Cómo un modelo de atribución de marketing reparte el crédito entre puntos de contacto

¿Qué es un modelo de atribución de marketing?

Los equipos de analítica eligen un modelo de atribución de marketing para decidir cómo se reparte el crédito de una conversión entre los puntos de contacto que la precedieron. El modelo no observa nada nuevo: aplica una regla fija a datos que tu analítica ya recogió y luego escribe un porcentaje junto a cada canal. Elige el modelo antes de comparar canales, porque dos modelos que leen el mismo registro de sesiones nombrarán a dos ganadores distintos.

Una compra de $1,200 puede venir después de un artículo de blog encontrado en buscadores, un anuncio de LinkedIn clicado cinco días más tarde y una newsletter abierta la mañana del checkout. El pago es un solo número, y el modelo lo convierte en tres. Flowsery lee el propio evento de pago mediante atribución de ingresos desde Stripe, Paddle, Polar, Lemon Squeezy y Shopify, así que el importe que se reparte es el importe que se liquidó.

¿Cuál es la diferencia entre atribución de contacto único y multicontacto?

La atribución de contacto único da a un punto de contacto el 100 por ciento del crédito y cero a todos los demás. La atribución multicontacto reparte la misma conversión entre dos o más puntos de contacto con pesos que suman 100 por ciento. El contacto único no cuesta nada de operar y nadie discute la aritmética; la atribución multicontacto justifica su complejidad en cuanto el ciclo de compra dura más que una sesión.

Primer contacto y último contacto son los dos modelos de contacto único, y responden preguntas opuestas. Comparar primer contacto frente a último contacto enfrenta el crédito del descubrimiento con el crédito del cierre, y por eso adquisición y generación de demanda discuten sobre un mismo panel.

¿Cómo reparte cada modelo de atribución el mismo recorrido?

Pasa un mismo recorrido por los siete modelos con nombre y el mismo punto de contacto oscila del 100 por ciento a cero. El recorrido: día 1, búsqueda orgánica hacia un artículo de blog; día 4, un anuncio de LinkedIn; día 9, un clic en la newsletter; día 12, una visita directa que convierte.

Las seis primeras filas son aritmética y se reproducen exactamente con tus datos. La fila basada en datos es la salida calculada de una cuenta, no una regla fija, así que tus números serán distintos. Lee la columna orgánica de arriba abajo: ese artículo de blog vale el 100 por ciento de la compra, el 40 por ciento, el 13.3 por ciento o nada, y no cambió ni un byte de los datos de sesión.

¿Cómo calculan sus pesos los modelos de declive temporal y basado en posición?

El declive temporal da a cada punto de contacto un peso bruto que se reduce a la mitad una vez por vida media, y luego normaliza los pesos para que sumen 100 por ciento.

weight = 0.5 ^ (days before conversion / half-life)

Con una vida media de siete días y la conversión en el día 12, el contacto orgánico queda 11 días atrás, así que su peso bruto es 0.5 ^ (11 / 7) = 0.336. El anuncio de LinkedIn saca 0.453, la newsletter 0.743, la visita directa 1.000. Eso suma 2.532, así que orgánico se lleva 0.336 / 2.532 = 13.3 por ciento. Acorta la vida media a tres días y orgánico cae al 4.5 por ciento sin ningún cambio en la campaña.

El modelo basado en posición no necesita ajustes. Entrega el 40 por ciento al primer contacto, el 40 por ciento al último y reparte el 20 por ciento restante entre los contactos intermedios: 10 por ciento a cada uno si hay dos, 6.7 por ciento a cada uno si hay tres. El lineal es todavía más simple: 100 dividido entre el número de puntos de contacto.

¿Qué es una ventana de atribución y cómo cambia la respuesta?

Una ventana de atribución es la antigüedad máxima que puede tener un punto de contacto para seguir siendo elegible para el crédito, y borra filas antes de que el modelo se ejecute. Reduce la ventana de atribución del recorrido anterior a siete días y el contacto orgánico del día 1 y el de LinkedIn del día 4 dejan de existir: la newsletter y la visita directa vuelven a repartirse el 100 por ciento completo, así que con lineal la newsletter salta del 25 por ciento al 50 por ciento y orgánico cae a cero.

La ventana pesa tanto como el modelo, y es el ajuste que los equipos copian del valor por defecto de una plataforma sin comprobarlo. Mide tu mediana de días desde el primer contacto hasta la compra y fija la ventana por encima.

¿Por qué todo modelo de atribución es una estimación?

Todo modelo es una estimación porque la lista de puntos de contacto ya está incompleta antes de aplicar la regla. Los límites del navegador recortan el historial temprano: Intelligent Tracking Prevention de Apple limita a siete días las cookies propias escritas por script en Safari, y Total Cookie Protection de Mozilla bloquea las cookies de terceros por defecto en Firefox, así que un navegador puede olvidar la primera mitad de un recorrido de 30 días. Los huecos entre dispositivos cortan más hondo: un teléfono que vio el anuncio y un portátil que ejecutó el checkout son dos visitantes anónimos hasta que la persona inicia sesión en ambos.

Los bloqueadores de anuncios, las ventanas privadas, los navegadores dentro de apps y los enlaces compartidos sin parámetros UTM eliminan más filas, y los enlaces pegados en un chat llegan como tráfico directo. Flowsery es libre de cookies y alojado en la UE por diseño, lo que saca el banner de consentimiento del camino de la medición, y aun así no puede ver una compra en un dispositivo que nunca se cruzó con el anuncio. Lee la salida del modelo como un ranking sobre el que actuar, no como un libro de cuentas que auditar.

