Cómo hacer modelos de atribución: una guía honesta

Bueno, seamos honestos desde el principio: un cliente casi nunca compra por una cosa. Ellos vieron su Instagram carrete, se olvidó de ti, se reorientó, hizo clic en un Google anuncio, leer una publicación de blog, le preguntó a un amigo, y entonces Finalmente compró. Así que cuando estás averiguando Cómo hacer un modelo de atribución, lo que realmente estás haciendo es decidir cómo dividir el crédito de esa venta en todos esos puntos de contacto — suficiente para guiar a dónde va su presupuesto. Ese es el trabajo: un modelo de atribución es simplemente una regla para asignar crédito a los momentos que llevaron a una conversión, para que pueda invertir más en lo que funciona y menos en lo que no. Y aquí está la parte que nadie te dice — No hay un solo modelo “correcto”. Cada uno cuenta una historia diferente sobre el mismo viaje, y tu trabajo es elegir la historia que se adapte a tu negocio y luego mantenerte humilde al respecto.

Sé que el “modelado de atribución” suena como algo que necesitas un título en ciencia de datos y una herramienta de seis cifras para intentarlo. No lo sabes. Necesitas una cabeza clara, un poco de honestidad sobre lo que los números pueden y no pueden decirte, y una forma repetible de pensar. A continuación se muestra exactamente cómo lo haría yo caminar a un amigo a través de ella – lo que los modelos son, cuando cada uno encaja, lo que necesita en su lugar primero, y las verdades incómodas que te impiden cometer errores costosos. Prometo que esto se aclarará a medida que avancemos.

¿Qué es realmente el modelado de atribución?

Vamos a definirlo con claridad. El modelado de atribución es la práctica de decidir cuánto crédito recibe cada punto de contacto de marketing por una conversión. Un punto de contacto es cualquier interacción en el camino: una impresión de anuncio, una publicación social, un correo electrónico abierto, un clic de búsqueda orgánica, una visita a su sitio. Una conversión es cualquier resultado que te importe: una venta, un registro, una demostración reservada. El modelo es la regla que distribuye el crédito a través de esos puntos de contacto.

¿Por qué molestarse? Porque sin una regla, instintivamente acreditarás lo que haya sucedido último — El último clic antes de la compra — y que castiga silenciosamente todo lo que hizo el trabajo real de introducir y nutrir al cliente antes. La atribución existe para responder a una pregunta práctica: Si tengo otro dólar para gastar, ¿a dónde debería ir? Hecho honestamente, te apunta hacia los canales que realmente mueven a la gente hacia la compra, no solo a los que tienen la suerte de estar más cerca de la línea de meta. Saber cómo hacer bien el modelado de atribución es realmente proteger su presupuesto de ese sesgo de reciente.

Una cosa a la que aferrarse desde el principio: un modelo es una lente, no una medición de la realidad. No descubre la “verdadera” causa de una venta, porque a menudo no hay una sola causa verdadera. Aplica una suposición consistente para que pueda comparar canales con el tiempo. Esa distinción te salvará de un exceso de confianza más adelante.

¿Cuáles son los principales modelos de atribución?

Hay seis que te encontrarás una y otra vez. Repasemos cada uno claramente: qué hace y qué tipo de historia cuenta.

último clic (o último toque) da 100% del crédito hasta el punto de contacto final antes de la conversión. Es el valor predeterminado en muchas herramientas porque es muy simple y fácil de rastrear. El problema es que sobre-acredita masivamente los canales del fondo del embudo. — Búsqueda de marca, retargeting — y da cero crédito a lo que introdujo al cliente en primer lugar. Es el modelo que más probablemente te haga matar erróneamente un canal de conciencia.

Primer clic (o primer toque) hace lo contrario: todo el crédito va a la primera interacción. Esto halaga sus canales de conocimiento y descubrimiento e ignora completamente todo lo que nutrió y cerró la venta. ?Es útil si toda tu pregunta es “¿qué hace que la gente entre por la puerta?” — engañosa para casi cualquier otra cosa.

