Atribución basada en datos: por qué reemplaza al último clic
El último clic le da todo el crédito a un solo punto del recorrido y esconde qué campañas de verdad mueven la aguja. La atribución basada en datos reparte el mérito según lo que los datos revelan.
Casi todos los negocios que hacen pauta digital toman decisiones con un modelo de atribución escondido que le da todo el crédito de la venta al último clic. Suena razonable, pero en la práctica distorsiona la realidad y hace que usted apague campañas que sí estaban funcionando. La atribución basada en datos surge para corregir ese error, repartiendo el crédito según lo que realmente ocurre en el recorrido del cliente.
Este artículo explica por qué el último clic engaña, cómo funciona la atribución basada en datos y qué debe tener en cuenta antes de adoptarla en su cuenta.
El recorrido de compra casi nunca es un solo clic
Pensemos en un cliente típico. Ve un video suyo en Instagram y no hace nada. Días después busca su marca en Google y entra a la página. Luego recibe un correo, lo deja para más tarde, y finalmente vuelve por un anuncio de retargeting y compra. En ese recorrido intervinieron cuatro puntos de contacto distintos.
El modelo de último clic le da el cien por ciento del crédito al retargeting, el último toque antes de la compra. Los otros tres puntos, que fueron los que despertaron el interés y trajeron al cliente, quedan con cero crédito. Si usted decide dónde invertir mirando solo ese reporte, apagará el video de Instagram por parecer improductivo, cuando en realidad era el que iniciaba todo.
Qué es la atribución basada en datos
La atribución basada en datos, a veces llamada data-driven, usa los datos reales de su cuenta para repartir el crédito de cada venta entre todos los puntos de contacto que participaron. En lugar de aplicar una regla fija, analiza los recorridos que terminaron en compra y los que no, y calcula cuánto aportó cada paso a que la venta ocurriera.
Es la diferencia entre repartir el mérito de un gol solo al que anotó, o reconocer también al que dio el pase y al que ganó el balón en la mitad de la cancha. El gol es el mismo, pero entender quién contribuyó cambia por completo cómo arma usted el equipo.
Cómo se compara con los modelos de regla fija
Antes de la atribución basada en datos, existían varios modelos de reglas simples que conviene conocer para entender el salto:
- ●Último clic: todo el crédito al toque final antes de comprar.
- ●Primer clic: todo el crédito al primer contacto que descubrió la marca.
- ●Lineal: el mismo crédito repartido por igual entre todos los toques.
- ●Decaimiento temporal: más crédito a los toques cercanos a la compra.
Todos esos modelos comparten un problema: aplican una regla arbitraria sin mirar lo que de verdad pasó. La atribución basada en datos no impone una regla, sino que deja que los datos de su propio negocio digan cuánto pesó cada punto de contacto.
Un ejemplo con números
Suponga una venta de 500.000 COP con esos cuatro toques. Con último clic, el retargeting se lleva los 500.000 en el reporte y las demás campañas no muestran nada. Con atribución basada en datos, el reparto podría verse así: el video de Instagram recibe crédito por 150.000, la búsqueda por 120.000, el correo por 80.000 y el retargeting por 150.000.
La venta sigue siendo una sola, pero ahora usted ve que el video de Instagram aportó tanto como el retargeting. Con esa información, jamás apagaría esa campaña, mientras que el reporte de último clic lo habría empujado a hacerlo.
Qué necesita para usarla bien
La atribución basada en datos requiere un volumen mínimo de conversiones para que el modelo tenga suficientes recorridos que analizar. Con muy pocos datos, las conclusiones no son confiables. También exige que su medición esté limpia, con eventos bien configurados y sin duplicados, porque un modelo aprende de lo que recibe y basura que entra es basura que sale.
Otro punto importante es la coherencia. Si cambia de modelo de atribución, sus números históricos cambiarán, y eso puede generar confusión si no se comunica bien al interior del negocio. Adoptar este modelo es una decisión que hay que acompañar de contexto, no solo un botón que se activa.
El riesgo de seguir con el último clic
Quedarse en el último clic tiene un costo silencioso: usted concentra el presupuesto en las campañas del final del embudo, las que cosechan ventas casi hechas, y descuida las del inicio, las que generan la demanda. Con el tiempo, se le seca el flujo de clientes nuevos y no entiende por qué los resultados caen, porque su propio reporte le ocultaba de dónde venía el crecimiento.
Cómo lo resolvemos en Manu
En Manu configuramos la atribución basada en datos y la interpretamos con criterio, no como una caja negra. Revisamos que su medición esté limpia, que haya volumen suficiente y que el modelo esté leyendo bien los recorridos de sus clientes antes de tomar decisiones con esos números.
Usamos inteligencia artificial para cruzar la atribución con la incrementalidad y con el valor real de cada cliente, de modo que no solo sepa a qué campaña asignar la venta, sino cuáles de verdad mueven el negocio. Combinamos ese análisis con nuestra práctica de performance marketing para reasignar el presupuesto hacia lo que crece. Si quiere ver cómo cambia su lectura del rendimiento con un buen modelo de atribución, le ofrecemos una auditoría gratuita de su cuenta.