ads. El reporte de marketing mostraba un costo por lead de US$333 en ese canal, frente a US$62,50 en Google Ads. La diferencia parecía justificar una decisión obvia: eliminar LinkedIn y mover ese presupuesto a Google.
Lo hicieron y al mes siguiente los leads totales cayeron de 120 a 82, las oportunidades comerciales de 24 a 14 y los clientes nuevos de 6 a 3.
Esto no fue necesariamente un problema de ejecución ni demuestra por sí solo que LinkedIn causara toda la caída posterior. Lo que sí muestra es algo más importante: una decisión de presupuesto se había tomado a partir de una lectura incompleta del modelo de atribución.
El error no estaba necesariamente en los números. Estaba en convertir una regla que repartía el crédito de las conversiones en una conclusión definitiva sobre qué canal generaba valor para el negocio.
¿Qué es un modelo de atribución de marketing?
Un modelo de atribución de marketing define cómo se asigna el valor de una conversión entre los distintos puntos de contacto que tuvo un cliente antes de comprar o convertirse en lead. El modelo elegido cambia la forma en que se interpreta el rendimiento de cada canal y, por tanto, puede influir directamente en las decisiones de inversión.
En la práctica, esa decisión muchas veces queda definida por la configuración de las herramientas sin que el equipo se detenga a revisar qué pregunta está respondiendo el modelo.
El mismo recorrido de un cliente puede hacer que un canal parezca muy eficiente bajo una regla y poco relevante bajo otra, aunque el comportamiento del comprador no haya cambiado. Lo que cambia es quién recibe el crédito.
Por eso, un modelo de atribución debería ayudar a formular una decisión, no a cerrarla automáticamente.
El caso: “LinkedIn es demasiado caro”
El cálculo que llevó a eliminar LinkedIn parecía impecable.
US$5.000 de inversión divididos entre 15 leads atribuidos daban un costo por lead de US$333, muy por encima de los US$62,50 de Google Ads, que registraba 48 leads atribuidos sobre una inversión de US$3.000.
La conclusión parecía evidente: “LinkedIn es demasiado caro, movamos ese presupuesto a Google”.
El problema estaba en lo que el reporte no mostraba. Buena parte de esos prospectos llegaba primero por un anuncio o una publicación en LinkedIn, leía un artículo y regresaba días o semanas después a través de una búsqueda en Google. Era allí donde finalmente completaba el formulario.
El modelo utilizado asignaba el resultado al último punto de contacto. Google recibía el crédito de la conversión y LinkedIn desaparecía del reporte, aunque hubiera participado antes en el recorrido.
Después de eliminar el canal, el resultado fue este:
| Indicador | Antes | Después |
|---|---|---|
| Leads/mes | 120 | 82 |
| Oportunidades comerciales | 24 | 14 |
| Clientes nuevos | 6 | 3 |
Google seguía apareciendo como uno de los canales con mejor rendimiento en el reporte. Sin embargo, una parte de la demanda que terminaba convirtiendo a través de Google, tráfico directo o SEO se había originado en LinkedIn.
Al eliminar ese punto de contacto, la demanda no se trasladó automáticamente a los canales restantes. Los clientes nuevos terminaron cayendo a la mitad.
La lección no es que LinkedIn deba mantenerse siempre. Es que el canal que recibe la conversión y el canal que ayudó a crear la demanda no necesariamente son el mismo.
Qué es last-click y por qué puede dar una lectura incompleta
Last-click atribuye el resultado al último punto de contacto identificado antes de la conversión.
Su lógica es sencilla: si una persona hizo clic en un anuncio de Google y después completó un formulario, Google recibe el crédito de esa conversión.
El problema no es que last-click esté “mal”. El problema aparece cuando se utiliza para responder una pregunta distinta de aquella para la que resulta útil.
Last-click ayuda a responder: ¿Qué canal estuvo más cerca de la conversión?
Pero no necesariamente responde: ¿Qué canal generó el interés o la demanda que hizo posible esa conversión?
Cuando una empresa utiliza la respuesta a la primera pregunta para decidir qué canales mantener, escalar o eliminar, puede terminar recortando una fuente de demanda porque otro canal fue el que apareció al final del recorrido.