Lineal distribuye el crédito uniformemente a través de cada punto de contacto en el viaje. Es democrático y refrescantemente honesto sobre el hecho de que muchas cosas contribuyeron a la creación de la sociedad. — pero al tratar una impresión desechable de la misma manera que una demostración decisiva, puede difuminar los momentos que realmente importaron.

Tiempo-desintegración da más crédito a los puntos de contacto más cercanos a la conversión y menos a los anteriores, en la lógica de que las interacciones recientes impulsaron la decisión final. Se adapta a ciclos de ventas más largos donde el cuidado posterior realmente tiene peso — Pero todavía no acredita esa crucial primera introducción.

Basada en la posición (también llamada en forma de U) es un compromiso sensato: da las mayores cuotas al primer y último punto de contacto (comúnmente alrededor de 40% y divide el resto entre el medio. Respeta tanto “lo que los metió” como “lo que los cerró”, por lo que muchos vendedores lo buscan. Las pesas son todavía una suposición que usted está eligiendo, no un hecho.

La atribución basada en datos utiliza sus propios datos de conversión y un algoritmo para asignar crédito en función de qué combinaciones de puntos de contacto se correlacionan realmente con las conversiones, en lugar de una regla fija que eligió. Cuando funciona, es el más adaptado del lote. Pero tiene hambre: necesita mucho volumen de conversión para ser confiable, es un poco una caja negra, y sigue siendo un modelo basado en los datos incompletos que puede ver, por lo que tampoco es mágicamente “la verdad”.

Single-touch vs. multi-touch: ¿cuál es la diferencia?

Aquí hay una manera más sencilla de agrupar todo eso. Los modelos de un solo toque (último clic y primer clic) otorgan todo el crédito a una interacción. Son fáciles, rápidos y están bien para una lectura rápida, pero son instrumentos contundentes que fingen que el resto del viaje no sucedió. Los modelos multitáctiles (lineales, decaimiento en el tiempo, basados en la posición, basados en datos) distribuyen el crédito en varios puntos de contacto y se acercan mucho más a cómo funciona realmente la compra: desordenado, repetido, distribuido en el tiempo.

Si su viaje del cliente es genuinamente único, alguien busca, hace clic y compra en una sola sesión, un modelo de un solo toque podría ser honestamente suficiente. Pero la mayoría de los viajes, especialmente cualquier cosa considerada o B2B, implican varios toques durante días o semanas. Para ellos, un modelo multitáctil te dará una imagen más justa. La desventaja es que el multitáctil necesita un mejor seguimiento y más datos para ser confiable, lo que nos lleva a los requisitos previos.

¿Qué modelo de atribución debería elegir?

Esta es la pregunta que todos realmente quieren responder, así que déjame darte una tabla de comparación de modelos que puedas mantener y luego una forma corta de elegir.

Modelo	Cómo asigna crédito	La mejor cuando…	Punto ciego principal
Last-click	100% hasta el toque final	Viajes cortos; desea una línea de base simple y consistente	Ignora todo lo que creó la demanda antes
Primer clic	100% hasta el primer toque	Estás optimizando el descubrimiento de la parte superior del embudo	Ignora el cuidado y el cierre
Lineal	uniformemente en todos los toques	Quieres reconocer todo el viaje simplemente	Trata los mismos toques triviales y decisivos
Tiempo-desintegración	Más a toques recientes	Ciclos más largos donde el cuidado tardío importa	Subcréditos la primera introducción
Basado en posición (en forma de U)	La mayoría al primero y al último, el resto al medio	Valora tanto el descubrimiento como el cierre	Las pesas son una suposición elegida, no un hecho
Basado en datos	Algorítmicamente, desde sus propios datos	Tiene un alto volumen de conversión y un seguimiento limpio	Necesita muchos datos; todavía limitado a lo que puede ver

Ahora, cómo elegir realmente – aquí está el atajo honesto:

