Qué es la atribución en marketing
La atribución en marketing es el método de repartir el mérito de una conversión (una acción objetivo: lead, compra o registro) entre los puntos de contacto que un cliente encuentra en su camino hasta la compra. Dicho más simple: la atribución responde a la pregunta de qué canal trajo de verdad al cliente y cuál simplemente estuvo allí cuando este decidió comprar.
Sin atribución, el dueño de un negocio solo ve el último clic, normalmente una visita directa o un resultado orgánico de búsqueda. Pero antes de esa acción final, el cliente pudo ver su anuncio en Meta, ver su vídeo en TikTok, pulsar un anuncio de Google Ads y volver en directo para convertir. La atribución reparte el mérito entre esos pasos en lugar de dárselo todo a un canal.
Por qué importa la atribución para el negocio
La atribución ayuda a entender la contribución real de cada canal a las ventas y a asignar presupuesto donde de verdad devuelve dinero, no donde el informe de último clic luce más bonito. Esto conecta directamente con la analítica de marketing: sin un modelo de atribución correcto, cualquier cálculo de ROAS (retorno del gasto publicitario) se construye sobre datos incompletos.
- Los canales de la parte alta del embudo (campañas de notoriedad, contenido) parecen engañosamente débiles cuando solo se cuenta el último clic
- El presupuesto se fuga hacia el canal con la atribución más fácil, no con el mejor ROI
- Las decisiones de escalado se toman a ciegas, sin entender el recorrido completo del cliente
Sin atribución, los dueños de negocio a menudo recortan presupuesto a canales que parecen débiles en los informes, aunque en realidad están preparando a los clientes para la compra en fases anteriores. AdMetric conecta automáticamente Google Ads, Meta Ads y TikTok Ads en un único recorrido del cliente, sin montar hojas de cálculo a mano.
Deje de adivinar por el último clic
Vincule sus anuncios con los negocios de su CRM y decida con ingresos, no con leads.
Попробовать бесплатно →Cómo funciona la atribución: recorrido del cliente y puntos de contacto
Los clientes rara vez convierten tras una sola exposición a un anuncio. Un recorrido típico se ve así: ven un anuncio en Meta, buscan su marca en Google unos días después, pulsan un resultado de Google Ads y solo entonces compran. Cada interacción es un punto de contacto, y averiguar qué canal se lleva el mérito —y cuánto— es el trabajo del modelo de atribución. Sin uno, solo ve el último clic y asume que Google Ads hizo todo el trabajo, cuando la chispa real del interés surgió antes, en Meta.
Puntos de contacto y recorrido del cliente
El recorrido del cliente es la secuencia de canales por los que pasa un mismo usuario antes de convertir. Un ejemplo típico de pyme:
- El usuario ve un banner en Meta pero no pulsa.
- Dos días después busca su producto en Google por su cuenta.
- Pulsa su resultado de Google Ads entre los resultados de búsqueda.
- Llega a su web, compara precios y se va sin comprar.
- Al día siguiente vuelve en directo desde un marcador y hace el pedido.
Un modelo de "solo último clic" le da todo el mérito a la visita directa, aunque el recorrido entero lo construyeron Meta y Google Ads. Un modelo de "primer clic" se va al extremo opuesto y borra el papel de los canales que nutren. En la práctica, las pymes suelen obtener mejores resultados con modelos lineales o por posición: reparten el mérito entre todos los puntos de contacto y evitan que un solo canal se lleve el crédito del trabajo hecho aguas arriba.
Ventana de conversión y atribución multidispositivo
Una ventana de conversión (o ventana de retrospectiva) es el periodo que el sistema cuenta hacia atrás desde una compra para acreditar puntos de contacto. Si su ventana está en 7 días y el cliente vuelve el día 10, el recorrido entero se rompe y esa compra parece una "visita directa" sin historia. Para negocios con ciclos de decisión largos —inmobiliarias, servicios B2B, equipos caros—, una ventana corta infravalora sistemáticamente los canales de la parte alta del embudo.
El seguimiento multidispositivo es el segundo reto. Un cliente navega en el móvil a la hora del café y cierra la compra en el portátil esa noche. Sin emparejarlo por login o ID de cliente, para su analítica son dos personas distintas y la mitad del recorrido desaparece para siempre.
