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. Fue una decisión de presupuesto tomada a partir de una lectura incompleta del modelo de atribución.
¿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.
Y esa decisión no es neutral.
El mismo recorrido de un cliente puede hacer que un canal parezca muy eficiente bajo un modelo y poco relevante bajo otro, aunque el comportamiento de la persona no haya cambiado.
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 de atribución utilizado asignaba el resultado al último punto de contacto. Google recibía el crédito de la conversión y LinkedIn desaparecía del reporte, aunque hubiera participado en el inicio del 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. Simplemente dejó de generarse y los clientes nuevos cayeron a la mitad.
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 fácil de entender: 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”, es que responde una pregunta distinta de la que muchos equipos creen estar respondiendo.
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.
Eso es especialmente relevante cuando el ciclo de compra tiene múltiples interacciones y puede extenderse durante días, semanas o meses.
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?”.
Debería ser: ¿Qué decisión necesito tomar y qué modelo me ayuda a responderla mejor?
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.
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.
Antes de reasignar presupuesto entre canales, conviene mirar la cadena completa:
- participación del canal en el recorrido del cliente;
- calidad de los leads generados;
- tasa de conversión de lead a oportunidad;
- tasa de conversión de oportunidad a cliente;
- costo de adquisición;
- y valor comercial generado.
En el caso anterior, esa lectura mostraba algo que el costo por lead 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.
Cómo elegir el modelo de atribución correcto para tu negocio
Antes de elegir un modelo, conviene definir qué decisión necesitas tomar.
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 un ciclo de compra largo y múltiples puntos de contacto
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.
Qué variables conviene revisar antes de cambiar de modelo
El modelo no debería elegirse de forma aislada. Como mínimo, conviene considerar:
- La duración del ciclo de compra. Cuanto más largo sea, mayor probabilidad 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 o 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.
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.
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.
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, antes de reducir presupuesto conviene contrastar la atribución de los canales con el recorrido completo y con los resultados comerciales reales.
Digital Trafficc trabaja este problema a través de Kliaro →, su servicio de inteligencia de datos de marketing. Kliaro 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 antes de usarlo para decidir dónde invertir.