• Empieza con tu ciclo de ventas. ¿Corto e impulsivo? Un modelo lineal o de un solo toque está bien. ¿Longísimo y considerado? Alcance la decadencia temporal o basada en la posición, que respeta un viaje que se desarrolla con el tiempo.
• Haz coincidir el modelo con tu pregunta. “¿Qué trae gente nueva?” se inclina con el primer clic. “¿Qué cierra ofertas?” se inclina el último clic o la decadencia del tiempo. “¿Cuál es la visión general más justa?” se inclina en función de la posición o lineal. El modelo correcto depende de la decisión que tengas delante, no de cuál es la más elegante.
• Compruebe si tiene los datos. La atribución basada en datos es maravillosa en teoría e inútil sin suficiente volumen de conversión. Si obtienes un puñado de conversiones a la semana, un modelo basado en reglas que entiendes supera a una caja negra en la que no puedes confiar.
• Prefiere el modelo que puedes explicar. Tendrás que defender tus decisiones presupuestarias ante alguien. Un modelo cuya lógica puedes decir en voz alta en una frase vale más que uno sofisticado que no puedes.

Y la medida que separa a los buenos vendedores de los demasiado confiados: no elijas solo uno. Mira las mismas conversiones a través de dos o tres modelos a la vez y observa dónde no están de acuerdo. Ese desacuerdo es la visión, que es lo siguiente de lo que tenemos que hablar.

¿Por qué los modelos de atribución no están de acuerdo, y cuál es el correcto?

Aquí está la verdad con la que más quiero que te vayas: los modelos no estarán de acuerdo, y ninguno de ellos es “la verdad”. Ejecutar el último clic y usted podría concluir la búsqueda pagada es su héroe. Ejecutar primero haga clic en los mismos datos y de repente social y contenido se ven como los héroes reales, mientras que la búsqueda pagada acaba de terminar una carrera que otros canales corrieron. Los mismos clientes, las mismas ventas, historias completamente diferentes, simplemente porque cambió la regla para dividir el crédito.

Esto no es un error que puedas solucionar encontrando el modelo “correcto”. Es la naturaleza de la cosa. Cada modelo codifica una suposición sobre lo que importa, y la realidad no viene con una etiqueta que le diga qué suposición es correcta. Así que la postura honesta no es “¿qué modelo es verdadero?” – es “¿qué enfatiza cada modelo, y qué revela su desacuerdo?”

En la práctica, eso significa que cuando dos modelos apuntan en la misma dirección, puedes actuar con más confianza. Cuando no están de acuerdo con un canal, esa es su bandera para cavar más profundo en lugar de confiar ciegamente en cualquiera de los números. Un canal que se ve débil bajo el último clic pero fuerte bajo el primer clic probablemente esté haciendo un trabajo importante de la parte superior del embudo que el último clic no puede ver, y cortarlo en función del número del último clic sería un error clásico y costoso. Tratar a tus modelos como un panel de opiniones en lugar de un solo oráculo es lo más adulto que puedes hacer aquí.

¿Qué necesitas antes de que la atribución funcione?

El modelado de atribución es tan bueno como los datos que lo alimentan, y aquí es donde muchas configuraciones bien intencionadas se desmoronan silenciosamente. Antes de que cualquier modelo signifique algo, necesitas algunas cosas en su lugar.