Observación del equipo AdMetric: el problema real suele no ser elegir el modelo de atribución adecuado, sino que los negocios no ven en absoluto los puntos de contacto intermedios. Se pierden en el ruido de plataformas publicitarias desconectadas y sin emparejamiento por ID de cliente. Un modelo de atribución sobre datos incompletos produce una imagen convincente, pero falsa.
Aquí es donde entra AdMetric: extrae datos de las plataformas publicitarias, su CRM y su web a un único lugar, y la analítica de extremo a extremo cose todos los toques de un cliente en un único recorrido, sin importar el dispositivo o el canal.
Modelos de atribución explicados
Un modelo de atribución es una regla para repartir el mérito de la conversión entre los puntos de contacto del camino del cliente. Su elección determina qué canal parece el héroe de sus informes y cuál parece candidato al recorte. Para mostrar la diferencia con claridad, tomemos un mismo recorrido del cliente en todos los modelos: vio su anuncio de Meta, encontró su artículo de blog por búsqueda orgánica una semana después, pulsó su resultado de Google Ads tres días más tarde y compró por 100 €.
Último clic
Todo el mérito se lo lleva el último canal antes de la conversión; el resto se ignora. En nuestro ejemplo, Google Ads se lleva los 100 € completos, y Meta y la búsqueda orgánica, cero.
Este modelo encaja en negocios con ciclos de venta cortos y un canal dominante, como una tienda ecommerce con tráfico mayoritariamente de un solo toque.
- Pro: simple, se puede calcular a mano sin analítica de extremo a extremo
- Contra: infravalora los canales de la parte alta del embudo (notoriedad, marca, contenido) y empuja a recortarles presupuesto, aunque son precisamente los que crean la demanda
Primer clic
Lo contrario del último clic: el primer canal del recorrido del cliente se lleva el 100 % del mérito. En nuestro ejemplo, Meta recibe los 100 € completos, y Google Ads y la búsqueda orgánica no reciben nada.
Útil cuando hay que medir la generación de demanda, por ejemplo al lanzar un producto nuevo y querer entender qué canal trae audiencias frescas. El inconveniente refleja al del último clic: los canales que convierten prospectos ya calientes parecen inútiles, aunque cierran negocios que de otra forma no ocurrirían.
Lineal
El mérito se reparte a partes iguales entre todos los puntos de contacto, sin importar su papel o su cercanía a la compra. En nuestro recorrido de tres canales, cada uno recibe unos 33 €.
Tiene sentido en ciclos de decisión largos y deliberados —negocios B2B, servicios caros—, donde los clientes avanzan por fases de forma consciente. Es justo con todos los actores del embudo, pero no distingue entre un canal que simplemente estaba en medio del camino y otro que de verdad movió la aguja.
Decrecimiento temporal
Los canales más cercanos al momento de la conversión reciben más mérito; los toques anteriores, menos. Con una vida media típica de una semana, el reparto podría quedar así: Meta (tres semanas antes de la compra) 15 €, búsqueda orgánica (1,5 semanas) 30 €, Google Ads (día de la compra) 55 €.
La tabla de abajo muestra esta diferencia lado a lado: cómo reparten ese mismo camino de Meta → búsqueda orgánica → Google Ads los distintos modelos.
| Modelo | Meta | Búsqueda orgánica | Google Ads |
|---|---|---|---|
| Último clic | 0 € | 0 € | 100 € |
| Primer clic | 100 € | 0 € | 0 € |
| Lineal | 33 € | 33 € | 34 € |
| Decrecimiento temporal | 15 € | 30 € | 55 € |
| Por posición 40/20/40 | 40 € | 20 € | 40 € |
El decrecimiento temporal funciona bien en negocios con campañas donde el empujón final pesa más, pero sin querer ignorar del todo la parte alta del embudo. Equilibra el último clic y el lineal, aunque el parámetro de vida media requiere ajuste manual: si se equivoca con él, no gana precisión frente al último clic.
Por posición (en U)
Este modelo fija pesos en el primer y el último toque —normalmente un 40 % cada uno— y reparte el 20 % restante entre todos los canales intermedios. En nuestro ejemplo, Meta (primero) recibe 40 €, Google Ads (último) 40 €, y la búsqueda orgánica (en medio) 20 €.