Ese riesgo aumenta cuando el comprador necesita múltiples interacciones antes de convertirse, porque la última visita puede capturar una demanda que comenzó bastante antes.
¿Qué es la atribución multicontacto y cuándo importa?
La atribución multicontacto es un enfoque que reconoce la participación de varios puntos de contacto en una conversión, en lugar de asignar todo el crédito a una sola interacción. Sirve para entender recorridos donde distintos canales influyen en momentos diferentes. No significa repartir el valor por igual: el peso de cada interacción depende de la regla de atribución que la empresa utilice.
Esta diferencia se vuelve relevante cuando el recorrido del comprador incluye descubrimiento, consideración y conversión en canales distintos. Un canal puede iniciar la demanda, otro ayudar a desarrollarla y un tercero registrar la conversión final. Que uno reciba el crédito no significa que haya actuado solo.
Por eso, analizar varios puntos de contacto no elimina la necesidad de elegir un modelo de atribución. Al contrario: obliga a definir qué parte del recorrido necesita entender la empresa antes de tomar una decisión de inversión.
Principales modelos de atribución y qué pregunta responde cada uno
No existe un único modelo de atribución adecuado para todas las decisiones. Cada modelo observa el recorrido desde una perspectiva diferente.
| Modelo | Cómo atribuye la conversión | Qué pregunta ayuda a responder | Cuándo puede ser útil |
|---|---|---|---|
| Last-click | Asigna el resultado al último punto de contacto | ¿Qué canal estuvo más cerca de la conversión? | Ciclos cortos o análisis orientados al cierre |
| First-click | Asigna el resultado al primer punto de contacto | ¿Qué canal inició el recorrido? | Cuando interesa analizar descubrimiento o generación inicial de demanda |
| Lineal | Distribuye el valor entre todos los puntos de contacto | ¿Qué canales participaron en el recorrido? | Cuando existen varias interacciones y no se quiere concentrar todo el valor en una sola |
| Basado en posición | Otorga mayor peso al primer y último contacto | ¿Qué peso tuvieron el descubrimiento y el cierre? | Cuando ambos momentos son especialmente relevantes para el negocio |
| Basado en datos | Utiliza los datos disponibles para estimar la contribución de las diferentes interacciones | ¿Qué contribución parece tener cada punto de contacto según el comportamiento observado? | Cuando existe suficiente información para realizar una lectura más sofisticada del recorrido |
Estos modelos describen formas conceptuales de analizar la atribución. Las opciones disponibles y la manera en que se calculan pueden variar según la plataforma o herramienta utilizada.
La pregunta, por tanto, no debería ser simplemente “¿cuál es el mejor modelo?”, sino qué decisión necesito tomar y qué modelo me ayuda a observar mejor la parte del recorrido relevante para esa decisión.
Un modelo de atribución no reconstruye exactamente lo que pasó
Hay otra distinción importante. Un modelo de atribución no observa la mente del comprador ni puede reconstruir con absoluta certeza qué interacción hizo que una persona tomara la decisión final.
Lo que hace es interpretar el recorrido mediante unas reglas determinadas.
Si una persona descubre una empresa en LinkedIn, visita posteriormente el sitio de forma directa, realiza una búsqueda en Google y finalmente completa un formulario, esos hechos no cambian cuando cambia el modelo de atribución. Lo que cambia es la forma en que se distribuye el valor entre esas interacciones.
Por eso, un modelo de atribución debería utilizarse como una herramienta para interpretar el recorrido, no como una verdad absoluta sobre qué canal “causó” una venta.
Para determinadas decisiones, esa lectura puede complementarse con pruebas controladas, análisis de incrementalidad u otras formas de evaluar qué habría ocurrido si un canal no hubiera estado presente.
Esta diferencia entre atribución y causalidad es especialmente importante cuando la decisión que sigue es reducir o eliminar una inversión.
Por qué el costo por lead no cuenta toda la historia
La decisión de eliminar LinkedIn se tomó a partir de una sola variable: el costo por lead que el reporte atribuía a cada canal.
Pero un lead barato que nunca se convierte en oportunidad o cliente no necesariamente aporta más valor que uno más costoso que sí avanza comercialmente.