• Seguimiento constante de los puntos de contacto. Necesitas capturar de manera confiable de dónde provienen las interacciones — enlaces de campaña etiquetados, análisis correctamente configurados y etiquetas de origen limpias. Si su tráfico está aterrizando en un cubo gigante “directo / desconocido”, ningún modelo puede rescatarlo. Hacer que esta fundación sea correcta es su propia habilidad; nuestra guía sobre Cómo rastrear fuentes de leads camina a través de etiquetar y capturar orígenes limpiamente para que sus modelos tengan algo honesto con lo que trabajar.
• Una conversión claramente definida. Decide exactamente lo que cuenta – una venta, un lead calificado, un registro – y mantén la definición estable. Si “conversión” significa cosas diferentes semana a semana, su atribución es comparar manzanas con lámparas.
• Suficiente volumen, especialmente para datos. Los modelos basados en reglas funcionan a volúmenes modestos. La atribución basada en datos realmente necesita muchas conversiones para encontrar patrones confiables; alimentarlo muy poco y con confianza te entregará ruido disfrazado de conocimiento.
• Una ventana de atribución honesta. Decide qué tan atrás puede estar un punto de contacto y aún así ganar crédito: unos días, treinta días, noventa. Su ventana debe coincidir aproximadamente con su ciclo de ventas real, y debe configurarlo antes de buscar la respuesta que esperaba.
• Respeto a la privacidad y consentimiento. Rastrea a las personas de manera legal y transparente, respeta las opciones de consentimiento y recopila solo lo que necesitas. Más allá de ser lo correcto, el seguimiento respetuoso del consentimiento es cada vez más el único tipo que sigue funcionando.

Ponlos en su lugar y tus modelos se volverán realmente útiles. Sáltalos y estás construyendo conclusiones elaboradas sobre arena.

¿Por qué la atribución es siempre imperfecta? (La parte honesta)

Te estaría haciendo un flaco favor si te dejara creer que cualquier modelo te da una respuesta exacta. No lo hace, y no puede, porque el viaje real del cliente está lleno de cosas que ningún rastreador ve de manera confiable. Esta es la parte que te mantiene honesto, así que vamos a nombrar los huecos claramente.

• Viajes entre dispositivos. Alguien te descubre en su teléfono durante el almuerzo y compra en su computadora portátil por la noche. A menos que estén conectados a través de ambos, la mayoría de las configuraciones ven a dos extraños desconectados, y la contribución del teléfono se desvanece.
• Influencia offline. La recomendación de un amigo, una mención de podcast, una conversación, una cartelera: enormemente persuasiva, completamente invisible para su seguimiento. La venta se atribuye a cualquier toque digital que haya sido el último.
• Oscuro social. Las personas comparten enlaces en DM, chats grupales y textos. Esas visitas a menudo aparecen como “directas” sin referencia, por lo que el boca a boca se acredita silenciosamente.
• Privacidad y pérdida de cookies. Las restricciones del navegador, el consentimiento de las cookies disminuye y el amplio cambio del seguimiento de terceros significa que una creciente cantidad de viajes ya no se puede unir. Los datos se han vuelto más irregulares a propósito, y lo seguirá haciendo.
• Ver a través de las brechas. Alguien ve un anuncio, no hace clic, pero se ve influenciado y se convierte más tarde. Los modelos basados en clics se pierden esto por completo, mientras que el seguimiento de visualización puede contarlo en exceso. De cualquier manera, es una estimación.
• Jardines amurallados. Las grandes plataformas informan de las conversiones dentro de sus propios sistemas utilizando sus propias reglas, y no comparten completamente los datos de viaje subyacentes. Así que cada uno tiende a reclamar crédito, los números se superponen, y sus totales no se suman perfectamente.

Junta todo eso y obtendrás la conclusión central y honesta de toda esta guía: la atribución es direccional, no exacta. Es una brújula que le dice aproximadamente qué camino está funcionando, no un pin GPS en la causa de una venta. Esa no es una razón para renunciar a ella: una buena brújula es increíblemente valiosa. Es una razón para mantener sus números sueltos y nunca, nunca matar un canal en la fuerza de un solo informe defectuoso último clic. Las redes sociales en particular tienden a ser mal acreditadas por el último clic, porque a menudo hace su trabajo temprano y al lado donde el modelo de clic final no puede verlo.

¿Cómo acercarse a la verdad más allá de un solo modelo?

Si ningún modelo es la verdad, ¿cómo puedes tomar decisiones seguras? Triangulas. Dejas de pedir a un número que lleve todo el peso y en su lugar reúnes algunas señales independientes, luego buscas dónde están de acuerdo. Aquí está el kit de herramientas práctico.

