Un modelo de atribución es la regla que decide qué canal o anuncio se lleva el crédito de una venta; para la mayoría de las empresas conviene usar atribución basada en datos (data-driven) en GA4 y Google Ads para el día a día, y validar con pruebas de incrementalidad o un MMM las decisiones grandes de presupuesto. Ningún modelo es "la verdad". Cada uno responde una pregunta distinta.
Actualizado: noviembre de 2026.
Resumen
- Los modelos de atribución por clics (último clic, data-driven) reparten crédito entre puntos de contacto que se pueden rastrear.
- Google retiró en 2023 los modelos de primer clic, lineal, deterioro temporal y basado en la posición de Google Ads y GA4. Quedan data-driven y último clic.
- El marketing mix modeling (MMM) estima el efecto de cada canal con datos agregados de inversión y ventas, sin cookies.
- Las pruebas de incrementalidad (lift o geo) miden cuánto vendiste de más gracias a un canal, comparando contra un grupo que no lo vio.
- La combinación práctica: atribución para optimizar, experimentos para validar y MMM para repartir el presupuesto anual.
¿Qué es un modelo de atribución?
Es la regla con la que una herramienta reparte el crédito de una conversión entre los anuncios, canales o interacciones que la precedieron.
Un cliente puede ver un video en TikTok, buscar tu marca en Google días después, abrir un correo y comprar. ¿Quién vendió? El último clic dice "el correo". Un modelo basado en datos reparte crédito según lo que aprendió de miles de recorridos. Un experimento te diría si TikTok realmente provocó compras que no habrían ocurrido.
La pregunta importa porque de la respuesta sale tu presupuesto. Si solo miras último clic, tiendes a sobreinvertir en búsqueda de marca y remarketing, y a cortar los canales que crean demanda. Es el conflicto que describimos en full-funnel: cómo combinar brand y performance.
¿Qué modelos de atribución existen hoy?
Hay tres familias: modelos basados en reglas, modelos algorítmicos por clics y métodos de medición agregada o experimental.
| Modelo | Cómo reparte el crédito | Pregunta que responde | Cuándo usarlo | Limitación |
|---|---|---|---|---|
| Último clic | 100% al último clic antes de la conversión | ¿Qué cerró la venta? | Cuentas chicas, ciclos cortos, poco volumen | Ignora lo que generó la demanda |
| Primer clic, lineal, deterioro temporal, posición | Reglas fijas | Distintas versiones de "quién participó" | Ya no disponibles en Google Ads ni GA4; algunas herramientas externas los conservan | Reglas arbitrarias |
| Basado en datos (data-driven) | Algoritmo que compara recorridos que convierten y que no | ¿Qué interacciones aumentan la probabilidad de convertir? | Default recomendado en GA4 y Google Ads | Caja negra; solo ve lo rastreable dentro del ecosistema |
| Atribución de cada plataforma (Meta, TikTok) | Ventanas de clic y vista propias | ¿Qué conversiones reclama esta plataforma? | Optimizar dentro de la plataforma | Cada plataforma se da crédito; las sumas no cuadran |
| Marketing mix modeling (MMM) | Regresión sobre inversión, ventas y factores externos | ¿Cuánto aporta cada canal al total y dónde está el rendimiento decreciente? | Presupuestos multicanal, offline, planeación anual | Necesita historial y un analista; resultados de semanas, no de días |
| Incrementalidad (lift, geo) | Experimento con grupo de control | ¿Cuántas ventas no habrían ocurrido sin este canal? | Validar canales grandes o dudosos | Cuesta presupuesto y tiempo; una prueba responde una pregunta |
¿Qué pasó con los modelos de primer clic y lineal en Google?
Google los retiró. Según el aviso oficial de Google Ads, los modelos de primer clic, lineal, deterioro temporal y basado en la posición dejaron de estar disponibles en Google Ads y GA4 en 2023, y las acciones que los usaban pasaron a atribución basada en datos.
Google argumentó que menos del 3% de las conversiones web de Google Ads usaban esos modelos, con datos de febrero y marzo de 2023. Lo que queda disponible es basado en datos, último clic y atribución externa.
En GA4, el modelo de atribución para informes se configura en Administrar → Visualización de datos → Configuración de atribución. Ahí eliges entre basado en datos y los modelos de último clic (pago y orgánico, o solo canales pagados de Google). También defines las ventanas: según la ayuda de GA4 sobre configuración de atribución, para eventos de adquisición el default es 30 días (o 7), y para los demás eventos clave el default es 90 días, con opciones de 30 o 60.
¿Qué modelo de atribución conviene a mi negocio?
Depende de tu volumen, tu ciclo de venta y cuántos canales tienes. Usa esta matriz como punto de partida.
| Situación | Modelo para optimizar | Validación |
|---|---|---|
| Pyme con 1 o 2 canales y pocas conversiones al mes | Último clic o data-driven en Google Ads | Comparar ventas totales antes y después de cambios grandes |
| Ecommerce con Google, Meta y email | Data-driven en GA4 y Google Ads; atribución de Meta dentro de Meta | Prueba de lift en Meta o prueba geo una o dos veces al año |
| B2B con ciclo de venta de meses | Conversiones del CRM (lead calificado, oportunidad) importadas a las plataformas | Análisis de cohortes por fuente en el CRM |
| Marca con TV, radio, espectaculares o retail físico | Data-driven para digital | MMM con al menos dos años de datos semanales |
| Inversión alta en búsqueda de marca o remarketing | Data-driven | Prueba de incrementalidad: apagar o reducir en algunas regiones |
Si vendes B2B, el dato que importa no es el lead del formulario sino la venta cerrada. Importa las etapas del CRM a Google Ads y Meta; lo explicamos en Google Ads para B2B.
