Atribución en PPC: por qué lo que ves en el dashboard no es lo que realmente está pasando
La atribución en PPC lleva años funcionando como un espejo cómodo: te muestra lo que quieres ver. Cada plataforma se otorga el crédito máximo posible por cada conversión que ocurre dentro de su ecosistema, y el resultado es una ilusión estadística que puede estar distorsionando decisiones de inversión por millones de pesos al año. Lo que el análisis de Search Engine Land deja en evidencia — y lo que muchos equipos de marketing todavía no han asimilado del todo — es que atribución e impacto real son dos cosas distintas. Y confundirlas sale caro.
¿Por qué los modelos de atribución de las plataformas están en crisis?
Empecemos por el escenario más común: un usuario busca tu producto en Google, hace clic en tu anuncio, no compra. Tres días después ve tu anuncio en Instagram, tampoco compra. Una semana más tarde escribe tu marca directamente en el buscador y convierte de forma orgánica. ¿A quién le das el crédito?
Google Ads dirá que fue suyo. Meta dirá que fue suyo. Y tus reportes mostrarán una rentabilidad que no existe.
Esto es el solapamiento de atribución — y no es un problema menor ni un detalle técnico. Es estructural. Las plataformas publicitarias tienen un incentivo económico directo para atribuirse el mayor número posible de conversiones, porque ese número justifica tu inversión y, con ella, su propio ingreso. No hay conspiración en esto; es simplemente cómo funcionan sus modelos. Pero entenderlo cambia radicalmente cómo deberías interpretar tus datos.
El modelo de atribución basado en datos (data-driven) que tanto promociona Google tampoco resuelve el problema de fondo: sigue midiendo dentro de su propio jardín. Lo que pasa fuera — en otros canales, en conversaciones de ventas, en visitas físicas — simplemente no existe para ese modelo.
Incrementalidad: la pregunta que las plataformas no quieren que hagas
La pregunta correcta no es “¿qué canal generó esta conversión?”. La pregunta correcta es: ¿cuántas de estas conversiones habrían ocurrido de todas formas, sin la inversión publicitaria?
Eso es incrementalidad. Y cuando los equipos de marketing empiezan a medirla, los resultados suelen ser incómodos.
Pruebas de incrementalidad realizadas por agencias especializadas en medición publicitaria revelan consistentemente que entre el 20% y el 40% de las conversiones atribuidas a plataformas de pago habrían ocurrido de todas formas, sin ningún anuncio de por medio.
Dicho así suena simple. No lo es. Porque significa que una parte significativa de tu presupuesto puede estar “confirmando” ventas que ya ibas a hacer — no generando ventas nuevas. Y esa diferencia, multiplicada por doce meses, puede representar una cantidad considerable de inversión que debería estar redistribuida o reinvertida de otra forma.
Las metodologías para medir incrementalidad con rigor son tres, y cada una tiene su contexto ideal:
- Pruebas de holdout o grupos de control: Se excluye deliberadamente a un segmento de usuarios de ver tus anuncios durante un período determinado. Se compara su comportamiento de compra con el grupo que sí estuvo expuesto. La diferencia es el impacto incremental real. Es el método más limpio, pero requiere volumen y disciplina para no contaminar los grupos.
- Geo-experiments: Se activa o desactiva la publicidad en zonas geográficas específicas — dos ciudades similares, dos regiones comparables — y se analizan las diferencias en resultados de negocio. Google tiene su propia herramienta para esto (Conversion Lift), y funciona especialmente bien para campañas con distribución geográfica definida.
- Marketing Mix Modeling (MMM): Modelos estadísticos que correlacionan series de tiempo de inversión publicitaria con resultados de negocio, controlando variables externas como estacionalidad, actividad competidora o contexto macroeconómico. Es el método más robusto para visión estratégica a mediano plazo, aunque requiere al menos uno o dos años de datos históricos para producir resultados fiables.
El renacimiento del Marketing Mix Modeling — y por qué ahora tiene más sentido que nunca
El MMM parecía una reliquia del marketing de televisión y radio. Grandes marcas de consumo lo usaban antes de que existiera el píxel de seguimiento, y cayó en desuso cuando la analítica digital prometió algo que sonaba mejor: atribución precisa, en tiempo real, a nivel de usuario individual.
Esa promesa nunca fue completamente cierta. Y hoy — con cookies de terceros en retirada, con el App Tracking Transparency de Apple reduciendo drásticamente la visibilidad de Meta en dispositivos iOS, con regulaciones de privacidad que se endurecen en todo el mundo — el rastreo individual se está volviendo cada vez más imposible.