¿Qué es la atribución autodeclarada y por qué los equipos la usan en paralelo?

La atribución autodeclarada es una pregunta en el formulario de registro o de checkout que pide al comprador que diga dónde oyó hablar de ti, guardada en la ficha del cliente. Existe porque los datos de clic son precisos sobre lo que capturaron y ciegos ante todo lo demás: una mención en un podcast, una comunidad de Slack, una charla en una conferencia, la recomendación de un colega. Ningún script ve eso.

Los equipos usan ambos porque sus perfiles de error se cancelan. Los datos de clic son granulares y están truncados; la respuesta del formulario es difusa, arrastra sesgo de recuerdo y cubre los canales oscuros. Compáralos cada mes, y cuando el formulario insista en nombrar un canal que tu atribución basada en datos puntúa casi a cero, has encontrado un punto ciego, no un comprador confundido.

¿Qué modelo de atribución de marketing deberías elegir?

Elige el modelo que encaje con la duración de tu ciclo de venta. Los ciclos de menos de una semana con uno o dos puntos de contacto pierden casi nada con último clic indirecto, y operarlo no cuesta nada. Los ciclos de más de 30 días con cuatro o más puntos de contacto necesitan basado en posición, o basado en datos cuando tengas suficientes recorridos para que sus pesos dejen de moverse entre actualizaciones.

Publica un modelo como cifra oficial de la casa para que las discusiones de presupuesto compartan una referencia, y mantén primer contacto y último contacto a su lado como los límites del rango honesto. Un canal que gana con los tres merece más presupuesto. Un canal que gana con uno te está hablando del modelo, no del canal.

Preguntas frecuentes

¿Cuál es la diferencia entre un modelo de atribución y una ventana de atribución?

El modelo decide cómo se reparte el crédito entre los puntos de contacto elegibles. La ventana decide qué puntos de contacto son elegibles siquiera, limitando cuánto puede retroceder un contacto y seguir contando. La ventana se ejecuta primero, así que una corta pone a cero canales que el modelo habría pagado bien.

¿Qué modelo de atribución es el más preciso?

Ninguno es preciso, porque ninguno observa causalidad. Cada uno aplica una suposición a una lista incompleta de puntos de contacto, así que la pregunta real es qué suposición encaja con tu ciclo de compra. Basado en datos encaja cuando tienes volumen de recorridos; basado en posición es la opción por defecto más sólida cuando no lo tienes.

¿Por qué mi plataforma de anuncios y mi herramienta de analítica reportan números distintos?

Las plataformas de anuncios atribuyen contra su propio grafo de identidad de usuarios conectados y cuentan conversiones por visualización dentro de sus propios ajustes de lookback. Las herramientas de analítica atribuyen por sesión, usan último clic indirecto por defecto y nunca ven una impresión que no produjo clic. La misma compra se reclama dos veces, y por eso las conversiones reportadas por las plataformas suman más que tu recuento real de pedidos.

¿Cuántos puntos de contacto necesita un modelo basado en datos?

Suficientes recorridos con y sin conversión para que los pesos calculados dejen de moverse entre actualizaciones. Observa dos o tres recálculos consecutivos: si la cuota de un canal oscila varios puntos sin cambios de campaña, el modelo está ajustando ruido. Vuelve a basado en posición hasta que el volumen alcance.

¿La atribución de último clic indirecto ignora por completo el tráfico directo?

El último clic indirecto se salta el contacto directo y paga al canal identificable anterior. Existe porque buena parte de lo que la analítica etiqueta como directo es tráfico mal atribuido: un referrer eliminado, un enlace de una app de chat, una URL guardada en favoritos. La contrapartida es que las visitas directas genuinas nunca aparecen como canal acreditado.

¿Puedo usar más de un modelo de atribución a la vez?

Pasar varios modelos por los mismos datos de conversión es justo el sentido de la tabla anterior. Nombra uno como la cifra reportada para que las decisiones de presupuesto tengan una referencia única, y mantén primer contacto y último contacto a su lado como rango. Un canal que está en el top tres con todos los modelos es un sitio seguro donde gastar más.

¿Cambiar de modelo de atribución exige una nueva configuración de seguimiento?

No. Un modelo es una regla aplicada a datos que tu analítica ya recogió, no una medición nueva, así que cambiar de primer contacto a basado en posición produce un nuevo conjunto de porcentajes a partir del mismo registro de puntos de contacto. Nada cambia en tus tags ni píxeles.

¿Cómo calcula Flowsery los ingresos detrás de cada punto de contacto?

Flowsery lee el propio evento de pago a través de integraciones de atribución de ingresos con Stripe, Paddle, Polar, Lemon Squeezy y Shopify. El monto que se reparte entre los puntos de contacto es el monto que realmente se liquidó, no una cifra estimada a partir del registro de clics de una plataforma publicitaria.

¿Cuánto debería durar una ventana de atribución?

Fíjala por encima de la mediana de días entre el primer contacto y la compra, no el valor predeterminado de una plataforma. Una ventana más corta que esa mediana borra puntos de contacto reales antes de que el modelo se ejecute, igual que una ventana de siete días borra un contacto orgánico del día 1 en un recorrido de 12 días.

¿Cómo reparte el modelo basado en posición el 20 por ciento intermedio con tres puntos de contacto en vez de dos?

El modelo basado en posición siempre da 40 por ciento al primer contacto y 40 por ciento al último, dejando 20 por ciento para lo que queda en medio. Con dos contactos intermedios cada uno recibe 10 por ciento; añade un tercero y cada uno baja a 6,7 por ciento.