Atribución: ¿Qué canal generó la venta?
Modelos de atribución para entender el impacto real.
Un cliente ve tu anuncio en Instagram, busca tu marca en Google, recibe un email con una oferta y finalmente compra. ¿A cuál canal le atribuyes la venta?
Esta pregunta define cómo entiendes tu negocio y dónde inviertes tu presupuesto. En esta lección aprenderás los modelos de atribución, cómo funcionan y cuál elegir para tu e-commerce.
El problema de la atribución
El customer journey moderno es complejo:
┌─────────────────────────────────────────────────────────┐
│ CUSTOMER JOURNEY TÍPICO (7-12 TOUCHPOINTS) │
├─────────────────────────────────────────────────────────┤
│ │
│ Día 1 Día 3 Día 5 Día 8 Día 10 │
│ │ │ │ │ │ │
│ ▼ ▼ ▼ ▼ ▼ │
│ ┌───┐ ┌───┐ ┌───┐ ┌───┐ ┌───┐ │
│ │IG │ │Goo│ │Ret│ │Ema│ │Dir│ │
│ │Ad │ │gle│ │arg│ │il │ │ect│ │
│ └───┘ └───┘ └───┘ └───┘ └─┬─┘ │
│ │ │
│ ▼ │
│ COMPRA │
│ │
│ ¿Quién generó la venta? │
│ │
└─────────────────────────────────────────────────────────┘
Sin un modelo de atribución, estarías adivinando qué funciona y qué no.
Los modelos de atribución principales
Existen varios enfoques para distribuir el crédito de una conversión:
| Modelo | Distribución del crédito | Mejor para |
|---|---|---|
| Último clic | 100% al último touchpoint | Conversión directa |
| Primer clic | 100% al primer touchpoint | Awareness |
| Lineal | Igual entre todos | Visión balanceada |
| Decaimiento | Más al final, menos al inicio | Ciclos cortos |
| Basado en posición | 40-20-40 | Balance awareness + conversión |
| Data-driven | Según impacto real | Alta madurez analytics |
1. Modelo de último clic (Last Click)
El modelo más común y el default en muchas plataformas. El 100% del crédito va al último touchpoint antes de la conversión.
Cómo funciona
Instagram → Google → Retargeting → Email → [COMPRA]
0% 0% 0% 100%
Ventajas
- Simple de entender e implementar
- Identifica canales de conversión directa
- Bueno para ciclos de compra cortos
Desventajas
- Ignora todo el trabajo de awareness
- Sobrevalora retargeting y email
- Subvalora canales de descubrimiento
Cuándo usar
- Productos de compra impulsiva
- Ciclos de decisión menores a 3 días
- Cuando necesitas simplicidad
2. Modelo de primer clic (First Click)
El 100% del crédito va al primer touchpoint que introdujo al cliente a tu marca.
Cómo funciona
Instagram → Google → Retargeting → Email → [COMPRA]
100% 0% 0% 0%
Ventajas
- Valora canales de descubrimiento
- Útil para medir efectividad de awareness
- Identifica qué atrae nuevos clientes
Desventajas
- Ignora el trabajo de conversión
- Puede sobrevalorarbrand awareness ineficiente
- No refleja el journey completo
Cuándo usar
- Enfoque en adquisición de nuevos clientes
- Campañas de lanzamiento de marca
- Medición de top-of-funnel
3. Modelo lineal (Linear)
Distribuye el crédito por igual entre todos los touchpoints.
Cómo funciona
Instagram → Google → Retargeting → Email → [COMPRA]
25% 25% 25% 25%
Ventajas
- Reconoce todos los touchpoints
- Simple de calcular
- Visión democrática del journey
Desventajas
- Asume que todos los touchpoints son iguales
- No distingue entre impactos diferentes
- Puede diluir insights
Cuándo usar
- Customer journeys largos y complejos
- Cuando todos los canales son importantes
- Como punto de partida antes de optimizar
4. Modelo de decaimiento temporal (Time Decay)
Da más crédito a los touchpoints más cercanos a la conversión, decayendo hacia atrás.
