Qué es la atribución basada en datos

Durante años, repartir el crédito de una conversión fue una decisión tomada antes de mirar los datos. El último clic se lo daba todo a la última interacción, el primer clic a la primera, el lineal repartía en partes iguales y el modelo por posición asignaba porcentajes fijos a los extremos. Todos tenían algo en común: la regla se elegía primero y los datos se acomodaban después.

La atribución basada en datos invierte ese orden. En lugar de aplicar un reparto decidido de antemano, calcula cuánto aporta realmente cada interacción dentro de las rutas de esa cuenta concreta. Si en tus datos la búsqueda de marca aparece casi siempre al final de rutas que ya iban a convertir, esa interacción recibirá menos crédito del que le daría el último clic.

El cambio ya no es opcional. En Google Analytics 4, desde noviembre de 2023 los modelos de primer clic, lineal, declive temporal y basado en la posición dejaron de estar disponibles, y quedaron la atribución basada en datos, el último clic de canales de pago y orgánicos, y el último clic de canales de pago de Google. En Google Ads conviven la atribución basada en datos y el último clic, y las acciones de conversión que usaban los modelos retirados se migraron a la atribución basada en datos.

El material de partida son las rutas completas, y no solo las que terminan en conversión. El modelo observa también las rutas que no convirtieron, porque la comparación entre ambos grupos es lo que permite distinguir una interacción que empuja de otra que simplemente estaba presente.

El cálculo tiene dos fases. Primero se construye un modelo de probabilidad a partir de las rutas registradas; después se asigna el crédito según cuánto cambia la probabilidad estimada de conversión al añadir cada interacción a la ruta. Una interacción que apenas mueve esa probabilidad recibe poco crédito, por muy cerca del final que esté.

Entre las señales que entran en el cálculo están el tiempo transcurrido desde el evento clave, el tipo de dispositivo, el número de interacciones con anuncios, el orden de exposición y el tipo de recurso creativo. En Google Ads se tienen en cuenta clics e interacciones de vídeo en Búsqueda, YouTube, Display y Demand Gen.

El modelo funciona mejor con volumen. Google recomienda al menos 200 conversiones y 2.000 interacciones con anuncios en redes admitidas dentro de un periodo de 30 días, aunque las acciones de conversión son elegibles aun con menos datos. Conviene saber además que las cifras se reajustan: una conversión puede reatribuirse hasta siete días después, y las visitas directas quedan excluidas del reparto salvo que toda la ruta sea directa.

Aquí está el detalle que rompe la mitad de los informes comparativos: cada modelo es específico de cada anunciante y de cada evento clave. No existe un modelo de atribución basada en datos general que Google aplique a todo el mundo. Existe el tuyo, entrenado con tus rutas.

La consecuencia es incómoda para las agencias. Dos cuentas del mismo sector, con las mismas campañas, los mismos anuncios y presupuestos parecidos, recibirán repartos de crédito distintos, y ninguno de los dos está equivocado. Cada uno describe correctamente el comportamiento de su propio tráfico. Por eso no tiene sentido llevar a una reunión la frase “en el sector, la marca se queda con tal porcentaje del crédito”, ni copiar de un cliente a otro un reparto observado.

Dentro de una misma cuenta la comparación sí es útil, pero con una salvedad: el modelo se reentrena con datos nuevos. Un cambio de reparto entre trimestres puede reflejar un cambio real en el comportamiento de compra o simplemente que el modelo ha aprendido de un mix de campañas distinto. Antes de reasignar presupuesto conviene comprobar cuál de las dos cosas ocurrió.

• Define bien el evento clave antes de mirar el reparto. El modelo se entrena por evento, así que medir cinco conversiones distintas de valor desigual produce cinco lecturas que no se pueden sumar.
• Reúne volumen suficiente antes de tomar decisiones finas, con la referencia de 200 conversiones y 2.000 interacciones en 30 días como suelo razonable.
• Cuida la calidad de la ruta: etiquetado limpio con parámetros de campaña, consentimiento bien implementado y datos propios reducen los huecos que el modelo tiene que suplir.
• Compara periodos dentro de la misma cuenta y documenta los cambios estructurales (campañas nuevas, cambios de creatividades) que puedan explicar un reparto distinto.
• Deja pasar la ventana de reatribución de siete días antes de cerrar el informe de un periodo.
• Explica el modelo al cliente antes de enseñarle los números, sobre todo si venía de leer sus resultados con último clic.

• Comparar el reparto de crédito de dos cuentas y concluir que una de ellas mide mal, cuando los dos modelos son correctos para sus datos respectivos.
• Publicar cifras de referencia sectoriales sobre cuánto crédito recibe cada canal bajo atribución basada en datos, un dato que no se traslada de una cuenta a otra.
• Tratar el reparto como una verdad causal y recortar el presupuesto de un canal por su porcentaje, sin ninguna prueba controlada que lo respalde.
• Comparar un periodo medido con último clic contra otro medido con atribución basada en datos y llamar a la diferencia mejora o caída.
• Buscar los modelos de primer clic, lineal, declive temporal o por posición en la interfaz, que dejaron de estar disponibles en Google Analytics 4 en noviembre de 2023.