Modelos de atribución en marketing: cómo reparten el crédito

Un modelo de atribución es una regla o método que reparte crédito por una acción registrada entre las interacciones de marketing que aparecen en su recorrido. Si una compra sucede después de varios contactos, el reporte puede asignar todo el crédito al último clic, distribuirlo según una regla fija o usar un modelo basado en datos. El resultado depende del método elegido y de las interacciones que el sistema alcanzó a registrar.

Un recorrido, varias asignaciones

Imagina una compra ficticia de CLP 120.000 después de tres interacciones registradas: una persona hizo clic en un anuncio social, volvió desde una búsqueda orgánica y luego hizo clic en un enlace de un correo para volver a la tienda. El equipo cuenta una compra, pero un reporte que atribuye crédito podría describir ese camino de distintas maneras.

Desliza la tabla para ver todas las columnas.

La regla lineal del cuadro sirve para entender el cálculo: CLP 120.000 ÷ 3 = CLP 40.000 por contacto. Es un ejemplo conceptual. GA4 y Google Ads ya no ofrecen los modelos de primer clic, lineal, de deterioro del tiempo ni basado en la posición. Una cuenta que conservó reportes antiguos puede mostrar resultados históricos calculados con reglas retiradas.

Qué modelos muestra hoy GA4

En los informes de atribución de Google Analytics, la ayuda actual enumera tres opciones: atribución basada en datos, último clic de canales de pago y orgánicos, y último clic de canales pagados de Google. La opción basada en datos usa información de recorridos que sí completaron el evento clave y de recorridos que no lo completaron. El modelo aprende de esos datos para asignar crédito; no se obtiene al dividir el valor de una compra por el número de contactos.

Los modelos de último clic responden a su propia regla: el último contacto elegible recibe el crédito según el alcance de la opción seleccionada. En los informes de atribución de GA4, las visitas directas quedan fuera del crédito, salvo que todo el recorrido hacia el evento clave sea directo. La disponibilidad de canales y datos puede variar entre informes y configuraciones. Google explica las opciones en su ayuda de atribución de Analytics y las reglas vigentes para Google Ads en la documentación de sus modelos de atribución.

El crédito ayuda a leer reportes, no a probar causalidad

Una interacción que aparece antes de una compra puede recibir crédito en el modelo y aun así no haber sido la causa de esa compra. El resultado describe cómo una regla reparte las conversiones observadas. Tampoco incluye contactos que quedaron fuera de la medición, como una conversación fuera de línea que el sistema no registró.

Por eso, antes de comparar campañas, anota cuatro decisiones: qué evento cuenta como conversión; qué canales e interacciones son elegibles; qué ventana temporal considera el reporte; y qué modelo asignó el crédito. Mantén estable esa definición al comparar periodos. Si cambias el modelo, documenta la fecha: el reparto puede cambiar aunque el número de compras siga igual.

Las etiquetas UTM ayudan a reconocer la fuente de enlaces que llegan al sitio, pero no determinan por sí mismas cómo se reparte el crédito entre varios contactos. La guía de parámetros UTM explica cómo etiquetar y comprobar esos enlaces.

Cómo elegir la vista para una decisión

Empieza por la pregunta del informe. Si quieres saber qué contacto final aparece antes de una compra, un modelo de último clic entrega esa lectura bajo sus reglas de elegibilidad. Si necesitas evaluar una ruta con varias interacciones publicitarias que el producto puede observar, revisa el modelo basado en datos y los detalles de su configuración. Para comparar cifras, conserva el evento, periodo, propiedad y alcance del canal.

Si la decisión consiste en saber qué habría pasado sin una campaña, un reporte de atribución no responde esa pregunta por sí solo. Haría falta un diseño de medición que estime el cambio respecto de un escenario comparable, como un experimento con control cuando sea viable. La atribución y las pruebas de incrementalidad son análisis distintos.

Los modelos sirven para interpretar el crédito que muestra un sistema. Escribe junto al resultado qué modelo usaste y qué recorrido quedó fuera, y evita presentar el canal con más crédito como ganador universal.

Las cifras del recorrido son ficticias y solo ilustran tres reglas de reparto. Las definiciones de modelos de GA4 y Google Ads corresponden a sus productos y pueden cambiar.

La portada es una ilustración generada con IA.