Bueno para negocios donde importan ambos extremos del embudo: el canal que trae clientes nuevos y el canal que cierra la venta. Valora los extremos sin borrar el medio, pero el reparto 40/20/40 es algo arbitrario: la influencia real en su negocio puede ser distinta.
Data-driven (basado en datos)
Un algoritmo analiza miles de caminos de conversión y estima cómo cambiaría la probabilidad de compra si eliminara cada canal (similar al concepto de Shapley en teoría de juegos). El peso de cada toque sale de la estadística, no de una regla fija. Para nuestro recorrido, el algoritmo podría calcular: búsqueda orgánica 45 € (formó el interés), Google Ads 30 €, Meta 25 €; los pesos reales dependen de los datos históricos de su cuenta.
Lo mejor para negocios con volumen de conversiones sustancial —cientos al mes o más—; de lo contrario, el algoritmo tiene demasiados pocos datos de los que aprender. El mérito se ajusta al comportamiento real de la audiencia en lugar de a una plantilla, pero el modelo es menos transparente: explicar a los stakeholders por qué la orgánica de pronto "pesa más" que Google Ads es más difícil que señalar una regla simple.
Conversiones asistidas
No es un modelo de reparto de mérito, sino un informe sobre los canales participantes: muestra en cuántas conversiones ayudó un canal incluso cuando no fue el último clic. En nuestro ejemplo, el informe de conversiones asistidas cuenta a Meta y a la búsqueda orgánica como participantes y a Google Ads como canal de último clic; los 100 € no se reparten, sino que la participación de cada canal se registra aparte.
Útil como complemento de cualquier modelo: responde a "¿en cuántos negocios participó este canal?" en lugar de "¿cuántos ingresos generó directamente?". A menudo esta vista revela que un canal con números bajos en último clic participa en realidad en la mitad de sus negocios.
Ningún modelo es universalmente "correcto": existe un modelo adecuado para la estructura del embudo de cada negocio. Los ciclos de venta largos con varios canales piden modelos data-driven o por posición, acompañados de un informe de conversiones asistidas para cazar puntos ciegos.
| Modelo | Cómo reparte el mérito | Cuándo usarlo |
|---|---|---|
| Último clic | Todo el 100 % al último canal antes de la conversión | Ciclo de venta corto, un canal dominante |
| Primer clic | Todo el 100 % al primer canal del recorrido | Cuando hay que medir generación de demanda y captación de clientes nuevos |
| Lineal | Reparto igualitario entre todos los canales del recorrido | Ciclo de decisión largo y deliberado, B2B |
| Decrecimiento temporal | Más mérito a los canales más cercanos a la conversión | El empujón final pesa más, pero la parte alta sigue haciendo falta |
| Por posición (en U) | 40 % al primero, 40 % al último, 20 % repartido en medio | Cuando el inicio y el final del embudo son críticos |
| Data-driven | El algoritmo calcula los pesos con estadísticas de conversión | Cientos o más conversiones al mes |
Cómo elegir un modelo de atribución para su negocio
No existe un modelo universal: lo que funciona para una tienda ecommerce con compras en un clic se desmorona en negocios B2B con múltiples puntos de contacto y todo un equipo de ventas. Antes de elegir, evalúe con honestidad cuatro cosas de su negocio: la duración del ciclo de venta, el número de canales, el volumen de conversiones y el acceso a datos del CRM.
El dato es el factor limitante. Los modelos data-driven construyen los pesos con recorridos reales de clientes y, sin conversiones suficientes, o no arrancan o producen ruido en lugar de perspectivas. Los negocios pequeños con un par de docenas de leads al mes tienen que conformarse con reglas simples y predecibles.
Criterios de selección
| Situación | Modelo adecuado |
|---|---|
| Ciclo de venta corto, un canal principal | Último clic |
| Hay que medir los canales de clientes nuevos | Primer clic |
| Ciclo de venta largo, múltiples puntos de contacto | Decrecimiento temporal |
| Muchos canales, alto volumen de conversiones | Data-driven |
| Datos limitados, pero importan varios canales | Lineal o por posición |
Los datos del CRM resuelven un problema aparte: sin ellos, la atribución se detiene en el lead y nunca le cuenta qué pasó después: ¿pagó, de cuánto fue el negocio? La automatización de marketing puede tender el puente sincronizando CRM y datos publicitarios sin conciliaciones manuales en hojas de cálculo.
