Qué es un test de incrementalidad

La atribución reparte las conversiones entre los puntos de contacto que un usuario tocó antes de comprar. Responde a una pregunta descriptiva: por dónde pasó esa venta. La incrementalidad responde a otra distinta y bastante más incómoda: ¿habría ocurrido igual esa venta sin el anuncio?

Un cliente que ya conocía la marca, que iba a comprar de todas formas y que por el camino hizo clic en un anuncio aparece en los informes como conversión de pago. El presupuesto se apunta un resultado que existía antes de gastarlo. El efecto incremental es solo la parte del resultado que existe porque hubo inversión.

Medir esa parte exige una comparación con un escenario que no se puede observar: qué habría pasado sin la campaña. Como ese escenario no existe en los datos, hay que construirlo. Se aparta un grupo comparable al que no se le muestran los anuncios y su comportamiento sirve de referencia. La diferencia entre los dos grupos es el efecto incremental.

De ahí viene el nombre. No se mide cuánta actividad ocurre alrededor del anuncio, sino cuánta actividad añade el anuncio.

Todo diseño necesita dos cosas: un grupo que ve la publicidad y otro comparable que no la ve, y una asignación aleatoria que decida quién cae en cada lado.

El grupo de reserva de audiencia es el diseño más directo. La plataforma aparta al azar una parte de los usuarios elegibles y les oculta los anuncios de la campaña. Los experimentos personalizados de Google Ads funcionan con esa lógica: el reparto por cookie asigna cada usuario a la campaña original o a la de prueba y garantiza que vea solo una de las dos.

El experimento geográfico sustituye al usuario por el territorio. Se emparejan regiones con historiales de venta parecidos, se sortea cuál de cada pareja mantiene la inversión y cuál la reduce o la apaga, y se comparan las ventas totales de ambos bloques. Este diseño no depende de cookies ni de identificadores, así que sobrevive a la pérdida de datos de usuario, y es el habitual en canales donde el clic no se puede rastrear.

El apagado por periodos alterna semanas con inversión y semanas sin ella en el mismo territorio. Es el diseño más barato y también el más frágil, porque cualquier estacionalidad o movimiento de la competencia se confunde con el efecto que se pretende medir.

Lo que sale del test es una diferencia entre grupos: conversiones adicionales, ingresos adicionales o, dividiendo entre la inversión, un retorno incremental. Junto a esa cifra viene siempre un intervalo de confianza, y ese intervalo importa tanto como el valor central.

Casi todas las decisiones de presupuesto se toman sobre cifras de atribución, y la atribución no distingue entre provocar una venta y presenciarla. Un canal puede parecer excelente sencillamente porque aparece en el último tramo del recorrido, cuando la intención de compra ya estaba formada.

Las campañas de búsqueda de marca son el caso donde esa distancia se hace más visible. Quien busca el nombre de la empresa ya decidió a dónde va. El anuncio se coloca por delante de un resultado orgánico que habría recibido ese mismo clic, y el informe registra una conversión de pago con un coste por adquisición envidiable. Un experimento que apague esas campañas en un grupo de territorios enseña cuánta de esa demanda se limita a trasladarse del canal gratuito al de pago. Hay experimentos publicados en los que las palabras clave de marca no mostraron beneficio medible a corto plazo, aunque el resultado depende del sector, de la notoriedad de la marca y de si algún competidor puja por ese nombre.

Por eso el resultado de un test de incrementalidad casi siempre queda por debajo del que ofrece cualquier modelo de atribución. No es que el experimento castigue al canal. Es que la atribución nunca prometió medir causalidad.

• Decidir antes de empezar qué diferencia sería relevante para el negocio y calcular cuánto tiene que durar el test para poder detectarla.
• Emparejar los territorios o los grupos por historial de ventas, no por tamaño de población.
• Dejar la campaña quieta mientras dura el experimento: sin tocar pujas, creatividades ni presupuestos en ninguno de los dos brazos.
• Medir el resultado en la fuente de negocio, es decir en el ERP o en el CRM, y no en la plataforma que se está evaluando.
• Publicar el intervalo de confianza junto al resultado y aceptar que un intervalo que cruza el cero es una respuesta legítima.
• Repetir el test cada cierto tiempo, porque la incrementalidad de un canal cambia con la notoriedad de la marca y con la presión de la competencia.

• Apagar una campaña una semana, ver que las ventas no bajan y dar el asunto por zanjado. Sin grupo de control no hay nada con que comparar.
• Detener el test en cuanto el resultado gusta. Mirar los datos a diario y parar el primer día favorable convierte el ruido en conclusión.
• Elegir una ventana demasiado corta para ciclos de compra largos, de modo que el efecto tardío queda fuera de la medición.
• Contaminar el grupo de control con remarketing, campañas de otro canal o correos que sí alcanzan a esos usuarios.
• Trasladar el resultado a otro país, otra temporada u otro nivel de inversión sin volver a medir.