¿La paradoja? Que las propias plataformas que prometieron hacer obsoleto al MMM ahora están invirtiendo en él. Google lanzó Meridian, su herramienta de código abierto para modelado de mezcla de marketing. Meta desarrolló Robyn, también de acceso abierto. Ambas son un reconocimiento tácito de algo importante: los datos de atribución interna no cuentan toda la historia.
El impacto de iOS 14.5 fue brutal y concreto. Según declaraciones de Meta en sus resultados financieros, las restricciones de seguimiento introducidas por Apple en 2021 representaron una reducción estimada de 10.000 millones de dólares en ingresos solo durante 2022. No porque la publicidad de Meta dejara de funcionar, sino porque dejó de poder demostrarlo con sus propios datos. Esa diferencia — entre funcionar y poder demostrarlo — es exactamente la que estamos discutiendo.
Los datos de CRM como capa de verdad que las plataformas no pueden ver
Hay información que Google Ads no tiene y nunca va a tener: quiénes de tus leads terminaron siendo clientes rentables a largo plazo, cuántos formularios se convirtieron en contratos reales tres meses después, cuántas visitas físicas a tu tienda vinieron de usuarios que habían visto un anuncio hace dos semanas.
Esa información vive en tu CRM. Y conectarla con tus plataformas de publicidad — a través de importación de conversiones offline en Google Ads o mediante la API de conversiones de Meta — transforma completamente la calidad de las señales con las que optimizan tus campañas.
La diferencia práctica es enorme. Si tu algoritmo de Google está optimizando hacia “formularios completados” y el 60% de esos formularios nunca se convierten en ventas reales, estás entrenando a la plataforma para atraer exactamente al tipo de usuario equivocado. Pero si le dices al algoritmo cuáles de esos formularios terminaron siendo clientes con valor alto — usando datos de tu CRM — la optimización cambia radicalmente.
Lo que nadie menciona es que esta integración, técnicamente posible desde hace años, sigue siendo minoritaria entre los anunciantes medianos en Latinoamérica. No por falta de tecnología. Por falta de conversación entre el equipo de marketing y el equipo de ventas.
Qué debería cambiar en tu forma de reportar campañas PPC a partir de hoy
Aquí está el problema real: si sigues reportando solo las métricas que te da el dashboard de cada plataforma, estás tomando decisiones de presupuesto con datos que ninguna de esas plataformas tiene incentivo de hacer precisos para ti.
Esto no significa tirar los reportes de Google Ads o Meta. Significa usarlos como una capa de información — no como la única fuente de verdad.
Algunas cosas concretas que un equipo de marketing riguroso debería estar haciendo diferente ahora mismo:
- Separar la atribución del impacto en los reportes ejecutivos. Mostrar las conversiones atribuidas por plataforma es útil para optimización táctica. Pero las decisiones de inversión estratégica deberían basarse en métricas de impacto incremental o en MMM, no en el reporte nativo de cada canal.
- Establecer al menos una prueba de holdout por trimestre. No tiene que ser compleja ni cara. Basta con excluir un porcentaje pequeño de tu audiencia de tus campañas durante cuatro semanas y comparar el comportamiento de compra. Los resultados suelen ser reveladores.
- Conectar datos de CRM con las plataformas de publicidad. Importar conversiones offline, usar listas de clientes para audiencias similares, alimentar el algoritmo con señales de calidad de lead — no solo de volumen.
- Construir un modelo de MMM básico si manejas inversión publicitaria significativa en múltiples canales. No necesitas un equipo de data science propio para empezar: Meridian y Robyn son herramientas de código abierto con documentación pública. Lo que sí necesitas es al menos 18 meses de datos históricos de inversión y resultados de negocio.
- Dejar de optimizar hacia métricas de plataforma y empezar a optimizar hacia métricas de negocio. Costo por clic, impresiones, CTR — todas son métricas intermedias. La pregunta que importa es cuánto ingreso adicional generó cada peso invertido en publicidad. Esa respuesta no vive en ningún dashboard de plataforma.
Nuestra postura en Reinvente es directa: el equipo que sigue evaluando sus campañas PPC únicamente con los reportes nativos de cada plataforma está, en el mejor de los casos, tomando decisiones con información incompleta. En el peor, está justificando inversiones con números que no reflejan la realidad del negocio. La brecha entre atribución e impacto real no es un problema técnico que se resuelve con un nuevo píxel o una integración de API — es un problema de criterio sobre cómo se mide el marketing. Y ese criterio tiene que cambiar.
¿Tu equipo todavía toma decisiones de inversión PPC basadas solo en los reportes de Google Ads o Meta? En Reinvente Mercadeo trabajamos con directores de marketing y fundadores en Latinoamérica para construir sistemas de medición que reflejen el impacto real — no el que cada plataforma quiere mostrarte. Cuéntanos cómo están midiendo hoy y te decimos qué está faltando.