Cómo funciona
Instagram → Google → Retargeting → Email → [COMPRA]
10% 15% 30% 45%
(Decaimiento típico: vida media de 7 días)
Ventajas
- Reconoce que touchpoints recientes influyen más
- Balancea awareness y conversión
- Más realista que último clic
Desventajas
- Sigue subvalorando descubrimiento
- El factor de decaimiento es arbitrario
- Menos útil para ciclos muy largos
Cuándo usar
- Ciclos de compra de 1-4 semanas
- Productos de consideración media
- Cuando optimizas para conversión pero valoras awareness
5. Modelo basado en posición (Position Based / U-Shaped)
Distribuye 40% al primer touchpoint, 40% al último y 20% entre los intermedios.
Cómo funciona
Instagram → Google → Retargeting → Email → [COMPRA]
40% 10% 10% 40%
Ventajas
- Valora tanto descubrimiento como conversión
- Reconoce touchpoints intermedios
- Balance entre awareness y performance
Desventajas
- Los porcentajes 40-20-40 son arbitrarios
- Puede no reflejar tu journey específico
- Los touchpoints intermedios quedan subvalorados
Cuándo usar
- Ciclos de compra medianos (2-6 semanas)
- Cuando awareness y conversión son igualmente importantes
- E-commerce con estrategia full-funnel
6. Modelo Data-Driven (Basado en datos)
Usa machine learning para analizar tus datos históricos y determinar el impacto real de cada touchpoint.
Cómo funciona
Instagram → Google → Retargeting → Email → [COMPRA]
35% 22% 18% 25%
(Porcentajes calculados por algoritmo según tu data)
Ventajas
- Basado en tu realidad, no en reglas arbitrarias
- Se adapta a cambios en el comportamiento
- El modelo más preciso disponible
Desventajas
- Requiere alto volumen de datos (típicamente 3,000+ conversiones/mes)
- Es una "caja negra" difícil de auditar
- Disponible solo en plataformas avanzadas
Cuándo usar
- E-commerce con alto volumen de transacciones
- Cuando tienes buena implementación de tracking
- Para optimización avanzada de presupuesto
Comparativa de modelos
Veamos cómo cada modelo atribuiría la misma venta de $1,000:
┌─────────────────────────────────────────────────────────────────┐
│ ATRIBUCIÓN DE UNA VENTA DE $1,000 MXN │
├─────────────────────────────────────────────────────────────────┤
│ │
│ Modelo │ Instagram │ Google │ Retarg. │ Email │
│ ──────────────────┼───────────┼──────────┼─────────┼──────────│
│ Último clic │ $0 │ $0 │ $0 │ $1,000 │
│ Primer clic │ $1,000 │ $0 │ $0 │ $0 │
│ Lineal │ $250 │ $250 │ $250 │ $250 │
│ Decaimiento │ $100 │ $150 │ $300 │ $450 │
│ Basado en posición│ $400 │ $100 │ $100 │ $400 │
│ Data-driven* │ $350 │ $220 │ $180 │ $250 │
│ │
│ *Ejemplo hipotético basado en algoritmo │
│ │
└─────────────────────────────────────────────────────────────────┘
El impacto en decisiones de presupuesto
Si tu ROAS mínimo es 3x y esto es lo que reporta cada modelo para Instagram:
| Modelo | Revenue atribuido | ROAS calculado | Decisión |
|---|---|---|---|
| Último clic | $15,000 | 1.5x | Pausar |
| Primer clic | $45,000 | 4.5x | Escalar |
| Lineal | $25,000 | 2.5x | Optimizar |
| Data-driven | $32,000 | 3.2x | Mantener |
El mismo canal puede parecer rentable o no según el modelo elegido.