Antes de reasignar presupuesto entre canales conviene observar, además del costo por lead, la participación del canal en el recorrido, la calidad de los leads, la conversión de lead a oportunidad y de oportunidad a cliente, el costo de adquisición y el valor comercial finalmente generado.
En el caso anterior, esa lectura mostraba algo que el CPL aislado no permitía ver: eliminar el canal aparentemente más caro coincidió con una caída considerable de oportunidades y clientes nuevos.
La métrica no estaba necesariamente equivocada. Estaba siendo utilizada para responder una pregunta que no podía responder por sí sola.
El error no fue calcular el CPL. Fue convertir un indicador de generación de leads en criterio suficiente para decidir si un canal debía seguir formando parte del sistema de adquisición.
Antes de eliminar un canal, somete la conclusión a una segunda lectura
Cuando un canal parece caro o poco rentable, cambiar inmediatamente de modelo tampoco resuelve el problema. La idea no es buscar una forma de atribución que haga que el canal vuelva a verse bien.
La pregunta útil es otra:
¿La conclusión de que este canal no genera valor se mantiene cuando observamos el recorrido desde otra perspectiva?
Antes de reducir de forma importante una inversión, conviene revisar:
- cómo cambia la lectura del canal bajo otra perspectiva de atribución
- si aparece con frecuencia al comienzo o en etapas intermedias de recorridos que terminan convirtiendo
- qué calidad tienen las oportunidades o clientes relacionados con ese canal
- qué ocurre con leads, oportunidades, clientes y ventas totales cuando cambia su inversión
- si la evidencia permite hablar de contribución al resultado o únicamente de crédito atribuido
Esta segunda lectura no busca demostrar que el canal debe mantenerse. Busca elevar el nivel de evidencia necesario para tomar una decisión que puede afectar la generación de demanda.
Una pregunta ayuda a ponerlo en perspectiva:
Si cambiamos el modelo y cambia por completo cuál canal parece ganador, ¿estamos observando el negocio o estamos observando la regla?
Cómo elegir el modelo de atribución correcto para tu negocio
Antes de elegir un modelo, conviene definir qué decisión necesitas tomar.
Si esa atribución se va a utilizar para tomar decisiones de inversión, la regla debería acordarse previamente con Finanzas. En cómo acordar con el CFO definiciones para confiar en los datos de Marketing explicamos qué debe quedar definido antes de convertir esos datos en una decisión.
Si quieres saber qué canales generan descubrimiento
Un enfoque de primer contacto puede ayudar a identificar dónde comienzan los recorridos de los clientes.
Si quieres entender qué canales están más cerca de la conversión
Last-click puede aportar una lectura útil del cierre, siempre que no se interprete como una explicación completa de cómo se generó la demanda.
Si tienes múltiples puntos de contacto durante la compra
Mirar únicamente el primero o el último contacto puede dejar fuera una parte importante del recorrido. En ese escenario, modelos que consideran varias interacciones pueden aportar más contexto para evaluar qué canales participan antes de que aparezca la conversión.
Si estás pensando en reducir o eliminar un canal
Antes de mover el presupuesto, conviene hacerse una pregunta adicional: ¿Este canal realmente no genera valor o simplemente no está recibiendo atribución por el valor que ayuda a generar?
Esa diferencia puede cambiar completamente la decisión.
Aquí también resulta útil aplicar el mismo principio utilizado al medir resultados de marketing: una cifra adquiere sentido cuando entendemos qué pregunta puede responder y qué otra evidencia necesitamos antes de convertirla en una decisión.
Qué variables conviene revisar antes de cambiar de modelo
El modelo no debería elegirse de forma aislada. Como mínimo, conviene considerar cinco variables:
- La duración del ciclo de compra. Cuanto más extenso sea el recorrido, mayor posibilidad existe de que intervengan distintos canales antes de la conversión.
- La cantidad de puntos de contacto. Un recorrido con una sola interacción no necesita el mismo análisis que uno con cinco o seis.
- El papel de cada canal. Algunos generan descubrimiento, otros consideración y otros capturan una demanda que ya existía.
- La decisión que se quiere tomar. Medir adquisición, optimizar cierre y decidir dónde recortar presupuesto son preguntas diferentes.
