La trampa de los modelos de atribución: los porcentajes son arbitrarios

En una línea: los porcentajes de distribución en los modelos de atribución son convenciones, no verdades medibles. El modelo en U asigna 40% al primer clic y 40% al último por convención histórica, no porque haya evidencia de que esa proporción refleje el impacto real de cada canal.

Los números son convenciones

El modelo en U (position-based) reparte el crédito así: 40% al primer clic, 40% al último clic y el 20% restante distribuido entre los canales intermedios. ¿Por qué 40-20-40 y no 45-10-45 o 33-34-33? No hay una razón matemática. Son valores que se establecieron por consenso y se adoptaron por conveniencia.

Lo mismo aplica al time decay: la velocidad con la que decae el crédito hacia el pasado es un parámetro ajustable. Cambiar ese parámetro cambia los resultados sin que haya una configuración objetivamente correcta.

El riesgo de cambiar de modelo sobre la marcha

Una práctica frecuente en agencias y equipos internos es cambiar el modelo de atribución después de ver los resultados. Si el ROAS de Meta baja, se cambia a un modelo que favorece a Meta. Si el email parece sub-representado, se adopta un modelo lineal.

El problema es que este proceso puede verse exactamente igual que una decisión técnica legítima. Sin un criterio pre-definido de qué modelo usar y por qué, cualquier cambio se vuelve discrecional.

• No cambiar el modelo de atribución después de ver los resultados de una campaña
• No elegir un modelo porque favorece al canal que quieres defender
• No comparar períodos que usaron modelos distintos sin aclararlo

El problema más importante: los journeys que no convierten

Todos los modelos de atribución tienen un punto ciego estructural: solo ven los journeys que terminan en una compra. Si 100 personas iniciaron un recorrido y 5 compraron, el modelo analiza los journeys de esas 5. Las 95 que abandonaron —justo donde más hay que intervenir— son invisibles.

Eso significa que los modelos de atribución optimizan para el usuario que ya iba a comprar, no para el que necesitaba un empujón adicional. Es un sesgo de supervivencia incorporado en la herramienta.

Lo que los modelos no pueden ver

• El impacto del boca a boca y las recomendaciones sin clic
• El efecto de la publicidad de branding que no genera clics directos
• Las visitas orgánicas que no dejan rastro de UTM
• Las compras offline influenciadas por la publicidad digital
• Los journeys que tardaron más que la ventana de atribución configurada

Qué mirar en lugar (o además)

Los modelos de atribución son útiles para entender tendencias y prioridades relativas, no para medir el impacto absoluto de un canal. Para complementarlos:

• MER semanal: el único número que sale de la contabilidad real
• Pruebas de apagado: pausar un canal y medir el impacto en la facturación total
• Encuestas post-compra: “¿cómo nos conociste?” revela lo que los píxeles no ven

Conclusión

Los modelos de atribución son herramientas de aproximación, no de precisión. Usarlos bien significa entender sus convenciones arbitrarias, no cambiarlos para justificar decisiones ya tomadas, y combinarlos con métodos que capturen lo que los modelos no pueden ver.

Para ir más allá: Pruebas de apagado es la única forma de medir impacto incremental real, y Modelos de atribución en 5 minutos recorre los seis tipos con un criterio claro para elegir.