¿Qué es el marketing mix modeling y cuándo vale la pena?
Es un modelo estadístico que estima cuánto aporta cada canal a tus ventas usando series de tiempo de inversión, ventas y variables externas como estacionalidad o precio. No necesita cookies ni datos individuales.
Ya no es exclusivo de grandes anunciantes con consultoras. Google publicó Meridian, un MMM de código abierto, y Meta mantiene Robyn, también abierto. Ambos requieren alguien que sepa de estadística y Python o R.
Vale la pena cuando:
- Inviertes en tres o más canales, incluidos medios offline.
- Tienes al menos un par de años de datos semanales limpios de inversión y ventas.
- Tu inversión varía lo suficiente entre semanas o regiones para que el modelo distinga efectos.
- La decisión que vas a tomar justifica el costo del análisis.
Si inviertes en un solo canal o tu historial es corto, un MMM te va a dar intervalos tan amplios que no sirven para decidir.
¿Cómo medir la incrementalidad paso a paso?
Con un experimento: un grupo ve tus anuncios y otro no, y comparas cuántas ventas tiene cada uno.
- Elige una pregunta. Por ejemplo: "¿Cuántas ventas extra genera mi remarketing en Meta?"
- Elige el método. Prueba de conversion lift dentro de la plataforma (Meta y Google Ads las ofrecen, sujetas a requisitos de elegibilidad), o prueba geo: activar el canal en unas ciudades y no en otras comparables.
- Define la métrica de éxito antes de empezar: ventas en tu backend, no conversiones reportadas por la plataforma.
- Calcula si tienes volumen. Con pocas conversiones, la prueba no va a dar una diferencia significativa. Pide a la plataforma o a tu analista una estimación de poder estadístico.
- Corre la prueba sin cambiar otras variables durante el periodo: ni precios ni promociones distintas entre grupos.
- Calcula el lift y el costo incremental.
- Ajusta tu atribución diaria con lo que aprendiste, por ejemplo, aplicando un factor de descuento a las conversiones que reporta ese canal.
Fórmulas:
Lift = (conversiones del grupo expuesto − conversiones esperadas sin anuncios) ÷ conversiones esperadas sin anuncios
Costo por conversión incremental = inversión ÷ (conversiones del grupo expuesto − conversiones esperadas sin anuncios)
Ejemplo hipotético: inviertes 100,000 MXN en remarketing durante cuatro semanas. El grupo expuesto genera 500 compras y, ajustando por tamaño, el grupo de control indica que sin anuncios habrías tenido 400. Las compras incrementales son 100. El lift es (500 − 400) ÷ 400 = 25%. El costo por compra incremental es 100,000 ÷ 100 = 1,000 MXN, aunque la plataforma reporte 500 compras y un CPA de 200 MXN. Esa diferencia es la que cambia decisiones de presupuesto, y se conecta con tu CAC real.
Errores comunes
- Sumar las conversiones que reporta cada plataforma. Meta, Google y TikTok se dan crédito por la misma venta. La suma siempre supera tus ventas reales.
- Cambiar de modelo y comparar meses como si nada. Al pasar de último clic a data-driven, los números por canal se mueven aunque las ventas no. Anota la fecha del cambio.
- Cortar canales de descubrimiento porque "no convierten" en último clic. Pruébalo con un experimento antes de apagar.
- Proteger la búsqueda de marca sin probarla. Parte de esas ventas habría llegado por orgánico. Mide cuánto es incremental.
- Medir con conversiones de baja calidad. Si el evento es "lead" y la mitad es basura, cualquier modelo optimiza hacia basura.
- Esperar que un MMM decida la semana. Es para planeación trimestral o anual, no para pausar anuncios.
- Experimentos sin volumen suficiente. Una prueba con 30 conversiones por grupo rara vez concluye algo.
Sin buena medición base, ningún modelo sirve. Antes de discutir atribución, revisa tu Conversions API de Meta y tu configuración de GA4 para ecommerce.
Preguntas frecuentes
¿Cuál es el mejor modelo de atribución?
No hay uno mejor para todo. Para optimizar campañas en Google, data-driven es el default y suele ser la mejor opción disponible. Para decidir cuánto invertir por canal, complementa con pruebas de incrementalidad o un MMM.
¿Por qué GA4 y Meta reportan números distintos?
Usan modelos, ventanas y fuentes de datos diferentes. GA4 reparte crédito entre canales que ve en tu sitio; Meta cuenta conversiones después de clics y vistas en sus anuncios. Es normal que no cuadren; lo importante es usar cada uno para la decisión correcta.
¿Todavía puedo usar atribución de primer clic?
No en Google Ads ni en GA4, porque Google retiró esos modelos en 2023. Puedes aproximarlo con la dimensión de "primer usuario" en los informes de adquisición de GA4, o con herramientas de analítica externas.
¿Qué es la atribución multitouch?
Es cualquier modelo que reparte crédito entre varios puntos de contacto en lugar de dárselo todo a uno. Data-driven es un modelo multitouch. Su límite es que solo ve interacciones rastreables, y cada vez hay menos por privacidad y cookies.
¿Cuánto cuesta hacer un MMM?
El software puede ser gratuito con Meridian o Robyn, pero el costo real está en preparar datos y en el tiempo de un analista con experiencia. Pide una cotización con alcance claro y evalúa si la decisión de presupuesto lo justifica.
Siguiente paso
Elige tu canal con más inversión y diseña una prueba de incrementalidad para el próximo trimestre, fuera de Buen Fin para no contaminar los resultados. Si quieres apoyo para armar la medición y decidir presupuesto con datos, conoce nuestra agencia de performance marketing.
.svg)
.jpeg)