Errores comunes
- Juzgar el rendimiento de un canal solo por el último clic: los canales de la parte alta que traen el primer toque parecen inútiles aunque son esenciales para el recorrido completo
- Cambiar de modelo de atribución cada semana persiguiendo números más bonitos: la comparación de datos se rompe si la metodología cambia constantemente
- Comparar informes de plataformas de analítica distintas construidos sobre modelos distintos como si fueran los mismos datos
- Ignorar las llamadas y las conversiones offline: si los negocios se cierran fuera de la web, el modelo siempre infravalorará una parte de su mezcla
Configurar la atribución en Google Analytics y Google Ads
Modelos de atribución en Google Analytics 4
La atribución en Google Analytics 4 determina qué canal recibe el mérito cuando un visitante convierte tras llegar desde varias fuentes. Su elección moldea toda la vista de rendimiento de canales, a veces de forma drástica. GA4 ofrece varios modelos: Último clic atribuye la conversión a la última fuente del visitante antes de convertir, incluido el tráfico directo; Último clic no directo ignora las visitas directas y acredita el último canal real; Primer clic acredita el canal que inició el recorrido del visitante; y Último clic en Google Ads destaca el tráfico de Google Ads aunque otros canales hayan tocado al cliente después.
La base de todo esto son los eventos de conversión bien configurados en GA4. Sin ellos, no hay conversión que atribuir. Si aún no los ha configurado, hágalo en Google Analytics 4 antes de preocuparse por el modelo de atribución. El seguimiento multidispositivo en GA4 depende del User-ID (cuando los clientes inician sesión) o de su configuración de Google Analytics; sin él, las sesiones de móvil y ordenador suelen quedar separadas, y el modelo de atribución no puede arreglarlo.
Atribución en Google Ads
Su elección de modelo de atribución en Google Ads no solo afecta a los informes: moldea cómo aprenden las estrategias de puja inteligente. Si ha configurado pujas automáticas para optimizar conversiones, el algoritmo se entrena con los datos generados por el modelo de atribución elegido. Cambiar de modelo a mitad de vuelo altera qué considera el sistema una palabra clave o audiencia de alto rendimiento, y puede mover el rendimiento de forma notable en cuestión de días. Fije su modelo de atribución antes de activar las estrategias automatizadas, no después.
Los objetivos de conversión son donde la puja inteligente se centra primero; si ha elegido un objetivo primario pobre (demasiado infrecuente o poco reflejo de la calidad real del lead), la optimización será ruidosa con el modelo que elija. Las páginas de soporte de atribución en Google Analytics 4 y atribución en Google Ads tienen las reglas oficiales y los pasos de configuración; conviene consultarlas si los informes no se comportan como espera.
Fije un único modelo de atribución tanto en GA4 como en Google Ads antes de conciliar con su CRM; de lo contrario culpará a la calidad de los datos cuando el desajuste es solo lógica de conteo distinta.
Meta Ads y analítica de extremo a extremo
- Tenga presente que Meta Ads usa su propia lógica interna de atribución, distinta de cualquier modelo de GA4.
- Compare las conversiones de Meta Ads con los totales de GA4 en el mismo periodo: las discrepancias grandes al principio son normales.
- No intente conciliar a mano los números de las plataformas publicitarias: las ventanas de retrospectiva y las reglas de deduplicación distintas hacen casi imposible el ajuste exacto.
- Construya la analítica de extremo a extremo a nivel de CRM: ahí es donde un negocio se conecta con su primer toque o con la campaña concreta mediante parámetros UTM e ID de sesión, con independencia de los informes de las plataformas.
- Use AdMetric como capa única donde confluyen los datos de GA4, Google Ads y Meta Ads en un solo modelo de atribución y se contrastan con los ingresos del CRM.
Benchmarks: cómo la elección del modelo cambia su imagen
Cómo los modelos revalorizan los canales
La atribución no es solo un ajuste técnico: es la lente a través de la cual la dirección ve el rendimiento publicitario. El último clic premia al canal sentado justo antes de la compra —normalmente búsqueda de pago o una visita directa de marca— e ignora todo lo anterior. Un modelo lineal reparte el valor a partes iguales entre cada toque. Los modelos data-driven calculan el impacto estadístico real de cada canal según si las conversiones caerían al eliminarlo.
