Atribución de marketing sin humo: cómo medir canales sin engañarte
Ningún modelo de atribución es perfecto. El objetivo es tener un sistema suficientemente bueno para repartir el presupuesto mejor cada mes. Te explicamos cómo hacerlo con criterio.
Por Neus Camprubí

La atribución es el problema sin solución perfecta del marketing digital. Cuando un cliente compra, muchos canales han contribuido al camino: vio un anuncio de Facebook hace dos semanas, buscó la marca en Google tres días después, recibió un email de recordatorio y acabó comprando desde un link de Instagram. ¿A qué canal atribuimos la conversión? Depende del modelo que usemos, y la respuesta puede cambiar completamente la percepción de qué canales 'funcionan'.
Los modelos de atribución: cuál usar y cuándo
El modelo Last Click (último clic) es el defecto en la mayoría de herramientas. Le da todo el crédito al último canal que generó el clic antes de la conversión. Es simple pero engañoso: sobrevalora el SEO brand y la búsqueda directa (que suelen ser el último paso) e infravalora los canales de descubrimiento como las redes sociales o el display.
El modelo First Click (primer clic) hace lo contrario: valora el canal que generó el primer contacto. Útil para entender qué canales generan awareness, pero ignora todo el proceso de nurturing posterior.
El modelo Data-Driven de GA4 usa machine learning para distribuir el crédito entre todos los touchpoints de manera proporcional a su impacto estadístico en la conversión. Es el más preciso de los tres, pero necesita un volumen mínimo de conversiones para ser fiable (GA4 requiere >400 conversiones en los últimos 30 días). Para webs con poco volumen, puede dar resultados inestables.
- Usa Data-Driven si tienes >400 conversiones/mes: es el modelo más preciso y el recomendado por Google. Disponible en GA4 → Publicidad → Atribución.
- Usa posición en U si quieres entender el embudo completo: da el 40% al primer y al último toque, y distribuye el 20% restante entre los touchpoints intermedios. Buena opción para ciclos de venta largos.
- Separa marca de no-marca en paid search: las conversiones de campañas de brand (cuando alguien busca tu nombre) no reflejan la efectividad del canal de paid search —reflejan tu notoriedad. Crea segmentos separados para analizarlos.
- Ventanas de conversión realistas: el defecto de GA4 es 30 días para el clic y 1 día para la visualización. Si tu ciclo de venta es más largo (B2B, servicios de alto valor), aumenta la ventana de conversión a 60-90 días.
- Conversiones asistidas: GA4 → Publicidad → Caminos de conversión muestra todos los touchpoints que contribuyeron a las conversiones, no solo el último. Revísalo regularmente para entender el verdadero papel de cada canal.
- Alinea GA4 con tu CRM: las conversiones online a menudo no reflejan las ventas reales (un formulario enviado no es una venta cerrada). Importa las conversiones offline (ventas cerradas) a GA4 via Measurement Protocol para tener una visión completa.
- Test de incremento: para saber el verdadero impacto de un canal, detenlo durante 2 semanas y observa si las conversiones caen. Todas las ventas que siguen produciéndose sin ese canal no eran atribuibles a él.
- Informa por objetivo de negocio, no por métrica de canal: al CEO no le importa el CPM del display o el CTR del email. Le importa el coste por lead y el ROI por canal. Traduce los datos al lenguaje de negocio.
La atribución imperfecta es mejor que no tener atribución
El mejor sistema de atribución es el que tu equipo entiende, usa y discute regularmente. Un modelo de Last Click que todo el mundo entiende y desde el cual se toman decisiones es mejor que un modelo Data-Driven que nadie sabe interpretar y que se ignora en las reuniones.
Lo que realmente importa no es tener el modelo 'correcto' —es tener un modelo consistente a lo largo del tiempo que te permita comparar períodos y tomar decisiones direccionalmente correctas. Cambiar de modelo de atribución a mitad de año destruye la comparabilidad de los datos y hace imposible evaluar si una campaña ha funcionado mejor o peor que el año pasado.
Medir mejor no es tener más datos —es reducir los sesgos para invertir el presupuesto con más criterio cada mes.