Comparar modelos lado a lado. Lo hemos dicho, pero es la base: ver sus conversiones a través de dos o tres modelos y tratar el acuerdo como confianza y desacuerdo como una pregunta a investigar. Esto solo te hará mucho más difícil de engañar.

Ejecutar pruebas de incrementalidad. Esto es lo más cercano a una respuesta real que obtendrás. En lugar de pedirle a un modelo que adivine el crédito, cambias una cosa y mides el ascensor. Desactiva un canal en algunas regiones y déjalo encendido en otras; ejecuta una campaña para una audiencia y frena una comparable. La diferencia en los resultados te dice lo que ese canal en realidad causa, no lo que una regla supone que causó. La incrementalidad supera al modelo de atribución para la pregunta “¿realmente este gasto impulsó las ventas adicionales?”

Utilice grupos de retención. Un holdout es simplemente una porción comparable de su audiencia que usted deliberadamente no lo hagas de todos modos, para que puedas ver lo que habría sucedido. Si las personas que no tocabas se convierten casi tan bien como las personas que convertías, tu marketing se estaba atribuyendo el crédito de una venta que venía independientemente. Los holdouts son humillantes de la mejor manera.

Pregunta a la gente directamente. Nunca subestimes el campo “¿Cómo supiste de nosotros?”. La atribución autoinformada es desordenada y la gente olvida, pero atrapa exactamente la influencia fuera de línea y oscura-social que su seguimiento pierde. Cuando tu encuesta responda y tus modelos cuenten la misma historia, confía más en ella. Cuando chocan, su seguimiento probablemente tiene un punto ciego que vale la pena encontrar.

El espíritu aquí es la misma disciplina que sustenta todo buen análisis: no confíes demasiado en un número y deja que los métodos independientes se controlen entre sí. Si desea profundizar en la lectura de los números resultantes sin engañarse, nuestra guía sobre cómo interpretar los datos de marketing cubre el contexto, las líneas de base y los hábitos de señal versus ruido que mantienen honesta la atribución, y cuando esté listo para conectar el crédito con el rendimiento real, cómo calcular el ROI de marketing muestra cómo convertir las conversiones atribuidas en una figura de rendimiento que pueda defender.

¿Cuál es una manera sencilla de comenzar a modelar esta semana?

Vamos a convertir todo esto en algo que realmente puede comenzar, sin esperar a una pila de tecnología perfecta. Aquí está el bucle que correría.

• 1. Definir la conversión. Elige el resultado que más importa — una venta, un lead cualificado — y escribe exactamente lo que cuenta para que se mantenga consistente.
• 2. Hazte el seguimiento honesto. Etiqueta los enlaces de tu campaña, limpia las etiquetas de origen y reduce ese cubo “directo / desconocido” tanto como puedas. Esto es 80% de la batalla.
• 3. Establecer una ventana de atribución que coincide aproximadamente con su ciclo de ventas, y configurarlo antes de echar un vistazo a los resultados.
• 4. Elige un modelo de inicio que se adapta a tu ciclo — La posición es un valor predeterminado razonable y equilibrado para la mayoría de las compras consideradas; el último clic es una línea de base simple y fina para las rápidas.
• 5. Compara al menos dos modelos en las mismas conversiones y anota donde no están de acuerdo. Esos desacuerdos son sus hallazgos más interesantes.
• 6. Añadir un cheque independiente. Encienda una pregunta de “¿Cómo se enteró de nosotros?”, o planee una pequeña prueba de resistencia o geo. Deja que valide silenciosamente lo que dicen tus modelos.
• 7. Decidir y documentar. Haga su llamada de presupuesto, anote el modelo y la ventana que utilizó y cuán confiado está honestamente, luego vuelva a visitar a medida que los datos crecen.