- La calidad de los datos disponibles. Un modelo más sofisticado no compensa una medición incompleta ni fuentes que no pueden conectarse con los resultados comerciales.
La atribución debería ayudar a entender mejor el negocio, no añadir una capa más de complejidad al reporte.
Qué cambia cuando la atribución se utiliza como criterio y no como veredicto
Cuando un equipo entiende los límites del modelo, la atribución deja de ser una competencia por decidir qué canal “ganó” la venta.
Google puede estar capturando demanda que otro canal ayudó a crear. LinkedIn puede participar en descubrimiento aunque pocas conversiones terminen registradas allí. SEO puede aparecer al final de recorridos que comenzaron con una campaña, y un canal con CPL más alto puede estar generando oportunidades de mayor calidad.
Esto no significa repartir crédito arbitrariamente para que todos los canales parezcan importantes. Significa distinguir entre recibir crédito, participar en el recorrido y generar valor comercial.
La consecuencia para quien decide presupuesto es importante: ya no necesita aceptar automáticamente el ranking producido por una plataforma o un modelo. Puede preguntar qué parte del recorrido está observando, qué queda fuera y qué otra evidencia respalda la decisión que se propone tomar.
Preguntas frecuentes
No existe un modelo universalmente más preciso para todas las empresas y decisiones. Los modelos basados en datos pueden ofrecer una lectura más completa cuando existe suficiente información, pero el criterio principal debería ser si el modelo responde correctamente la pregunta de negocio que se quiere analizar.
First-click atribuye el resultado al primer punto de contacto identificado en el recorrido, por lo que ayuda a analizar qué inició la relación. Last-click asigna el resultado al último contacto antes de la conversión y ayuda a identificar qué canal estuvo más cerca del cierre.
No necesariamente. La atribución distribuye valor entre los puntos de contacto según determinadas reglas o modelos. Identificar causalidad requiere responder una pregunta diferente: qué habría ocurrido si esa interacción o canal no hubiera existido.
Una señal aparece cuando un canal genera tráfico, interacción o primeras visitas relevantes, pero prácticamente nunca recibe conversiones atribuidas. Antes de reducir su inversión, conviene revisar si participa en recorridos que terminan convirtiendo a través de otros canales y si la conclusión se mantiene al observar otras señales comerciales.
No necesariamente para todos los análisis. Un mismo negocio puede observar diferentes perspectivas del recorrido según la decisión que necesite tomar. Lo importante es saber qué modelo se está utilizando y qué pregunta puede responder antes de convertir su resultado en una decisión de presupuesto.
No por sí solo. Considerar varios puntos de contacto puede aportar más contexto, pero sigue siendo una forma de distribuir valor según determinadas reglas. La calidad de los datos, el recorrido del comprador y la decisión que se quiere tomar siguen siendo determinantes.
Conviene revisarlo cuando la forma en que compran los clientes, los canales utilizados o las decisiones que se quieren tomar cambian de manera relevante. También cuando el modelo produce conclusiones difíciles de conciliar con los resultados comerciales observados en CRM, ventas u otras fuentes.
Antes de recortar el próximo canal “de bajo rendimiento”
En el caso anterior, los clientes nuevos cayeron de seis a tres después de eliminar LinkedIn.
La lección no es que LinkedIn deba mantenerse siempre ni que Google estuviera recibiendo un crédito que no le correspondía. Es más importante que eso:
un canal puede parecer poco rentable cuando el modelo utilizado solo observa una parte de su contribución.
Por eso, cuanto mayor sea el impacto de una decisión de presupuesto, menos debería depender de una sola forma de repartir el crédito. Antes de reducir o eliminar un canal conviene contrastar la atribución con el recorrido del cliente, la calidad de las oportunidades y los resultados comerciales reales.
Digital Trafficc trabaja este problema a través de Kliaro →, su servicio de inteligencia de datos de marketing, que consolida la información de los canales y la contrasta con los resultados del negocio para que las decisiones de inversión no dependan únicamente de la versión que muestra cada plataforma.
El objetivo no es encontrar un modelo que haga que todos los canales se vean bien. Es saber qué pregunta responde cada dato, qué parte del recorrido queda fuera y qué evidencia necesitamos antes de decidir dónde invertir.
