¿A qué canal le atribuimos una venta en 2026?
O por qué medir quién “ganó la venta” es cada vez más una pérdida de tiempo.
Cuando visualizamos el viaje de compra, solemos imaginarlo como una línea recta. Hay una fase de descubrimiento, luego consideración, luego decisión, luego compra. Claro y ordenado. El problema es que allí afuera del Excel, eso no existe.
Los clientes interactúan con las marcas a través de una red densa y caótica de puntos de contacto. Ven un post en Instagram. Olvidan. Escuchan un podcast. Les menciona alguien en una reunión. Buscan en Google. Leen un hilo en Reddit. Le preguntan a ChatGPT. Entran al sitio. Salen. Vuelven tres días después desde otro dispositivo. Compran. Esto tiene hasta nombre: ROPO (Research Online, Purchase Offline), el fenómeno que describe cómo las personas investigan en un canal y ejecutan en otro, a veces físicamente, a veces con otro dispositivo, a veces semanas después.
Y pasa exactamente lo mismo con los servicios:
¿A cuál de todos esos canales o momentos le atribuimos la venta?
Esa pregunta es la que lleva años torturando a los equipos de marketing y comerciales. Y cada vez más pienso que estamos buscando la respuesta equivocada.
La decadencia del último clic
Durante años, el modelo de atribución de último clic fue el estándar de la industria. No porque fuera bueno, sino porque era simple de implementar. El usuario llegaba desde Instagram, la venta se atribuía a Instagram. La persona entraba en la tienda física, la venta se atribuía a la tienda física.
El problema, bien documentado ya, es que el modelo de atribución de último clic ignora completamente el valor de los canales que intervinieron antes: el post que generó descubrimiento, el artículo que resolvió una duda, la página de producto posicionada en Google, la recomendación del amigo que consolidó la decisión. Todo ese trabajo invisible queda sin crédito porque quien cierra la venta se lleva todo.
La industria fue migrando hacia la Atribución Basada en Datos (DDA), que usa algoritmos para asignar crédito según cómo cada punto de contacto influye en la probabilidad de conversión. Es más sofisticado, pero sigue siendo un modelo de distribución de crédito, no de causalidad.
De hecho, en Google Analytics, los informes de atribución funcionan de 3 maneras:
Atribución basada en datos
Último clic en canales pagados y orgánicos
Último clic en canales pagados de Google
El concepto que más falta hace: la incrementalidad
Antes de entrar en la complejidad del escenario actual, hay que hablar de algo que muchos enfoques dejan fuera: la incrementalidad.
La incrementalidad pregunta algo distinto a la atribución tradicional. No pregunta “¿qué canal tocó al usuario antes de comprar?”, sino que: “¿este canal o acción causó la compra, o el usuario habría comprado igual sin él?”.
La distinción parece sutil pero no lo es. Un modelo de atribución de último clic te dice que tu campaña de remarketing fue la que convirtió. La incrementalidad te pregunta: ¿esa persona que ya había visitado tu sitio cuatro veces y tenía el producto en el carrito desde hace dos semanas, habría comprado de todas formas? Probablemente sí. ¿Entonces cuánto crédito real merece ese último anuncio? Chan!
En rigor, el único método que permite hablar de causalidad con evidencia es un experimento controlado: un grupo ve el anuncio, otro no, se mide la diferencia en comportamiento de compra. Todo lo demás, especialmente cuando hay múltiples cambios ocurriendo en simultáneo, es correlación.
Ahora, siendo honesto, ¿cuántas empresas hacen experimentos controlados para medir la incrementalidad? Veamos qué dicen los datos: entre las marcas Direct-to-Consumer (DTC), los experimentos de incrementalidad son el método de medición primaria en apenas el 4,7% de los casos (fuente: Measured, 2024). La gran mayoría sigue midiendo con datos de plataformas, a pesar de que el 69% de los propios marketeros reconocen que la precisión de esos datos es su principal preocupación. Dicho de otra manera, hacemos lo que podemos con lo que tenemos…
Pero sigamos porque hay más.
Un dato: en México, 7 de 10 clientes ya tienen un comportamiento de compra omnicanal (fuente: AMVO):
Por qué la atribución se vuelve más difícil
Si la omnicanalidad ya hacía complejo el seguimiento del cliente, dos fuerzas que se aceleran al mismo tiempo están añadiendo capas de opacidad que no veo cómo vamos a resolver fácilmente en el futuro inmediato.