Cómo elegir el modelo correcto
Matriz de decisión
| Si tu e-commerce tiene... | Modelo recomendado |
|---|---|
| Ciclo de compra < 3 días | Último clic |
| Ciclo de compra 1-4 semanas | Decaimiento temporal |
| Ciclo de compra > 1 mes | Basado en posición |
| Alto volumen (3,000+ conv/mes) | Data-driven |
| Enfoque en nuevos clientes | Primer clic (secundario) |
| Estrategia full-funnel | Basado en posición |
Recomendación práctica
No uses un solo modelo. Analiza con múltiples perspectivas:
┌─────────────────────────────────────────────────────────┐
│ FRAMEWORK DE ATRIBUCIÓN RECOMENDADO │
├─────────────────────────────────────────────────────────┤
│ │
│ PRIMARIO: Data-driven o Basado en posición │
│ └─ Para decisiones de presupuesto │
│ │
│ SECUNDARIO: Último clic │
│ └─ Para optimización táctica de campañas │
│ │
│ TERCIARIO: Primer clic │
│ └─ Para medir efectividad de awareness │
│ │
│ Compara los 3 para identificar discrepancias │
│ │
└─────────────────────────────────────────────────────────┘
Configuración en Google Analytics 4
GA4 usa Data-driven attribution como default. Para comparar modelos:
Pasos para ver comparación de modelos
- Ve a Advertising > Attribution > Model comparison
- Selecciona los modelos a comparar
- Elige el período y las conversiones a analizar
- Compara cómo cambia el crédito por canal
Métricas clave a comparar
| Métrica | Qué te dice |
|---|---|
| Conversiones por modelo | Cuánto crédito recibe cada canal |
| Variación entre modelos | Qué tan diferente es la atribución |
| Conversiones asistidas | Touchpoints que ayudaron pero no cerraron |
Más allá de los modelos básicos: Atribución avanzada
Conversiones asistidas vs directas
No todo es "quién cerró". También importa quién asistió:
┌─────────────────────────────────────────────────────────┐
│ CONVERSIONES DIRECTAS VS ASISTIDAS │
├─────────────────────────────────────────────────────────┤
│ │
│ Canal │ Directas │ Asistidas │ Ratio A/D │
│ ─────────────┼──────────┼───────────┼────────── │
│ Google Ads │ 150 │ 280 │ 1.87 │
│ Meta Ads │ 80 │ 420 │ 5.25 │
│ Email │ 180 │ 90 │ 0.50 │
│ SEO │ 60 │ 310 │ 5.17 │
│ │
│ Interpretación: │
│ - Meta y SEO son fuertes asistentes (awareness) │
│ - Email es fuerte cerrador (conversión) │
│ - Google Ads balancea ambos roles │
│ │
└─────────────────────────────────────────────────────────┘
Incrementalidad
La pregunta más difícil: ¿Esa venta habría ocurrido sin ese anuncio?
Ventas atribuidas a Retargeting: 500
Ventas que habrían ocurrido de todos modos: ~350 (70%)
Incremento real del Retargeting: 150 (30%)
Medir incrementalidad requiere experimentos controlados (geo-tests, holdout groups).
Errores comunes en atribución
1. Confiar ciegamente en último clic
❌ "Email tiene ROAS de 15x, es nuestro mejor canal"
✅ "Email cierra ventas que otros canales iniciaron"
2. Ignorar las conversiones asistidas
❌ "Instagram no convierte, pausemos"
✅ "Instagram genera awareness que otros canales convierten"
3. Ventanas de atribución inconsistentes
❌ Facebook: 7 días clic, 1 día view
Google: 30 días clic
→ Comparación no válida
✅ Mismo período para todos los canales
4. No considerar cross-device
Un usuario puede ver el anuncio en móvil y comprar en desktop. Sin tracking cross-device, pierdes esa conexión.