La diferencia no es teórica. Tome una tienda online hipotética con 100 conversiones mensuales y cuatro canales: Meta Ads, búsqueda orgánica, Google Ads y email. Google Ads casi siempre cae al final: la gente busca su marca, pulsa el anuncio y compra. El último clic le da a ese canal la mayor parte del mérito, aunque la decisión de compra suele formarse antes, cuando vieron un anuncio de Meta o leyeron su blog.
Ejemplo resuelto
Digamos que su gasto de Google Ads está fijado en 3.000 € al mes. El modelo de atribución no cambia el gasto; cambia cuántas conversiones se acreditan a ese canal y, por tanto, el CPA (coste por adquisición) calculado.
| Modelo de atribución | Meta Ads % | Orgánico % | Google Ads % | Email % | CPA Google Ads |
|---|---|---|---|---|---|
| Último clic | 15 | 20 | 40 | 25 | 75 € |
| Lineal | 22 | 28 | 22 | 28 | 136 € |
| Data-driven | 18 | 35 | 15 | 32 | 200 € |
Con el último clic, Google Ads parece su mejor canal: un CPA de 75 € sugiere que subir presupuesto es inteligente. El data-driven cuenta la historia opuesta: el mérito real ronda las 15 conversiones, el CPA es casi el triple, y la búsqueda orgánica es el canal que de verdad genera valor. Las decisiones de escalado con estos dos modelos serían opuestas: uno dice que haga crecer Google Ads, el otro, que mueva presupuesto a contenido y Meta.
Los CPA de la tabla muestran que el valor de un solo canal puede oscilar de forma dramática solo por elegir un modelo distinto, mientras el comportamiento de los clientes no cambia en absoluto.
Cambiar de modelo de atribución a mitad de camino puede dar la vuelta a la valoración de sus canales en decenas de puntos porcentuales y llevar a decisiones de presupuesto opuestas. Elija una vez y manténgalo estable para comparar periodos con justicia; de lo contrario, el crecimiento o caída de un canal podría ser solo un efecto del cambio de metodología, no la realidad del mercado.
Cómo funciona la atribución en AdMetric
Cálculo automático desde anuncios y CRM
La mayoría de negocios comprueban la atribución a mano entre plataformas: consola de Google Ads, gestor de Meta Ads, TikTok Ads, cada uno con su propia lógica de conversión. AdMetric se salta ese paso: se conecta directamente a las plataformas publicitarias y a su web, lleva clics y eventos a una base de datos única y ejecuta la atribución en todos los canales con un solo modelo. No hace falta decidir qué plataforma tiene "razón": el cálculo ocurre fuera de los silos, del lado de AdMetric.
El resultado no es un desglose porcentual por plataforma, sino una respuesta clara: ¿cuántos leads y cuántos euros aportó de verdad cada canal en este periodo? El modelo ve el recorrido completo, no solo el último clic, así que los canales de la parte alta del embudo (campañas de notoriedad, palabras clave de marca) no desaparecen artificialmente de la historia.
Integración con CRM y analítica a nivel de ingresos
El punto ciego de la atribución sin datos del CRM es que cuenta clics, no dinero. Un clic trajo a alguien que nunca compró, o inició un negocio que convierte dos meses después por mucho más. AdMetric conecta cada clic con un negocio en su CRM (HubSpot, Salesforce) y traza el mérito hasta el pago, no hasta un envío de formulario.
- Google Ads, Meta Ads, TikTok Ads: sus plataformas publicitarias
- Su web: clics, sesiones, eventos de conversión
- HubSpot / Salesforce: negocios, importes, etapa
Tras la confluencia de datos, una capa de IA explica qué significa en lenguaje llano: qué canal trae los negocios más baratos, dónde se fuga presupuesto sin retorno y dónde rebalancear. No porcentajes secos de ROI, sino conclusiones claras y accionables como las que esperaría de un analista de pago. Pruébelo gratis 7 días con sus propios datos, sin tarjeta; el desglose de funciones por plan está en nuestra página de precios.
Descubra qué anuncios se pagan de verdad
AdMetric calcula el ROI por canal y señala dónde vuelve el dinero y por dónde se escapa.
Попробовать бесплатно →