La primera es la privacidad. Las regulaciones como el GDPR en Europa y sus equivalentes en otras regiones, sumadas a decisiones técnicas como el App Tracking Transparency de Apple, han limitado drásticamente el uso de cookies de terceros y el rastreo entre aplicaciones. Lo que antes se medía de forma casi automática hoy tiene restricciones legales y técnicas.
La segunda es la fragmentación por plataformas como Google, Meta y Amazon que operan con sus propios silos de datos. Cada una tiene su versión de la verdad sobre qué funcionó, y ninguna tiene incentivo para compartir esa data de forma integrada con las demás. Construir una visión holística de la atribución por fuera de sus propios ecosistemas es, en la práctica, muy difícil.
A eso se suma la irrupción de la IA generativa. Los modelos de lenguaje como ChatGPT, Claude o Perplexity funcionan de forma conversacional. El usuario llega, pregunta, obtiene una respuesta. A veces hace clic en una referencia. Muchas veces no. Puede abrir Google en paralelo y buscar lo que la IA le recomendó, sin que quede ningún rastro rastreable de esa interacción previa. ¿Cómo atribuyes una conversión a una fuente que técnicamente nunca generó un clic? Si medir la atribución era complejo, ahora lo es un poco más.
Ya pero, simplificando, ¿podríamos preguntarles a las personas qué medios o canales influyeron en su decisión de compra? Claro que sí. Este tipo de encuesta es una manera de medir pero allí los factores humanos, y principalmente la memoria y cómo funciona nuestro cerebro, tampoco ayudan a ser “científicamente” precisos. Veamos por qué.
Tres razones por las que la atribución perfecta probablemente nunca existió
1. Nuestra memoria no funciona como un embudo de conversión
Estamos expuestos a miles de estímulos al día. Pedirle a un usuario que recuerde qué lo llevó a comprar es pedirle que reconstituya un proceso que ocurrió de forma fragmentada, a veces inconsciente, durante días o semanas. Los sesgos cognitivos hacen el resto: recordamos lo último que vimos, lo que nos causó mayor impacto emocional, o simplemente inventamos una narrativa coherente después del hecho. No es un fallo humano, es que simplemente así funciona nuestro cerebro. Por eso preguntarle directamente a un usuario por qué compró tiene igual de poco sentido que la mayoría de los modelos de atribución que usamos. Aunque si eso te deja tranquilo como marketero, igual lo puedes hacer (!).
2. En omnicanalidad, el crédito no le pertenece a nadie en particular
En una experiencia donde lo físico y lo digital se cruzan constantemente, donde un usuario puede descubrir un producto en TikTok, leer reseñas en Reddit, visitar la tienda física, buscar en Google y finalmente comprar desde la app, atribuir el ingreso a un solo canal es una simplificación que distorsiona más de lo que aclara. El viaje no tiene un único responsable de influir en la compra. Tiene un ecosistema de puntos de contacto.
3. La IA está acelerando la opacidad
Lo que antes era difícil de medir ahora es directamente invisible en muchos casos. Los LLMs son puntos de contacto que no te pertenecen, que no dejan cookies, que no generan sesiones rastreables. Son, en términos de diseño de servicios, un touchpoint donde la marca puede influir pero no controlar. Y cada vez más personas llegan a una decisión de compra habiendo pasado por ese espacio sin que ningún sistema de analítica lo haya registrado.
Para quién es realmente este debate de la atribución
Seamos directos: la atribución milimétrica es una conversación para organizaciones con equipos grandes, presupuesto generoso y tiempo para desarrollar modelos sofisticados (algo así como al límite de medir por el amor a la medición…entre nos, eh!). El enfoque que están adoptando las empresas más avanzadas se llama Modelado de Medición Unificado (UMM), que combina la visión estratégica a largo plazo del Marketing Mix Modeling (MMM) (fuente: Harvard Business Review) con la granularidad de la atribución multitáctil y la experimentación de incrementalidad frecuente. Suena súper inteligente y medio de la NASA. También es caro y complejo de sostener.
Ahora bien, ¿cuál es la realidad del mercado en nuestra región? Según la OCDE, las pymes constituyen el 99,5% de las empresas en América Latina y el Caribe, y aportan aproximadamente el 60% del empleo productivo formal (fuente: Bloomberg).
El caso más documentado es México. Aunque 6 de cada 10 pymes mexicanas operan en internet, apenas el 11% vende activamente a través de canales digitales. Solo 27.000 empresas - la mayoría pymes - venden en Amazon.com.mx. Ese gap entre “estar en internet” y “vender en internet” nos dice que quizás hay otros problemas más grandes que resolver que medir la atribución con precisión milimétrica. El problema es anterior: la mayoría de las pymes de la región todavía está resolviendo cómo vender digitalmente, no cómo atribuir con precisión estadística qué canal cerró la conversión.