Implementación práctica
Checklist de atribución para e-commerce
Tracking completo
- UTM parameters en todos los enlaces
- Google Analytics 4 configurado
- Conversiones importadas a plataformas de ads
Configuración de modelos
- Modelo primario seleccionado en GA4
- Ventana de atribución apropiada (7-30 días)
- Cross-device tracking activo
Análisis recurrente
- Comparación mensual de modelos
- Reporte de conversiones asistidas
- Revisión de paths de conversión
Decisiones informadas
- Presupuesto basado en múltiples modelos
- Tests de incrementalidad periódicos
- Documentación de supuestos
Resumen y próximos pasos
Has aprendido los fundamentos de atribución en e-commerce:
- Por qué importa: El customer journey tiene múltiples touchpoints
- Modelos principales: Último clic, primer clic, lineal, decaimiento, posición, data-driven
- Cómo elegir: Depende de tu ciclo de compra y volumen de datos
- Mejores prácticas: Usar múltiples modelos y analizar conversiones asistidas
Con esto completas el Módulo 3 sobre Métricas de Adquisición. En el siguiente módulo aprenderás sobre métricas de comportamiento en el sitio: cómo los usuarios navegan, dónde abandonan y cómo optimizar el funnel de conversión.
Quiz de la lección
Pregunta 1
En el modelo de último clic, un customer journey de Instagram -> Google -> Email recibe el siguiente crédito:
- A) Instagram 100%
- B) Google 100%
- C) Email 100%
- D) 33.3% cada uno
Ver respuesta
Respuesta correcta: C) Email 100%
El modelo de último clic atribuye el 100% del crédito al último touchpoint antes de la conversión, que en este caso es Email.
Pregunta 2
¿Qué modelo de atribución es más apropiado para un e-commerce de productos de alta consideración con ciclos de compra de 6-8 semanas?
- A) Último clic
- B) Primer clic
- C) Basado en posición
- D) Decaimiento temporal
Ver respuesta
Respuesta correcta: C) Basado en posición
Para ciclos largos (más de 1 mes), el modelo basado en posición es ideal porque valora tanto el touchpoint de descubrimiento (40%) como el de conversión (40%), reconociendo que ambos son importantes en decisiones de compra complejas.
Pregunta 3
Un canal tiene ratio de Asistidas/Directas de 5.0. Esto significa que:
- A) El canal es muy malo convirtiendo
- B) El canal genera mucho awareness pero no cierra ventas
- C) El canal debería recibir más presupuesto
- D) El canal tiene mejor ROAS que otros
Ver respuesta
Respuesta correcta: B) El canal genera mucho awareness pero no cierra ventas
Un ratio A/D de 5.0 significa que por cada venta que cierra directamente, el canal asiste en 5 ventas que cierra otro canal. Es un canal de awareness/descubrimiento, valioso pero no como cerrador.
Pregunta 4
¿Cuál es el requisito típico de volumen para usar atribución Data-driven de manera confiable?
- A) 100+ conversiones al mes
- B) 500+ conversiones al mes
- C) 3,000+ conversiones al mes
- D) 10,000+ conversiones al mes
Ver respuesta
Respuesta correcta: C) 3,000+ conversiones al mes
La atribución Data-driven requiere alto volumen de datos para que el algoritmo de machine learning pueda identificar patrones confiables. Típicamente se necesitan 3,000 o más conversiones mensuales.
Pregunta 5
Si el ROAS de Instagram es 1.5x con último clic pero 4.5x con primer clic, ¿qué podemos concluir?
- A) Instagram no es rentable
- B) Instagram es muy rentable
- C) Instagram genera awareness pero otros canales cierran las ventas
- D) Los datos están mal configurados
Ver respuesta
Respuesta correcta: C) Instagram genera awareness pero otros canales cierran las ventas
La gran diferencia entre modelos indica que Instagram introduce clientes a la marca (alto crédito en primer clic) pero no es el canal que cierra la venta (bajo crédito en último clic). Es un canal de descubrimiento valioso.
¿Completaste esta lección?
Marca esta lección como completada. Tu progreso se guardará en tu navegador.