Observa lo que falta: una demanda de datos perfectos o una plataforma costosa antes de que se te permita comenzar. Comienzas con un seguimiento honesto y un modelo que entiendes, y ganas sofisticación a medida que crece tu volumen. Un modelo rudo en el que confías y un cheque de cordura supera a uno elegante que obedeces ciegamente.

Una nota honesta sobre las herramientas, porque prefiero decirte claramente: SocialBlaze es una plataforma de programación y análisis de redes sociales: está diseñada para ayudarte a publicar en redes y leer tu desempeño social claramente, no para ser un motor de atribución de canales cruzados completo o una suite GA4/BI. Para unir todo tu embudo, aún querrás herramientas dedicadas de análisis web y atribución. Donde SocialBlaze realmente ayuda a la conversación de atribución es brindándole una visión honesta y consolidada de su actividad social y los resultados, lo que importa porque social es uno de los canales de último clic en los créditos más bajos. Usa la fuente correcta para cada pregunta y deja que tus números sociales discutan su propio caso.

Si tomas una cosa de todo esto, que sea esto: aprender a hacer bien el modelado de atribución no se trata tanto de encontrar el único modelo verdadero y más de ser honesto: elegir una lente que se ajuste, compararla con otras, compararla con la realidad y nunca dejar que uno halaga o aplanar el número tome una decisión por ti. Empieza desde la conversión. Rastrea limpiamente. Compara modelos. Triangula. Sostén todo un poco suelto. Tienes esto, y realmente se vuelve más claro cada vez que ejecutas el bucle.

Preguntas frecuentes

¿Cuál es el mejor modelo de atribución para usar?

No hay una mejor, porque cada modelo responde a una pregunta diferente y hace una suposición diferente sobre lo que importa. La elección correcta depende de su ciclo de ventas y la decisión que está enfrentando – basado en la posición o el tiempo decaída traje más largo, considera viajes, mientras que una línea de base simple último clic puede estar bien para compras rápidas. El movimiento más inteligente es comparar dos o tres modelos en lugar de coronar a un ganador.

¿Por qué los diferentes modelos de atribución dan resultados diferentes?

Debido a que cada modelo utiliza una regla diferente para dividir el crédito entre puntos de contacto, las mismas conversiones producen historias diferentes. El último clic recompensa la interacción final, el primer clic recompensa la introducción y los modelos multitáctiles la distribuyen. El desacuerdo no es un error que corregir, refleja suposiciones genuinamente diferentes, y los lugares donde los modelos chocan generalmente son donde se esconden sus ideas más útiles.

¿Es preciso el modelado de atribución?

Es direccional, no exacto. Los viajes entre dispositivos, la influencia fuera de línea, las redes sociales oscuras, la pérdida de cookies y privacidad, los efectos de visualización y los informes de jardines amurallados significan que ningún modelo ve la imagen completa. Trata tu atribución como una brújula que apunta aproximadamente de la manera correcta, no como una medida precisa, y nunca cortes un canal basado solo en un informe defectuoso.

¿Necesito muchos datos para el modelado de atribución?

Para modelos basados en reglas como último clic, primer clic, lineal, tiempo de declinación y basado en posición, puede comenzar con un volumen modesto. La atribución basada en datos es diferente: realmente necesita un gran número de conversiones para encontrar patrones confiables, y sin datos le entregará un ruido de aspecto seguro. Si el volumen es bajo, elige un modelo basado en reglas que entiendas y validézalo con encuestas o pruebas pequeñas.

¿Cómo puedo comprobar si mi atribución está diciendo la verdad?

Triangula con métodos que no dependen del mismo modelo. Ejecute pruebas de incrementalidad activando un canal en algunas regiones y desactivando en otras, use grupos de retención para ver qué conversos sin ningún tipo de marketing y agregue una pregunta “¿Cómo se enteró de nosotros?” para captar la influencia fuera de línea y de las redes sociales oscuras. Cuando estas señales independientes estén de acuerdo con tu modelo, confía más en él; cuando chocan, has encontrado un punto ciego que vale la pena investigar.