Para una pyme en LATAM, intentar forzar la medición atribuyendo cada venta a su canal exacto es tapar el sol con un dedo. El esfuerzo no tiene retorno.
Entonces, ¿qué medimos?
No estoy diciendo que tiremos los KPIs por la ventana. Estoy diciendo que hay que elegir bien qué medir y para qué, y que la respuesta es diferente según el tamaño y la madurez de la organización.
Share of voice y visibilidad de marca, incluyendo en LLMs. Hoy podemos medir la visibilidad de las marcas en Google y en modelos de IA (hasta cierto punto). No te dice si esa visibilidad generó una venta directa, pero te dice si estás presente cuando las personas buscan soluciones que tú ofreces. En el contexto Zero Click, esa presencia tiene cada vez más peso.
Señales de intención: búsquedas de marca, tráfico directo, menciones. Son indicadores imperfectos pero sí nos hablan de reconocimiento de marca.
Tendencias en el tiempo, no puntos aislados. Un pico de conversiones después de una campaña puede significar muchas cosas. Una tendencia sostenida al alza en búsquedas de marca durante seis meses dice algo más sólido sobre lo que está funcionando.
Experimentos con grupos de control, cuando el presupuesto y la organización lo permiten. Es el único camino hacia la causalidad. Para todo lo demás, hablemos de correlación y seamos transparentes al respecto.
Para muchas pymes, la atribución basada en el último clic, es probablemente la única realidad posible.
Finalmente, hay algo que no dejaría de lado aunque vivamos en una cultura de toma de decisión basada en datos: la intuición del dueño de la marca. Esa persona que entiende cómo funciona su negocio, que habla todas las semanas con sus clientes, que entiende que hay que estar dónde está tu audiencia, que toma el pulso de las acciones de marketing, tanto orgánicas como de pago, y olfatea para decirte qué hay que tirar “toda la carne a la parrilla” para construir marca. Esa intuición es algo que hay que cultivar. Y no solo en las pequeñas marcas sino que también en las grandes.
El argumento de fondo
Si aceptamos que no podemos medir ni atribuir el 100% de las interacciones con las marcas, y que la incrementalidad requiere condiciones que pocas organizaciones - y menos aún las pymes de la región - pueden sostener de forma continua, las cosas son un poco más simples.
En vez de preguntarme “¿a qué canal atribuir esta venta?” de manera absoluta, o “¿cómo mejoro mi modelo de atribución?”, mejor nos preguntamos “¿estoy construyendo algo que la gente recuerde, vuelva a buscar y recomiende?”.
Eso implica diseñar contenidos para intenciones de búsqueda específicas, no para algoritmos. Implica aparecer en los espacios donde las personas tienen conversaciones, sean foros, comunidades en línea, eventos offline o LLMs. Implica ser consistente durante suficiente tiempo como para generar reconocimiento, que es un fenómeno que no ocurre de un trimestre para otro.
Al final, la marca es el modelo de atribución más robusto que existe. No porque sea medible en una planilla, sino porque cuando alguien ya sabe quién eres antes de necesitarte, el ciclo de decisión se acorta, el costo de adquisición baja y la pregunta de “¿qué canal lo trajo?” se vuelve secundaria.
No sabemos lo que no sabemos. Pero si seguimos obsesionados con atribuir cada venta a su fuente exacta, corremos el riesgo de optimizar para la métrica equivocada o medir por medir.
¿Tienes un modelo de atribución que funcione para tu negocio? ¿O también sientes que estás midiendo lo que puedes medir, no lo que importa? Me interesa saber cómo están manejando esto en sus equipos o proyectos.
Nota: El título de este artículo hace referencia a “La falsa ilusión del éxito" de Daniel Kahneman QEPD, Premio Nobel de Economía, un pequeño libro que recomiendo leer a cualquiera.
Referencias
Bloomberg (2025). 11% de las empresas mexicanas que vende en Amazon exporta a otros países
Google Analytics Help. (2024). Get started with attribution.
Harvard Business Review. (2023). A New Gold Standard for Digital Ad Measurement.
Forrester Research. (2024). The Forrester Wave: Cross-Channel Marketing Hubs.
AMVO. (2026). Estudio de Venta Online 2026.
Measured. (2024). The State of DTC Marketing Measurement.